WO2021210761A1 - Ai 다운스케일 장치 및 그 동작방법, 및 ai 업스케일 장치 및 그 동작방법 - Google Patents

Ai 다운스케일 장치 및 그 동작방법, 및 ai 업스케일 장치 및 그 동작방법 Download PDF

Info

Publication number
WO2021210761A1
WO2021210761A1 PCT/KR2021/000346 KR2021000346W WO2021210761A1 WO 2021210761 A1 WO2021210761 A1 WO 2021210761A1 KR 2021000346 W KR2021000346 W KR 2021000346W WO 2021210761 A1 WO2021210761 A1 WO 2021210761A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
dnn
images
neural network
deep neural
Prior art date
Application number
PCT/KR2021/000346
Other languages
English (en)
French (fr)
Inventor
김욱형
조일현
구자윤
김남욱
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to EP21788636.5A priority Critical patent/EP4044105A4/en
Priority to US17/312,276 priority patent/US11989852B2/en
Priority to CN202180028641.6A priority patent/CN115398468A/zh
Publication of WO2021210761A1 publication Critical patent/WO2021210761A1/ko
Priority to US18/638,310 priority patent/US20240265493A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Definitions

  • an AI downscaling device including a deep neural network for AI downscaling an image and an operating method thereof
  • an AI upscaling device including a deep neural network for AI upscaling an image and an operating method thereof
  • an AI downscaling apparatus and an operating method thereof for removing artifacts generated in an image during downscaling and upscaling of an image
  • an AI upscaling apparatus and an operating method thereof for removing artifacts generated in an image during downscaling and upscaling of an image
  • the image is encoded by a codec conforming to a predetermined data compression standard, for example, a Moving Picture Expert Group (MPEG) standard, and then stored in a bitstream in the form of a recording medium or transmitted through a communication channel.
  • a codec conforming to a predetermined data compression standard, for example, a Moving Picture Expert Group (MPEG) standard, and then stored in a bitstream in the form of a recording medium or transmitted through a communication channel.
  • MPEG Moving Picture Expert Group
  • AI deep learning technology is being applied to the field of video streaming transmission and restoration in order to improve the transmission efficiency of high-definition video and to provide differentiated image restoration quality.
  • Various embodiments may provide an AI downscaling device and an operating method thereof, an AI upscaling device and an operating method capable of removing artifacts in the process of AI upscaling and restoring an AI downscaled image. It can also provide methods for training AI downscale devices and AI upscale devices that can remove artifacts.
  • the AI downscale device and the AI upscale device can be restored to a high-resolution image from which artifacts are removed without additional hardware to the existing AI downscale device and the AI upscale device, or to change the existing hardware or incur additional costs. have.
  • AI 1 is a diagram for explaining an artificial intelligence (AI) encoding process and an AI decoding process according to an embodiment.
  • AI artificial intelligence
  • FIG. 2 is a block diagram illustrating a configuration of an AI downscale apparatus according to an embodiment.
  • FIG. 3 is an exemplary diagram illustrating a first DNN 300 for AI downscaling of an original video.
  • FIG. 4 is a block diagram illustrating a configuration of an AI upscaling apparatus according to an embodiment.
  • FIG. 5 is an exemplary diagram illustrating the second DNN 300 for AI upscaling of the second image 135 .
  • FIG. 6 is a flowchart illustrating a method of training a first DNN and a second DNN according to an embodiment.
  • FIGS. 7A to 7E are diagrams referenced to explain a method of training a first DNN for AI downscaling and a second DNN for AI upscaling according to an embodiment.
  • FIG. 8 is a diagram referenced to describe ensemble loss information according to an embodiment.
  • FIG. 9 is a flowchart illustrating an operation method of an AI downscaling apparatus according to an embodiment.
  • FIG. 10 is a flowchart illustrating a method of operating an AI upscaling device according to an embodiment.
  • FIG. 11 is a block diagram illustrating the configuration of an AI downscaling apparatus according to an embodiment.
  • FIG. 12 is a block diagram illustrating the configuration of an AI upscaling apparatus according to an embodiment.
  • FIG. 13 is a block diagram illustrating a configuration of a training apparatus for training a first DNN and a second DNN according to an embodiment.
  • AI upscaling apparatus including a memory for storing one or more instructions, and a processor for executing the one or more instructions stored in the memory, wherein the processor comprises: the AI downscaling apparatus using a first deep neural network ( DNN) to obtain a second image corresponding to the first image downscaled from the original image, and upload the second image by using a second deep neural network (DNN) corresponding to the first deep neural network
  • DNN deep neural network
  • the second deep neural network first restores the original training image obtained by downscaling and upscaling the image to which pixel shift is not applied to the original training image.
  • An image and second reconstructed images of the one or more translation images obtained by performing downscaling and upscaling and then retranslation on one or more translation images to which pixel movement is applied to the original training image They can be trained to minimize the difference.
  • the second deep neural network is obtained based on at least one of the original training image, a first restored image of the original training image, and the second restored images of the one or more translation images. It can be trained to minimize lost information.
  • the loss information according to an embodiment may include first difference information between each of the first and second restored images and the original training image.
  • the loss information according to an embodiment may include second difference information between the first reconstructed image and the second reconstructed images.
  • the second deep neural network may receive a low-resolution single-frame image for a specific viewpoint in the second image and output a high-resolution single-frame image for the specific viewpoint in the third image.
  • the second deep neural network is trained in connection with the first deep neural network, and based on an image obtained from the first deep neural network, it may be a trained network.
  • AI downscaling apparatus including a memory for storing one or more instructions, and a processor for executing the one or more instructions stored in the memory, wherein the processor uses a first deep neural network to view the original image A downscaled first image is acquired, and the first image is controlled to be transmitted to an AI upscaling device through a network, and the first deep neural network downscales an image to which pixel shift is not applied to the original training image. and a first reconstructed image for the original training image obtained by performing upscaling, and retranslation after downscaling and upscaling on one or more translation images to which pixel shift is applied to the original training image.
  • the one or more translation images may be trained to minimize a difference from the second reconstructed images.
  • the first deep neural network is acquired based on at least one of the original training image, a first restored image for the original training image, and the second restored images for the one or more translation images It can be trained to minimize lost information.
  • a method for training a first deep neural network for downscaling a high-resolution image to a low-resolution image or a second deep neural network for up-scaling a low-resolution image to a high-resolution image is, by applying a translation to the original training image, one or more generating the translation images, by performing an operation with the first deep neural network on the original training image and the one or more translation images, a plurality of the original training image and the one or more translation images corresponding to the original training image and the one or more translation images obtaining a plurality of high-resolution images corresponding to the plurality of low-resolution images by performing an operation with each of the plurality of low-resolution images and the second deep neural network, the plurality of high-resolution images of Obtaining second reconstructed images by applying retranslation to high-resolution images corresponding to the one or more translation images among the images, the original training image and the first restoration of the original training image First parameters of the first deep neural network and second parameters of the second deep neural network and
  • the step of updating at least one of the first parameters of the first deep neural network and the second parameters of the second deep neural network includes the first parameters of the first deep neural network and the second parameters of the first deep neural network to minimize the loss information. It may include updating at least one of the second parameters of the second deep neural network.
  • the second deep neural network is trained in connection with the first deep neural network, and based on an image obtained from the first deep neural network, it may be a trained network.
  • components expressed as ' ⁇ unit (unit)', 'module', etc. are two or more components combined into one component, or two or more components for each more subdivided function. may be differentiated into.
  • each of the components to be described below may additionally perform some or all of the functions of other components in addition to the main functions that each component is responsible for, and some of the main functions of each of the components are different It goes without saying that it may be performed exclusively by the component.
  • an 'image' or 'picture' may indicate a still image, a moving picture composed of a plurality of continuous still images (or frames), or a video.
  • DNN deep neural network
  • DNN 'deep neural network
  • a 'parameter' is a value used in a calculation process of each layer constituting a neural network, and may include, for example, a weight used when an input value is applied to a predetermined calculation expression. Also, the parameter may be expressed in a matrix form.
  • a parameter is a value set as a result of training, and may be updated through separate training data if necessary.
  • first DNN 'first DNN' or 'first deep neural network
  • second DNN' A deep neural network (hereinafter referred to as a second DNN)' refers to a DNN used for AI upscaling of an image.
  • 'DNN configuration information' includes the aforementioned parameters as information related to elements constituting the DNN.
  • the first DNN or the second DNN may be configured using the DNN configuration information.
  • 'original image' refers to an image to be subjected to AI encoding
  • 'first image' refers to an image obtained as a result of AI downscaling of the original image in the AI encoding process
  • the 'second image' refers to an image obtained through the first decoding in the AI decoding process
  • the 'third image' refers to an image obtained by AI upscaling the second image in the AI decoding process.
  • 'AI downscaling' refers to a process of reducing the resolution of an image based on AI
  • 'first encoding' refers to an encoding process by a frequency transform-based image compression method
  • 'first decoding' refers to a decoding process by a frequency transformation-based image restoration method
  • 'AI upscaling' refers to a process of increasing the resolution of an image based on AI.
  • 'artifact' refers to a deterioration in image quality caused by a difference in information between a reconstructed image and an original image when a high-resolution original image is converted to a low-resolution image and restored to a high-resolution image again.
  • Artifacts are caused by information lost when converting the original image to a lower resolution. Artifacts may include, but are not limited to, aliasing artifacts and jagging artifacts.
  • 'movement' or 'translation' means moving an image or a pixel of an image.
  • the direction of the translation may be considered horizontal, vertical, and diagonal, and the size of the translation may be considered to be moved by 1 pixel, 2 pixels, etc. in units of pixels.
  • it may be considered that the original image or image is moved horizontally (1,0), vertically (0,1), and diagonally (1,1) by 1 pixel (1 space).
  • 'reverse movement' or 're-translation' means moving a translated image or pixel of an image by the same size in the opposite direction.
  • the retranslation is horizontally (-1) ,0), vertical (0,-1), and diagonal (-1,-1) directions may be considered to move in the opposite direction by 1 pixel (1 space).
  • AI 1 is a diagram for explaining an artificial intelligence (AI) encoding process and an AI decoding process according to an embodiment.
  • AI artificial intelligence
  • a first image 115 is acquired by AI downscaling 110 of an original image 105 having a high resolution.
  • the original image 105 and the first image 115 may be moving pictures or videos including a plurality of frame images.
  • encoding 120 and decoding 130 are performed with the first image 115 having a relatively small resolution as a target, compared to the case where encoding and decoding are performed with the original image 105 as a target The bit rate to be processed can be greatly reduced.
  • an original image 105 is AI downscaled 110 to obtain a first image 115 , and the first image 115 is encoded ( 120 ).
  • AI decoding process AI encoding data including AI data and image data obtained as a result of AI encoding is received, a second image 135 is obtained through decoding 130, and the second image 135 is AI-up
  • the third image 145 is obtained by scaling 140 .
  • the original image 105 is AI downscaled 110 to obtain the first image 115 of a predetermined resolution or a predetermined quality.
  • the AI downscaling 110 is performed based on AI, the AI for the AI downscaling 110 must be trained in connection with the AI for the AI upscaling 140 of the second image 135 (joint trained) do. Because, when the AI for the AI downscaling 110 and the AI for the AI upscaling 140 are separately trained, between the original image 105 that is the AI encoding target and the third image 145 restored through AI decoding because the difference between
  • AI data may be used in order to maintain this linkage in the AI encoding process and the AI decoding process. Therefore, the AI data obtained through the AI encoding process should include information indicating the upscale target, and in the AI decoding process, the second image 135 is AI upscaled ( 140) should be done.
  • AI for AI downscaling 110 and AI for AI upscaling 140 may be implemented as a deep neural network (DNN).
  • DNN deep neural network
  • the AI encoding device is used when the first DNN and the second DNN are jointly trained.
  • the target information may be provided to the AI decoding device, and the AI decoding device may upscale the AI to a target resolution of the second image 135 based on the received target information.
  • the information amount of the first image 115 that is AI downscaled 110 from the original image 105 is reduced through the encoding 120 .
  • the encoding process 120 is performed at frequencies such as MPEG-2, H.264 Advanced Video Coding (AVC), MPEG-4, High Efficiency Video Coding (HEVC), VC-1, VP8, VP9 and AV1 (AOMedia Video 1). It can be implemented through one of the image compression methods using transformation.
  • the second image 135 corresponding to the first image 115 may be restored through the decoding 130 of image data.
  • This decoding 130 process is one of the video compression methods using frequency conversion, such as MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 and AV1 used in the first encoding 120 process. It may be implemented through an image restoration method corresponding to one.
  • the AI encoded data obtained through the AI encoding process may include image data obtained as a result of encoding 120 of the first image 115 and AI data related to the AI downscale 110 of the original image 105 . .
  • the image data may be used in the first decoding 130 process, and the AI data may be used in the AI upscaling 140 process.
  • the image data may be transmitted in the form of a bitstream.
  • the image data may include data obtained based on pixel values in the first image 115 , for example, residual data that is a difference between the first image 115 and prediction data of the first image 115 . .
  • AI data is used for AI upscaling 140 based on the second DNN.
  • the AI data includes information enabling accurate AI upscaling 140 of the second image 135 through the second DNN to be performed.
  • the AI upscaling 140 may be performed to a resolution and/or image quality targeting the second image 135 based on the AI data.
  • AI data may be transmitted together with image data in the form of a bitstream.
  • AI data may be transmitted separately from image data in the form of frames or packets.
  • Image data and AI data obtained as a result of AI encoding may be transmitted through the same network or different networks.
  • FIG. 2 is a block diagram illustrating a configuration of an AI downscaling apparatus according to an embodiment.
  • the AI downscaling apparatus 200 may include an AI encoder 210 and a transmitter 230 .
  • the AI encoder 210 may include an AI downscaler 212 and an encoder 214 .
  • the transmission unit 230 may include a data processing unit 232 and a communication unit 234 .
  • the AI encoder 210 and the transmitter 230 may be implemented through one processor.
  • it may be implemented as a dedicated processor, or it may be implemented through a combination of an AP or a general-purpose processor such as a CPU or GPU and S/W.
  • a dedicated processor it may be implemented including a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the AI encoder 210 and the transmitter 230 may include a plurality of processors. In this case, it may be implemented as a combination of dedicated processors, or may be implemented through a combination of S/W with a plurality of general-purpose processors such as an AP, CPU, or GPU.
  • the AI downscaler 212 and the encoder 214 may also be implemented with different processors.
  • the AI encoder 210 performs AI downscaling of the original image 105 and encoding the first image 115 , and transmits the AI data and the image data to the transmitter 230 .
  • the transmitter 230 transmits AI data and image data to the AI upscaling device.
  • the image data includes data obtained as a result of encoding the first image 115 .
  • the image data may include data obtained based on pixel values in the first image 115 , for example, residual data that is a difference between the first image 115 and prediction data of the first image 115 .
  • the image data includes information used in the encoding process of the first image 115 .
  • the image data may include prediction mode information used to encode the first image 115 , motion information, and quantization parameter related information used to encode the first image 115 .
  • the AI data includes information enabling the AI upscaling device to AI upscale the second image 135 to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include difference information between the original image 105 and the first image 115 .
  • the AI data may include information related to the first image 115 .
  • the information related to the first image 115 includes a resolution of the first image 115 , a bit rate of image data obtained as a result of encoding the first image 115 , and a codec type used when encoding the first image 115 . It may include information about at least one.
  • the AI data may include an identifier of mutually agreed DNN configuration information so that the second image 135 can be AI upscaled to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include DNN configuration information settable in the second DNN.
  • the AI downscaler 212 may acquire the AI downscaled first image 115 from the original image 105 through the first DNN.
  • the AI downscaling unit 212 may determine a downscaling target of the original image 105 based on a predetermined criterion.
  • the AI downscaler 212 may store a plurality of DNN configuration information settable in the first DNN.
  • AI downscale unit 212 acquires DNN configuration information corresponding to the downscale target among a plurality of DNN configuration information, and AI downscales the original image 105 through the first DNN set with the obtained DNN configuration information. .
  • Each of the plurality of pieces of DNN configuration information may be trained to obtain the first image 115 having a predetermined resolution and/or a predetermined image quality.
  • the DNN setting information of any one of the plurality of DNN setting information is the first image 115 having a resolution that is 1/2 times smaller than the resolution of the original image 105, for example, 4K (4096 * 2160) may include information for obtaining the first image 115 of 2K (2048*1080) 1/2 times smaller than the original image 105 of A first image 115 of a resolution of 1/4 times smaller than that of a first image 115, for example, a first image 115 of 2K (2048*1080) which is 1/4 times smaller than an original image 105 of 8K (8192*4320). ) may include information for obtaining
  • the AI downscaling unit 212 may obtain DNN setting information by combining some selected among the lookup table values according to the downscaling target, and AI downscale the original image 105 using the obtained DNN setting information.
  • the AI downscaling unit 212 may determine the structure of the DNN corresponding to the downscale target, and obtain DNN configuration information corresponding to the determined structure of the DNN, for example, parameters of the filter kernel. .
  • the plurality of DNN configuration information for AI downscaling of the original image 105 may have an optimized value by performing joint training of the first DNN and the second DNN.
  • each DNN configuration information includes at least one of the number of convolutional layers included in the first DNN, the number of filter kernels for each convolutional layer, and parameters of each filter kernel.
  • the AI downscaling unit 212 sets the first DNN as the DNN setting information determined for the AI downscaling of the original image 105, and converts the first image 115 of a predetermined resolution and/or a predetermined quality to the first DNN. can be obtained through When DNN setting information for AI downscaling of the original image 105 is obtained among a plurality of DNN setting information, each layer in the first DNN may process input data based on information included in the DNN setting information. .
  • FIG. 3 is an exemplary diagram illustrating the first DNN 300 for AI downscaling of the original image 105 .
  • the original image 105 is input to the first convolutional layer 310 .
  • the first convolutional layer 310 performs convolution processing on the original image 105 using 32 filter kernels having a size of 5 ⁇ 5.
  • parameters of the first DNN 300 through joint training of the first DNN and the second DNN for example, parameters of the filter kernel used in convolutional layers of the first DNN 300 The value can be optimized.
  • the 32 feature maps generated as a result of the convolution process are input to the first activation layer 320 .
  • the first activation layer 320 may provide non-linear characteristics to 32 feature maps.
  • the first activation layer 320 may include, but is not limited to, a sigmoid function, a Tanh function, a Rectified Linear Unit (ReLU) function, and the like.
  • the first activation layer 320 determines whether to transfer sample values of the feature maps output from the first convolution layer 310 to the second convolution layer 330 . For example, some sample values among the sample values of the feature maps are activated by the first activation layer 320 and transferred to the second convolution layer 330 , and some sample values are activated by the first activation layer 320 . It is deactivated and is not transmitted to the second convolutional layer 330 . Information indicated by the feature maps output from the first convolutional layer 310 is emphasized by the first activation layer 320 .
  • the output 325 of the first activation layer 320 is input to the second convolution layer 330 .
  • the second convolution layer 330 performs convolution processing on input data by using 32 filter kernels having a size of 5 ⁇ 5.
  • the 32 feature maps output as a result of the convolution process are input to the second activation layer 340 , and the second activation layer 340 may provide nonlinear characteristics to the 32 feature maps.
  • the output 345 of the second activation layer 340 is input to the third convolution layer 350 .
  • the third convolution layer 350 performs convolution processing on input data using one filter kernel having a size of 5 ⁇ 5. As a result of the convolution process, one image may be output from the third convolutional layer 350 .
  • the third convolutional layer 350 is a layer for outputting a final image and obtains one output by using one filter kernel. According to the example of the present disclosure, the third convolution layer 350 may output the first image 115 through the convolution operation result.
  • DNN setting information indicating the number of filter kernels of the first convolutional layer 310, the second convolutional layer 330, and the third convolutional layer 350 of the first DNN 300, parameters of the filter kernel, etc.
  • the association between the plurality of DNN configuration information of the first DNN and the plurality of DNN configuration information of the second DNN may be implemented through association learning of the first DNN and the second DNN.
  • the first DNN 300 includes three convolutional layers 310 , 330 , 350 and two activation layers 320 , 340 , but this is only an example, and the implementation Accordingly, the number of convolutional layers and activation layers may be variously changed.
  • the first DNN 300 may be implemented through a recurrent neural network (RNN). In this case, it means changing the CNN structure of the first DNN 300 according to an example of the present disclosure to an RNN structure.
  • RNN recurrent neural network
  • the AI downscaler 212 may include at least one arithmetic logic unit (ALU) for the above-described convolution operation and operation of the activation layer.
  • the ALU may be implemented as a processor.
  • the ALU may include a multiplier that performs a multiplication operation between the sample values of the feature map output from the original image 105 or the previous layer and the sample values of the filter kernel, and an adder that adds the result values of the multiplication. have.
  • the ALU is a multiplier that multiplies an input sample value by a weight used in a predetermined sigmoid function, a Tanh function, or a ReLU function, and compares the multiplication result with a predetermined value to calculate the input sample value. It may include a comparator that determines whether to transfer to the next layer.
  • the encoder 214 receiving the first image 115 from the AI downscaler 212 encodes the first image 115 to reduce the amount of information in the first image 115 . can do it As a result of encoding by the encoder 214 , image data corresponding to the first image 115 may be obtained.
  • the data processing unit 232 processes at least one of AI data and image data to be transmitted in a predetermined format. For example, when AI data and image data are to be transmitted in the form of a bitstream, the data processing unit 232 processes the AI data so that the AI data is expressed in the form of a bitstream, and one bitstream through the communication unit 234 . Transmits AI data and image data in the form of As another example, the data processing unit 232 processes the AI data so that the AI data is expressed in the form of a bitstream, and transmits each bitstream corresponding to the AI data and the bitstream corresponding to the image data through the communication unit 234 to the communication unit 234 . ) through the As another example, the data processing unit 232 processes AI data so that the AI data is expressed in frames or packets, and transmits image data in the form of bitstreams and AI data in the form of frames or packets through the communication unit 234 .
  • the communication unit 234 transmits the AI encoded data obtained as a result of the AI encoding through the network.
  • AI-encoded data obtained as a result of AI encoding includes image data and AI data.
  • Image data and AI data may be transmitted through a homogeneous network or a heterogeneous network.
  • the AI-encoded data obtained as a result of the processing of the data processing unit 232 is a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, an optical recording medium such as a CD-ROM and a DVD, and a floppy disk. It may be stored in a data storage medium including a magneto-optical medium, such as
  • FIG. 4 is a block diagram illustrating the configuration of the AI upscaling apparatus 400 according to an embodiment.
  • the AI decoding apparatus 400 may include a receiving unit 410 and an AI decoding unit 430 .
  • the receiving unit 410 may include a communication unit 412 , a parsing unit 414 , and an output unit 416 .
  • the AI decoding unit 430 may include a decoding unit 432 and an AI upscaling unit 434 .
  • the receiver 410 receives and parses the AI-encoded data obtained as a result of the AI-encoding, divides the image data and the AI data, and outputs them to the AI decoder 430 .
  • the communication unit 412 receives the AI encoded data obtained as a result of the AI encoding through the network.
  • AI-encoded data obtained as a result of AI encoding includes image data and AI data.
  • the image data and AI data may be received through a homogeneous network or a heterogeneous network.
  • the parsing unit 414 receives the AI-encoded data received through the communication unit 412 and parses the received data into image data and AI data. For example, by reading a header of data obtained from the communication unit 412 , it is possible to distinguish whether the corresponding data is image data or AI data. In one example, the parsing unit 414 divides the image data and the AI data through the header of the data received through the communication unit 412 and transmits them to the output unit 416, and the output unit 416 separates each of the separated AI data. The data is transferred to the decoding unit 432 and the AI upscaling unit 434 .
  • the image data included in the AI encoded data is image data obtained through a predetermined codec (eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1). It can also be confirmed that In this case, the corresponding information may be transmitted to the decoder 432 through the output unit 416 so that the image data can be processed by the identified codec.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the AI-encoded data parsed by the parsing unit 414 may include hard disks, magnetic media such as floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and floppy disks. It may be obtained from a data storage medium including a magneto-optical medium or the like.
  • the decoder 432 reconstructs the second image 135 corresponding to the first image 115 based on the image data.
  • the second image 135 obtained by the decoder 432 is provided to the AI upscaler 434 .
  • decoding-related information such as prediction mode information, motion information, and quantization parameter information included in the image data may be further provided to the AI upscaling unit 434 .
  • the AI upscaling unit 434 receiving the AI data AI upscales the second image 135 based on the AI data.
  • AI upscaling may be performed by further using decoding-related information such as prediction mode information and quantization parameter information included in the image data.
  • the receiver 410 and the AI decoder 430 may be implemented through one processor.
  • the receiver 410 and the AI decoder 430 may be implemented as a dedicated processor, or may be implemented through a combination of an AP or a general-purpose processor such as a CPU or GPU and S/W.
  • a dedicated processor it may be implemented including a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the receiving unit 410 and the AI decoding unit 430 may include a plurality of processors. In this case, it may be implemented as a combination of dedicated processors, or may be implemented through a combination of S/W with a plurality of general-purpose processors such as an AP, CPU, or GPU. Similarly, the AI upscaling unit 434 and the decoding unit 432 may be implemented with different processors, respectively.
  • the AI data provided to the AI upscaling unit 434 includes information enabling AI upscaling of the second image 135 .
  • the upscale target should correspond to the downscale of the first DNN. Therefore, the AI data should include information that can identify the downscale target of the first DNN.
  • the information included in the AI data includes information on a difference between the resolution of the original image 105 and the resolution of the first image 115 , and information related to the first image 115 .
  • the difference information may be expressed as information about a resolution conversion degree of the first image 115 compared to the original image 105 (eg, resolution conversion rate information). And, since the resolution of the first image 115 is known through the resolution of the reconstructed second image 135 and the degree of resolution conversion can be confirmed through this, the difference information can be expressed only with the resolution information of the original image 105 .
  • the resolution information may be expressed as a horizontal/vertical screen size, or it may be expressed as a ratio (16:9, 4:3, etc.) and a size of one axis.
  • it may be expressed in the form of an index or a flag.
  • the information related to the first image 115 may include at least one of a bit rate of image data obtained as a result of the first encoding of the first image 115 and a codec type used during the first encoding of the first image 115 . may include information about
  • the AI upscaling unit 434 may determine an upscaling target of the second image 135 based on at least one of difference information included in the AI data and information related to the first image 115 .
  • the upscaling target may indicate, for example, to what resolution the second image 135 should be upscaled.
  • the AI upscaling unit 434 AI upscales the second image 135 through the second DNN to obtain a third image 145 corresponding to the upscaling target.
  • FIG. 5 is an exemplary diagram illustrating the second DNN 300 for AI upscaling of the second image 135 .
  • the second image 135 is input to the first convolutional layer 510 .
  • 3X3X4 displayed in the first convolution layer 510 shown in FIG. 5 exemplifies convolution processing on one input image using four filter kernels having a size of 3 ⁇ 3.
  • four feature maps are generated by four filter kernels.
  • Each feature map represents unique characteristics of the second image 135 .
  • each feature map may indicate a vertical direction characteristic, a horizontal direction characteristic, or an edge characteristic of the second image 135 .
  • parameters of the second DNN may be optimized through joint training of the first DNN and the second DNN.
  • the AI upscale unit 434 determines an upscale target corresponding to the downscale target of the first DNN based on the AI data, and converts the parameters corresponding to the determined upscale target to the convolution of the second DNN. It can be determined by parameters of the filter kernel used in the solution layers.
  • the feature maps output from the first convolutional layer 510 are input to the first activation layer 520 .
  • the first activation layer 520 may provide a non-linear characteristic to each feature map.
  • the first activation layer 520 may include, but is not limited to, a sigmoid function, a Tanh function, a Rectified Linear Unit (ReLU) function, and the like.
  • Giving the nonlinear characteristic in the first activation layer 520 means changing and outputting some sample values of the feature map, which is an output of the first convolution layer 510 . At this time, the change is performed by applying a non-linear characteristic.
  • the first activation layer 520 determines whether to transfer sample values of the feature maps output from the first convolution layer 510 to the second convolution layer 530 . For example, some sample values among the sample values of the feature maps are activated by the first activation layer 520 and transmitted to the second convolution layer 530 , and some sample values are activated by the first activation layer 520 . It is deactivated and is not transmitted to the second convolutional layer 530 . The intrinsic characteristic of the second image 135 indicated by the feature maps is emphasized by the first activation layer 520 .
  • the feature maps 525 output from the first activation layer 520 are input to the second convolution layer 530 .
  • 3X3X4 displayed in the second convolutional layer 530 exemplifies convolution processing on the input feature maps 525 using four filter kernels having a size of 3 ⁇ 3.
  • the output of the second convolution layer 530 is input to the second activation layer 540 .
  • the second activation layer 540 may impart a nonlinear characteristic to the input data.
  • the feature maps 345 output from the second activation layer 540 are input to the third convolution layer 550 .
  • 3X3X1 displayed in the third convolution layer 550 shown in FIG. 5 exemplifies convolution processing to generate one output image using one filter kernel having a size of 3 ⁇ 3.
  • the third convolution layer 550 is a layer for outputting a final image and generates one output using one filter kernel. According to the example of the present disclosure, the third convolution layer 550 may output the third image 145 through the convolution operation result.
  • DNN setting information indicating the number of filter kernels and parameters of the filter kernels of the first convolutional layer 510, the second convolutional layer 530, and the third convolutional layer 550 of the second DNN 500 is There may be a plurality of pieces, and the plurality of DNN configuration information should be associated with the plurality of DNN configuration information of the first DNN.
  • the association between the plurality of DNN configuration information of the second DNN and the plurality of DNN configuration information of the first DNN may be implemented through association learning of the first DNN and the second DNN.
  • the second DNN 500 includes three convolutional layers 510 , 530 , 550 and two activation layers 520 , 540 , but this is only an example, and the implementation Accordingly, the number of convolutional layers and activation layers may be variously changed.
  • the second DNN 500 may be implemented through a recurrent neural network (RNN). In this case, it means changing the CNN structure of the second DNN 500 according to the example of the present disclosure to the RNN structure.
  • RNN recurrent neural network
  • the AI upscaling unit 434 may include at least one arithmetic logic unit (ALU) for the above-described convolution operation and operation of the activation layer.
  • ALU arithmetic logic unit
  • the ALU may be implemented as a processor.
  • the AI upscaling unit 434 may store a plurality of DNN configuration information settable in the second DNN.
  • the DNN configuration information may include information on at least one of the number of convolution layers included in the second DNN, the number of filter kernels for each convolutional layer, and parameters of each filter kernel.
  • the plurality of DNN configuration information may each correspond to various upscale targets, and the second DNN may operate based on the DNN configuration information corresponding to a specific upscale target.
  • the second DNN may have a different structure according to the DNN configuration information.
  • the second DNN may include three convolutional layers according to certain DNN configuration information, and the second DNN may include four convolutional layers according to other DNN configuration information.
  • the DNN configuration information may include only parameters of a filter kernel used in the second DNN.
  • the structure of the second DNN is not changed, but only the parameters of the internal filter kernel may be changed according to the DNN configuration information.
  • the AI upscaling unit 434 may acquire DNN setting information for AI upscaling of the second image 135 among a plurality of DNN setting information.
  • Each of the plurality of DNN configuration information used herein is information for acquiring the third image 145 of a predetermined resolution and/or predetermined image quality, and is trained in association with the first DNN.
  • the DNN setting information of any one of the plurality of DNN setting information is a third image 145 having a resolution twice that of the second image 135, for example, a second image of 2K (2048 * 1080). It may include information for acquiring the third image 145 of 4K (4096 * 2160) that is twice as large as the second image 135, and the other DNN setting information is 4 more than the resolution of the second image 135.
  • Information for obtaining a third image 145 of twice the resolution for example, a third image 145 of 8K (8192 * 4320) that is 4 times larger than the second image 135 of 2K (2048 * 1080) may include
  • Each of the plurality of DNN setting information is created in association with the DNN setting information of the first DNN of the AI encoding device 200, and the AI upscaling unit 434 has an enlargement ratio corresponding to the reduction rate of the DNN setting information of the first DNN.
  • one piece of DNN configuration information is obtained from among a plurality of DNN configuration information.
  • the AI upscaling unit 434 must check the information of the first DNN.
  • the AI decoding apparatus 400 receives AI data including the information of the first DNN from the AI encoding apparatus 200 . .
  • the AI upscaling unit 434 uses the information received from the AI encoding apparatus 200 to identify information targeted by the DNN setting information of the first DNN used to obtain the first image 115 . and DNN configuration information of the second DNN trained in association with it can be obtained.
  • DNN setting information for AI upscaling of the second image 135 is obtained among the plurality of DNN setting information
  • input data may be processed based on the second DNN operating according to the obtained DNN setting information.
  • the number of filter kernels included in each layer and parameters of the filter kernels may be set to values included in the obtained DNN configuration information.
  • the AI upscaling unit 434 may obtain DNN setting information for upscaling the second image 135 among a plurality of DNN setting information based on the information included in the AI data, which is used to obtain the DNN setting information.
  • the AI data to be used will be described in detail.
  • the AI upscaling unit 234 may obtain DNN setting information for upscaling the second image 135 among a plurality of DNN setting information based on the difference information included in the AI data. For example, based on the difference information, the resolution of the original image 105 (eg, 4K (4096 * 2160)) is higher than the resolution of the first image 115 (eg, 2K (2048 * 1080)). When it is confirmed that it is twice as large, the AI upscaling unit 234 may obtain DNN setting information capable of increasing the resolution of the second image 135 by two times.
  • the AI upscaling unit 434 sets a DNN for AI upscaling the second image 135 among a plurality of DNN setting information based on the first image 115 related information included in the AI data. information can be obtained.
  • the AI upscaling unit 434 may determine a mapping relationship between the image related information and the DNN setting information in advance, and obtain DNN setting information mapped to the first image 115 related information.
  • the original image 105 is downscaled into a low-resolution image (eg, the first image 115 of FIG. 1 ), and again, the low-resolution image (eg, in FIG. 1 ).
  • a low-resolution image eg, the first image 115 of FIG. 1
  • the low-resolution image eg, in FIG. 1
  • the second image 135 of 1) is upscaled and restored to a high-resolution image (eg, the third image 145 of FIG. 1 )
  • loss information constituting pixels included in the original image is inevitable. Therefore, when restoring a high-resolution image, loss information is inevitable. That is, due to this, the reconstructed high-resolution image is different from the original image, and artifacts are generated.
  • Artifacts may include, but are not limited to, aliasing artifacts and jagging artifacts.
  • the aliasing artifact refers to a phenomenon in which a pattern similar to a wave pattern occurs
  • the jagging artifact refers to a phenomenon in which a line or edge region is bent in a stepwise fashion.
  • the aliasing artifact mainly occurs in a high-frequency region where the pixel value difference rapidly changes, and the pattern (or texture) within the same object included in the frame image does not remain constant depending on the frame, but vibrates or flickers. appear as a phenomenon.
  • the AI downscale device and the AI upscale device perform AI downscale of an image without an additional device (hardware), change of existing hardware, or additional cost to the existing AI downscale device and AI upscale device, Artifacts that occur in the process of AI upscaling can be removed.
  • FIG. 6 is a flowchart illustrating a method of training a first DNN and a second DNN according to an embodiment.
  • the configuration information of the second DNN (eg, second parameters of the second DNN) is fixed, and the configuration information of the first DNN (eg, the first DNN of the first DNN) is fixed. 1 parameters) may be updated. Also, in the training process of the second DNN, configuration information of the first DNN may be fixed and at least one of configuration information of the second DNN may be updated.
  • the training apparatus may generate one or more translation images by applying movement or translation to an original image ( S610 ).
  • the original image may be at least one frame image constituting the video.
  • the translation may be determined according to the resolution to be reduced through AI downscaling. For example, if the resolution is to be reduced by 1/n times, 1 pixel is sampled for every n pixels in the original image. A number of translation images may be generated. Accordingly, one original image (image without pixel movement) to which no translation is applied to the original image and n-1 translation images to which n-1 translations are applied may be obtained.
  • the training apparatus may initially set DNN setting information of the first DNN and the second DNN before the training proceeds.
  • the first DNN and the second DNN may operate according to predetermined DNN configuration information, and the DNN configuration information includes the number of convolution layers included in the first DNN and the second DNN, the number of filter kernels for each convolutional layer, and convolution It may include information on at least one of a size of a filter kernel for each solution layer and parameters (first parameters and second parameters) of each filter kernel.
  • the training apparatus may obtain a plurality of low-resolution images by performing an operation with the first parameters of the first DNN with respect to the original image without pixel movement and one or more translation images, respectively ( S620 ).
  • the training apparatus may set values of the first parameters of the first DNN according to the initially set DNN configuration information.
  • the first DNN may perform a convolution operation with set first parameters, an activation layer operation, and the like on an original image without pixel movement and one or more translation images, respectively. . Accordingly, the first DNN outputs an original image without pixel movement and a plurality of low-resolution images in which one or more translation images are AI downscaled.
  • the training apparatus may obtain a plurality of high-resolution images by performing an operation on each of the plurality of low-resolution images obtained from the first DNN and second parameters of the second DNN ( S630 ).
  • the training apparatus may set values of the second parameters of the second DNN according to the initially set DNN configuration information.
  • the second DNN may perform a convolution operation with set second parameters and an activation layer operation on each of the plurality of low-resolution images. Accordingly, the second DNN outputs a plurality of high-resolution images in which the plurality of low-resolution images are AI-upscaled.
  • the training apparatus may generate a plurality of reconstructed images (or resultant images) by applying inverse translation or re-translation to the plurality of high-resolution images (S640).
  • the reconstructed images (or resultant images) include an original reconstructed image (first reconstructed image) that is a reconstructed image of an original image without pixel movement, and reconstructed translation images (first reconstructed image) that are reconstructed images of one or more translation images. 2 restored images).
  • the retranslation may be determined based on the translation applied in step 610 ( S610 ).
  • the retranslation may be a movement in a direction opposite to the translation. In translation, if you move to the right, in a retranslation you can move to the left, in a translation to the left, in a retranslation you can move to the right. Also, when moving upward in translation, it can move downward in retranslation, and upward in retranslation when moving downward in translation.
  • the present invention is not limited thereto.
  • the training apparatus restores each of the reconstructed images (original reconstructed image and translation reconstructed images) and first difference information (content loss information (Lc)) of the original image and a plurality of reconstructed images (reconstructed for the original image without pixel movement) Second difference information (ensemble loss information Le) between an original reconstructed image that is an image and translation reconstructed images that are reconstructed images of one or more translation images may be obtained ( S650 ).
  • the training apparatus may update at least one of the first parameters of the first DNN and the second parameters of the second DNN based on the first difference information and the second difference information ( S660 ).
  • the training apparatus may determine final loss information based on the first difference information and the second difference information, and update at least one of the first parameters and the second parameters so that the final loss information is reduced or minimized. can do.
  • second parameters of the second DNN may be fixed and at least one of the first parameters of the first DNN may be updated.
  • first parameters of the first DNN may be fixed and at least one of the second parameters of the second DNN may be updated.
  • the first parameters of the first DNN and the second parameters of the second DNN may be updated together.
  • a method of training the first DNN and the second DNN according to the embodiment of FIG. 6 will be described in more detail below with reference to FIGS. 7 and 8 .
  • FIGS. 7A to 7E are diagrams referenced to explain a method of training a first DNN for AI downscaling and a second DNN for AI upscaling according to an embodiment.
  • the first DNN 730 of FIGS. 7A to 7E may correspond to the first DNN 300 of FIG. 3
  • the second DNN 750 of FIGS. 7A to 7E may correspond to the second DNN 500 of FIG. 5 .
  • configuration information (second parameters) of the second DNN is fixed, and at least one of configuration information (first parameters) of the first DNN is updated.
  • configuration information (first parameters) of the first DNN is fixed, and at least one of configuration information (second parameters) of the second DNN is updated.
  • the configuration information ( The first parameters) and the configuration information (second parameters) of the second DNN 750 may be updated together.
  • the present invention is not limited thereto.
  • the original image 105 downscaled by AI through the AI downscaling process is restored to the third image 145 through the AI upscaling process, and the AI upscaling result is obtained.
  • correlation is required between the AI downscaling process and the AI upscaling process. That is, the information lost in the AI downscaling process should be able to be restored in the AI upscaling process, and for this purpose, joint training of the first DNN 730 and the second DNN 750 is required.
  • the original training image 710 is an image to be subjected to AI downscaling.
  • the original training image 710 may include a moving picture or video composed of a plurality of frames.
  • a movement or translation 715 to the original training image 710 , an original image without pixel movement and a plurality of images 720 including one or more translation images may be generated.
  • the number of the plurality of images 720 may be determined according to the resolution to be reduced through AI downscaling.
  • FIG. 7A a case in which the resolution is reduced by a factor of 1/4 through AI downscaling will be described as an example.
  • the four images 720 may be generated. That is, the four images 720 may include one original training image (an image without pixel movement, 721 ) and three translation images 722 , 723 , and 724 .
  • the three translation images 722 , 723 , and 724 include an image in which pixels included in the original training image 710 are moved to the right by one pixel (a first translation image 722 ), and an original training image 710 . ), an image in which pixels included in the image are moved downward by one pixel (second translation image 723), and pixels included in the original training image 710 are moved one pixel to the right and one pixel to the bottom ( A third translation image 724) may be included.
  • the original training image 721 and the first to third translation images 722 , 723 , and 724 may be input to the first DNN 730 .
  • the first DNN 730 includes the original training image 721 and, Four low-resolution images 740 obtained by AI downscale of the first to third translation images 722 , 723 , and 724 may be output.
  • four low-resolution images 740 obtained from the first DNN 730 may be input to the second DNN 750 .
  • the second DNN 750 performs AI-upscaled four low-resolution images 740 .
  • High-resolution images 760 may be output.
  • Inverse translation or retranslation 765 may be applied to four high-resolution images 760 obtained from the second DNN to generate four reconstructed images (or resultant images) 770 .
  • the retranslation 765 may be a movement in the opposite direction to the translation 715 applied to the original training image.
  • the first high-resolution image 761 corresponding to the original training image 721 may be the first reconstructed image 771 as it is.
  • the second high-resolution image 762 corresponding to the first translation image 722 is converted into a second reconstructed image 772 in which pixels included in the second high-resolution image 762 are moved to the left by one pixel. can be translated.
  • the third high-resolution image 763 corresponding to the second translation image 723 is retranslated into a third reconstructed image 773 in which pixels included in the third high-resolution image 763 are moved upward by one pixel.
  • the fourth high-resolution image 764 corresponding to the third translation image 724 is a fourth reconstructed image ( 774) can be retranslated.
  • the first reconstructed image 771 is an original reconstructed image that is a reconstructed image of an original image without pixel movement
  • the second, third, and fourth reconstructed images 772 , 773 , and 774 are reconstructed images of one or more translation images. These are translation reconstructed images.
  • content loss information Lc and ensemble loss information Le may be determined.
  • the content loss information Lc may be determined based on difference information between each of the plurality of reconstructed images 770 and the original training image 710 .
  • the content loss information Lc is information indicating how similar the plurality of reconstructed images 770 are to the original training image 710 . As the content loss information Lc is smaller, the plurality of reconstructed images 770 are more similar to the original training image 710 .
  • the content loss information Lc may be expressed by Equation 1 below.
  • the content loss information Lc may be expressed as a sum of each of the plurality of reconstructed images and a mean square error (MSE) of the original training image.
  • MSE mean square error
  • the content loss information Lc includes a first mean square error of the first restored image 771, x 1 and the original training image 710, y, and the second restored image.
  • the ensemble loss information Le may be determined based on difference information between the plurality of reconstructed images 770 .
  • the ensemble loss information Le will be described in detail with reference to FIG. 8 .
  • FIG. 8 is a diagram referenced to describe ensemble loss information according to an embodiment.
  • a translation image 820 is generated by moving pixels included in the original image 810 to the right by one pixel.
  • generating the translation image 820 is similar to generating a t+1 frame image, assuming that the original image 810 is a t-frame image. That is, the original image 810 may correspond to a t-frame image, and the translation image 820 may correspond to a t+1 frame image.
  • pixel sampling may be performed.
  • the original image 810 is downscaled to a first low-resolution image 815 by performing pixel sampling
  • the translation image 820 is downscaled to a second low-resolution image 825 by performing pixel sampling.
  • the first low-resolution image 815 is upscaled 4 times to the first high-resolution image 817
  • the second low-resolution image 825 is upscaled 4 times to the second high-resolution image 827 .
  • the restored image 829 is generated by moving pixels included in the second high-resolution image 827 to the left by one pixel.
  • generating the reconstructed image 829 by moving the pixels is similar to the motion compensation process of matching the t+1 frame image to the t frame image.
  • the first high-resolution image 817 and the reconstructed image 829 are different from each other, which causes artifacts.
  • the reconstructed images 817 and 829 must be identical to each other, and ensemble loss information Le determined based on difference information between the plurality of reconstructed images must be reduced. That is, the ensemble loss information Le is information indicating to what extent a plurality of reconstructed images are similar to each other. As the ensemble loss information is smaller, the reconstructed images become similar to each other and artifacts are reduced.
  • the ensemble loss information can be expressed by Equation 2 below.
  • the ensemble loss information Le may be expressed as a sum of mean square errors (MSE) between a plurality of reconstructed images.
  • MSE mean square errors
  • ensemble loss information Le is the mean square error of the first reconstructed image 771, x 1 and the second reconstructed image 772, x 2 , and the first reconstructed image 771, x 1 ) and the mean square error of the third reconstructed image 773, x 3 , the mean square error of the first reconstructed image 771, x 1 and the fourth reconstructed image 774, x 4 , the second reconstructed image 772 , x 2 ) and the mean square error of the third reconstructed image 773, x 3 , the mean square error of the second reconstructed image 772, x 2 and the fourth reconstructed image 774, x 4 , the third reconstructed image (773, x 3 ) and the fourth reconstructed image (774, x 4 ) may be determined as a sum of mean square errors.
  • the first DNN 730 and the second DNN 750 may update parameters such that the final loss information determined based on the content loss information Lc and the ensemble loss information Le is reduced or minimized. have.
  • the second parameter of the second DNN 750 is fixed, so that the second DNN 750 is a fixed upscaler ( It can operate as a fixed up-scaler).
  • a plurality of translation images 722 , 723 , and 724 are generated, and one original training image (an image without pixel movement, 721 ) and a plurality of
  • AI downscaled low-resolution images 740 are output.
  • the output low-resolution images 740 are input to the second DNN 750 to which the second parameter is fixed, and AI upscaled high-resolution images 760 are output.
  • reconstructed images 770 are generated.
  • Content loss information (Lc) and ensemble loss information (Le) are determined based on the original training image 710 and the reconstructed images 770, and determined based on the content loss information (Lc) and ensemble loss information (Le)
  • the first parameter of the first DNN 730 may be updated in a direction in which the final loss information is minimized.
  • the final value of the first parameter of the first DNN 730 is determined, and the original image 105 is transferred to the first DNN 730 where training is completed.
  • a low-resolution image (first image, 115 ) in which the original image is AI downscaled may be output.
  • the first parameter of the first DNN 730 is fixed, so that the first DNN 730 is a fixed downscaler ( It can operate as a fixed down-scaler).
  • the translation 715 to the original training image 710 , a plurality of translation images 722 , 723 , and 724 are generated, and one original training image (an image without pixel movement, 721 ) and a plurality of The translation images 722 , 723 , and 724 of are input to the first DNN 730 in which the first parameter is fixed, and AI downscaled low-resolution images 740 are output.
  • the output low-resolution images 740 are input to the second DNN 750 to output AI upscaled high-resolution images 760 .
  • reconstructed images 770 are generated.
  • Content loss information (Lc) and ensemble loss information (Le) are determined based on the original training image 710 and the reconstructed images 770, and determined based on the content loss information (Lc) and ensemble loss information (Le)
  • the second parameter of the second DNN 750 may be updated in a direction in which the final loss information is minimized.
  • the final value of the second parameter of the second DNN 750 is determined, and the second image 135 is displayed on the second DNN 750 where the training is completed.
  • a high-resolution image (the third image, 145 ) in which the second image 135 is AI-upscaled may be output.
  • the first DNN 730 decreases the resolution by 1/4 and the second DNN 750 increases the resolution by 4 times ( 730) and the training method of the second DNN 750 have been described as examples.
  • the present invention is not limited thereto, and the number of translation images, the number of reconstructed images, and content loss information according to the degree of reduction in resolution through the first DNN 730 or the degree of increase in resolution through the second DNN 750 . , the degree of ensemble loss, etc. may be changed.
  • FIG. 9 is a flowchart illustrating an operation method of an AI downscaling apparatus according to an embodiment.
  • the AI downscaling apparatus 200 obtains a first image in which the original image is AI downscaled by performing an operation on the original image and the first parameters included in the first DNN. (S910).
  • the first DNN is a network for AI downscaling an image, corresponding to a second DNN for AI upscaling an image, and may be a network trained in connection with the second DNN. As the first DNN and the second DNN are trained in association, the first parameters included in the first DNN are determined as values associated with the second parameters included in the second DNN.
  • the first DNN is trained in connection with the second DNN, and when the first parameters of the first DNN are updated in the training process of the first DNN and the second DNN, , when the plurality of low-resolution images output from the first DNN are changed and the plurality of low-resolution images input to the second DNN are changed, the plurality of high-resolution images output from the second DNN are also changed, and the reconstructed images are also changed. do. Accordingly, loss information for training (eg, content loss information (Lc) and ensemble loss information (Le)) is newly determined. Accordingly, the second parameters of the second DNN are updated in a direction to minimize the newly determined loss information. Accordingly, the first parameters of the first DNN for which training is completed and the second parameters of the second DNN have values associated with each other.
  • loss information for training eg, content loss information (Lc) and ensemble loss information (Le)
  • the second DNN is Artifacts can be removed from the restored image that has been upscaled using AI.
  • the AI downscaling apparatus 200 may encode the acquired first image (S920).
  • the AI downscaling device 200 may encode the first image and transmit it to the AI upscaling device.
  • FIG. 10 is a flowchart illustrating a method of operating an AI upscaling device according to an embodiment.
  • the AI upscaling apparatus 400 may acquire image data corresponding to a first image ( S1010 ).
  • the first image may be an AI downscaled image of the original image using the first DNN, and the image data may be generated as a result of encoding the first image.
  • the AI upscaling device 400 may receive image data in the form of a bitstream.
  • the AI upscaling apparatus 400 may reconstruct a second image corresponding to the first image based on the image data (S1020).
  • the AI upscaling device 400 may receive image data and AI data, obtain residual data of the second image using the image data, and reconstruct the second image using the prediction data and the residual data. have.
  • the AI upscaling apparatus 400 inputs the reconstructed second image to the second DNN, and calculates the second image input to the second DNN and second parameters included in the second DNN, thereby generating the second image.
  • a third image from which AI is upscaled and artifacts are removed may be acquired (S1030).
  • the second DNN is a network for AI upscaling an image, corresponding to the first DNN for AI downscaling an image, and is a network trained in connection with the first DNN.
  • the second parameters included in the second DNN are determined as values associated with the first parameters included in the first DNN.
  • the first DNN is trained in connection with the second DNN, and when the first parameters of the first DNN are updated in the training process of the first DNN and the second DNN, , when the plurality of low-resolution images output from the first DNN are changed and the plurality of low-resolution images input to the second DNN are changed, the plurality of high-resolution images output from the second DNN are also changed, and the reconstructed images are also changed. do. Accordingly, loss information for training (eg, content loss information (Lc) and ensemble loss information (Le)) is newly determined. Accordingly, the second parameters of the second DNN are updated in a direction to minimize the newly determined loss information. Accordingly, the first parameters of the first DNN for which training is completed and the second parameters of the second DNN have values associated with each other.
  • loss information for training eg, content loss information (Lc) and ensemble loss information (Le)
  • the second DNN is Artifacts can be removed from images that have been upscaled using AI.
  • FIG. 11 is a block diagram illustrating the configuration of an AI downscaling apparatus according to an embodiment.
  • the AI downscaling apparatus 1100 may include a processor 1110 , a memory 1120 , and a communication unit 1130 .
  • the processor 1110 may control the AI downscaling device 1100 as a whole. According to an embodiment, the processor 1110 may execute one or more programs stored in the memory 1120 .
  • the memory 1120 may store various data, programs, or applications for driving and controlling the AI downscaling device 1100 .
  • a program stored in the memory 1120 may include one or more instructions.
  • a program (one or more instructions) or an application stored in the memory 1120 may be executed by the processor 1110 .
  • the processor 1110 performs at least one of the operations of the AI encoder 210 and the data processing unit 232 illustrated and described in FIG. 2 and the operations of the AI downscaling device 200 described in FIG. 9 . can be done
  • the processor 1110 may perform an operation on the original image and first parameters included in the first DNN 300 to obtain a first image obtained by downscaling the original image by AI. Images can be encoded.
  • the communication unit 1130 may correspond to the communication unit 234 of FIG. 2 . Accordingly, the same contents as those described with reference to FIG. 2 will be omitted from FIG. 11 .
  • the communication unit 1130 may transmit/receive data or signals to and from an external device (eg, an AI upscale device) under the control of the processor 1110 .
  • the communication unit 1130 may transmit AI encoded data to the AI upscaling device through a network.
  • FIG. 12 is a block diagram illustrating the configuration of an AI upscaling apparatus according to an embodiment.
  • the AI upscaling apparatus 1200 may include a communication unit 1210 , a processor 1220 , a memory 1230 , and a display 1240 .
  • the communication unit 1210 may correspond to the communication unit 412 of FIG. 4 . Accordingly, the same contents as those described with reference to FIG. 4 will be omitted from FIG. 12 .
  • the communication unit 1210 may transmit/receive data or signals to and from an external device (eg, an AI downscale device) under the control of the processor 1220 .
  • the communication unit 1210 may receive AI-encoded data from the AI downscaling device through a network.
  • the communication unit 1210 may include one of a wireless LAN (eg, Wi-Fi (Wi-Fi)), Bluetooth, and wired Ethernet in response to the performance and structure of the AI upscale device 1200.
  • a wireless LAN eg, Wi-Fi (Wi-Fi)
  • Bluetooth e.g., Wi-Fi
  • wired Ethernet in response to the performance and structure of the AI upscale device 1200.
  • the communication unit 1210 may include a combination of wireless LAN, Bluetooth, and wired Ethernet.
  • the processor 1220 may control the AI upscaling device 1200 as a whole.
  • the processor 1220 may execute one or more programs stored in the memory 1230 .
  • the memory 1230 may store various data, programs, or applications for driving and controlling the AI upscaling device 1200 .
  • a program stored in the memory 1230 may include one or more instructions.
  • a program (one or more instructions) or an application stored in the memory 1230 may be executed by the processor 1220 .
  • the processor 1220 performs at least one of the operations of the receiving unit 410 and the AI decoding unit 430 illustrated and described with reference to FIG. 4 and the operations of the AI upscaling device 400 described with reference to FIG. 10 . can do.
  • the processor 1220 obtains a second image based on the image data received from the AI downscaling device, and performs an operation between the second image and second parameters included in the second DNN, By AI upscaling the second image and removing artifacts, the third image may be obtained.
  • the display 1240 converts an image signal, a data signal, an OSD signal, a control signal, etc. processed by the processor 1220 to generate a driving signal.
  • the display 1240 may be implemented as a PDP, LCD, OLED, flexible display, etc., and may also be implemented as a 3D display. Also, the display 1240 may be configured as a touch screen and used as an input device in addition to an output device.
  • the display 1240 may display a third image from which AI is upscaled and artifacts are removed.
  • FIG. 13 is a block diagram illustrating a configuration of a training apparatus for training a first DNN and a second DNN according to an embodiment.
  • a training apparatus 1300 may include a communication unit 1330 , a processor 1310 , and a memory 1320 .
  • the processor 1310 may control the training apparatus 1300 as a whole.
  • the processor 1310 may execute one or more programs stored in the memory 1320 .
  • the memory 1320 may store various data, programs, or applications for driving and controlling the training apparatus 1300 .
  • a program stored in the memory 1320 may include one or more instructions.
  • a program (one or more instructions) or an application stored in the memory 1320 may be executed by the processor 1310 .
  • the processor 1310 may perform at least one of the training operations of the first DNN and the second DNN illustrated and described with reference to FIGS. 6 and 7 .
  • the processor 1310 trains in association with the first DNN and the second DNN, and after training of the first DNN and the second DNN is completed, the values of the first parameters included in the first DNN and the second DNN included in the second DNN When the values of the two parameters are determined, they may be stored in the memory 1320 .
  • the communication unit 1330 includes a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, and a satellite. It may include one or more components that allow communication through a communication network and a combination thereof.
  • LAN local area network
  • WAN wide area network
  • VAN value added network
  • mobile radio communication network and a satellite. It may include one or more components that allow communication through a communication network and a combination thereof.
  • the communication unit 1330 may transmit the parameters of the first DNN and the second DNN for which training is completed to the AI downscaling apparatus 1100 or the AI upscaling apparatus 1200 according to an embodiment.
  • the communication unit 1310 may transmit the first parameters of the first DNN to the AI downscaling device, and transmit the second parameters of the second DNN to the AI upscaling device.
  • the block diagrams of the AI downscaling device 1100 , the AI upscaling device 1200 and the training device 1300 shown in FIGS. 11 to 13 are block diagrams for an embodiment.
  • Each component of the block diagram may be integrated, added, or omitted according to the specifications of the AI downscaling device 1100 , the AI upscaling device 1200 , and the training device 1300 that are actually implemented. That is, two or more components may be combined into one component, or one component may be subdivided into two or more components as needed.
  • the function performed in each block is for describing the embodiments, and the specific operation or device does not limit the scope of the present invention.
  • the operating method of the AI downscaling device, the operating method of the AI upscaling device, and the training method of the first DNN and the second DNN are implemented in the form of program instructions that can be performed through various computer means and are computer-readable media can be recorded in
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the operating method of the high AI downscaling device, the operating method of the AI upscaling device, and the training method of the first DNN and the second DNN according to the disclosed embodiments may be provided included in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product may include a S/W program and a computer-readable storage medium in which the S/W program is stored.
  • computer program products may include products (eg, downloadable apps) in the form of software programs distributed electronically through manufacturers of electronic devices or electronic markets (eg, Google Play Store, App Store). have.
  • the S/W program may be stored in a storage medium or may be temporarily generated.
  • the storage medium may be a server of a manufacturer, a server of an electronic market, or a storage medium of a relay server temporarily storing a SW program.
  • the computer program product in a system consisting of a server and a client device, may include a storage medium of the server or a storage medium of the client device.
  • a third device eg, a smart phone
  • the computer program product may include a storage medium of the third device.
  • the computer program product may include the S/W program itself transmitted from the server to the client device or the third device, or transmitted from the third device to the client device.
  • one of the server, the client device and the third device may execute the computer program product to perform the method according to the disclosed embodiments.
  • two or more of a server, a client device, and a third device may execute a computer program product to distribute the method according to the disclosed embodiments.
  • a server eg, a cloud server or an artificial intelligence server

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)

Abstract

저해상도 영상을 고해상도 영상으로 업스케일하는 AI 업스케일 장치에 관한 것으로, 하나 이상의 인스트럭션들을 저장하는 메모리 및 메모리에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 프로세서는, AI 다운스케일 장치가 제1 심층 신경망(DNN)을 이용하여, 원본 영상을 다운스케일한 제1 영상에 대응하는 제2 영상을 획득하며, 제1 심층 신경망에 대응하는 제2 심층 신경망(DNN)을 이용하여, 제2 영상에 업스케일을 수행함으로써, 제3 영상을 획득하고, 제2 심층 신경망은, 원본 훈련 영상에 픽셀 이동을 적용하지 않은 영상에 대해 다운스케일링 및 업스케일링을 수행하여 획득된 원본 훈련 영상에 대한 제1 복원 영상과, 상기 원본 훈련 영상에 픽셀 이동을 적용한 하나 이상의 트랜스레이션 영상들에 대해 다운스케일링 및 업스케일링 후 리트랜스레이션을 수행하여 획득된 하나 이상의 트랜스레이션 영상들에 대한 제2 복원 영상들과의 차이를 최소화하도록 훈련된 것을 특징으로 하는 AI 업스케일 장치가 개시된다.

Description

AI 다운스케일 장치 및 그 동작방법, 및 AI 업스케일 장치 및 그 동작방법
다양한 실시예들은 영상을 AI 다운스케일하는 딥 뉴럴 네트워크를 포함하는 AI 다운스케일 장치 및 그 동작방법, 및 영상을 AI 업스케일하는 딥 뉴럴 네트워크를 포함하는 AI 업스케일 장치 및 그 동작방법에 관한 것으로서, 더욱 상세하게는 영상의 다운스케일 및 업스케일 과정에서 영상에 발생하는 아티팩트를 제거하기 위한 AI 다운스케일 장치 및 그 동작방법, 및 AI 업스케일 장치 및 그 동작방법에 관한 것이다.
영상은 소정의 데이터 압축 표준, 예를 들어 MPEG (Moving Picture Expert Group) 표준 등을 따르는 코덱(codec)에 의해 부호화된 후 비트스트림의 형태로 기록매체에 저장되거나 통신 채널을 통해 전송된다.
고해상도/고화질의 영상을 재생, 저장할 수 있는 하드웨어의 개발 및 보급에 따라, 고해상도/고화질의 영상을 효과적으로 부호화 및 복호화할 수 있는 코덱의 필요성이 증대하고 있다.
최근에는 고화질 영상의 전송 효율을 높이고 차별화된 영상 복원 화질을 위해 AI 딥러닝 기술이 영상 스트리밍 전송 및 복원 분야에도 적용되고 있다.
영상을 저해상도로 다운스케일한 후, 다시 고해상도로 업스케일하는 경우, 저해상도로 다운스케일 시 손실된 정보로 인해 아티팩트가 발생하게 된다. 즉, 원본 영상을 저해상도로 변환하여 다시 고해상도로 복원하는 경우, 화소(pixel)를 구성하는 정보의 손실이 불가피하기 때문에, 고해상도로 복원 시, 원본 영상과 동일해지지 않으며, 화질 저하 문제가 발생한다.
기존의 영상 스트리밍에서 아티팩트를 제거하기 위해서는 프레임 간 움직임을 추정 및 보상하는 처리를 수행하였다. 그러나, 움직임 추정 및 보상 처리를 수행하기 위해서는, 추가적인 하드웨어 장치가 필요하고, 전체적인 시스템을 변경해야 하며, 비용이 증가하는 문제점이 있다.
다양한 실시예들은, AI 다운스케일된 영상을 AI 업스케일하여 복원하는 과정에서, 아티팩트를 제거할 수 있는 AI 다운스케일 장치 및 그 동작방법, AI 업스케일 장치 및 그 동작방법을 제공할 수 있다. 또한, 아티팩트를 제거할 수 있는 AI 다운스케일 장치와 AI 업스케일 장치를 훈련시키기 위한 방법을 제공할 수 있다.
일 실시예에 따른 AI 다운스케일 장치 및 AI 업스케일 장치는 기존 AI 다운스케일 장치 및 AI 업스케일 장치에 추가적인 하드웨어, 기존 하드웨어의 변경이나 추가적인 비용의 발생 없이, 아티팩트가 제거된 고해상도 영상으로 복원할 수 있다.
도 1은 일 실시예에 따른 AI(artificial intelligence) 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 AI 다운 스케일 장치의 구성을 도시하는 블록도이다.
도 3은 원본 영상의 AI 다운스케일을 위한 제 1 DNN(300)을 나타내는 예시적인 도면이다.
도 4는 일 실시예에 따른 AI 업스케일 장치의 구성을 도시하는 블록도이다.
도 5는 제 2 영상(135)의 AI 업스케일을 위한 제 2 DNN(300)을 나타내는 예시적인 도면이다.
도 6은 일 실시예에 따른 제1 DNN 및 제2 DNN을 훈련시키는 방법을 나타내는 흐름도이다.
도 7a 내지 도 7e는 일 실시예에 따른 AI 다운스케일을 위한 제1 DNN 및 AI 업스케일을 위한 제2 DNN을 훈련시키는 방법을 설명하기 위해 참조되는 도면들이다.
도 8은 일 실시예에 따른 앙상블 손실 정보를 설명하기 위해 참조되는 도면이다.
도 9는 일 실시예에 따른 AI 다운스케일 장치의 동작방법을 나타내는 흐름도이다.
도 10은 일 실시예에 따른 AI 업스케일 장치의 동작방법을 나타내는 흐름도이다.
도 11은 일 실시예에 따른 AI 다운스케일 장치의 구성을 나타내는 블록도이다.
도 12는 일 실시예에 따른 AI 업스케일 장치의 구성을 나타내는 블록도이다.
도 13은 일 실시예에 따른 제1 DNN 및 제2 DNN을 훈련시키는 훈련 장치의 구성을 나타내는 블록도이다.
일 실시예에 따른 AI 업스케일 장치는, 하나 이상의 인스트럭션들을 저장하는 메모리, 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, AI 다운스케일 장치가 제1 심층 신경망(DNN)을 이용하여, 원본 영상을 다운스케일한 제1 영상에 대응하는 제2 영상을 획득하며, 상기 제1 심층 신경망에 대응하는 제2 심층 신경망(DNN)을 이용하여, 상기 제2 영상에 업스케일을 수행함으로써, 제3 영상을 획득하고, 상기 제2 심층 신경망은, 원본 훈련 영상에 픽셀 이동을 적용하지 않은 영상에 대해 다운스케일링 및 업스케일링을 수행하여 획득된 원본 훈련 영상에 대한 제1 복원 영상과, 상기 원본 훈련 영상에 픽셀 이동을 적용한 하나 이상의 트랜스레이션 영상들에 대해 다운스케일링 및 업스케일링 후 리트랜스레이션을 수행하여 획득된 상기 하나 이상의 트랜스레이션 영상들에 대한 제2 복원 영상들과의 차이를 최소화하도록 훈련될 수 있다.
일 실시예에 따른 제2 심층 신경망은 상기 원본 훈련 영상과, 상기 원본 훈련 영상에 대한 제1 복원 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대한 상기 제2 복원 영상들 중 적어도 하나에 기초하여 획득된 손실 정보를 최소화하도록 훈련될 수 있다.
일 실시예에 따른 손실 정보는 상기 제1 복원 영상 및 상기 제2 복원 영상들 각각과 상기 원본 훈련 영상 사이의 제1 차이 정보를 포함할 수 있다.
일 실시예에 따른 손실 정보는, 상기 제1 복원 영상과 상기 제2 복원 영상들 사이의 제2 차이 정보를 포함할 수 있다.
일 실시예에 따른 제2 심층 신경망은 상기 제2 영상에서 특정 시점에 대한 저해상도 단일 프레임 영상을 입력 받아, 상기 제3 영상에서 상기 특정 시점에 대한 고해상도 단일 프레임 영상을 출력할 수 있다.
일 실시예에 따른 제2 심층 신경망은, 상기 제1 심층 신경망과 연계되어 훈련되고, 상기 제1 심층 신경망에서 획득되는 영상에 기초하여, 훈련된 네트워크일 수 있다.
일 실시예에 따른 AI 다운스케일 장치는, 하나 이상의 인스트럭션들을 저장하는 메모리, 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 제1 심층 신경망을 이용하여 원본 영상을 다운스케일한 제1 영상을 획득하고, 상기 제1 영상을 네트워크를 통해 AI 업스케일 장치로 전송하도록 제어하며, 상기 제1 심층 신경망은, 원본 훈련 영상에 픽셀 이동을 적용하지 않은 영상에 대해 다운스케일링 및 업스케일링을 수행하여 획득된 원본 훈련 영상에 대한 제1 복원 영상과, 상기 원본 훈련 영상에 픽셀 이동을 적용한 하나 이상의 트랜스레이션 영상들에 대해 다운스케일링 및 업스케일링 후 리트랜스레이션을 수행하여 획득된 상기 하나 이상의 트랜스레이션 영상들에 대한 제2 복원 영상들과의 차이를 최소화하도록 훈련될 수 있다.
일 실시예에 따른 제1 심층 신경망은 상기 원본 훈련 영상과, 상기 원본 훈련 영상에 대한 제1 복원 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대한 상기 제2 복원 영상들 중 적어도 하나에 기초하여 획득된 손실 정보를 최소화하도록 훈련될 수 있다.
일 실시예에 따른 고해상도 영상을 저해상도 영상으로 다운스케일하는 제1 심층 신경망 또는 저해상도 영상을 고해상도 영상으로 업스케일하는 제2 심층 신경망을 훈련시키는 방법은, 원본 훈련 영상에 트랜스레이션을 적용하여, 하나 이상의 트랜스레이션 영상들을 생성하는 단계, 상기 원본 훈련 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대해 상기 제1 심층 신경망과 연산을 수행함으로써, 상기 원본 훈련 영상과 상기 하나 이상의 트렌스레이션 영상들에 대응하는 복수의 저해상도 영상들을 획득하는 단계, 상기 복수의 저해상도 영상들 각각과 상기 제2 심층 신경망과의 연산을 수행함으로써, 상기 복수의 저해상도 영상들에 대응하는 복수의 고해상도 영상들을 획득하는 단계, 상기 복수의 고해상도 영상들 중, 상기 하나 이상의 트랜스레이션 영상들에 대응되는 고해상도 영상들에 대해 리트랜스레이션을 적용하여, 제2 복원 영상들을 획득하는 단계, 상기 원본 훈련 영상과, 상기 원본 훈련 영상에 대한 제1 복원 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대한 상기 제2 복원 영상들 중 적어도 하나에 기초하여 획득된 손실 정보를 이용하여 상기 제1 심층 신경망의 제1 파라미터들 및 제2 심층 신경망의 제2 파라미터들 중 적어도 하나를 업데이트하는 단계를 포함할 수 있다.
일 실시예에 따른 제1 심층 신경망의 제1 파라미터들 및 제2 심층 신경망의 제2 파라미터들 중 적어도 하나를 업데이트하는 단계는, 상기 손실 정보를 최소화되도록 상기 제1 심층 신경망의 제1 파라미터들 및 제2 심층 신경망의 제2 파라미터들 중 적어도 하나를 업데이트하는 단계를 포함할 수 있다.
일 실시예에 따른 제2 심층 신경망은, 상기 제1 심층 신경망과 연계되어 훈련되고, 상기 제1 심층 신경망에서 획득되는 영상에 기초하여, 훈련된 네트워크일 수 있다.
본 개시는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 개시의 실시 형태에 대해 한정하려는 것이 아니며, 본 개시는 여러 실시예들의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예를 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 명세서에서 '~부(유닛)', '모듈' 등으로 표현되는 구성요소는 2개 이상의 구성요소가 하나의 구성요소로 합쳐지거나 또는 하나의 구성요소가 보다 세분화된 기능별로 2개 이상으로 분화될 수도 있다. 또한, 이하에서 설명할 구성요소 각각은 자신이 담당하는 주기능 이외에도 다른 구성요소가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성요소 각각이 담당하는 주기능 중 일부 기능이 다른 구성요소에 의해 전담되어 수행될 수도 있음은 물론이다.
또한, 본 명세서에서, '영상(image)' 또는 '픽처'는 정지영상, 복수의 연속된 정지영상(또는 프레임)으로 구성된 동영상, 또는 비디오를 나타낼 수 있다.
또한, 본 명세서에서 'DNN(deep neural network)' 또는 '심층 신경망(이하, DNN 이라 한다)'은 뇌 신경을 모사한 인공신경망 모델의 대표적인 예시로써, 특정 알고리즘을 사용한 인공신경망 모델로 한정되지 않는다.
또한, 본 명세서에서 '파라미터'는 뉴럴 네트워크를 이루는 각 레이어의 연산 과정에서 이용되는 값으로서 예를 들어, 입력 값을 소정 연산식에 적용할 때 이용되는 가중치를 포함할 수 있다. 또한, 파라미터는 매트릭스 형태로 표현될 수 있다. 파라미터는 훈련의 결과로 설정되는 값으로서, 필요에 따라 별도의 훈련 데이터(training data)를 통해 갱신될 수 있다.
또한, 본 명세서에서 '제 1 DNN' 또는 '제1 심층 신경망(이하, 제1 DNN 이하 한다)'은 영상의 AI 다운스케일을 위해 이용되는 DNN을 의미하고, '제 2 DNN' 또는 '제2 심층 신경망(이하, 제2 DNN이라 한다)'은 영상의 AI 업스케일을 위해 이용되는 DNN을 의미한다.
또한, 본 명세서에서 'DNN 설정 정보'는 DNN을 구성하는 요소와 관련된 정보로서 전술한 파라미터를 포함한다. DNN 설정 정보를 이용하여 제 1 DNN 또는 제 2 DNN이 설정될 수 있다.
또한, 본 명세서에서 '원본 영상'은 AI 부호화의 대상이 되는 영상을 의미하고, '제 1 영상'은 AI 부호화 과정에서 원본 영상의 AI 다운스케일 결과 획득된 영상을 의미한다. 또한, '제 2 영상'은 AI 복호화 과정에서 제 1 복호화를 통해 획득된 영상을 의미하고, '제 3 영상'은 AI 복호화 과정에서 제 2 영상을 AI 업스케일하여 획득된 영상을 의미한다.
또한, 본 명세서에서 'AI 다운스케일'은 AI 기반으로 영상의 해상도를 감소시키는 처리를 의미하고, '제 1 부호화'는 주파수 변환 기반의 영상 압축 방법에 의한 부호화 처리를 의미한다. 또한, '제 1 복호화'는 주파수 변환 기반의 영상 복원 방법에 의한 복호화 처리를 의미하고, 'AI 업스케일'은 AI 기반으로 영상의 해상도를 증가시키는 처리를 의미한다.
또한, 본 명세서에서 '아티팩트(Artifact)'는 고해상도 원본 영상을 저해상도로 변환하여 다시 고해상도로 복원할 경우, 복원된 영상과 원본 영상과의 정보 차이로 인하여 발생하는 화질 저하를 의미한다. 아티팩트는 원본 영상을 저해상도 변환 시 손실된 정보로 인해 발생한다. 아티팩트는 앨리어싱 아티팩트(Aliasing Artifact)와 재깅 아티팩트(Jagging Artifact)를 포함할 수 있으나, 이에 한정되지 않는다.
또한, 본 명세서에서 '이동' 또는 '트랜스레이션(translation)'은 이미지 또는 영상의 픽셀을 이동시키는 것을 의미한다. 트랜스레이션의 방향은 가로, 세로, 대각선을 고려할 수 있고, 트랜스레이션의 크기는 픽셀 단위로 1픽셀, 2픽셀 등으로 이동하는 것을 고려할 수 있다. 일 예로서 원본 이미지 또는 영상을 1픽셀(1칸)씩 가로(1,0), 세로(0,1), 대각선(1,1)으로 이동하는 것을 고려할 수 있다.
또한, 본 명세서에서 '역이동' 또는 '리트랜스레이션(re-translation) '은 트랜스레이션시켰던 이미지 또는 영상의 픽셀을 동일한 크기만큼 반대 방향으로 이동시키는 것을 의미한다. 일 예로서 원본 이미지 또는 영상을 1픽셀(1칸)씩 가로(1,0), 세로(0,1), 대각선(1,1)으로 트랜스레이션시킨 경우, 리트랜스레이션은 각각 가로(-1,0), 세로(0,-1), 대각선(-1,-1) 방향으로 1픽셀(1칸)씩 반대 방향으로 이동하는 것을 고려할 수 있다.
도 1은 일 실시예에 따른 AI(artificial intelligence) 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
영상의 해상도가 급격히 커짐에 따라 부호화/복호화를 위한 정보 처리량이 많아지게 되고, 이에 따라 영상의 부호화 및 복호화 효율을 향상시키기 위한 방안이 필요하다.
도 1에 도시된 바와 같이, 본 개시의 일 실시예에 따르면, 해상도가 큰 원본 영상(105)을 AI 다운스케일(110)하여, 제1 영상(115)을 획득한다. 이때, 원본 영상(105) 및 제1 영상(115)은 복수의 프레임 영상들을 포함하는 동영상 또는 비디오일 수 있다. 또한, 상대적으로 작은 해상도의 제1 영상(115)을 대상으로 하여, 부호화(120) 및 복호화(130)를 수행하므로, 원본 영상(105)을 대상으로 하여, 부호화 및 복호화를 수행하는 경우에 비해 처리되는 비트레이트를 크게 감소시킬 수 있다.
도 1을 참조하면, AI 부호화 과정에서, 원본 영상(105)을 AI 다운스케일(110)하여 제1 영상(115)을 획득하고, 제1 영상(115)을 부호화(120)한다. AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 복호화(130)를 통해 제2 영상(135)을 획득하고, 제2 영상(135)을 AI 업스케일(140)하여 제3 영상(145)을 획득한다.
AI 부호화 과정을 좀 더 상세히 살펴보면, 원본 영상(105)을 입력 받으면, 소정 해상도 또는 소정 화질의 제 1 영상(115)을 획득하기 위해 원본 영상(105)을 AI 다운스케일(110)한다. 이때, AI 다운스케일(110)은 AI 기반으로 수행되는데, AI 다운스케일(110)을 위한 AI는 제 2 영상(135)의 AI 업스케일(140)을 위한 AI와 연계되어 훈련되어야(joint trained) 한다. 왜냐하면, AI 다운스케일(110)을 위한 AI와 AI 업스케일(140)을 위한 AI가 분리되어 훈련되는 경우, AI 부호화 대상인 원본 영상(105)과 AI 복호화를 통해 복원된 제 3 영상(145) 사이의 차이가 커지게 되기 때문이다.
본 개시의 실시예에서는, AI 부호화 과정과 AI 복호화 과정에서 이러한 연계 관계를 유지하기 위해, AI 데이터를 이용할 수 있다. 따라서, AI 부호화 과정을 통해 획득된 AI 데이터는 업스케일 타겟을 나타내는 정보를 포함하여야 하고, AI 복호화 과정에서는 AI 데이터에 기초하여 확인되는 업스케일 타겟에 따라 제 2 영상(135)을 AI 업스케일(140)하여야 한다.
AI 다운스케일(110)을 위한 AI 및 AI 업스케일(140)을 위한 AI는 DNN(deep neural network)으로 구현될 수 있다. 도 6 및 7을 참조하여 후술하는 바와 같이, 제 1 DNN과 제 2 DNN은 소정 타겟 하에 손실 정보의 공유를 통해 연계 훈련되므로, AI 부호화 장치는 제 1 DNN과 2 DNN이 연계 훈련할 때 이용된 타겟 정보를 AI 복호화 장치로 제공하고, AI 복호화 장치는 제공받은 타겟 정보에 기초하여 제 2 영상(135)을 타겟하는 해상도로 AI 업스케일(140)할 수 있다.
도 1에 도시된 부호화(120) 및 복호화(130)에 대해 상세히 설명하면, 원본 영상(105)으로부터 AI 다운스케일(110)된 제 1 영상(115)은 부호화(120)를 통해 정보량이 감축될 수 있다. 이와 같은 부호화 과정(120)은 MPEG-2, H.264 AVC(Advanced Video Coding), MPEG-4, HEVC(High Efficiency Video Coding), VC-1, VP8, VP9 및 AV1(AOMedia Video 1) 등 주파수 변환을 이용한 영상 압축 방법 중의 하나를 통해 구현될 수 있다.
제 1 영상(115)에 대응하는 제 2 영상(135)은 영상 데이터의 복호화(130)를 통해 복원될 수 있다. 이와 같은 복호화(130) 과정은 제 1 부호화(120) 과정에서 사용된 MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 등 주파수 변환을 이용한 영상 압축 방법 중의 하나에 대응되는 영상 복원 방법을 통해 구현될 수 있다.
AI 부호화 과정을 통해 획득된 AI 부호화 데이터는, 제 1 영상(115)의 부호화(120) 결과 획득된 영상 데이터 및 원본 영상(105)의 AI 다운스케일(110)과 관련된 AI 데이터를 포함할 수 있다. 영상 데이터는 제 1 복호화(130) 과정에서 이용될 수 있으며, AI 데이터는 AI 업스케일(140) 과정에서 이용될 수 있다.
영상 데이터는 비트스트림 형태로 전송될 수 있다. 영상 데이터는 제 1 영상(115) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다.
AI 데이터는 제 2 DNN에 기반한 AI 업스케일(140)에 이용된다. 전술한 바와 같이, 제 1 DNN과 제 2 DNN은 연계 훈련되기 때문에, AI 데이터는 제 2 DNN을 통한 제 2 영상(135)의 정확한 AI 업스케일(140)이 수행될 수 있게 하는 정보를 포함한다. AI 복호화 과정에서는 AI 데이터에 기반하여 제 2 영상(135)을 타겟하는 해상도 및/또는 화질로 AI 업스케일(140)할 수 있다. AI 데이터는 비트스트림의 형태로 영상 데이터와 함께 전송될 수 있다. 또는, 구현예에 따라, AI 데이터는 프레임이나 패킷 형태로 영상 데이터와 구분되어 전송될 수도 있다. AI 부호화 결과 획득된 영상 데이터와 AI 데이터는 동일한 네트워크 또는 서로 상이한 네트워크를 통해 전송될 수 있다.
도 2는 일 실시예에 따른 AI 다운스케일 장치의 구성을 도시하는 블록도이다.
도 2를 참조하면, AI 다운스케일 장치(200)는 AI 부호화부(210) 및 전송부(230)를 포함할 수 있다. AI 부호화부(210)는 AI 다운스케일부(212) 및 부호화부(214)를 포함할 수 있다. 전송부(230)는 데이터 처리부(232) 및 통신부(234)를 포함할 수 있다.
도 2는 AI 부호화부(210) 및 전송부(230)를 개별적인 장치로 도시하고 있으나, AI 부호화부(210) 및 전송부(230)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하여 구현되거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함하여 구현될 수 있다.
또한, AI 부호화부(210) 및 전송부(230)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다. AI 다운스케일부(212)와 부호화부(214)도 각각 서로 다른 프로세서로 구현될 수 있다.
AI 부호화부(210)는 원본 영상(105)의 AI 다운스케일 및 제 1 영상(115)의 부호화를 수행하고, AI 데이터 및 영상 데이터를 전송부(230)로 전달한다. 전송부(230)는 AI 데이터 및 영상 데이터를 AI 업스케일 장치로 전송한다.
영상 데이터는 제 1 영상(115)의 부호화 결과 획득된 데이터를 포함한다. 영상 데이터는 제 1 영상(115) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상(115)의 부호화 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상(115)을 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상(115)을 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다.
AI 데이터는, AI 업스케일 장치가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 일 예에서, AI 데이터는 원본 영상(105)과 제 1 영상(115) 사이의 차이 정보를 포함할 수 있다. 또한, AI 데이터는 제 1 영상(115) 관련 정보를 포함할 수도 있다. 제 1 영상(115) 관련 정보는, 제 1 영상(115)의 해상도, 제 1 영상(115)의 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(115)의 부호화 시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
일 실시예에서, AI 데이터는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)이 AI 업스케일될 수 있도록, 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다.
또한, 일 실시예에서, AI 데이터는 제 2 DNN에 세팅 가능한 DNN 설정 정보를 포함할 수도 있다.
AI 다운스케일부(212)는 제 1 DNN을 통해 원본 영상(105)으로부터 AI 다운스케일된 제 1 영상(115)을 획득할 수 있다. AI 다운스케일부(212)는 미리 결정된 기준에 기초하여 원본 영상(105)의 다운스케일 타겟을 결정할 수 있다.
다운스케일 타겟에 부합하는 제 1 영상(115)의 획득을 위해, AI 다운스케일부(212)는 제 1 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다. AI 다운스케일부(212)는 복수의 DNN 설정 정보 중 다운스케일 타겟에 대응하는 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보로 세팅된 제 1 DNN을 통해 원본 영상(105)을 AI 다운스케일한다.
상기 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 1 영상(115)을 획득하기 위해 훈련된 것일 수 있다. 예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 원본 영상(105)의 해상도보다 1/2배만큼 작은 해상도의 제 1 영상(115), 예를 들어, 4K(4096*2160)의 원본 영상(105)보다 1/2배 작은 2K (2048*1080)의 제 1 영상(115)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 원본 영상(105)의 해상도보다 1/4배만큼 작은 해상도의 제 1 영상(115), 예를 들어, 8K(8192*4320)의 원본 영상(105)보다 1/4배 작은 2K (2048*1080)의 제 1 영상(115)을 획득하기 위한 정보들을 포함할 수 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)들이 룩업 테이블 형태로 저장되어 있는 경우, AI 다운스케일부(212)는 다운스케일 타겟에 따라 룩업 테이블 값들 중에서 선택된 일부를 조합하여 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보를 사용하여 원본 영상(105)을 AI 다운스케일할 수도 있다.
구현예에 따라, AI 다운스케일부(212)는 다운스케일 타겟에 대응되는 DNN의 구조를 결정하고, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
원본 영상(105)의 AI 다운스케일을 위한 복수의 DNN 설정 정보는, 제 1 DNN과 제 2 DNN이 연계 훈련됨으로써, 최적화된 값을 가질 수 있다. 여기서, 각 DNN 설정 정보는 제 1 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나를 포함한다.
AI 다운스케일부(212)는 원본 영상(105)의 AI 다운스케일을 위해 결정된 DNN 설정 정보로 제 1 DNN을 세팅하여, 소정 해상도 및/또는 소정 화질의 제 1 영상(115)을 제 1 DNN을 통해 획득할 수 있다. 복수의 DNN 설정 정보 중 원본 영상(105)의 AI 다운스케일을 위한 DNN 설정 정보가 획득되면, 제 1 DNN 내 각 레이어는 DNN 설정 정보에 포함된 정보들에 기초하여 입력된 데이터를 처리할 수 있다.
이하에서는, 도 3을 참조하여, AI 다운스케일의 기반이 되는 제 1 DNN(300)의 예시적인 구조에 대해 설명한다.
도 3은 원본 영상(105)의 AI 다운스케일을 위한 제 1 DNN(300)을 나타내는 예시적인 도면이다.
도 3에 도시된 바와 같이, 원본 영상(105)은 제 1 컨볼루션 레이어(310)로 입력된다. 제 1 컨볼루션 레이어(310)는 5 x 5의 크기의 32개의 필터 커널을 이용하여 원본 영상(105)에 대해 컨볼루션 처리를 한다. 본 개시에 따르면, 제 1 DNN과 제 2 DNN의 연계 훈련을 통해 제1 DNN(300)의 파라미터들, 예를 들어, 제 1 DNN(300)의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들의 값이 최적화될 수 있다.
컨볼루션 처리 결과 생성된 32개의 특징 맵은 제 1 활성화 레이어(320)로 입력된다. 제 1 활성화 레이어(320)는 32개의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다. 제 1 활성화 레이어(320)는 시그모이드 함수(sigmoid function), Tanh 함수, ReLU(Rectified Linear Unit) 함수 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
제 1 활성화 레이어(320)는 제 1 컨볼루션 레이어(310)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(330)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(320)에 의해 활성화되어 제 2 컨볼루션 레이어(330)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(320)에 의해 비활성화되어 제 2 컨볼루션 레이어(330)로 전달되지 않는다. 제 1 컨볼루션 레이어(310)로부터 출력되는 특징 맵들이 나타내는 정보가 제 1 활성화 레이어(320)에 의해 강조된다.
제 1 활성화 레이어(320)의 출력(325)이 제 2 컨볼루션 레이어(330)로 입력된다. 제 2 컨볼루션 레이어(330)는 5 x 5의 크기의 32개의 필터 커널을 이용하여 입력 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 출력된 32개의 특징 맵은 제 2 활성화 레이어(340)로 입력되고, 제 2 활성화 레이어(340)는 32개의 특징 맵에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(340)의 출력(345)은 제 3 컨볼루션 레이어(350)로 입력된다. 제 3 컨볼루션 레이어(350)는 5 x 5의 크기의 1개의 필터 커널을 이용하여 입력된 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 제 3 컨볼루션 레이어(350)로부터 1개의 영상이 출력될 수 있다. 제 3 컨볼루션 레이어(350)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 획득한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(350)는 컨벌루션 연산 결과를 통해 제 1 영상(115)을 출력할 수 있다.
제 1 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 복수 개일 수 있는데, 복수의 DNN 설정 정보는 제 2 DNN의 복수의 DNN 설정 정보와 연계되어야 한다. 제 1 DNN의 복수의 DNN 설정 정보와 제 2 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 1 DNN 및 제 2 DNN의 연계 학습을 통해 구현될 수 있다.
도 3은 제 1 DNN(300)이 세 개의 컨볼루션 레이어(310, 330, 350)와 두 개의 활성화 레이어(320, 340)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 1 DNN(300)은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 1 DNN(300)의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, AI 다운스케일부(212)는 전술한 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU(Arithmetic logic unit)를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 원본 영상(105) 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
다시 도 2를 참조하면, AI 다운스케일부(212)로부터 제 1 영상(115)을 전달받은 부호화부(214)는 제 1 영상(115)을 부호화하여 제 1 영상(115)이 가지는 정보량을 감축시킬 수 있다. 부호화부(214)에 의한 부호화 결과 제 1 영상(115)에 대응하는 영상 데이터가 획득될 수 있다.
데이터 처리부(232)는 AI 데이터 및 영상 데이터 중 적어도 하나가 소정의 형태로 전송될 수 있게 처리한다. 예를 들어, AI 데이터 및 영상 데이터를 비트스트림 형태로 전송하여야 하는 경우, 데이터 처리부(232)는 AI 데이터가 비트스트림 형태로 표현되도록 AI 데이터를 처리하고, 통신부(234)를 통해 하나의 비트스트림 형태의 AI 데이터 및 영상 데이터를 전송한다. 다른 예로, 데이터 처리부(232)는 AI 데이터가 비트스트림 형태로 표현되도록 AI 데이터를 처리하고, 통신부(234)를 통해 AI 데이터에 해당하는 비트스트림 및 영상 데이터에 해당하는 비트스트림 각각을 통신부(234)를 통해 전송한다. 또 다른 예로, 데이터 처리부(232)는 AI 데이터가 프레임 또는 패킷으로 표현되도록 AI 데이터를 처리하고, 비트스트림 형태의 영상 데이터와, 프레임 또는 패킷 형태의 AI 데이터를 통신부(234)를 통해 전송한다.
통신부(234)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터를 전송한다. AI 부호화 결과 획득된 AI 부호화 데이터는 영상 데이터와 AI 데이터를 포함한다. 영상 데이터와 AI 데이터는 동종 네트워크 또는 이종 네트워크를 통해 전송될 수 있다.
일 실시예에서, 데이터 처리부(232)의 처리 결과 획득된 AI 부호화 데이터는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체에 저장될 수도 있다.
도 4는 일 실시예에 따른 AI 업스케일 장치(400)의 구성을 도시하는 블록도이다.
도 4를 참조하면, 일 실시예에 따른 AI 복호화 장치(400)는 수신부(410) 및 AI 복호화부(430)를 포함할 수 있다. 수신부(410)는 통신부(412), 파싱부(414) 및 출력부(416)를 포함할 수 있다. AI 복호화부(430)는 복호화부(432) 및 AI 업스케일부(434)를 포함할 수 있다.
수신부(410)는 AI 부호화 결과 획득된 AI 부호화 데이터를 수신 및 파싱하고, 영상 데이터와 AI 데이터를 구분하여 AI 복호화부(430)로 출력한다.
구체적으로, 통신부(412)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터를 수신한다. AI 부호화 결과 획득된 AI 부호화 데이터는 영상 데이터와 AI 데이터를 포함한다. 영상 데이터와 AI 데이터는 동종 네트워크 또는 이종 네트워크를 통해 수신될 수 있다.
파싱부(414)는 통신부(412)를 통해 수신된 AI 부호화 데이터를 전달받아 파싱(parsing)하여 영상 데이터와 AI 데이터로 구분한다. 예를 들어, 통신부(412)로부터 획득된 데이터의 헤더를 읽어, 해당 데이터가 영상 데이터인지 또는 AI 데이터인지를 구분할 수 있다. 일 예에서, 파싱부(414)는 통신부(412)를 통해 수신된 데이터의 헤더를 통해 영상 데이터와 AI 데이터를 구분하여 출력부(416)로 전달하고, 출력부(416)는 각각의 구분된 데이터를 복호화부(432) 및 AI 업스케일부(434)로 전달한다. 이 때, AI 부호화 데이터에 포함된 영상 데이터가 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통해 획득된 영상 데이터인 것으로 확인할 수도 있다. 이 경우, 영상 데이터가 상기 확인된 코덱으로 처리될 수 있도록, 출력부(416)를 통해 해당 정보를 복호화부(432)로 전달할 수 있다.
일 실시예에서, 파싱부(414)가 파싱하는 AI 부호화 데이터는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체로부터 획득된 것일 수도 있다.
복호화부(432)는 영상 데이터에 기초하여 제 1 영상(115)에 대응하는 제 2 영상(135)을 복원한다. 복호화부(432)에 의해 획득된 제 2 영상(135)은 AI 업스케일부(434)로 제공된다. 구현예에 따라서는, 영상 데이터에 포함된 예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등의 복호화 관련 정보가 AI 업스케일부(434)로 더 제공될 수 있다.
AI 데이터를 수신한 AI 업스케일부(434)는 AI 데이터에 기초하여 제 2 영상(135)을 AI 업스케일한다. 구현예에 따라서는, 영상 데이터에 포함된 예측 모드 정보, 양자화 파라미터 정보 등의 복호화 관련 정보를 더 이용하여 AI 업스케일 할 수 있다.
일 실시예에 따른 수신부(410) 및 AI 복호화부(430)는 개별적인 장치로 설명되었으나, 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 수신부(410) 및 AI 복호화부(430)는 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하여 구현되거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함하여 구현될 수 있다.
또한, 수신부(410) 및 AI 복호화부(430)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다. 마찬가지로 AI 업스케일부(434)와 복호화부(432)도 각각 서로 다른 프로세서로 구현될 수 있다.
AI 업스케일부(434)로 제공되는 AI 데이터는, 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 이때, 업스케일 타겟은 제 1 DNN의 다운스케일에 대응하여야 한다. 따라서, AI 데이터는 제 1 DNN의 다운스케일 타겟을 확인할 수 있는 정보가 포함되어야 한다.
AI 데이터에 포함된 정보를 구체적으로 예시하면, 원본 영상(105)의 해상도와 제 1 영상(115)의 해상도의 차이 정보, 제 1 영상(115) 관련 정보가 있다.
차이 정보는, 원본 영상(105) 대비 제 1 영상(115)의 해상도 변환 정도에 대한 정보(예를 들어, 해상도 변환률 정보)로 표현될 수 있다. 그리고, 복원된 제 2 영상(135)의 해상도를 통해 제 1 영상(115)의 해상도를 알게 되고 이를 통해 해상도 변환 정도를 확인할 수 있기 때문에, 차이 정보는 원본 영상(105)의 해상도 정보만으로 표현될 수도 있다. 여기서 해상도 정보는 가로/세로의 화면 사이즈로 표현될 수도 있고, 비율(16:9, 4:3 등)과 한 축의 사이즈로 표현될 수도 있다. 또한, 기 설정된 해상도 정보가 있는 경우는 인덱스 또는 플래그의 형태로 표현될 수도 있다.
그리고, 제 1 영상(115) 관련 정보는, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(115)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
AI 업스케일부(434)는 AI 데이터에 포함된 차이 정보 및 제 1 영상(115) 관련 정보 중 적어도 하나에 기초하여 제 2 영상(135)의 업스케일 타겟을 결정할 수 있다. 업스케일 타겟은 예를 들어, 제 2 영상(135)을 어느 정도의 해상도로 업스케일하여야 하는지를 나타낼 수 있다. AI 업스케일부(434)는 업스케일 타겟이 결정되면, 업스케일 타겟에 대응하는 제 3 영상(145)을 획득하기 위해 제 2 DNN을 통해 제 2 영상(135)을 AI 업스케일한다.
이하에서는, 도 5를 참조하여, AI 업스케일부(434)가 제 2 DNN을 통해 제2 영상을 AI 업스케일하는 과정에 대해서 설명하기로 한다.
도 5는 제 2 영상(135)의 AI 업스케일을 위한 제 2 DNN(300)을 나타내는 예시적인 도면이다.
도 5에 도시된 바와 같이, 제 2 영상(135)은 제 1 컨볼루션 레이어(510)로 입력된다. 도 5에 도시된 제 1 컨볼루션 레이어(510)에 표시된 3X3X4는 3 x 3의 크기의 4개의 필터 커널을 이용하여 1개의 입력 영상에 대해 컨볼루션 처리를 하는 것을 예시한다. 컨볼루션 처리 결과 4개의 필터 커널에 의해 4개의 특징 맵이 생성된다. 각 특징 맵은 제 2 영상(135)의 고유한 특성들을 나타낸다. 예를 들어, 각 특징 맵은 제 2 영상(135)의 수직 방향 특성, 수평 방향 특성 또는 에지 특성 등을 나타낼 수 있다.
본 개시에 따르면, 제 1 DNN과 제 2 DNN의 연계 훈련을 통해 제 2 DNN의 파라미터들, 예를 들어, 제 2 DNN의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들의 값이 최적화될 수 있다. 전술한 바와 같이, AI 업스케일부(434)는 AI 데이터에 기초하여, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟을 결정하고, 결정된 업스케일 타겟에 대응하는 파라미터들을 제 2 DNN의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들로 결정할 수 있다.
제 1 컨볼루션 레이어(510)에서 출력된 특징 맵들은 제 1 활성화 레이어(520)로 입력된다.
제 1 활성화 레이어(520)는 각각의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다. 제 1 활성화 레이어(520)는 시그모이드 함수(sigmoid function), Tanh 함수, ReLU(Rectified Linear Unit) 함수 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
제 1 활성화 레이어(520)에서 비선형 특성을 부여하는 것은, 제 1 컨볼루션 레이어(510)의 출력인, 특징 맵의 일부 샘플 값을 변경하여 출력하는 것을 의미한다. 이때, 변경은 비선형 특성을 적용하여 수행된다.
제 1 활성화 레이어(520)는 제 1 컨볼루션 레이어(510)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(530)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(520)에 의해 활성화되어 제 2 컨볼루션 레이어(530)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(520)에 의해 비활성화되어 제 2 컨볼루션 레이어(530)로 전달되지 않는다. 특징 맵들이 나타내는 제 2 영상(135)의 고유 특성이 제 1 활성화 레이어(520)에 의해 강조된다.
제 1 활성화 레이어(520)에서 출력된 특징 맵들(525)은 제 2 컨볼루션 레이어(530)로 입력된다.
제 2 컨볼루션 레이어(530)에 표시된 3X3X4는 3 x 3의 크기의 4개의 필터 커널을 이용하여 입력된 특징 맵들(525)에 대해 컨볼루션 처리하는 것을 예시한다. 제 2 컨볼루션 레이어(530)의 출력은 제 2 활성화 레이어(540)로 입력된다. 제 2 활성화 레이어(540)는 입력 데이터에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(540)에서 출력된 특징 맵들(345)은 제 3 컨볼루션 레이어(550)로 입력된다. 도 5에 도시된 제3 컨볼루션 레이어(550)에 표시된 3X3X1는 3 x 3의 크기의 1개의 필터 커널을 이용하여 1개의 출력 영상을 만들기 위해 컨볼루션 처리를 하는 것을 예시한다. 제 3 컨볼루션 레이어(550)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 생성한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(550)는 컨벌루션 연산 결과를 통해 제 3 영상(145)을 출력할 수 있다.
제 2 DNN(500)의 제 1 컨볼루션 레이어(510), 제 2 컨볼루션 레이어(530) 및 제 3 컨볼루션 레이어(550)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 복수 개일 수 있는데, 복수의 DNN 설정 정보는 제 1 DNN의 복수의 DNN 설정 정보와 연계되어야 한다. 제 2 DNN의 복수의 DNN 설정 정보와 제 1 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 1 DNN 및 제 2 DNN의 연계 학습을 통해 구현될 수 있다.
도 5은 제 2 DNN(500)이 세 개의 컨볼루션 레이어(510, 530, 550)와 두 개의 활성화 레이어(520, 540)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 2 DNN(500)은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 2 DNN(500)의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, AI 업스케일부(434)는 전술한 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU(Arithmetic logic unit)를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다.
이하에서, AI 업스케일부(434)가 업스케일 타겟에 맞춰 제 2 영상(135)을 AI 업스케일하는 방법을 설명한다.
일 실시예에서, AI 업스케일부(434)는 제 2 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다.
여기서, DNN 설정 정보는 제 2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다. 복수의 DNN 설정 정보는 다양한 업스케일 타겟에 각각 대응될 수 있으며, 특정 업스케일 타겟에 대응되는 DNN 설정 정보에 기반하여 제 2 DNN이 동작할 수 있다. DNN 설정 정보에 따라 제 2 DNN이 서로 다른 구조를 가질 수 있다. 예를 들어, 어느 DNN 설정 정보에 따라 제 2 DNN이 3개의 컨볼루션 레이어를 포함할 수 있고, 다른 DNN 설정 정보에 따라 제 2 DNN이 4개의 컨볼루션 레이어를 포함할 수 있다.
일 실시예에서, DNN 설정 정보는 제 2 DNN에서 사용되는 필터 커널의 파라미터만을 포함할 수도 있다. 이 경우, 제 2 DNN의 구조는 변경되지 않는 대신, DNN 설정 정보에 따라 내부의 필터 커널의 파라미터만이 달라질 수 있다.
AI 업스케일부(434)는 복수의 DNN 설정 정보 중 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다. 여기서 사용되는 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 3 영상(145)을 획득하기 위한 정보로, 제 1 DNN과 연계하여 훈련된 것이다.
예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 제 2 영상(135)의 해상도보다 2배 큰 해상도의 제 3 영상(145), 예를 들어, 2K (2048*1080)의 제 2 영상(135)보다 2배 큰 4K(4096*2160)의 제 3 영상(145)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 제 2 영상(135)의 해상도보다 4배 큰 해상도의 제 3 영상(145), 예를 들어, 2K (2048*1080)의 제 2 영상(135)보다 4배 큰 8K(8192*4320)의 제 3 영상(145)을 획득하기 위한 정보들을 포함할 수 있다.
복수의 DNN 설정 정보 각각은 AI 부호화 장치(200)의 제 1 DNN의 DNN 설정 정보와 연계되어 만들어진 것이며, AI 업스케일부(434)는 제 1 DNN의 DNN 설정 정보의 축소 비율에 대응되는 확대 비율에 따라 복수의 DNN 설정 정보 중 하나의 DNN 설정 정보를 획득한다. 이를 위해, AI 업스케일부(434)는 제 1 DNN의 정보를 확인하여야 한다. 제 1 DNN의 정보를 AI 업스케일부(434)가 확인하기 위해, 일 실시예에 따른 AI 복호화 장치(400)는 AI 부호화 장치(200)로부터 제 1 DNN의 정보를 포함하는 AI 데이터를 수신한다.
다시 말하면, AI 업스케일부(434)는 AI 부호화 장치(200)로부터 수신되는 정보들을 이용하여, 제 1 영상(115)을 획득하기 위해 이용된 제 1 DNN의 DNN 설정 정보가 타겟하는 정보를 확인하고, 그와 연계 훈련된 제 2 DNN의 DNN 설정 정보를 획득할 수 있는 것이다.
복수의 DNN 설정 정보 중 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보가 획득되면, 획득된 DNN 설정 정보에 따라 동작하는 제 2 DNN에 기초하여 입력 데이터가 처리될 수 있다.
예를 들어, 어느 하나의 DNN 설정 정보가 획득되면, 도 5에 도시된 제 2 DNN(500)의 제 1 컨볼루션 레이어(510), 제 2 컨볼루션 레이어(530) 및 제 3 컨볼루션 레이어(550) 각각에 대해서, 각 레이어에 포함되는 필터 커널의 개수와 필터 커널의 파라미터들을, 상기 획득된 DNN 설정 정보에 포함된 값으로 설정할 수 있다.
AI 업스케일부(434)는 AI 데이터에 포함된 정보에 기초하여 복수의 DNN 설정 정보 중 제 2 영상(135)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있는데, DNN 설정 정보를 획득하는데 이용되는 AI 데이터에 대해 구체적으로 설명한다.
일 실시예에서, AI 업스케일부(234)는 AI 데이터에 포함된 차이 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(135)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. 예를 들어, 차이 정보에 기초하여 원본 영상(105)의 해상도(예를 들어, 4K(4096*2160))가 제 1 영상(115)의 해상도(예를 들어, 2K (2048*1080))보다 2배 큰 것으로 확인된 경우, AI 업스케일부(234)는 제 2 영상(135)의 해상도를 2배 증가시킬 수 있는 DNN 설정 정보를 획득할 수 있다.
다른 실시예에서, AI 업스케일부(434)는 AI 데이터에 포함된 제 1 영상(115) 관련 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(135)을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. AI 업스케일부(434)는 영상 관련 정보들과 DNN 설정 정보들 사이의 매핑 관계를 미리 결정하고, 제 1 영상(115) 관련 정보에 매핑된 DNN 설정 정보를 획득할 수 있다.
한편, 도 1 내지 도 5에서 설명한 바와 같이, 원본 영상(105)을 저해상도 영상(예를 들어, 도 1의 제1 영상(115))으로 다운스케일하고, 다시, 저해상도 영상(예를 들어, 도 1의 제2 영상(135))을 업스케일하여, 고해상도 영상(예를 들어, 도 1의 제3 영상(145))으로 복원하는 경우, 원본 영상에 포함되는 픽셀을 구성하는 정보의 손실이 불가피하기 때문에, 고해상도 영상으로 복원 시, 손실 정보가 발생할 수 밖에 없다. 즉, 이로 인해, 복원된 고해상도 영상은 원본 영상과 달라지게 되며, 아티팩트가 발생하게 된다. 아티팩트는 앨리어싱 아티팩트(Aliasing Artifact)와 재깅 아티팩트(Jagging Artifact)를 포함할 수 있으나, 이에 한정되지 않는다.
앨리어싱 아티팩트는 물결 무늬와 유사한 패턴이 발생하는 현상을 의미하며, 재깅 아티팩트는 라인이나 엣지 영역이 계단식으로 꺾이는 현상을 의미한다. 또한, 앨리어싱 아티팩트는 픽셀 값 차이가 급격하게 변하는 고주파 영역에서 주로 발생하며, 프레임 영상에 포함된 동일한 오브젝트 내의 패턴(또는 텍스쳐)이 프레임에 따라 일정하게 유지되지 않고 떨리거나 깜빡거리는 플리커링(flickering) 현상으로 나타난다.
이러한 아티팩트는 영상의 화질에 큰 영향을 주기 때문에 화질의 선명함(sharpness)을 향상시키는 것과 함께 화질 개선에 중요한 요소가 되고 있다.
한편, 비디오와 같은 영상 스트리밍에서 아티팩트를 제거하기 위해서는 영상 프레임들 간의 움직임 정보를 활용하는 것이 대표적인 방법이다. 예를 들어, 복수의 영상 프레임들의 움직임 정보를 이용하여, 현재 또는 앞으로 생성하게 될 프레임 영상의 최적 상태를 예측한다. 즉, 움직임 추정(motion estimation)과 움직임 보상(motion compensation)을 이용하여 아티팩트를 제거한다. 그러나, 움직임 추정과 움직임 보상을 이용하여 아티팩트를 제거하는 시스템은, 움직임 추정과 움직임 보상을 처리하기 위한 연산 장치가 별도로 필요하다.
또한, 움직임 추정 및 움직임 보상을 이용하기 위해서는 현재 프레임 영상 이외에 이전 프레임 영상 또는 다음 프레임 영상에 대한 정보가 필요하게 되며, 복수의 프레임 영상 정보를 저장하기 위한 추가적인 메모리가 필요하다.
또한, 추가 연산부 및 메모리 접근으로 인한 추가적인 트래픽이 발생하게 되며, 이로 인해 시스템 딜레이가 발생하게 된다.
따라서, 추가적인 하드웨어, 기존 하드웨어의 변경, 추가적인 비용의 발생 없이, 아티팩트를 제거할 수 있는, AI 업스케일 장치 및 AI 다운스케일 장치가 필요하다.
일 실시예에 따른 AI 다운스케일 장치 및 AI 업스케일 장치는 기존 AI 다운 스케일 장치 및 AI 업 스케일 장치에 추가적인 장치(하드웨어), 기존 하드웨어의 변경, 추가적인 비용의 발생 없이, 영상을 AI 다운 스케일하고, AI 업스케일하는 과정에서 발생하는 아티팩트를 제거할 수 있다.
이하, 도면들을 참조하여 일 실시예에 따른 AI 다운 스케일 장치 및 AI 업 스케일 장치에 대해 자세히 설명하기로 한다.
도 6은 일 실시예에 따른 제1 DNN 및 제2 DNN을 훈련시키는 방법을 나타내는 흐름도이다.
제1 DNN의 훈련 과정에서는 제2 DNN의 설정 정보(예를 들어, 제2 DNN의 제2 파라미터들)를 고정(fix) 시키고, 제1 DNN의 설정 정보(예를 들어, 제1 DNN의 제1 파라미터들) 중 적어도 하나를 업데이트 할 수 있다. 또한, 제2 DNN의 훈련 과정에서는 제1 DNN의 설정 정보를 고정시키고, 제2 DNN의 설정 정보 중 적어도 하나를 업데이트 할 수 있다.
도 6을 참조하면, 일 실시예에 따른 훈련 장치는 원본 영상에 이동 또는 트랜스레이션(Translation)을 적용하여, 하나 이상의 트랜스레이션 영상들을 생성할 수 있다(S610).
이때, 원본 영상은 비디오를 구성하는 적어도 하나의 프레임 영상일 수 있다. 또한, 트랜스레이션은, AI 다운스케일을 통해 감소시키려는 해상도에 따라 결정될 수 있다. 예를 들어, 해상도를 1/n배로 감소시키고자 하는 경우, 원본 영상에서 n개의 픽셀 당 1개의 픽셀을 샘플링하게 되며, 원본 영상에서 픽셀 이동이 없는 1개의 영상과, 픽셀 이동이 발생한 n-1개의 트랜스레이션 영상을 생성될 수 있다. 이에 따라, 원본 영상에 트랜스레이션을 적용하지 않은1개의 원본영상(픽셀 이동이 없는 영상)과, n-1개의 트랜스레이션을 적용한 n-1개의 트랜스레이션 영상들이 획득될 수 있다.
예컨대, n=4인 경우, 픽셀 이동이 없는 원본 영상과, 원본 영상을 오른쪽, 위쪽, 대각선으로 각각 1픽셀씩 이동시킨 3개의 트랜스레이션 영상들(제1, 제2, 제3 트랜스레이션 영상)의 총 4개의 영상들이 획득된다.한편, 훈련 장치는 훈련 진행 전에, 제1 DNN 및 제2 DNN의 DNN 설정 정보를 초기 설정할 수 있다. 제1 DNN 및 제2 DNN은 미리 결정된 DNN 설정 정보에 따라 동작할 수 있으며, DNN 설정 정보는 제1 DNN 및 제2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어 별 필터 커널의 개수, 컨볼루션 레이어별 필터 커널의 크기 및 각 필터 커널의 파라미터들(제1 파라미터들 및 제2 파라미터들) 중 적어도 하나에 대한 정보를 포함할 수 있다.
훈련 장치는 픽셀 이동이 없는 원본 영상과, 하나 이상의 트랜스레이션 영상들 각각에 대해, 제1 DNN의 제1 파라미터들과의 연산을 수행하여, 복수의 저해상도 영상들을 획득할 수 있다(S620).
훈련 장치는 초기 설정된 DNN 설정 정보에 따라 제1 DNN의 제1 파라미터들의 값을 설정할 수 있다. 제1 DNN은 도 3에서 설명한 바와 같이, 픽셀 이동이 없는 원본 영상과, 하나 이상의 트랜스레이션 영상들 각각에 대해, 설정된 제1 파라미터들과의 컨볼루션 연산 및 활성화 레이어의 연산 등을 수행할 수 있다. 이에 따라, 제1 DNN은, 픽셀 이동이 없는 원본 영상과, 하나 이상의 트랜스레이션 영상들이 AI 다운스케일된 복수의 저해상도 영상들을 출력한다.
훈련 장치는 제1 DNN으로부터 획득한 복수의 저해상도 영상들 각각과 제2 DNN의 제2 파라미터들과의 연산을 수행하여, 복수의 고해상도 영상들을 획득할 수 있다(S630).
훈련 장치는 초기 설정된 DNN 설정 정보에 따라 제2 DNN의 제2 파라미터들의 값을 설정할 수 있다. 제2 DNN은 도 5에서 설명한 바와 같이, 복수의 저해상도 영상들 각각에 대해, 설정된 제2 파라미터들과의 컨볼루션 연산 및 활성화 레이어의 연산 등을 수행할 수 있다. 이에 따라, 제2 DNN은, 복수의 저해상도 영상들이 AI 업스케일된 복수의 고해상도 영상들을 출력한다.
훈련 장치는 복수의 고해상도 영상들에 역이동 또는 리트렌스레이션(Re-translation)을 적용하여, 복수의 복원 영상들(또는 결과 영상들)을 생성할 수 있다(S640). 복원 영상들(또는 결과 영상들)은 픽셀 이동이 없는 원본 영상에 대한 복원 영상인 원본 복원 영상(제1 복원 영상)과, 하나 이상의 트랜스레이션 영상들에 대한 복원 영상들인 트랜스레이션 복원 영상들(제2 복원 영상들)을 포함할 수 있다.
이때, 리트렌스레이션은 단계 610(S610)에서 적용된 트랜스레이션에 기초하여 결정될 수 있다. 예를 들어, 리트랜스레이션은 트랜스레이션과 반대되는 방향의 이동일 수 있다. 트랜스레이션에서, 오른쪽으로 이동하면, 리트랜스레이션에서는 왼쪽으로, 트랜스레이션에서 왼쪽으로 이동한 경우, 리트랜스레이션에서는 오른쪽으로 이동할 수 있다. 또한, 트랜스레이션에서 위쪽으로 이동하면, 리트랜스레이션에서는 아래쪽으로, 트랜스레이션에서 아래쪽으로 이동한 경우, 리트랜스레이션에서는 위쪽으로 이동할 수 있다. 다만, 이에 한정되지 않는다.
훈련 장치는 복원 영상들(원본 복원 영상 및 트랜스레이션 복원 영상들) 각각과 원본 영상의 제1 차이 정보(컨텐츠 손실 정보(Lc))와 복수의 복원 영상들(픽셀 이동이 없는 원본 영상에 대한 복원 영상인 원본 복원 영상과, 하나 이상의 트랜스레이션 영상들에 대한 복원 영상인 트랜스레이션 복원 영상들) 사이의 제2 차이 정보(앙상블 손실 정보(Le))를 획득할 수 있다(S650).
훈련 장치는 제1 차이 정보 및 제2 차이 정보에 기초하여, 제1 DNN의 제1 파라미터들 및 제2 DNN의 제2 파라미터들 중 적어도 하나를 업데이트할 수 있다(S660).
예를 들어, 훈련 장치는 제1 차이 정보 및 제2 차이 정보에 기초하여, 최종 손실 정보를 결정할 수 있으며, 최종 손실 정보가 감소 또는 최소화되도록 제1 파라미터들 및 제2 파라미터들 중 적어도 하나를 업데이트할 수 있다.
제1 DNN의 훈련 과정에서는 제2 DNN의 제2 파라미터들을 고정(fix) 시키고, 제1 DNN의 제1 파라미터들 중 적어도 하나를 업데이트 할 수 있다. 또한, 제2 DNN의 훈련 과정에서는 제1 DNN의 제1 파라미터들을 고정시키고, 제2 DNN의 제2 파라미터들 중 적어도 하나를 업데이트 할 수 있다. 또는, 제1 DNN의 제1 파라미터들과 제2 DNN의 제2 파라미터들을 함께 업데이트할 수도 있다.
도 6의 일 실시예에 따른 제1 DNN 및 제2 DNN을 훈련시키는 방법에 대해서는, 이하 도 7 및 8을 참조하여 더 구체적으로 설명하기로 한다.
도 7a 내지 도 7e는 일 실시예에 따른 AI 다운스케일을 위한 제1 DNN 및 AI 업스케일을 위한 제2 DNN을 훈련시키는 방법을 설명하기 위해 참조되는 도면들이다.
도 7a 내지 도 7e의 제1 DNN(730)은 도 3의 제1 DNN(300)에 대응하고, 도 7a 내지 도 7e의 제2 DNN(750)은 도 5의 제2 DNN(500)에 대응할 수 있다.
제1 DNN의 훈련 과정에서는 제2 DNN의 설정 정보(제2 파라미터들)를 고정(fix) 시키고, 제1 DNN의 설정 정보(제1 파라미터들) 중 적어도 하나를 업데이트 한다. 제2 DNN의 훈련 과정에서는 제1 DNN의 설정 정보(제1 파라미터들)를 고정시키고, 제2 DNN의 설정 정보(제2 파라미터들) 중 적어도 하나를 업데이트 한다. 또는, 제1 DNN의 설정 정보(제1 파라미터들)와 제2 DNN의 설정 정보(제2 파라미터들)를 고정하지 않고, 최종 손실 정보가 감소 또는 최소화되도록 제1 DNN(730)의 설정 정보(제1 파라미터들)와 제2 DNN(750)의 설정 정보(제2 파라미터들)을 함께 갱신할 수 있다. 다만, 이에 한정되지 않는다.
도 1에서 전술한 바와 같이, 일 실시예에 따른 AI 다운스케일 과정을 통해 AI 다운스케일된 원본 영상(105)은 AI 업스케일 과정을 통해 제3 영상(145)으로 복원되는데, AI 업스케일 결과 획득된 제3 영상(145)과 원본 영상(105)과의 유사성을 유지하기 위해서는 AI 다운스케일 과정과 AI 업스케일 과정에 연관성이 필요하다. 즉, AI 다운스케일 과정에서 손실된 정보를 AI 업스케일 과정에서 복원할 수 있어야 하는데, 이를 위해 제1 DNN(730)과 제2 DNN(750)의 연계 훈련이 요구된다.
도 7a에서, 원본 훈련 영상(710)은 AI 다운스케일의 대상이 되는 영상이다. 원본 훈련 영상(710)은 복수의 프레임들로 이루어진 동영상 또는 비디오를 포함할 수 있다. 원본 훈련 영상(710)에 이동 또는 트랜스레이션(715)이 적용되어, 픽셀 이동이 없는 원본 영상과, 하나 이상의 트랜스레이션 영상들을 포함하는 복수의 영상들(720)이 생성될 수 있다. 이때 복수의 영상들(720)의 개수는 AI 다운스케일을 통해 감소시키려는 해상도에 따라 결정될 수 있다. 도 7a에서는, AI 다운스케일을 통해 해상도를 1/4배로 감소시키려는 경우를 예로 들어 설명하기로 한다.
AI 다운스케일을 통해 해상도를 1/4배로 감소시키고자 하는 경우, 4개의 영상들(720)이 생성될 수 있다. 즉, 4개의 영상들(720)은 1개의 원본 훈련 영상(픽셀 이동이 없는 영상, 721)과, 3개의 트랜스레이션 영상들(722,723,724)을 포함할 수 있다. 예를 들어, 3개의 트랜스레이션 영상들(722,723,724)은, 원본 훈련 영상(710)에 포함되는 픽셀들을 오른쪽으로 한 픽셀씩 이동시킨 영상(제1트랜스레이션 영상(722)), 원본 훈련 영상(710)에 포함되는 픽셀들을 아래쪽으로 한 픽셀씩 이동시킨 영상(제2트랜스레이션 영상(723)), 원본 훈련 영상(710)에 포함되는 픽셀들을 오른쪽 한 픽셀씩, 아래쪽으로 한 픽셀씩 이동시킨 영상(제3 트랜스레이션 영상(724))을 포함할 수 있다.
원본 훈련 영상(721)과, 제1 내지 제3 트랜스레이션 영상들(722, 723, 724)은 제1 DNN(730)에 입력될 수 있다. 원본 훈련 영상(721)과, 제1 내지 제3 트랜스레이션 영상들(722, 723, 724)이 제1 DNN(730)에 입력되면, 제1 DNN(730)은 원본 훈련 영상(721)과, 제1 내지 제3 트랜스레이션 영상들(722, 723, 724)을 AI 다운스케일한 4개의 저해상도 영상들(740)을 출력할 수 있다.
제1 DNN(730) 및 제2 DNN(750)의 연계 훈련을 위해, 제1 DNN(730)으로부터 획득한 4개의 저해상도 영상들(740)이 제2 DNN(750)에 입력될 수 있다. 제1 DNN(730)으로부터 획득한 4개의 저해상도 영상들(740)이 제2 DNN(750)에 입력되면, 제2 DNN(750)은 4개의 저해상도 영상들(740)을 AI 업스케일한 4개의 고해상도 영상들(760)을 출력할 수 있다.
제2 DNN으로부터 획득된 4개의 고해상도 영상들(760)에 역이동 또는 리트랜스레이션(765)이 적용되어 4개의 복원 영상들(또는 결과 영상들)(770)이 생성될 수 있다. 이때, 리트랜스레이션(765)은 원본 훈련 영상에 적용되었던 트랜스레이션(715)과 반대되는 방향의 이동일 수 있다. 예를 들어, 원본 훈련 영상(721)에 대응하는 제1 고해상도 영상(761)은 그대로 제1 복원 영상(771)이 될 수 있다. 또한, 제1 트랜스레이션 영상(722)에 대응하는 제2 고해상도 영상(762)은, 제2 고해상도 영상(762)에 포함되는 픽셀들을 왼쪽으로 한 픽셀씩 이동시킨 제2 복원 영상(772)으로 리트랜스레이션될 수 있다. 제2 트랜스레이션 영상(723)에 대응하는 제3 고해상도 영상(763)은, 제3 고해상도 영상(763)에 포함되는 픽셀들을 위쪽으로 한 픽셀씩 이동시킨 제3 복원 영상(773)으로 리트랜스레이션될 수 있다. 제3 트랜스레이션 영상(724)에 대응하는 제4 고해상도 영상(764)은, 제4 고해상도 영상(764)에 포함되는 픽셀들을 왼쪽으로 한 픽셀씩, 위쪽으로 한 픽셀씩 이동시킨 제4 복원 영상(774)으로 리트랜스레이션될 수 있다. 여기서, 제1 복원 영상(771)은 픽셀 이동이 없는 원본 영상에 대한 복원 영상인 원본 복원 영상이고, 제2, 제3 및 제4 복원 영상(772,773,774)은 하나 이상의 트랜스레이션 영상들에 대한 복원 영상인 트랜스레이션 복원 영상들이다.훈련이 진행됨에 따라, 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le)가 결정될 수 있다. 컨텐츠 손실 정보(Lc)는 복수의 복원 영상들(770) 각각과 원본 훈련 영상(710)의 차이 정보에 기초하여 결정될 수 있다. 컨텐츠 손실 정보(Lc)는 복수의 복원 영상들(770)이 원본 훈련 영상(710)과 어느 정도로 유사한지를 나타내는 정보이다. 컨텐츠 손실 정보(Lc)가 작을수록 복수의 복원 영상들(770)이 원본 훈련 영상(710)에 더 유사해진다.
컨텐츠 손실 정보(Lc)는, 다음과 같은 수학식 1로 나타낼 수 있다.
Figure PCTKR2021000346-appb-img-000001
컨텐츠 손실 정보(Lc)는 복수의 복원 영상들 각각과 원본 훈련 영상의 평균 제곱 오차(MSE, mean square error)를 합한 값으로 나타낼 수 있다. 수학식 1에서, x 1, x 2 ,..., x n은 복수의 복원 영상들을 나타내며, y는 원본 훈련 영상을 나타낸다.
예를 들어, 도 7a의 경우, 컨텐츠 손실 정보(Lc)는 제1 복원 영상(771, x 1)과 원본 훈련 영상(710, y)의 제1 평균 제곱 오차(mean square error), 제2 복원 영상(772, x 2)과 원본 훈련 영상(710, y)의 제2 평균 제곱 오차, 제3 복원 영상(773, x 3)과 원본 훈련 영상(710, y)의 제3 평균 제곱 오차, 제4 복원 영상(774, x 4)과 원본 훈련 영상(710, y)의 제4 평균 제곱 오차를 합한 값으로 결정될 수 있다.
또한, 앙상블 손실 정보(Le)는 복수의 복원 영상들(770) 사이의 차이 정보에 기초하여 결정될 수 있다. 앙상블 손실 정보(Le)에 대해서는, 도 8을 참조하여 자세히 설명하기로 한다.
도 8은 일 실시예에 따른 앙상블 손실 정보를 설명하기 위해 참조되는 도면이다.
도 8을 참조하면, 원본 영상(810)에 포함되는 픽셀들을 한 픽셀씩 오른쪽으로 이동시켜, 트랜스레이션 영상(820)을 생성한다. 이때, 트랜스레이션 영상(820)을 생성하는 것은, 원본 영상(810)이 t 프레임 영상이라고 가정하면, t+1 프레임 영상을 생성하는 것과 유사하다. 즉, 원본 영상(810)은 t 프레임 영상에 대응하고, 트랜스레이션 영상(820)은 t+1 프레임 영상에 대응하는 것으로 볼 수 있다.
원본 영상(810)과 트랜스레이션 영상(820)의 해상도를 1/4배로 감소시키기 위해, 픽셀 샘플링을 수행할 수 있다. 원본 영상(810)은 픽셀 샘플링이 수행되어 제1 저해상도 영상(815)으로 다운스케일되며, 트랜스레이션 영상(820)은 픽셀 샘플링이 수행되어 제2 저해상도 영상(825)으로 다운스케일된다. 또한, 제1 저해상도 영상(815)은 제1 고해상도 영상(817)으로 4배 업스케일되고, 제2 저해상도 영상(825)은 제2 고해상도 영상(827)으로 4배 업스케일된다.
또한, 제2 고해상도 영상(827)에 포함되는 픽셀들을 한 픽셀씩 왼쪽으로 이동시켜, 복원 영상(829)을 생성한다. 이때, 픽셀들을 이동시켜 복원 영상(829)을 생성하는 것은, t+1 프레임 영상을 t 프레임 영상에 맞춰주는 움직임 보상 과정과 유사하다. 그러나, 제1 고해상도 영상(817)과 복원 영상(829)은 서로 달라지며, 이로 인해, 아티팩트가 발생하게 된다.
도 8을 참조하면, 원본 영상(810)과 트랜스레이션 영상(820)의 다운스케일 시, 픽셀 샘플링되는 픽셀 정보가 다르기 때문에, 손실되는 정보가 달라지고, 이에 따라, 업스케일 및 리트랜스레이션으로 영상을 복원하여도, 복원된 영상 정보가 달라지게 된다. 따라서, 아티팩트를 제거하기 위해서는 복원 영상들(817, 829)이 서로 같아져야 하며, 복수의 복원 영상들의 차이 정보에 기초하여 결정되는 앙상블 손실 정보(Le)는 작아져야 한다. 즉, 앙상블 손실 정보(Le)는 복수의 복원 영상들이 서로 어느 정도로 유사한지를 나타내는 정보이며, 앙상블 손실 정보가 작을수록 복원 영상들이 서로 유사해지며, 아티팩트가 감소한다.
다시 도 7a를 참조하면, 앙상블 손실 정보는 다음과 같은 수학식 2로 나타낼 수 있다.
Figure PCTKR2021000346-appb-img-000002
앙상블 손실 정보(Le)는 복수의 복원 영상들 사이의 평균 제곱 오차(MSE)를 합한 값으로 나타낼 수 있다. 수학식 2에서, x 1, x 2,..., x n은 복수의 복원 영상들을 나타낸다.
예를 들어, 도 7a의 경우, 앙상블 손실 정보(Le)는 제1 복원 영상(771, x 1)과 제2 복원 영상(772, x 2)의 평균 제곱 오차, 제1 복원 영상(771, x 1)과 제3 복원 영상(773, x 3)의 평균 제곱 오차, 제1 복원 영상(771, x 1)과 제4 복원 영상(774, x 4)의 평균 제곱 오차, 제2 복원 영상(772, x 2)과 제3 복원 영상(773, x 3)의 평균 제곱 오차, 제2 복원 영상(772, x 2)과 제4 복원 영상(774, x 4)의 평균 제곱 오차, 제3 복원 영상(773, x 3)과 제4 복원 영상(774, x 4)의 평균 제곱 오차를 합한 값으로 결정될 수 있다.
도 7a를 참조하면, 제1 DNN(730) 및 제2 DNN(750)은 컨텐츠 손실 정보(Lc)와 앙상블 손실 정보(Le)에 기초하여 결정된 최종 손실 정보가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다. 또한, 도 7b에 도시한 바와 같이, 제1 DNN(730)의 제1 파라미터를 훈련시킬 때는 제2 DNN(750)의 제2 파라미터가 고정됨으로써, 제2 DNN(750)은 고정된 업 스케일러(fixed up-scaler)로 동작할 수 있다. 예를 들어, 원본 훈련 영상(710)에 트랜스레이션(715)을 적용하여, 복수의 트랜스레이션 영상들(722,723,724)을 생성하고, 1개의 원본 훈련 영상(픽셀 이동이 없는 영상, 721)과, 복수의 트랜스레이션 영상들(722,723,724)을 제1 DNN(730)에 입력하여, AI 다운스케일된 저해상도 이미지들(740)을 출력한다. 출력된 저해상도 이미지들(740)을 제2 파라미터가 고정된 제2 DNN(750)에 입력하여, AI 업 스케일된 고해상도 이미지들(760)을 출력한다. AI 업스케일된 고해상도 이미지들(760)에 리트랜스레이션(765)을 적용하여, 복원 영상들(770)을 생성한다. 원본 훈련 영상(710)과 복원 영상들(770)에 기초하여 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le)를 결정하고, 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le)에 기초하여 결정된 최종 손실 정보가 최소화되는 방향으로 제1 DNN(730)의 제1 파라미터를 갱신할 수 있다.
제1 DNN의 훈련이 완료되면, 도 7c에 도시된 바와 같이, 제1 DNN(730)의 제1 파라미터의 최종 값이 결정되며, 훈련이 완료된 제1 DNN(730)에 원본 영상(105)이 입력되면, 원본 영상이 AI 다운스케일된 저해상도 영상(제1 영상, 115)이 출력될 수 있다.
또한, 도 7d에 도시한 바와 같이, 제2 DNN(750)의 제2 파라미터를 훈련시킬 때는 제1 DNN(730)의 제1 파라미터가 고정됨으로써, 제1 DNN(730)은 고정된 다운 스케일러(fixed down-scaler)로 동작할 수 있다. 예를 들어, 원본 훈련 영상(710)에 트랜스레이션(715)을 적용하여, 복수의 트랜스레이션 영상들(722,723,724)을 생성하고, 1개의 원본 훈련 영상(픽셀 이동이 없는 영상, 721)과, 복수의 트랜스레이션 영상들(722,723,724)을 제1 파라미터가 고정된 제1 DNN(730)에 입력하여, AI 다운스케일된 저해상도 이미지들(740)을 출력한다. 출력된 저해상도 이미지들(740)을 제2 DNN(750)에 입력하여, AI 업 스케일된 고해상도 이미지들(760)을 출력한다. AI 업스케일된 고해상도 이미지들(760)에 리트랜스레이션(765)을 적용하여, 복원 영상들(770)을 생성한다. 원본 훈련 영상(710)과 복원 영상들(770)에 기초하여 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le)를 결정하고, 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le)에 기초하여 결정된 최종 손실 정보가 최소화되는 방향으로 제2 DNN(750)의 제2 파라미터를 갱신할 수 있다.
제2 DNN의 훈련이 완료되면, 도 7e에 도시된 바와 같이, 제2 DNN(750)의 제2 파라미터의 최종 값이 결정되며, 훈련이 완료된 제2 DNN(750)에 제2 영상(135)이 입력되면, 제2 영상(135)이 AI 업스케일된 고해상도 영상(제3 영상, 145)이 출력될 수 있다.
도 7a, 7b, 7d 및 8에서는 설명의 편의를 위해, 제1 DNN(730)이 해상도를 1/4배 감소시키고, 제2 DNN(750)이 해상도를 4배 증가시키는 경우의 제1 DNN(730) 및 제2 DNN(750)의 훈련 방법을 예로 들어 설명하였다. 다만, 이에 한정되는 것은 아니며, 제1 DNN(730)을 통한 해상도의 감소 정도 또는 제2 DNN(750)을 통한 해상도의 증가 정도에 따라, 트랜스레이션 영상들의 개수, 복원 영상들의 개수, 컨텐츠 손실 정보, 앙상블 손실 정도 등이 변경될 수 있다.
도 9는 일 실시예에 따른 AI 다운스케일 장치의 동작방법을 나타내는 흐름도이다.
도 9를 참조하면, 일 실시예에 따른 AI 다운스케일 장치(200)는 원본 영상과 제1 DNN에 포함된 제1 파라미터들의 연산을 수행함으로써, 원본 영상을 AI 다운스케일한 제1 영상을 획득한다(S910).
일 실시예에 따른 제1 DNN은 영상을 AI 다운스케일하는 네트워크로, 영상을 AI 업스케일하는 제2 DNN에 대응되며, 제2 DNN과 연계되어 훈련된 네트워크일 수 있다. 제1 DNN과 제2 DNN이 연계되어 훈련됨에 따라, 제1 DNN에 포함되는 제1 파라미터들은 제2 DNN에 포함되는 제2 파라미터들과 연관된 값들로 결정된다.
예를 들어, 일 실시예에 따른 제1 DNN은 도 7에서 설명한 바와 같이, 제2 DNN과 연계되어 훈련되며, 제1 DNN과 제2 DNN의 훈련 과정에서 제1 DNN의 제1 파라미터들이 업데이트되면, 제1 DNN에서 출력되는 복수의 저해상도 영상들이 달라지게 되고, 제2 DNN에 입력되는 복수의 저해상도 영상들이 달라지면, 제2 DNN에서 출력되는 복수의 고해상도 영상들도 달라지며, 복원 영상들도 달라지게 된다. 이에 따라, 훈련을 위한 손실 정보(예를 들어, 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le))가 새롭게 결정된다. 이에 따라, 제2 DNN의 제2 파라미터들은 새롭게 결정된 손실 정보를 최소화하는 방향으로 업데이트된다. 따라서, 훈련이 완료된 제1 DNN의 제1 파라미터들과 제2 DNN의 제2 파라미터들은 서로 연관된 값들을 가지게 된다.
또한, 제1 DNN의 제1 파라미터들 및 제2 DNN의 제2 파라미터들은 훈련 과정에서 앙상블 손실 정보를 최소화하는 방향으로 업데이트되므로, 훈련이 완료된 제1 DNN을 이용한 AI 다운스케일 후에, 제2 DNN을 이용하여 AI 업스케일한 복원되는 영상에는 아티팩트가 제거될 수 있다.
AI 다운스케일 장치(200)는 획득한 제1 영상을 부호화할 수 있다(S920).
AI 다운스케일 장치(200)는 제1 영상을 부호화하여 AI 업스케일 장치로 전송할 수 있다.
도 10은 일 실시예에 따른 AI 업스케일 장치의 동작방법을 나타내는 흐름도이다.
도 10을 참조하면, 일 실시예에 따른 AI 업스케일 장치(400)는 제1 영상에 대응하는 영상 데이터를 획득할 수 있다(S1010).
이때, 제1 영상은 제1 DNN을 이용하여, 원본 영상을 AI 다운스케일한 영상일 수 있으며, 영상 데이터는 제1 영상의 부호화 결과 생성될 수 있다. AI 업스케일 장치(400)는 영상 데이터를 비트스트림 형태로 수신할 수 있다.
AI 업스케일 장치(400)는 영상 데이터에 기초하여, 제1 영상에 대응하는 제2 영상을 복원할 수 있다(S1020).
AI 업스케일 장치(400)는 영상 데이터 및 AI 데이터를 수신할 수 있으며, 영상 데이터를 이용하여, 제2 영상의 잔차 데이터를 획득하고, 예측 데이터와 잔차 데이터를 이용하여 제2 영상을 복원할 수 있다.
AI 업스케일 장치(400)는 복원된 제2 영상을 제2 DNN에 입력하고, 제2 DNN에 입력된 제2 영상과 제2 DNN에 포함된 제2 파라미터들의 연산을 수행함으로써, 제2 영상을 AI 업스케일하고 아티팩트를 제거한 제3 영상을 획득할 수 있다(S1030).
일 실시예에 따른 제2 DNN은 영상을 AI 업스케일하는 네트워크로, 영상을 AI 다운스케일하는 제1 DNN에 대응되며, 제1 DNN과 연계되어 훈련된 네트워크이다. 제2 DNN과 제1 DNN이 연계되어 훈련됨에 따라, 제2 DNN에 포함되는 제2 파라미터들은 제1 DNN에 포함되는 제1 파라미터들과 연관되는 값들로 결정된다.
예를 들어, 일 실시예에 따른 제1 DNN은 도 7에서 설명한 바와 같이, 제2 DNN과 연계되어 훈련되며, 제1 DNN과 제2 DNN의 훈련 과정에서 제1 DNN의 제1 파라미터들이 업데이트되면, 제1 DNN에서 출력되는 복수의 저해상도 영상들이 달라지게 되고, 제2 DNN에 입력되는 복수의 저해상도 영상들이 달라지면, 제2 DNN에서 출력되는 복수의 고해상도 영상들도 달라지며, 복원 영상들도 달라지게 된다. 이에 따라, 훈련을 위한 손실 정보(예를 들어, 컨텐츠 손실 정보(Lc) 및 앙상블 손실 정보(Le))가 새롭게 결정된다. 이에 따라, 제2 DNN의 제2 파라미터들은 새롭게 결정된 손실 정보를 최소화하는 방향으로 업데이트된다. 따라서, 훈련이 완료된 제1 DNN의 제1 파라미터들과 제2 DNN의 제2 파라미터들은 서로 연관된 값들을 가지게 된다.
또한, 제1 DNN의 제1 파라미터들 및 제2 DNN의 제2 파라미터들은 훈련 과정에서 앙상블 손실 정보를 최소화하는 방향으로 업데이트되므로, 훈련이 완료된 제1 DNN을 이용한 AI 다운스케일 후에, 제2 DNN을 이용하여 AI 업스케일한 영상에는 아티팩트가 제거될 수 있다.
도 11은 일 실시예에 따른 AI 다운스케일 장치의 구성을 나타내는 블록도이다.
도 11을 참조하면, 일 실시예에 따른 AI 다운스케일 장치(1100)는 프로세서(1110), 메모리(1120) 및 통신부(1130)를 포함할 수 있다.
일 실시예에 따른 프로세서(1110)는 AI 다운스케일 장치(1100)를 전반적으로 제어할 수 있다. 일 실시예에 다른 프로세서(1110)는 메모리(1120)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다.
일 실시예에 따른 메모리(1120)는 AI 다운스케일 장치(1100)를 구동하고 제어하기 위한 다양한 데이터, 프로그램 또는 어플리케이션을 저장할 수 있다. 메모리(1120)에 저장되는 프로그램은 하나 이상의 인스트럭션들을 포함할 수 있다. 메모리(1120)에 저장된 프로그램(하나 이상의 인스트럭션들) 또는 어플리케이션은 프로세서(1110)에 의해 실행될 수 있다.
일 실시예에 따른 프로세서(1110)는 도 2에서 도시하고 설명한 AI 부호화부(210) 및 데이터 처리부(232)의 동작들 및 도 9에서 설명한 AI 다운스케일 장치(200)의 동작들 중 적어도 하나를 수행할 수 있다.
예를 들어, 프로세서(1110)는 원본 영상과 제1 DNN(300)에 포함되는 제1 파라미터들과의 연산을 수행하여, 원본 영상을 AI 다운스케일한 제1 영상을 획득할 수 있으며, 제1 영상을 부호화할 수 있다.
일 실시예에 따른 통신부(1130)는 도 2의 통신부(234)에 대응될 수 있다. 따라서, 도 2에서 설명한 내용과 동일한 내용은 도 11에서 생략하기로 한다.
일 실시예에 따른 통신부(1130)는 프로세서(1110)의 제어에 의해 외부 장치(예를 들어, AI 업스케일 장치)와 데이터 또는 신호를 송수신할 수 있다. 통신부(1130)는 네트워크를 통해 AI 부호화 데이터를 AI 업스케일 장치로 전송할 수 있다.
도 12는 일 실시예에 따른 AI 업스케일 장치의 구성을 나타내는 블록도이다.
도 12를 참조하면, 일 실시에에 따른 AI 업스케일 장치(1200)는 통신부(1210), 프로세서(1220), 메모리(1230) 및 디스플레이(1240)를 포함할 수 있다.
일 실시예에 따른 통신부(1210)는 도 4의 통신부(412)에 대응될 수 있다. 따라서, 도 4에서 설명한 내용과 동일한 내용은 도 12에서 생략하기로 한다.
일 실시예에 따른 통신부(1210)는 프로세서(1220)의 제어에 의해 외부 장치(예를 들어, AI 다운스케일 장치)와 데이터 또는 신호를 송수신할 수 있다. 통신부(1210)는 AI 다운스케일 장치로부터, 네트워크를 통해 AI 부호화 데이터를 수신할 수 있다.
통신부(1210)는 AI 업스케일 장치(1200)의 성능 및 구조에 대응하여, 무선랜(예를 들어, 와이- 파이(Wi-Fi)), 블루투스, 및 유선 이더넷(Ethernet) 중 하나를 포함할 수 있다. 또한, 통신부(1210)는 무선랜, 블루투스 및 유선 이더넷의 조합을 포함할 수 있다.
일 실시예에 따른 프로세서(1220)는 AI 업스케일 장치(1200)를 전반적으로 제어할 수 있다. 일 실시예에 따른 프로세서(1220)는 메모리(1230)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다.
일 실시예에 따른 메모리(1230)는 AI 업스케일 장치(1200)를 구동하고 제어하기 위한 다양한 데이터, 프로그램 또는 어플리케이션을 저장할 수 있다. 메모리(1230)에 저장되는 프로그램은 하나 이상의 인스트럭션들을 포함할 수 있다. 메모리(1230)에 저장된 프로그램(하나 이상의 인스트럭션들) 또는 어플리케이션은 프로세서(1220)에 의해 실행될 수 있다.
일 실시예에 따른 프로세서(1220)는 도 4에서 도시하고 설명한 수신부(410) 및 AI 복호화부(430)의 동작들 및 도 10에서 설명한 AI 업스케일 장치(400)의 동작들 중 적어도 하나를 수행할 수 있다.
예를 들어, 프로세서(1220)는 AI 다운스케일 장치로부터 수신한 영상 데이터에 기초하여, 제2 영상을 획득하고, 제2 영상과 제2 DNN에 포함되는 제2 파라미터들과의 연산을 수행하여, 제2 영상을 AI 업스케일하고 아티팩트를 제거함으로써, 제3 영상을 획득할 수 있다.
일 실시예에 따른 디스플레이(1240)는 프로세서(1220)에서 처리된 영상 신호, 데이터 신호, OSD 신호, 제어 신호 등을 변환하여 구동 신호를 생성한다. 디스플레이(1240)는 PDP, LCD, OLED, 플렉시블 디스플레이(flexible display)등으로 구현될 수 있으며, 또한, 3차원 디스플레이(3D display)로 구현될 수 있다. 또한, 디스플레이(1240)는, 터치 스크린으로 구성되어 출력 장치 이외에 입력 장치로 사용되는 것도 가능하다. 디스플레이(1240)는 AI 업스케일되고 아티팩트가 제거된 제3 영상을 디스플레이할 수 있다.
도 13은 일 실시예에 따른 제1 DNN 및 제2 DNN을 훈련시키는 훈련 장치의 구성을 나타내는 블록도이다.
도 13을 참조하면, 일 실시예에 따른 훈련 장치(1300)는 통신부(1330), 프로세서(1310) 및 메모리(1320)를 포함할 수 있다. 일 실시예에 따른 프로세서(1310)는 훈련 장치(1300)를 전반적으로 제어할 수 있다. 일 실시예에 따른 프로세서(1310)는 메모리(1320)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다.
일 실시예에 따른 메모리(1320)는 훈련 장치(1300)를 구동하고 제어하기 위한 다양한 데이터, 프로그램 또는 어플리케이션을 저장할 수 있다. 메모리(1320)에 저장되는 프로그램은 하나 이상의 인스트럭션들을 포함할 수 있다. 메모리(1320)에 저장된 프로그램(하나 이상의 인스트럭션들) 또는 어플리케이션은 프로세서(1310)에 의해 실행될 수 있다.
일 실시예에 따른 프로세서(1310)는 도 6 및 도 7에서 도시하고 설명한 제1 DNN 및 제2 DNN의 훈련 동작들 중 적어도 하나를 수행할 수 있다.
프로세서(1310)는 제1 DNN 및 제2 DNN을 연계하여 훈련시키며, 제1 DNN 및 제2 DNN의 훈련이 완료되어, 제1 DNN에 포함되는 제1 파라미터들의 값과 제2 DNN에 포함되는 제2 파라미터들의 값이 결정되면, 메모리(1320)에 저장할 수 있다.
일 실시예에 따른 통신부(1330)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 통하여 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다.
통신부(1330)는 훈련이 완료된 제1 DNN 및 제2 DNN의 파라미터들을 일 실시예에 따른 AI 다운스케일 장치(1100) 또는 AI 업스케일 장치(1200)로 전송할 수 있다. 예를 들어, 통신부(1310)는 제1 DNN의 제1 파라미터들을 AI다운스케일 장치로 전송하고, 제2 DNN의 제2 파라미터들을 AI 업스케일 장치로 전송할 수 있다.
한편, 도 11 내지 13에 도시된 AI 다운스케일 장치(1100), AI 업스케일 장치(1200) 및 훈련 장치(1300)의 블록도는 일 실시예를 위한 블록도이다. 블록도의 각 구성요소는 실제 구현되는 AI 다운스케일 장치(1100), AI 업스케일 장치(1200) 및 훈련 장치(1300)의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나, 혹은 하나의 구성요소가 2 이상의 구성요소로 세분되어 구성될 수 있다. 또한, 각 블록에서 수행하는 기능은 실시예들을 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
일 실시예에 따른 AI 다운스케일 장치의 동작방법, AI 업스케일 장치의 동작방법 및 제1 DNN 및 제2DNN의 훈련방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
또한, 개시된 실시예들에 따른 고AI 다운스케일 장치의 동작방법, AI 업스케일 장치의 동작방법 및 제1 DNN 및 제2DNN의 훈련방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치의 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 클라이언트 장치로 구성되는 시스템에서, 서버의 저장매체 또는 클라이언트 장치의 저장매체를 포함할 수 있다. 또는, 서버 또는 클라이언트 장치와 통신 연결되는 제3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 클라이언트 장치 또는 제3 장치로 전송되거나, 제3 장치로부터 클라이언트 장치로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 클라이언트 장치 및 제3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 클라이언트 장치 및 제3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 클라이언트 장치가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
이상에서 실시예들에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.

Claims (15)

  1. AI 업스케일 장치에 있어서,
    하나 이상의 인스트럭션들을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고,
    상기 프로세서는,
    AI 다운스케일 장치가 제1 심층 신경망(DNN)을 이용하여, 원본 영상을 다운스케일한 제1 영상에 대응하는 제2 영상을 획득하며,
    상기 제1 심층 신경망에 대응하는 제2 심층 신경망(DNN)을 이용하여, 상기 제2 영상에 업스케일을 수행함으로써, 제3 영상을 획득하고,
    상기 제2 심층 신경망은,
    원본 훈련 영상에 픽셀 이동을 적용하지 않은 영상에 대해 다운스케일링 및 업스케일링을 수행하여 획득된 원본 훈련 영상에 대한 제1 복원 영상과, 상기 원본 훈련 영상에 픽셀 이동을 적용한 하나 이상의 트랜스레이션 영상들에 대해 다운스케일링 및 업스케일링 후 리트랜스레이션을 수행하여 획득된 상기 하나 이상의 트랜스레이션 영상들에 대한 제2 복원 영상들과의 차이를 최소화하도록 훈련된 것을 특징으로 하는 AI 업스케일 장치.
  2. 제1항에 있어서,
    상기 제2 심층 신경망은 상기 원본 훈련 영상과, 상기 원본 훈련 영상에 대한 제1 복원 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대한 상기 제2 복원 영상들 중 적어도 하나에 기초하여 획득된 손실 정보를 최소화하도록 훈련된 것인, AI 업스케일 장치.
  3. 제2항에 있어서,
    상기 손실 정보는 상기 제1 복원 영상 및 상기 제2 복원 영상들 각각과 상기 원본 훈련 영상 사이의 제1 차이 정보를 포함하는 AI 업스케일 장치.
  4. 제2항에 있어서,
    상기 손실 정보는, 상기 제1 복원 영상과 상기 제2 복원 영상들 사이의 제2 차이 정보를 포함하는 AI 업스케일 장치.
  5. 제1항에 있어서,
    상기 제2 심층 신경망은 상기 제2 영상에서 특정 시점에 대한 저해상도 단일 프레임 영상을 입력 받아, 상기 제3 영상에서 상기 특정 시점에 대한 고해상도 단일 프레임 영상을 출력하는, AI 업스케일 장치.
  6. 제1항에 있어서,
    상기 제2 심층 신경망은, 상기 제1 심층 신경망과 연계되어 훈련되고, 상기 제1 심층 신경망에서 획득되는 영상에 기초하여, 훈련된 네트워크인, AI 업스케일 장치.
  7. AI 다운스케일 장치에 있어서,
    하나 이상의 인스트럭션들을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고,
    상기 프로세서는, 제1 심층 신경망을 이용하여 원본 영상을 다운스케일한 제1 영상을 획득하고, 상기 제1 영상을 네트워크를 통해 AI 업스케일 장치로 전송하도록 제어하며,
    상기 제1 심층 신경망은,
    원본 훈련 영상에 픽셀 이동을 적용하지 않은 영상에 대해 다운스케일링 및 업스케일링을 수행하여 획득된 원본 훈련 영상에 대한 제1 복원 영상과, 상기 원본 훈련 영상에 픽셀 이동을 적용한 하나 이상의 트랜스레이션 영상들에 대해 다운스케일링 및 업스케일링 후 리트랜스레이션을 수행하여 획득된 상기 하나 이상의 트랜스레이션 영상들에 대한 제2 복원 영상들과의 차이를 최소화하도록 훈련된 것을 특징으로 하는 AI 다운스케일 장치.
  8. 제7항에 있어서,
    상기 제1 심층 신경망은 상기 원본 훈련 영상과, 상기 원본 훈련 영상에 대한 제1 복원 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대한 상기 제2 복원 영상들 중 적어도 하나에 기초하여 획득된 손실 정보를 최소화하도록 훈련된 것인, AI 업스케일 장치.
  9. 제8항에 있어서,
    상기 손실 정보는 상기 제1 복원 영상 및 상기 제2 복원 영상들 각각과 상기 원본 훈련 영상 사이의 제1 차이 정보를 포함하는 AI 업스케일 장치.
  10. 제8항에 있어서,
    상기 손실 정보는, 상기 제1 복원 영상과 제2 복원 영상들 사이의 제2 차이 정보를 포함하는 AI 업스케일 장치.
  11. 고해상도 영상을 저해상도 영상으로 다운스케일하는 제1 심층 신경망 또는 저해상도 영상을 고해상도 영상으로 업스케일하는 제2 심층 신경망을 훈련시키는 방법에 있어서,
    원본 훈련 영상에 트랜스레이션을 적용하여, 하나 이상의 트랜스레이션 영상들을 생성하는 단계;
    상기 원본 훈련 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대해 상기 제1 심층 신경망과 연산을 수행함으로써, 상기 원본 훈련 영상과 상기 하나 이상의 트렌스레이션 영상들에 대응하는 복수의 저해상도 영상들을 획득하는 단계;
    상기 복수의 저해상도 영상들 각각과 상기 제2 심층 신경망과의 연산을 수행함으로써, 상기 복수의 저해상도 영상들에 대응하는 복수의 고해상도 영상들을 획득하는 단계;
    상기 복수의 고해상도 영상들 중, 상기 하나 이상의 트랜스레이션 영상들에 대응되는 고해상도 영상들에 대해 리트랜스레이션을 적용하여, 제2 복원 영상들을 획득하는 단계;
    상기 원본 훈련 영상과, 상기 원본 훈련 영상에 대한 제1 복원 영상과, 상기 하나 이상의 트랜스레이션 영상들에 대한 상기 제2 복원 영상들 중 적어도 하나에 기초하여 획득된 손실 정보를 이용하여 상기 제1 심층 신경망의 제1 파라미터들 및 제2 심층 신경망의 제2 파라미터들 중 적어도 하나를 업데이트하는 단계를 포함하는, 훈련 방법.
  12. 제11항에 있어서,
    상기 손실 정보는 상기 제1 복원 영상 및 상기 제2 복원 영상들 각각과 상기 원본 훈련 영상 사이의 제1 차이 정보를 포함하는 훈련 방법.
  13. 제11항에 있어서,
    상기 손실 정보는, 상기 제1 복원 영상 및 상기 제2 복원 영상들 사이의 제2 차이 정보를 포함하는 훈련 방법.
  14. 제11항에 있어서,
    상기 제1 심층 신경망의 제1 파라미터들 및 제2 심층 신경망의 제2 파라미터들 중 적어도 하나를 업데이트하는 단계는,
    상기 손실 정보를 최소화되도록 상기 제1 심층 신경망의 제1 파라미터들 및 제2 심층 신경망의 제2 파라미터들 중 적어도 하나를 업데이트하는 단계를 포함하는, 훈련 방법.
  15. 제11항에 있어서,
    상기 제2 심층 신경망은, 상기 제1 심층 신경망과 연계되어 훈련되고, 상기 제1 심층 신경망에서 획득되는 영상에 기초하여, 훈련된 네트워크인, 훈련 방법.
PCT/KR2021/000346 2020-04-14 2021-01-11 Ai 다운스케일 장치 및 그 동작방법, 및 ai 업스케일 장치 및 그 동작방법 WO2021210761A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP21788636.5A EP4044105A4 (en) 2020-04-14 2021-01-11 AI DOWNSCALE DEVICE AND METHOD OF OPERATION THEREOF, AI DOWNSCALE DEVICE AND METHOD OF OPERATION THEREOF
US17/312,276 US11989852B2 (en) 2020-04-14 2021-01-11 AI downscaling apparatus and operating method thereof, and AI upscaling apparatus and operating method thereof
CN202180028641.6A CN115398468A (zh) 2020-04-14 2021-01-11 Ai缩小装置及其操作方法，以及ai放大装置及其操作方法
US18/638,310 US20240265493A1 (en) 2020-04-14 2024-04-17 Ai downscaling apparatus and operating method thereof, and ai upscaling apparatus and operating method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200045233A KR20210127412A (ko) 2020-04-14 2020-04-14 Ai 다운스케일 장치 및 그 동작방법, 및 ai 업스케일 장치 및 그 동작방법
KR10-2020-0045233 2020-04-14

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US17/312,276 A-371-Of-International US11989852B2 (en) 2020-04-14 2021-01-11 AI downscaling apparatus and operating method thereof, and AI upscaling apparatus and operating method thereof
US18/638,310 Continuation US20240265493A1 (en) 2020-04-14 2024-04-17 Ai downscaling apparatus and operating method thereof, and ai upscaling apparatus and operating method thereof

Publications (1)

Publication Number Publication Date
WO2021210761A1 true WO2021210761A1 (ko) 2021-10-21

Family

ID=78085169

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/000346 WO2021210761A1 (ko) 2020-04-14 2021-01-11 Ai 다운스케일 장치 및 그 동작방법, 및 ai 업스케일 장치 및 그 동작방법

Country Status (5)

Country Link
US (2) US11989852B2 (ko)
EP (1) EP4044105A4 (ko)
KR (1) KR20210127412A (ko)
CN (1) CN115398468A (ko)
WO (1) WO2021210761A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180001428A (ko) * 2016-06-24 2018-01-04 한국과학기술원 Cnn 기반 인루프 필터를 포함하는 부호화 방법과 장치 및 복호화 방법과 장치
US20180249158A1 (en) * 2015-09-03 2018-08-30 Mediatek Inc. Method and apparatus of neural network based processing in video coding
KR20180100976A (ko) * 2017-03-03 2018-09-12 한국전자통신연구원 딥 신경망 기반 블러 영상 학습을 이용한 영상 부호화/복호화 방법 및 장치
KR20190062283A (ko) * 2017-11-28 2019-06-05 한국전자통신연구원 선택적 손실 함수를 이용한 생성적 적대 네트워크의 학습을 위한 방법 및 장치
KR20190130479A (ko) * 2018-04-24 2019-11-22 주식회사 지디에프랩 Ai 기반의 영상 압축 및 복원 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9230303B2 (en) 2013-04-16 2016-01-05 The United States Of America, As Represented By The Secretary Of The Navy Multi-frame super-resolution of image sequence with arbitrary motion patterns
KR101885855B1 (ko) 2017-03-30 2018-08-07 단국대학교 산학협력단 고해상도 추정 기법을 활용한 영상 신호 전송

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180249158A1 (en) * 2015-09-03 2018-08-30 Mediatek Inc. Method and apparatus of neural network based processing in video coding
KR20180001428A (ko) * 2016-06-24 2018-01-04 한국과학기술원 Cnn 기반 인루프 필터를 포함하는 부호화 방법과 장치 및 복호화 방법과 장치
KR20180100976A (ko) * 2017-03-03 2018-09-12 한국전자통신연구원 딥 신경망 기반 블러 영상 학습을 이용한 영상 부호화/복호화 방법 및 장치
KR20190062283A (ko) * 2017-11-28 2019-06-05 한국전자통신연구원 선택적 손실 함수를 이용한 생성적 적대 네트워크의 학습을 위한 방법 및 장치
KR20190130479A (ko) * 2018-04-24 2019-11-22 주식회사 지디에프랩 Ai 기반의 영상 압축 및 복원 시스템

Also Published As

Publication number Publication date
KR20210127412A (ko) 2021-10-22
US20230177638A1 (en) 2023-06-08
US11989852B2 (en) 2024-05-21
EP4044105A1 (en) 2022-08-17
EP4044105A4 (en) 2023-02-01
US20240265493A1 (en) 2024-08-08
CN115398468A (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
WO2020080665A1 (en) Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
WO2020071830A1 (ko) 히스토리 기반 움직임 정보를 이용한 영상 코딩 방법 및 그 장치
WO2020071829A1 (ko) 히스토리 기반 영상 코딩 방법 및 그 장치
WO2015009107A1 (en) Method and apparatus for generating 3k-resolution display image for mobile terminal screen
WO2020184991A1 (ko) Ibc 모드를 이용한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
EP3844962A1 (en) Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
WO2021096057A1 (ko) 비디오 또는 영상 코딩 시스템에서의 엔트리 포인트 관련 정보에 기반한 영상 코딩 방법
WO2020141879A1 (ko) 영상 코딩 시스템에서 서브 블록 기반 시간적 머지 후보를 사용하는 어파인 움직임 예측에 기반한 영상 디코딩 방법 및 장치
WO2021040400A1 (ko) 팔레트 모드 기반 영상 또는 비디오 코딩
WO2020251319A1 (ko) Sbtmvp를 이용한 인터 예측 기반 영상 또는 비디오 코딩
WO2019022537A1 (ko) 인트라 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
WO2021125700A1 (ko) 예측 가중 테이블 기반 영상/비디오 코딩 방법 및 장치
WO2021145728A1 (ko) 인루프 필터링 기반 영상 코딩 장치 및 방법
WO2020009427A1 (ko) 영상 코딩 시스템의 인터 예측에서 템플릿 기반의 후보 리스트 재정렬 방법 및 장치
WO2021040398A1 (ko) 팔레트 이스케이프 코딩 기반 영상 또는 비디오 코딩
WO2020251340A1 (ko) 움직임 벡터 예측 기반 영상/비디오 코딩 방법 및 장치
WO2020076069A1 (ko) Atmvp 후보를 기반으로 영상 코딩을 수행하는 장치
WO2021091214A1 (ko) 크로마 양자화 파라미터 오프셋 관련 정보를 코딩하는 영상 디코딩 방법 및 그 장치
WO2021034161A1 (ko) 인트라 예측 장치 및 방법
WO2021118293A1 (ko) 필터링 기반 영상 코딩 장치 및 방법
WO2021125702A1 (ko) 가중된 예측에 기반한 영상/비디오 코딩 방법 및 장치
WO2019009620A1 (ko) 인트라 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
WO2021210761A1 (ko) Ai 다운스케일 장치 및 그 동작방법, 및 ai 업스케일 장치 및 그 동작방법
WO2021246791A1 (ko) 영상/비디오 코딩 시스템에서 상위 레벨 신택스를 처리하는 방법 및 장치
WO2021145726A1 (ko) 적응적 루프 필터링 기반 영상 코딩 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21788636

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021788636

Country of ref document: EP

Effective date: 20220420

NENP Non-entry into the national phase

Ref country code: DE