WO2022163877A1 - 영상을 처리하는 방법 및 이를 수행하는 전자 장치 - Google Patents

영상을 처리하는 방법 및 이를 수행하는 전자 장치 Download PDF

Info

Publication number
WO2022163877A1
WO2022163877A1 PCT/KR2021/001103 KR2021001103W WO2022163877A1 WO 2022163877 A1 WO2022163877 A1 WO 2022163877A1 KR 2021001103 W KR2021001103 W KR 2021001103W WO 2022163877 A1 WO2022163877 A1 WO 2022163877A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
exposure images
short exposure
information
short
Prior art date
Application number
PCT/KR2021/001103
Other languages
English (en)
French (fr)
Inventor
이재엽
황진영
김동찬
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 PCT/KR2021/001103 priority Critical patent/WO2022163877A1/ko
Publication of WO2022163877A1 publication Critical patent/WO2022163877A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing

Definitions

  • Embodiments disclosed in this document relate to a method of processing an image and an electronic device for performing the same.
  • the camera module may be implemented as a digital camera that converts light into an electrical image signal using an image sensor instead of a traditional film camera and stores it as image data.
  • An object of the present disclosure is to provide a method for an electronic device to process an image and an electronic device for the same. More specifically, an electronic device according to an embodiment of the present disclosure provides an image processing technology for minimizing the reflection of the shaking of the electronic device in a photographed image when capturing an image.
  • An electronic device that processes an image according to an embodiment disclosed in this document acquires a plurality of short exposure images during a preset time period by controlling a camera module included in the electronic device based on camera setting information. and matching at least some of the short exposure images among the plurality of short exposure images based on the shaking information of the electronic device while acquiring the plurality of short exposure images, and synthesizing the matched short exposure images for a preset time A long exposure image corresponding to the section may be acquired.
  • FIG. 1 is a conceptual diagram illustrating a method for an electronic device to acquire a long exposure image according to an exemplary embodiment.
  • FIG. 2 is a flowchart illustrating a method of processing an image by an electronic device according to an exemplary embodiment.
  • FIG. 3 is a diagram for describing a method for an electronic device to determine camera setting information by using a first artificial intelligence model, according to an exemplary embodiment.
  • FIG. 4 is a diagram for explaining a method of obtaining, by an electronic device, a long exposure image using a second artificial intelligence model based on a plurality of short exposure images, according to an embodiment.
  • FIG. 5 is a flowchart illustrating a method for an electronic device to acquire a long exposure image based on some of a plurality of short exposure images, according to an exemplary embodiment.
  • FIG. 6 is a diagram for explaining a method for an electronic device to select at least some of a plurality of short exposure images by using heartbeat information of a user, according to an exemplary embodiment.
  • FIG. 7 is a diagram for explaining a method of matching, by an electronic device, a plurality of short exposure images using user's respiration information, according to an embodiment.
  • FIG. 8 is a diagram for explaining a method of obtaining, by an electronic device, a long exposure image based on a plurality of short exposure images by using a user's respiration information, according to an embodiment.
  • FIG. 9 is a diagram for explaining a method of obtaining, by an electronic device, a long exposure image based on a plurality of short exposure images and shaking information of the electronic device, according to an exemplary embodiment.
  • FIG. 10 is a block diagram of an electronic device according to an exemplary embodiment.
  • FIG. 11 is a block diagram of an electronic device in a network environment, according to various embodiments of the present disclosure.
  • FIG. 12 is a diagram for explaining a method for an electronic device to acquire a long exposure image from a server, according to an exemplary embodiment.
  • FIG. 13 is a flowchart for explaining a method of acquiring a long exposure image by an electronic device and a server according to an exemplary embodiment.
  • a method for an electronic device to process an image includes: acquiring a plurality of short exposure images for a preset time period by controlling a camera module included in the electronic device based on camera setting information ; matching at least some of the short exposure images among the plurality of short exposure images based on shaking information of the electronic device while acquiring the plurality of short exposure images; and synthesizing the matched short-exposure images to obtain a long-exposure image corresponding to a preset time period.
  • an electronic device for processing an image includes: a memory for storing one or more instructions; camera module; and at least one processor executing one or more instructions stored in the memory, wherein the at least one processor controls the camera module based on the camera setting information to perform a plurality of short exposure images for a preset time period. based on the shaking information of the electronic device while acquiring the plurality of short exposure images, matching at least some of the short exposure images among the plurality of short exposure images, and synthesizing the matched short exposure images, A long exposure image corresponding to the set time period may be acquired.
  • a computer program product including a recording medium storing a program for causing an electronic device to perform an image processing method according to an embodiment, by controlling a camera module included in the electronic device based on camera setting information, An operation of acquiring a plurality of short exposure images during a time period, and based on the shaking information of the electronic device while acquiring the plurality of short exposure images, a short exposure image of at least some of the plurality of short exposure images
  • a program for performing an operation of matching the images and an operation of synthesizing the matched short-exposure images to obtain a long-exposure image corresponding to a preset time period may be stored.
  • a "short exposure image” may be an image taken with a shutter speed less than a preset value (eg, 1/S), and a “long exposure image” is a preset value (For example, it may be an image taken with a shutter speed of 1/L or higher).
  • the preset values may be determined by the electronic device or the server based on the photographing environment or the photographing mode.
  • a long shutter speed eg, 1/L or more
  • the time the camera shutter opens becomes longer.
  • the position of the electronic device is not fixed, such as when the user holds the electronic device to photograph an object, the shaking of the electronic device may be reflected in the image, and thus the quality of the image may be deteriorated.
  • An object of the present disclosure is to provide a method of acquiring a long exposure image by synthesizing a plurality of short exposure images in order to improve a shake problem of an electronic device that occurs when a long exposure image is acquired.
  • a method of obtaining a long exposure image by synthesizing a plurality of short exposure images in the present disclosure will be described in detail with reference to FIGS. 1 to 13 .
  • FIG. 1 is a conceptual diagram illustrating a method for an electronic device to acquire a long exposure image according to an exemplary embodiment.
  • the long-exposure image acquisition process 100 of the electronic device may include a plurality of operations, and each operation may be expressed as a block. According to various embodiments, the long exposure image acquisition process of the electronic device is not limited to that illustrated in FIG. 1 .
  • the long-exposure image acquisition process 100 may further include an operation not shown in FIG. 1 , or may omit any one of the operations shown in FIG. 1 .
  • the camera module 110 may include one or more lenses and image sensors, and may receive external light generated or reflected from an object according to the control of the electronic device.
  • the electronic device may acquire an image by controlling the camera module 110 based on camera setting information.
  • the camera setting information may include parameters to be controlled when shooting an image using the camera module, for example, shutter speed, ISO information, number of shots, and the like. However, this is only an example, and the camera setting information is not limited to the above-described example.
  • the shutter speed may mean a time when a shutter of the camera is opened, and the ISO information may be information indicating the sensitivity of the image sensor to light.
  • the electronic device may perform the short-exposure image acquisition operation 120 for a preset time period by controlling the camera module 110 based on the shutter speed 1/2S and the ISO information A.
  • the electronic device may perform the short-exposure image matching operation 130 on the obtained short-exposure images.
  • the short exposure image matching operation 130 may include an operation of selecting at least some of the plurality of short exposure images based on shake information of the electronic device while the plurality of short exposure images are acquired.
  • the shaking information of the electronic device may include at least one of heart rate information of the user, respiration information of the user, and 3D acceleration information of the electronic device.
  • the short exposure image matching operation 130 may include an operation of obtaining a short exposure image for replacing the unselected short exposure image by performing interpolation on the selected short exposure images.
  • the short exposure image matching operation 130 may include an operation of correcting the plurality of short exposure images based on shake information of the electronic device or motion information between the plurality of short exposure images.
  • the short exposure image matching operation 130 may include selecting at least some of the plurality of short exposure images and correcting at least some of the selected short exposure images. Various embodiments of the short exposure image matching operation 130 will be described later in detail with reference to FIGS. 4 to 9 .
  • the electronic device may acquire a long exposure image through the short exposure image synthesis operation 140 .
  • the electronic device according to an embodiment synthesizes the matched short exposure images by acquiring one of an average value, a maximum value, a minimum value, or a mode value for corresponding pixels among pixels constituting the matched short exposure images according to a setting. can do. For example, for a plurality of pixels consisting of N columns and M rows constituting each of the matched single exposure images, the average value, the maximum value, Either the minimum value or the mode can be obtained.
  • a pixel value may be understood as a color value corresponding to each pixel.
  • the pixel value may include color values for a plurality of colors determined according to a used color filter array.
  • the electronic device may obtain a long exposure image by calculating one of an average value, a maximum value, a minimum value, or a mode of pixel values according to a setting for each of the pixels constituting the matched short exposure images.
  • the electronic device may perform the storage operation 150 of the acquired long exposure image.
  • the electronic device acquires a long-exposure image based on a plurality of short-exposure images acquired during a preset time period, thereby effectively solving the problem of image quality deterioration due to shaking of the electronic device. have.
  • FIG. 2 is a flowchart illustrating a method of processing an image by an electronic device according to an exemplary embodiment.
  • the electronic device may acquire a plurality of short exposure images for a preset time period by controlling a camera module included in the electronic device based on the camera setting information.
  • the electronic device may obtain camera setting information as output data by inputting information on a shooting mode and a shooting environment as input data to the first AI model.
  • input data may be understood as data input to at least one AI model
  • output data may be understood as data output from at least one AI model in response to input data.
  • the shooting mode may be determined according to the characteristics of the object the user wants to shoot or the type of image the user wants to acquire. For example, portrait mode, food mode, night mode, slow motion mode, panorama mode, pro mode, etc. It can be included in the shooting mode.
  • Pro mode refers to a mode in which the user can directly set shutter speed, ISO information, etc.
  • the electronic device performs W shots at a shutter speed of 1/2S to generate W short-exposure images.
  • the electronic device may acquire camera setting information based on a previously acquired database.
  • the database may store camera setting information corresponding to a shooting mode or a shooting environment. Accordingly, the electronic device may obtain camera setting information by comparing the current photographing mode and photographing environment with information stored in the database.
  • the electronic device may acquire a plurality of short exposure images based on the acquired camera setting information.
  • the electronic device may match the short exposure images of at least some of the plurality of short exposure images based on shaking information of the electronic device while acquiring the plurality of short exposure images.
  • the electronic device may acquire shaking information of the electronic device.
  • the electronic device may acquire one or more of heartbeat information, user's respiration information, and 3D acceleration information of the electronic device while a plurality of short exposure images are acquired as shaking information.
  • the shake information may be used to select at least a part of a plurality of short exposure images used to obtain a long exposure in the electronic device.
  • the electronic device may select a short-exposure image acquired in a section in which a change in the user's heartbeat or respiration is equal to or less than a predetermined value.
  • the electronic device may select a short exposure image obtained in a section in which the 3D acceleration value of the electronic device is equal to or less than a predetermined value.
  • the electronic device may select at least some of the plurality of short exposure images by using the artificial intelligence model based on the shaking information.
  • a method for the electronic device to select at least some of the plurality of short exposure images by using the shake information will be described later in detail with reference to FIGS. 5 to 9 .
  • the electronic device may correct the short exposure images selected based on the shake information. Also, according to another example, the electronic device may obtain a short exposure image for replacing the unselected short exposure image by performing interpolation on the selected short exposure image.
  • the electronic device may obtain matched short exposure images by inputting a homography matrix between the plurality of short exposure images into the second artificial intelligence model.
  • a homography matrix is when one plane is projected onto another plane.
  • Information indicating a transformation relationship between projected corresponding points and may be used in the present disclosure to indicate a transformation relationship between a short exposure image and another short exposure image. This will be described later with reference to FIG. 4 .
  • the electronic device may obtain a long exposure image corresponding to a preset time period by synthesizing the matched short exposure images.
  • the electronic device may obtain a long exposure image by calculating one of an average value, a maximum value, a minimum value, or a mode of pixel values according to a setting for each of the pixels constituting the matched short exposure images. .
  • the electronic device divides each of the matched short-exposure images into a plurality of regions, calculates one of the average value, the maximum value, the minimum value, or the mode of the aforementioned pixel values according to the characteristics of each region, and calculates the long-exposure image can be obtained.
  • FIG. 3 is a diagram for describing a method for an electronic device to determine camera setting information by using a first artificial intelligence model, according to an exemplary embodiment.
  • the electronic device 300 may acquire camera setting information by inputting information about a photographing environment and a photographing mode into the first artificial intelligence model 350 .
  • the first AI model 350 may include at least one layer, and each layer may include at least one weight.
  • the weight may be set to a preset initial value.
  • the electronic device may train the first artificial intelligence model 350 by changing the value of the weight using input data and target data. For example, the electronic device may configure the at least one camera setting information obtained as a result of inputting information about the shooting environment and shooting mode to the first artificial intelligence model 350 to be similar to the target shutter speed or target ISO information.
  • the value of at least one weight included in the layer may be changed.
  • the electronic device may input information about the amount of light acquired through the illuminance sensor 310 as information about the photographing environment into the first artificial intelligence model 350 . Also, as the electronic device receives a user input for setting the shooting mode to the pro mode, the electronic device may input it into the first artificial intelligence model 350 . In the case of the pro mode, as the user is configured to additionally input information such as exposure time, information on the exposure time set by the user may also be input to the first artificial intelligence model 350 .
  • the electronic device 300 may acquire shutter speed and ISO information as output data of the first artificial intelligence model 350 .
  • output data of the first artificial intelligence model 350 is not limited to the above-described example.
  • the number of times of shooting may be obtained as output data of the first artificial intelligence model 350 .
  • the electronic device 300 may acquire a plurality of short exposure images for an exposure time set by a user.
  • FIG. 4 is a diagram for explaining a method of obtaining, by an electronic device, a long exposure image using a second artificial intelligence model based on a plurality of short exposure images, according to an embodiment.
  • the electronic device may obtain homography matrices between a plurality of short exposure images 410 .
  • the homography matrix may represent a transformation relationship between a plurality of short exposure images.
  • the electronic device uses a homography matrix between the first short exposure image and the second short exposure image. and a homography matrix between the second short exposure image and the third short exposure image can be obtained.
  • the electronic device may obtain the matched short exposure images 430 by inputting the homography matrices of the plurality of short exposure images 410 into the second artificial intelligence model 420 .
  • the weight of each of the at least one layer included in the second artificial intelligence model 420 is a match between short-exposure images obtained as a result of the homography matrices being input to the second artificial intelligence model 420 .
  • the degree may be set to a value obtained as a result of training to become more than a threshold value.
  • the degree of registration may, for example, be calculated based on whether a fixed object (eg, a building) included in the short-exposure images matches, but this is only an example. It is not limited.
  • the electronic device may obtain the long exposure image 440 by synthesizing the matched short exposure images 430 output from the second artificial intelligence model 420 .
  • FIG. 5 is a flowchart illustrating a method for an electronic device to acquire a long exposure image based on some of a plurality of short exposure images, according to an exemplary embodiment.
  • the electronic device may acquire a plurality of short exposure images for a preset time period by controlling a camera module included in the electronic device based on camera setting information. For example, the electronic device may acquire a plurality of short exposure images at a shutter speed of 1/2S for N seconds according to camera setting information.
  • the electronic device may identify shaking information of the electronic device while acquiring a plurality of short exposure images.
  • An electronic device may include one or more sensors.
  • the electronic device may include a biosensor and an acceleration sensor.
  • An example of the biosensor may include a saturation of percutaneous oxygen (SpO2) sensor capable of measuring a heartbeat, but this is only an example, and the example of the biosensor is not limited thereto.
  • the electronic device may identify shaking information of the electronic device based on the biometric information acquired through the biometric sensor.
  • the electronic device may identify a section in which the change in heart rate is large as a section in which the electronic device shakes based on heartbeat information obtained through the SpO2 sensor.
  • the electronic device may identify a section having a large acceleration value as a section in which the electronic device is shaken based on 3D acceleration information obtained through the acceleration sensor.
  • the electronic device may acquire the user's biometric information or acceleration information from an external device.
  • the electronic device is a smart phone
  • acceleration information of the wearable device or biometric information of a user while acquiring a plurality of short exposure images may be acquired from the wearable device, which is an external device.
  • the electronic device may identify a section in which the electronic device is shaken based on information obtained from the wearable device.
  • the electronic device may select at least some short exposure images from among the plurality of short exposure images based on the shaking information of the electronic device.
  • the electronic device may select short exposure images obtained in a section in which the electronic device is not shaken from among a plurality of short exposure images. For example, when the shaking information includes the user's heartbeat information, the electronic device may select short exposure images obtained in a section in which the change in the user's heartbeat is less than a threshold value. According to another example, when the shaking information includes the user's respiration information, the electronic device may select short-exposure images obtained in a section in which the change in the user's respiration is less than a threshold value. According to another example, when the shaking information includes acceleration information of the electronic device, the electronic device may select short-exposure images obtained in a section in which the 3D acceleration value is equal to or less than a threshold value.
  • the electronic device may acquire a long exposure image based on the selected short exposure images.
  • the electronic device may obtain a long exposure image by synthesizing the selected short exposure images.
  • the electronic device may obtain a long exposure image by correcting the selected short exposure image and synthesizing the corrected short exposure images.
  • FIG. 6 is a diagram for explaining a method for an electronic device to select at least some of a plurality of short exposure images by using heartbeat information of a user, according to an exemplary embodiment.
  • the electronic device may acquire heartbeat information of the user while acquiring the plurality of short exposure images 610a to 610l.
  • the electronic device may monitor the heartbeat of the user while a plurality of short exposure images are acquired using an SpO2 sensor provided in the electronic device.
  • the electronic device may receive heart rate information of the user monitored by the wearable device worn by the user.
  • the electronic device may identify sections (hereinafter, selected sections) in which the change in heart rate is less than a threshold value a, based on the user's heartbeat information.
  • the electronic device may select the short exposure images 610b, 610c, 610f, 610g, 610i, and 610j obtained in the selected section from among the plurality of short exposure images 610a to 610l.
  • the electronic device may acquire the long exposure image 620 based on the selected short exposure images 610b, 610c, 610f, 610g, 610i, and 610j.
  • the electronic device provides for each of the pixels constituting the selected short-exposure images 610b, 610c, 610f, 610g, 610i, and 610j, among an average value, a maximum value, a minimum value, or a mode value of pixel values according to a setting. By calculating one, a long exposure image can be obtained.
  • the electronic device may perform correction on the selected short exposure images 610b, 610c, 610f, 610g, 610i, and 610j based on shaking information of the electronic device identified based on the heartbeat information.
  • the electronic device may identify the shaking information of the electronic device by comparing the monitored heartbeat information with a database in which the degree of shaking of the electronic device corresponding to the change in heartbeat is previously stored.
  • the shaking information may be obtained in the form of a vector value indicating a speed and a direction, but this is only an example and the shaking information of the electronic device is not limited to the above-described example.
  • the electronic device may correct the selected short exposure images 610b, 610c, 610f, 610g, 610i, and 610j based on a vector value indicating shake information.
  • the electronic device may acquire the long exposure image 620 by synthesizing the corrected short exposure images.
  • the electronic device may obtain a long exposure image by performing interpolation based on the selected short exposure images 610b, 610c, 610f, 610g, 610i, and 610j. This will be described later in more detail with reference to FIG. 7 .
  • FIG. 7 is a diagram for explaining a method of matching, by an electronic device, a plurality of short exposure images using user's respiration information, according to an embodiment.
  • the electronic device may acquire the user's respiration information while acquiring the plurality of short exposure images 710a to 710l.
  • the electronic device obtains the user's respiration information while the plurality of short exposure images 710a to 710l are acquired using a respiration sensor provided in the user's electronic device or a respiration sensor provided in a wearable device. can be monitored.
  • the electronic device may capture an image of the user's face and acquire the user's respiration information from the captured face image. This will be described in detail with reference to FIG. 8 .
  • the electronic device may identify sections (hereinafter, selected sections) in which the change in heartbeat is less than the threshold value b, based on the user's respiration information.
  • the electronic device may select the short exposure images 710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, and 710l obtained in the selection section from among the plurality of short exposure images 710a to 710l.
  • the electronic device may perform interpolation based on the selected short exposure images 710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, and 710l. For example, the electronic device obtains motion information of an object included in the selected short exposure images 710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, and 710l, and based on this, the selected short exposure images ( By performing interpolation on 710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, and 710l, new short exposure images 720e, 720f, and 720h may be obtained.
  • a motion vector between the seventh short exposure image 710g and the ninth short exposure image 710i among the selected short exposure images 710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, and 710l is Based on , interpolation is performed on the seventh short exposure image 710g and the ninth short exposure image 710i to obtain a new short exposure image 720h.
  • the electronic device synthesizes the selected short-exposure images 710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, and 710l with the new short-exposure images 720e, 720f, and 720h obtained as a result of interpolation to synthesize the long-exposure images.
  • An image 730 may be acquired.
  • FIG. 8 is a diagram for explaining a method of obtaining, by an electronic device, a long exposure image based on a plurality of short exposure images by using a user's respiration information, according to an embodiment.
  • the electronic device may acquire an image by controlling the camera module 810 based on camera setting information.
  • the camera setting information may include parameters to be controlled when shooting an image using the camera module, for example, shutter speed, ISO information, number of shots, and the like. However, this is only an example, and the camera setting information is not limited to the above-described example.
  • the electronic device may perform the short-exposure image acquisition operation 820 for a preset time period by controlling the camera module 810 based on the shutter speed 1/2S and the ISO information A.
  • the electronic device may perform a face image acquisition operation 830 while performing the short exposure image acquisition operation 820 .
  • the electronic device may perform the face image acquisition operation 830 for the user using the front camera.
  • the electronic device may perform the respiration state identification operation 840 based on the user's face image.
  • the electronic device may acquire the user's respiration information as output data by inputting the user's face image into the third artificial intelligence model.
  • the weight of each of the at least one layer included in the third artificial intelligence model is a difference between the respiration information obtained as a result of the user's face image being input to the third artificial intelligence model and the actual user's respiration information. It may be set to a value obtained as a result of training to be more than a threshold value.
  • the electronic device may perform an operation 850 of selecting at least some short exposure images from among a plurality of short exposure images obtained as a result of performing the short exposure image acquisition operation 820 based on the respiration information. For example, the electronic device may select short-exposure images obtained in a section in which the change in the user's respiration is less than the threshold value b.
  • the electronic device may perform a short exposure image correction operation 860 on the selected short exposure images.
  • the electronic device may correct the selected short exposure images based on shake information of the electronic device or motion information between the selected short exposure images. Shaking information may be identified from respiration information, as described above with reference to FIG. 7 .
  • the electronic device sets the vector v2' in the direction in which the values of pixels included in the first short exposure image cancel the vector v2. By moving according to , it is possible to obtain a corrected first short exposure image.
  • this is only an example, and the method of correcting the selected short exposure image is not limited to the above-described example.
  • the electronic device may perform a short exposure image synthesis operation 870 on the corrected short exposure images.
  • the electronic device may acquire a long exposure image by performing the short exposure image synthesis operation 870 .
  • the electronic device may obtain a long exposure image by calculating one of an average value, a maximum value, a minimum value, or a mode of pixel values according to a setting for each of the pixels constituting the corrected short exposure images.
  • the electronic device may perform a storage operation 880 of the acquired long exposure image.
  • FIG. 9 is a diagram for explaining a method of obtaining, by an electronic device, a long exposure image based on a plurality of short exposure images and shaking information of the electronic device, according to an exemplary embodiment.
  • the electronic device inputs a plurality of short-exposure images 910 and shaking information (eg, 920 and 930 ) of the electronic device while acquiring them into the fourth artificial intelligence model 940 .
  • a long exposure image 950 may be acquired.
  • the shaking information may be at least one of heart rate information of a user, breathing information of a user 920, and acceleration information 930 of an electronic device while a plurality of short exposure images 910 are acquired, but this is only an example. , the shake information is not limited to the above-described example.
  • the fourth artificial intelligence model 940 may include at least one layer, and each layer may include at least one weight.
  • the electronic device generates a long exposure image obtained as a result of inputting a plurality of short exposure images and shaking information to the fourth artificial intelligence model 940 and a field generated as a result of synthesizing the selected short exposure images.
  • the value of the at least one weight included in the at least one layer may be determined such that a difference in pixel values between the exposed images is less than a threshold value.
  • the breathing information 920 and the acceleration information 930 are input to the fourth artificial intelligence model 940 as shaking information, but this is only an example, and the fourth artificial intelligence model ( Respiratory information 920 or acceleration information 930 may be input to 940 , and according to another example, other types of shaking information such as respiration information 920 and acceleration information 930 as well as heart rate information are input. it might be
  • FIG. 10 is a block diagram of an electronic device according to an exemplary embodiment.
  • the electronic device 1000 may include a camera module 1010 , a memory 1020 , a processor 1030 , and a display module 1040 .
  • a camera module 1010 may include a camera module 1010 , a memory 1020 , a processor 1030 , and a display module 1040 .
  • not all illustrated components are essential components.
  • the electronic device 1000 may be implemented by more components than the illustrated components, or the electronic device 1000 may be implemented by fewer components.
  • the camera module 1010 may include one or more lenses and image sensors, and may receive external light generated or reflected from an object under the control of the electronic device 1000 .
  • the camera module 1010 according to an embodiment may acquire a plurality of short exposure images under the control of the processor 1030 based on camera setting information.
  • the memory 1020 may store a program for causing the electronic device 1000 to perform the method of acquiring a long exposure image according to the present disclosure. Also, the memory 1020 may store a plurality of short exposure images. The memory 1020 may store at least one of the aforementioned artificial intelligence models.
  • the processor 1030 may generally control the overall operation of the electronic device 1000 .
  • the processor 1030 may acquire a long exposure image based on a plurality of short exposure images by executing programs stored in the memory 1020 .
  • the processor 1030 may acquire a plurality of short exposure images during a preset time period by controlling the camera module 1010 based on camera setting information.
  • the processor 1030 may match the short exposure images of at least some of the plurality of short exposure images based on shaking information of the electronic device while acquiring the plurality of short exposure images.
  • the processor 1030 may obtain a long exposure image corresponding to a preset time period by synthesizing the matched short exposure images.
  • the processor 1030 may acquire camera setting information by inputting information about a shooting mode and a shooting environment to the first AI model.
  • the first artificial intelligence model may correspond to the first artificial intelligence model described above with reference to FIG. 3 .
  • the processor 1030 may obtain matched short exposure images by inputting a homography matrix between at least some of the short exposure images among the plurality of short exposure images to the second artificial intelligence model.
  • the second artificial intelligence model may correspond to the second artificial intelligence model described above with reference to FIG. 4 .
  • the processor 1030 may acquire the monitored user's heartbeat information while a plurality of short-exposure images are acquired. The processor 1030 may select at least some of the short exposure images from among the plurality of short exposure images based on the monitored heartbeat information of the user.
  • the processor 1030 may acquire a user's face image while a plurality of short exposure images are acquired.
  • the processor 1030 may select at least some of the short exposure images from among the plurality of short exposure images based on the user's respiration information obtained by inputting the user's face image into the third artificial intelligence model.
  • the processor 1030 may acquire 3D acceleration information of the electronic device by using an acceleration sensor.
  • the processor 1030 may select at least some short exposure images from among the plurality of short exposure images based on 3D acceleration information of the electronic device.
  • the processor 1030 may match at least some of the short exposure images by inputting shaking information of the electronic device while acquiring the plurality of short exposure images to the fourth artificial intelligence model.
  • the processor 1030 selects some short-exposure images from among a plurality of short-exposure images based on the shaking information of the electronic device 1000 , and thus provides motion information of an object included in the selected short-exposure images. can be obtained.
  • the processor 1030 may perform interpolation between selected short-exposure images based on the motion information of the object.
  • the processor 1030 may obtain a long exposure image by synthesizing the short exposure image obtained as a result of interpolation and the selected short exposure images.
  • the processor 1030 may obtain a pixel value of the long exposure image based on one of an average value, a maximum value, a minimum value, or a mode value of pixels included in each of the matched short exposure images.
  • the display module 1040 may display preview images of a plurality of short exposure images generated based on the light detected through the camera module 1010 . Also, the display module 1040 may display the long exposure image obtained under the control of the processor 1030 .
  • FIG. 11 is a block diagram of an electronic device in a network environment, according to various embodiments of the present disclosure.
  • the electronic device 1101 communicates with the electronic device 1102 through a first network 1198 (eg, a short-range wireless communication network) or a second network 1199 . It may communicate with at least one of the electronic device 1104 and the server 1108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 1101 may communicate with the electronic device 1104 through the server 1108 .
  • a first network 1198 eg, a short-range wireless communication network
  • a second network 1199 e.g., a second network 1199
  • the electronic device 1101 may communicate with the electronic device 1104 through the server 1108 .
  • the electronic device 1101 includes a processor 1120 , a memory 1130 , an input module 1150 , a sound output module 1155 , a display module 1160 , an audio module 1170 , and a sensor module ( 1176), interface 1177, connection terminal 1178, haptic module 1179, camera module 1180, power management module 1188, battery 1189, communication module 1190, subscriber identification module 1196 , or an antenna module 1197 may be included.
  • at least one of these components eg, the connection terminal 1178
  • some of these components are integrated into one component (eg, display module 1160 ). can be
  • the processor 1120 for example, executes software (eg, a program 1140) to execute at least one other component (eg, a hardware or software component) of the electronic device 1101 connected to the processor 1120. It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 1120 converts commands or data received from other components (eg, the sensor module 1176 or the communication module 1190 ) to the volatile memory 1132 . may be stored in , process commands or data stored in the volatile memory 1132 , and store the result data in the non-volatile memory 1134 .
  • software eg, a program 1140
  • the processor 1120 converts commands or data received from other components (eg, the sensor module 1176 or the communication module 1190 ) to the volatile memory 1132 .
  • the volatile memory 1132 may be stored in , process commands or data stored in the volatile memory 1132 , and store the result data in the non-volatile memory 1134 .
  • the processor 1120 is a main processor 1121 (eg, a central processing unit or an application processor) or a secondary processor 1123 (eg, a graphics processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 1121 e.g, a central processing unit or an application processor
  • a secondary processor 1123 e.g, a graphics processing unit, a neural network processing unit
  • a neural processing unit e.g., a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the main processor 1121 e.g, a central processing unit or an application processor
  • a secondary processor 1123 eg, a graphics processing unit, a neural network processing unit
  • NPU neural processing unit
  • image signal processor e.g., a sensor hub processor, or a communication processor
  • the electronic device 1101 includes a main processor 1121 and a sub-
  • the coprocessor 1123 may be, for example, on behalf of the main processor 1121 while the main processor 1121 is in an inactive (eg, sleep) state, or the main processor 1121 is active (eg, executing an application). ), together with the main processor 1121, at least one of the components of the electronic device 1101 (eg, the display module 1160, the sensor module 1176, or the communication module 1190) It is possible to control at least some of the related functions or states.
  • the coprocessor 1123 eg, an image signal processor or a communication processor
  • may be implemented as part of another functionally related component eg, the camera module 1180 or the communication module 1190). have.
  • the auxiliary processor 1123 may include a hardware structure specialized for processing an artificial intelligence model.
  • Artificial intelligence models can be created through machine learning. Such learning may be performed, for example, in the electronic device 1101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 1108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example.
  • the artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.
  • the memory 1130 may store various data used by at least one component (eg, the processor 1120 or the sensor module 1176 ) of the electronic device 1101 .
  • the data may include, for example, input data or output data for software (eg, the program 1140 ) and instructions related thereto.
  • the memory 1130 may include a volatile memory 1132 or a non-volatile memory 1134 .
  • the program 1140 may be stored as software in the memory 1130 , and may include, for example, an operating system 1142 , middleware 1144 , or an application 1146 .
  • the input module 1150 may receive a command or data to be used in a component (eg, the processor 1120 ) of the electronic device 1101 from the outside (eg, a user) of the electronic device 1101 .
  • the input module 1150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 1155 may output a sound signal to the outside of the electronic device 1101 .
  • the sound output module 1155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from or as part of the speaker.
  • the display module 1160 may visually provide information to the outside (eg, a user) of the electronic device 1101 .
  • the display module 1160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the corresponding device.
  • the display module 1160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 1170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 1170 acquires a sound through the input module 1150 or an external electronic device (eg, a sound output module 1155 ) directly or wirelessly connected to the electronic device 1101 .
  • the electronic device 1102) eg, a speaker or headphones
  • the sensor module 1176 detects an operating state (eg, power or temperature) of the electronic device 1101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 1176 may include, for example, a gesture sensor, a gyro sensor, a barometric sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 1177 may support one or more specified protocols that may be used for the electronic device 1101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 1102).
  • the interface 1177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card
  • connection terminal 1178 may include a connector through which the electronic device 1101 can be physically connected to an external electronic device (eg, the electronic device 1102 ).
  • the connection terminal 1178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 1179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 1179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 1180 may capture still images and moving images. According to an embodiment, the camera module 1180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 1188 may manage power supplied to the electronic device 1101 .
  • the power management module 1188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 1189 may supply power to at least one component of the electronic device 1101 .
  • battery 1189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 1190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 1101 and an external electronic device (eg, the electronic device 1102, the electronic device 1104, or the server 1108). It can support establishment and communication performance through the established communication channel.
  • the communication module 1190 operates independently of the processor 1120 (eg, an application processor) and may include one or more communication processors that support direct (eg, wired) communication or wireless communication.
  • the communication module 1190 is a wireless communication module 1192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 1194 (eg, : It may include a local area network (LAN) communication module, or a power line communication module).
  • a corresponding communication module among these communication modules is a first network 1198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 1199 (eg, legacy).
  • a first network 1198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 1199 eg, legacy
  • the wireless communication module 1192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 1196 within a communication network such as the first network 1198 or the second network 1199 .
  • the electronic device 1101 may be identified or authenticated.
  • the wireless communication module 1192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR).
  • NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency
  • the wireless communication module 1192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • a high frequency band eg, mmWave band
  • the wireless communication module 1192 uses various technologies for securing performance in a high frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna.
  • the wireless communication module 1192 may support various requirements specified in the electronic device 1101 , an external electronic device (eg, the electronic device 1104 ), or a network system (eg, the second network 1199 ).
  • the wireless communication module 1192 provides a peak data rate (eg, 20 Gbps or more) for realization of eMBB, loss coverage for realization of mMTC (eg, 164 dB or less), or U-plane latency (for URLLC realization) ( Example: Downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less) can be supported.
  • a peak data rate eg, 20 Gbps or more
  • mMTC eg, 164 dB or less
  • U-plane latency for URLLC realization
  • the antenna module 1197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module 1197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 1197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 1198 or the second network 1199 is connected from the plurality of antennas by, for example, the communication module 1190 . can be selected. A signal or power may be transmitted or received between the communication module 1190 and an external electronic device through the selected at least one antenna.
  • the antenna module 1197 may form a mmWave antenna module.
  • the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, bottom side) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 1101 and the external electronic device 1104 through the server 1108 connected to the second network 1199 .
  • Each of the external electronic devices 1102 or 1104 may be the same or a different type of the electronic device 1101 .
  • all or a part of operations executed by the electronic device 1101 may be executed by one or more external electronic devices among the external electronic devices 1102 , 1104 , or 1108 .
  • the electronic device 1101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 1101 .
  • the electronic device 1101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 1101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 1104 may include an Internet of things (IoT) device.
  • IoT Internet of things
  • Server 1108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 1104 or the server 1108 may be included in the second network 1199 .
  • the electronic device 1101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • FIG. 12 is a diagram for explaining a method for an electronic device to acquire a long exposure image from a server, according to an exemplary embodiment.
  • the electronic device 1210 acquires a long exposure image 40 from a plurality of short exposure images 20 using at least one artificial intelligence model 1230 stored in the server 1220 . can
  • the electronic device 1210 may acquire a plurality of short exposure images 20 by controlling the camera module based on camera setting information.
  • the camera setting information may be obtained in the electronic device 1210 using the above-described first artificial intelligence model.
  • the camera setting information may be received from the server 1220 in response thereto. In this case, the camera setting information may be determined by the server 1220 based on information about the shooting environment and the shooting mode.
  • the electronic device 1210 may transmit the obtained plurality of short exposure images 20 to the server 1220 .
  • the server 1220 may match the plurality of obtained short exposure images 20 .
  • the server 1220 may include an operation of selecting at least some of the plurality of short exposure images based on shaking information of the electronic device while the plurality of short exposure images are acquired. In this case, the shake information may be received from the electronic device 1210 together with the plurality of short exposure images 20 .
  • the server 1220 may obtain a short exposure image for replacing the unselected short exposure image by performing interpolation on the selected short exposure images.
  • the server 1220 may correct the plurality of short exposure images based on shaking information of the electronic device or motion information between the plurality of short exposure images.
  • the server 1220 may select at least some of the plurality of short exposure images and perform an operation of correcting at least some of the selected images.
  • the operation of the server 1220 joining the plurality of short exposure images may correspond to the operation of the electronic device matching the plurality of short exposure images as described above with reference to FIGS. 4 to 9 .
  • the server 1220 may obtain the long exposure image 40 by synthesizing the matched short exposure images.
  • the server 1220 may transmit the acquired long exposure image 40 to the electronic device 1210 .
  • the server 1220 may be a computing device that provides a service to the electronic device 1210 , for example, a PC, a laptop, a mobile phone, a micro server, a global positioning system (GPS) device, a home appliance, and other mobile devices. or a non-mobile computing device.
  • the present invention is not limited thereto, and the server 1220 may include any type of device having a communication function and a data processing function.
  • the electronic device 1210 and the server 1220 may be communicatively connected through a network.
  • the network includes a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, a satellite communication network, and their mutual It may include a combination, it is a data communication network in a comprehensive sense that enables the electronic device 1210 and the server 1220 to communicate smoothly with each other, and may include a wired Internet, a wireless Internet, and a mobile wireless communication network.
  • FIG. 13 is a flowchart for explaining a method of acquiring a long exposure image by an electronic device and a server according to an exemplary embodiment.
  • the electronic device may acquire camera setting information.
  • the electronic device may obtain camera setting information as output data by inputting information on a shooting mode and a shooting environment as input data to the first AI model.
  • the electronic device may acquire camera setting information based on a previously acquired database.
  • the database may store camera setting information corresponding to a shooting mode or a shooting environment. Accordingly, the electronic device may obtain camera setting information by comparing the current photographing mode and photographing environment with information stored in the database.
  • the electronic device may start monitoring the user's respiration information or heart rate information.
  • the electronic device may start monitoring the user's respiration information or heart rate information to acquire shaking information of the electronic device before acquiring a plurality of short exposure images based on the camera setting information.
  • the information that is the basis for identifying the shaking information of the electronic device is not limited to the user's respiration information or heart rate information.
  • the electronic device may monitor 3D acceleration information of the electronic device.
  • the electronic device may acquire a plurality of short exposure images based on camera setting information.
  • the electronic device may transmit a plurality of short exposure images and monitoring information to the server.
  • the monitoring information may include at least one of respiration information and heart rate information obtained in step S1320.
  • the server may store at least one artificial intelligence model capable of outputting a long exposure image based on a plurality of short exposure images and respiration information or heart rate information.
  • the server may match at least some of the short exposure images among the plurality of short exposure images.
  • An operation in which the server matches at least some of the short-exposure images among the plurality of short-exposure images may correspond to that described above with reference to FIG. 12 .
  • the server may obtain a long exposure image by synthesizing the matched short exposure images.
  • the server may obtain a long exposure image by calculating one of an average value, a maximum value, a minimum value, or a mode of pixel values according to a setting for each of the pixels constituting the matched short exposure images.
  • the server may transmit the long exposure image to the electronic device.
  • the electronic device may store the long exposure image.
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first, second, or first or second may simply be used to distinguish an element from other elements in question, and may refer elements to other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document include one or more instructions stored in a storage medium (eg, internal memory 1136 or external memory 1138) readable by a machine (eg, electronic device 1101). may be implemented as software (eg, the program 1140) including
  • a processor eg, processor 1120
  • a device eg, electronic device 1101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be provided in a computer program product (computer program product).
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a device-readable storage medium (eg compact disc read only memory (CD-ROM)), or through an application store (eg Play StoreTM) or on two user devices (eg, It can be distributed (eg downloaded or uploaded) directly, online between smartphones (eg: smartphones).
  • a part of the computer program product may be temporarily stored or temporarily created in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
  • each component eg, a module or a program of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have.
  • one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg, a module or a program
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component are executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. , or one or more other operations may be added.
  • the processor may consist of one or a plurality of processors.
  • the one or more processors may be a general-purpose processor such as a CPU, an AP, a digital signal processor (DSP), or the like, a graphics-only processor such as a GPU, a VPU (Vision Processing Unit), or an artificial intelligence-only processor such as an NPU.
  • DSP digital signal processor
  • One or a plurality of processors control to process input data according to a predefined operation rule or artificial intelligence model stored in the memory.
  • the AI-only processor may be designed with a hardware structure specialized for processing a specific AI model.
  • the predefined action rule or artificial intelligence model is characterized in that it is created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means burden.
  • Such learning may be performed in the device itself on which artificial intelligence according to the present disclosure is performed, or may be performed through a separate server and/or system.
  • Examples of the learning algorithm include, but are not limited to, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning.
  • the artificial intelligence model may be composed of a plurality of neural network layers.
  • Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between an operation result of a previous layer and a plurality of weight values.
  • the plurality of weights of the plurality of neural network layers may be optimized by the learning result of the artificial intelligence model. For example, a plurality of weights may be updated so that a loss value or a cost value obtained from the artificial intelligence model during the learning process is reduced or minimized.
  • the artificial neural network may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Restricted Boltzmann Machine (RBM), There may be a Deep Belief Network (DBN), a Bidirectional Recurrent Deep Neural Network (BRDNN), or a Deep Q-Networks, but is not limited thereto.
  • DNN Deep Neural Network
  • DNN Deep Belief Network
  • BBDNN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • AI models can be created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means burden.
  • the artificial intelligence model may be composed of a plurality of neural network layers. Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between an operation result of a previous layer and a plurality of weights.
  • Inference prediction is a technology for logically reasoning and predicting information by judging information.
  • Knowledge based reasoning, optimization prediction, preference-based planning, recommendation, etc. include

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)

Abstract

본 문서에 개시되는 일 실시예에 따라 영상을 처리하는 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고, 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며, 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득할 수 있다.

Description

영상을 처리하는 방법 및 이를 수행하는 전자 장치
본 문서에서 개시되는 실시예들은 영상을 처리하는 방법 및 이를 수행하는 전자 장치에 관한 것이다.
IT(information technology)의 발달에 따라, 스마트폰(smartphone), 태블릿 PC(tablet personal computer) 등 다양한 유형의 전자 장치들이 광범위하게 보급되고 있다. 또한, 상기 전자 장치들에는 하나 이상의 카메라 모듈이 포함될 수 있다. 카메라 모듈은 전통적인 필름 카메라가 아닌 이미지 센서를 이용하여 빛을 전기적 영상 신호로 변환하고, 이를 이미지 데이터로서 저장할 수 있는 디지털 카메라로서 구현될 수 있다.
한편, 전자 장치에 포함된 카메라 모듈을 이용하여 영상을 촬영하는 경우, 전자 장치의 흔들림이 촬영된 영상에 반영될 수 있어, 영상의 품질이 저하될 수 있다. 기존에는 전자 장치의 흔들림을 방지하기 위해, 삼각대를 이용하여 전자 장치를 고정하고 영상을 촬영하는 방식이 사용되었으나, 이는 영상 촬영을 위해 삼각대를 전자 장치와 함께 휴대하고 다녀야 된다는 점에서 사용자에게 불편을 줄 수 있다.
본 개시에서는 전자 장치가 영상을 처리하는 방법 및 이를 위한 전자 장치를 제공하고자 한다. 보다 구체적으로, 본 개시의 일 실시예에 따른 전자 장치는 영상 촬영 시, 전자 장치의 흔들림이 촬영된 영상에 반영되는 것을 최소화하기 위한 영상 처리 기술을 제공하고자 한다.
본 문서에 개시되는 일 실시예에 따라 영상을 처리하는 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고, 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며, 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득할 수 있다.
본 문서에서 개시되는 실시 예들에 따르면, 복수의 단노출 영상들을 합성하여 장노출 영상을 획득함으로써, 영상을 촬영하는 동안 전자 장치의 흔들림으로 인해 영상의 품질이 저하되는 것을 최소화할 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시예에 따른 전자 장치가 장노출 영상을 획득하는 방법을 설명하기 위한 개념도이다.
도 2는 일 실시예에 따른 전자 장치가 영상을 처리하는 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 전자 장치가 제 1 인공지능 모델을 이용하여 카메라 설정 정보를 결정하는 방법을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들을 기초로 제 2 인공지능 모델을 이용하여 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 전자 장치가 복수의 단노출 영상 중 일부를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.
도 6은 일 실시예에 따른 전자 장치가 사용자의 심장 박동 정보를 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 정합하는 방법을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들 및 전자 장치의 흔들림 정보를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 전자 장치의 블록도이다.
도 11은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 12는 일 실시예에 따른 전자 장치가 서버로부터 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 전자 장치 및 서버가 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.
일 실시예에 따라 전자 장치가 영상을 처리하는 방법은, 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 단계; 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 단계; 및 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득하는 단계를 포함할 수 있다.
일 실시예에 따라 영상을 처리하는 전자 장치는, 하나 이상의 인스트럭션들을 저장하는 메모리; 카메라 모듈; 및 메모리에 저장된 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는, 카메라 설정 정보를 기초로 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고, 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며, 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득할 수 있다.
일 실시예에 따른 전자 장치가 영상을 처리하는 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품은, 카메라 설정 정보를 기초로 상기 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 동작, 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 동작 및 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득하는 동작을 수행하도록 하는 프로그램이 저장될 수 있다.
발명에 대한 구체적인 설명에 앞서, 이하 본 개시에서 사용되는 용어는 다음과 같이 정의되거나 이해될 수 있다.
본 개시에서 "단노출(short exposure) 영상"은 기 설정된 값(예를 들어, 1/S) 미만의 셔터스피드로 촬영된 영상일 수 있으며, "장노출(long exposure) 영상"은 기 설정된 값(예를 들어, 1/L) 이상의 셔터스피드로 촬영된 영상일 수 있다. 여기에서, 기 설정된 값들은 촬영 환경 또는 촬영 모드에 기초하여 전자 장치 또는 서버에서 결정될 수 있다.
전자 장치에서 장노출 영상의 획득을 위해, 셔터스피드를 길게 설정(예를 들어, 1/L 이상)하는 경우, 카메라의 셔터가 열리는 시간이 길어지게 된다. 이 때, 사용자가 전자 장치를 들고 객체를 촬영하는 등 전자 장치의 위치가 고정적이지 않은 경우, 전자 장치의 흔들림이 영상에 반영될 수 있어 영상의 품질이 저하될 수 있다.
본 개시에서는, 장노출 영상의 획득 시 발생하는 전자 장치의 흔들림 문제를 개선하기 위해, 복수의 단노출 영상을 합성하여 장노출 영상을 획득하는 방법을 제공하고자 한다. 이하에서는, 도 1 내지 도 13을 참조하여, 본 개시에서 복수의 단노출 영상을 합성하여 장노출 영상을 획득하는 방법에 대해 구체적으로 설명하도록 한다.
도 1은 일 실시예에 따른 전자 장치가 장노출 영상을 획득하는 방법을 설명하기 위한 개념도이다.
전자 장치의 장노출 영상 획득 과정(100)은 복수의 동작들을 포함할 수 있고, 각각의 동작은 블록으로 표현될 수 있다. 다양한 실시 예에 따르면, 전자 장치의 장노출 영상 획득 과정은 도 1에 도시된 바에 한정되지 않는다. 예를 들면, 장노출 영상 획득 과정(100)은 도 1에 도시되지 않은 동작을 더 포함할 수도 있고, 도 1에 도시된 동작들 중 어느 하나를 생략할 수도 있다.
카메라 모듈(110)은 하나 이상의 렌즈들, 이미지 센서들을 포함할 수 있으며, 전자 장치의 제어에 따라 객체로부터 생성되거나 반사된 외부의 광을 받아들일 수 있다. 일 실시예에 따른 전자 장치는 카메라 설정 정보를 기초로 카메라 모듈(110)을 제어함으로써, 영상을 획득할 수 있다. 카메라 설정 정보에는 카메라 모듈을 이용한 영상 촬영 시 제어 대상이 되는 파라미터들이 포함될 수 있으며, 예를 들어, 셔터스피드, ISO 정보, 촬영 횟수 등이 포함될 수 있다. 다만, 이는 일 예일 뿐, 카메라 설정 정보가 전술한 예에 한정되는 것은 아니다. 셔터스피드는 카메라의 셔터가 열리는 시간을 의미할 수 있고, ISO 정보는 빛에 대한 이미지 센서의 감도를 나타내는 정보일 수 있다. 예를 들어, 전자 장치는 셔터스피드 1/2S 및 ISO 정보 A를 기초로 카메라 모듈(110)을 제어함으로써, 기 설정된 시간 구간 동안 단노출 영상 획득 동작(120)을 수행할 수 있다.
전자 장치는 단노출 영상 획득 동작(120)의 수행 결과 복수의 단노출 영상들이 획득되면, 획득된 복수의 단노출 영상들에 대해 단노출 영상 정합 동작 (130)을 수행할 수 있다. 단노출 영상 정합 동작(130)은 복수의 단노출 영상들이 획득되는 동안 전자 장치의 흔들림 정보를 기초로 복수의 단노출 영상들 중 적어도 일부를 선택하는 동작을 포함할 수 있다. 전자 장치의 흔들림 정보는 사용자의 심장 박동 정보, 사용자의 호흡 정보 또는 전자 장치의 3차원 가속도 정보 중 적어도 하나를 포함할 수 있다. 다른 예에 따라, 단노출 영상 정합 동작(130)은 선택된 단노출 영상들에 대해 보간을 수행하여 선택되지 않은 단노출 영상을 대체하기 위한 단노출 영상을 획득하는 동작을 포함할 수 있다. 또 다른 예에 따라 단노출 영상 정합 동작(130)은 전자 장치의 흔들림 정보 또는 복수의 단노출 영상들 간의 움직임 정보를 기초로 복수의 단노출 영상들을 보정하는 동작을 포함할 수 있다. 또 다른 예에 따라, 단노출 영상 정합 동작(130)은 복수의 단노출 영상들 중 적어도 일부를 선택하고, 선택된 적어도 일부 영상들을 보정하는 동작을 포함할 수 있다. 단노출 영상 정합 동작(130)의 다양한 실시예들에 대해서는 도 4 내지 도 9를 참조하여 구체적으로 후술하도록 한다.
전자 장치는 단노출 영상 합성 동작(140)을 통해, 장노출 영상을 획득할 수 있다. 일 실시예에 따른 전자 장치는 설정에 따라, 정합된 단노출 영상들을 구성하는 픽셀들 중 대응되는 픽셀들에 대한 평균값, 최대값, 최소값 또는 최빈값 중 하나를 획득함으로써, 정합된 단노출 영상들을 합성할 수 있다. 예를 들어, 정합된 단노출 영상들 각각을 구성하는 N개의 열과 M개의 행으로 이루어진 복수의 픽셀들에 대하여, (n, m) 위치의 픽셀들의 픽셀값(pixel value)의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 획득할 수 있다. 픽셀값은 각각의 픽셀에 대응하는 색상 값으로 이해될 수 있다. 픽셀값은 사용된 컬러 필터 어레이에 따라 결정되는 복수의 색상들에 대한 색상 값들을 포함할 수도 있다.
전자 장치는 정합된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다. 전자 장치는 획득된 장노출 영상의 저장 동작(150)을 수행할 수 있다.
본 개시에 따른 전자 장치는 전술한 바와 같이 기 설정된 시간 구간 동안 획득된 복수의 단노출 영상들을 기초로 장노출 영상을 획득함으로써, 전자 장치의 흔들림으로 인해 영상의 품질이 저하되는 문제를 효과적으로 해결할 수 있다.
도 2는 일 실시예에 따른 전자 장치가 영상을 처리하는 방법을 설명하기 위한 흐름도이다.
단계 S210에서, 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출 영상들을 획득할 수 있다.
일 실시예에 따른 전자 장치는 입력 데이터(input data)로 촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 카메라 설정 정보를 출력 데이터(output data)로 획득할 수 있다. 본 개시에서 입력 데이터는 적어도 하나의 인공지능 모델에 입력되는 데이터로 이해될 수 있으며, 출력 데이터는 입력 데이터에 대응하여 적어도 하나의 인공지능 모델에서 출력되는 데이터로 이해될 수 있다. 촬영 모드는 사용자가 촬영하고자 하는 객체의 특성 또는 사용자가 획득하고자 하는 영상의 타입에 따라 결정될 수 있으며, 예를 들어, 인물 모드, 음식 모드, 야간 모드, 슬로우 모션 모드, 파노라마 모드, 프로 모드 등이 촬영 모드에 포함될 수 있다. 프로 모드는 사용자가 직접 셔터스피드, ISO 정보 등을 설정할 수 있는 모드를 의미한다.
예를 들어, 전자 장치는 제 1 인공지능 모델로부터 출력된 셔터스피드 값이 1/2S, 촬영 횟수가 W회인 경우, 1/2S의 셔터스피드로 W회 촬영을 수행하여, W개의 단노출 영상들을 획득할 수 있다.
다른 예에 따라, 제 1 인공지능 모델의 입력데이터로 사용자가 셔터스피드를 길게 설정한 경우에도, 전자 장치의 흔들림 또는 주변 광량이 고려되어, 제 1 인공지능 모델로부터 짧은 셔터스피드 값이 출력데이터로 획득될 수도 있다.
전자 장치는 다른 실시예에 따라, 기 획득된 데이터베이스를 기초로 카메라 설정 정보를 획득할 수 있다. 데이터베이스에는 촬영 모드 또는 촬영 환경에 대응되는 카메라 설정 정보가 저장될 수 있다. 이에 따라, 전자 장치는 현재의 촬영 모드 및 촬영 환경과 데이터베이스에 저장된 정보를 비교하여, 카메라 설정 정보를 획득할 수도 있다. 전자 장치는 획득된 카메라 설정 정보를 기초로 복수의 단노출 영상들을 획득할 수 있다.
단계 S220에서, 전자 장치는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합할 수 있다.
일 실시예에 따른 전자 장치는 전자 장치의 흔들림 정보를 획득할 수 있다. 예를 들어, 전자 장치는 복수의 단노출 영상들이 획득되는 동안의 사용자의 심장 박동 정보, 사용자의 호흡 정보 또는 전자 장치의 3차원 가속도 정보 중 하나 이상을 흔들림 정보로 획득할 수 있다. 흔들림 정보는, 전자 장치에서 장노출 획득을 위해 이용되는 복수의 단노출 영상들 중 적어도 일부를 선택하는데 이용될 수 있다. 예를 들어, 전자 장치는 사용자의 심장 박동 또는 호흡의 변화가 일정 값 이하인 구간에 획득된 단노출 영상을 선택할 수 있다. 다른 예에 따라, 전자 장치는 전자 장치의 3차원 가속도 값이 일정 값 이하인 구간에 획득된 단노출 영상을 선택할 수 있다. 또 다른 예에 따라, 전자 장치는 흔들림 정보를 기초로 인공지능 모델을 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택할 수도 있다. 전자 장치가 흔들림 정보를 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택하는 방법에 대해서는, 도 5 내지 도 9를 참조하여 구체적으로 후술하도록 한다.
전자 장치는 흔들림 정보를 기초로 선택된 단노출 영상들을 보정할 수 있다. 또한, 다른 예에 따라, 전자 장치는 선택된 단노출 영상에 보간을 수행하여, 선택되지 않은 단노출 영상을 대체하기 위한 단노출 영상을 획득할 수도 있다.
다만, 이는 일 예일 뿐, 전자 장치는 복수의 단노출 영상들 간의 호모그래피(homography) 행렬을 제 2 인공지능 모델에 입력함으로써, 정합된 단노출 영상들을 획득할 수 있다. 호모그래피 행렬은 한 평면을 다른 평면에 투영(Projection) 시켰을 때. 투영된 대응점들 간의 변환 관계를 나타내는 정보로, 본 개시에서는 단노출 영상과 다른 단노출 영상 간의 변환 관계를 나타내는데 이용될 수 있다. 이에 대해서는, 도 4를 참조하여 후술하도록 한다.
단계 S230에서, 전자 장치는 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득할 수 있다.
일 실시예에 따른 전자 장치는 정합된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다. 다른 실시예에 따라 전자 장치는 정합된 단노출 영상들 각각을 복수의 영역으로 구분하고, 영역 별 특성에 따라 전술한 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출하여, 장노출 영상을 획득할 수 있다.
도 3은 일 실시예에 따른 전자 장치가 제 1 인공지능 모델을 이용하여 카메라 설정 정보를 결정하는 방법을 설명하기 위한 도면이다.
일 실시예에 따른 전자 장치(300)는 촬영 환경 및 촬영 모드에 관한 정보를 제 1 인공지능 모델(350)에 입력함으로써 카메라 설정 정보를 획득할 수 있다. 제 1 인공지능 모델(350)은 적어도 하나의 레이어를 포함할 수 있고, 각각의 레이어는 적어도 하나의 가중치를 포함할 수 있다. 일 실시 예에서, 가중치는 미리 설정된 초기 값으로 설정될 수 있다. 다양한 실시 예에 따르면, 전자 장치는 입력 데이터 및 타겟 데이터를 이용하여 상기 가중치의 값을 변경함으로써 제 1 인공지능 모델(350)을 훈련시킬 수 있다. 예를 들면, 전자 장치는 촬영 환경 및 촬영 모드에 관한 정보가 제 1 인공지능 모델(350)에 입력된 결과로 획득되는 카메라 설정 정보가 타겟 셔터스피드 또는 타겟 ISO 정보에 유사해지도록 상기 적어도 하나의 레이어에 포함되는 적어도 하나의 가중치의 값을 변경할 수 있다.
도 3을 참조하면, 전자 장치는 촬영 환경에 관한 정보로서 조도 센서(310)를 통해 획득한 광량에 관한 정보를 제 1 인공지능 모델(350)에 입력할 수 있다. 또한, 전자 장치는 촬영 모드를 프로 모드로 설정하는 사용자 입력을 수신함에 따라, 이를 제 1 인공지능 모델(350)에 입력할 수 있다. 프로 모드의 경우, 사용자가 노출 시간 등과 같은 정보를 추가로 입력할 수 있도록 구성됨에 따라, 사용자가 설정한 노출 시간에 대한 정보 역시 제 1 인공지능 모델(350)에 입력될 수 있다.
전자 장치(300)는 제 1 인공지능 모델(350)의 출력 데이터로 셔터스피드 및 ISO 정보를 획득할 수 있다. 다만, 이는 일 예일 뿐, 제 1 인공지능 모델(350)의 출력 데이터가 전술한 예에 한정되는 것은 아닌다. 다른 예에 따라, 제 1 인공지능 모델(350)의 출력 데이터로 촬영 횟수가 획득될 수 있다.
전자 장치(300)는 획득된 셔터스피드 및 ISO 정보를 기초로, 사용자가 설정한 노출 시간 동안 복수의 단노출 촬영 영상들을 획득할 수 있다.
도 4는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들을 기초로 제 2 인공지능 모델을 이용하여 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 전자 장치는 복수의 단노출 영상들(410) 간의 호모그래피 행렬들을 획득할 수 있다. 호모그래피 행렬은, 복수의 단노출 영상들 간의 변환 관계를 나타낼 수 있다. 예를 들어, 전자 장치는 제 1 단노출 영상 및 제 2 단노출 영상 간의 호모그래피 행렬
Figure PCTKR2021001103-appb-img-000001
과 제 2 단노출 영상 및 제 3 단노출 영상 간의 호모그래피 행렬
Figure PCTKR2021001103-appb-img-000002
를 획득할 수 있다.
전자 장치는 복수의 단노출 영상들(410)의 호모그래피 행렬들을 제 2 인공지능 모델(420)에 입력함으로써 정합된 단노출 영상들(430)을 획득할 수 있다. 일 예에 따라, 제 2 인공지능 모델(420)에 포함된 적어도 하나의 레이어 각각의 가중치는, 호모그래피 행렬들이 제 2 인공지능 모델(420)에 입력된 결과로 획득되는 단노출 영상들 간의 정합도가 임계값 이상이 되도록 훈련시킨 결과 얻어진 값으로 설정될 수 있다. 정합도는, 예를 들어, 단노출 영상들에 포함된 고정 객체(예를 들어, 건물)의 일치 여부를 기준으로 산출될 수 있으나, 이는 일 예일 뿐 정합도를 산출하는 방법이 전술한 예에 한정되는 것은 아니다.
전자 장치는 제 2 인공지능 모델(420)로부터 출력된, 정합된 단노출 영상들(430)을 합성하여 장노출 영상(440)을 획득할 수 있다.
도 5는 일 실시예에 따른 전자 장치가 복수의 단노출 영상 중 일부를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.
단계 S510에서, 전자 장치는 카메라 설정 정보를 기초로 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출 영상들을 획득할 수 있다. 예를 들어, 전자 장치는 카메라 설정 정보에 따라, N초 동안 1/2S의 셔터스피드로 복수의 단노출 영상들을 획득할 수 있다.
단계 S520에서, 전자 장치는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보를 식별할 수 있다.
일 실시예에 따른 전자 장치는 하나 이상의 센서를 포함할 수 있다. 예를 들어, 전자 장치는 생체 센서 및 가속도 센서 등을 포함할 수 있다. 생체 센서의 일 예로는 심장 박동을 측정할 수 있는 SpO2 (saturation of percutaneous oxygen) 센서가 포함될 수 있으나 이는 일 예일 뿐, 생체 센서의 예가 전술한 바에 한정되는 것은 아니다. 전자 장치는 생체 센서를 통해 획득된 생체 정보를 기초로 전자 장치의 흔들림 정보를 식별할 수 있다. 예를 들어, 전자 장치는 SpO2 센서를 통해 획득한 심장 박동 정보를 기초로, 심장 박동의 변화가 큰 구간을 전자 장치가 흔들린 구간으로 식별할 수 있다. 다른 예에 따라 전자 장치는 가속도 센서를 통해 획득된 3차원 가속도 정보를 기초로, 가속도 값이 큰 구간을 전자 장치가 흔들린 구간으로 식별할 수 있다.
한편, 전자 장치는 외부 장치로부터 사용자의 생체 정보 또는 가속도 정보를 획득할 수도 있다. 예를 들어, 전자 장치가 스마트 폰인 경우, 외부 장치인 웨어러블 디바이스로부터 복수의 단노출 영상들을 획득하는 동안의 웨어러블 디바이스의 가속도 정보 또는 사용자의 생체 정보를 획득할 수 있다. 전자 장치는 웨어러블 디바이스로부터 획득한 정보를 기초로 전자 장치가 흔들린 구간을 식별할 수 있다.
단계 S530에서, 전자 장치는 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다.
일 실시예에 따른 전자 장치는 복수의 단노출 영상들 중 전자 장치가 흔들리지 않은 구간에서 획득된 단노출 영상들을 선택할 수 있다. 예를 들어, 흔들림 정보가 사용자의 심장 박동 정보를 포함하는 경우, 전자 장치는 사용자의 심장 박동의 변화가 임계값 미만인 구간에서 획득된 단노출 영상들을 선택할 수 있다. 다른 예에 따라, 흔들림 정보가 사용자의 호흡 정보를 포함하는 경우, 전자 장치는 사용자의 호흡의 변화가 임계값 미만인 구간에서 획득된 단노출 영상들을 선택할 수 있다. 또 다른 예에 따라, 흔들림 정보가 전자 장치의 가속도 정보를 포함하는 경우, 전자 장치는 3차원 가속도 값이 임계값 이하인 구간에서 획득된 단노출 영상들을 선택할 수 있다.
단계 S540 에서, 전자 장치는 선택된 단노출 영상들을 기초로 장노출 영상을 획득할 수 있다.
일 실시예에 따른 전자 장치는 선택된 단노출 영상들을 합성하여, 장노출 영상을 획득할 수 있다. 다른 실시예에 따른 전자 장치는 선택된 단노출 영상을 보정하고, 보정된 단노출 영상들을 합성하여 장노출 영상을 획득할 수도 있다.
도 6은 일 실시예에 따른 전자 장치가 사용자의 심장 박동 정보를 이용하여 복수의 단노출 영상들 중 적어도 일부를 선택하는 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 전자 장치는 복수의 단노출 영상들(610a 내지 610l)을 획득하는 동안의 사용자의 심장 박동 정보를 획득할 수 있다. 예를 들어, 전자 장치는 전자 장치에 구비된 SpO2 센서를 이용하여 복수의 단노출 영상들이 획득되는 동안, 사용자의 심장 박동을 모니터링할 수 있다. 다른 예에 따라, 전자 장치는 사용자가 착용한 웨어러블 디바이스에서 모니터링된 사용자의 심장 박동 정보를 수신할 수도 있다.
전자 장치는 사용자의 심장 박동 정보를 기초로, 심장 박동의 변화가 임계값 a 미만인 구간(이하, 선택 구간)들을 식별할 수 있다. 전자 장치는 복수의 단노출 영상들(610a 내지 610l) 중 선택 구간에서 획득된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 선택할 수 있다.
전자 장치는 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 기초로 장노출 영상(620)을 획득할 수 있다.
일 실시예에 따른 전자 장치는 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j) 을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다.
다른 실시예에 따른 전자 장치는 심장 박동 정보를 기초로 식별된 전자 장치의 흔들림 정보에 기초하여, 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)에 보정을 수행할 수 있다. 예를 들어, 전자 장치는 심장 박동의 변화에 대응되는 전자 장치의 흔들림 정도가 기 저장된 데이터베이스와 모니터링된 심장 박동 정보를 비교하여, 전자 장치의 흔들림 정보를 식별할 수 있다. 이 때, 흔들림 정보는 속도 및 방향을 나타내는 벡터 값의 형태로 획득될 수 있으나, 이는 일 예일 뿐 전자 장치의 흔들림 정보가 전술한 예에 한정되는 것은 아니다. 전자 장치는 흔들림 정보를 나타내는 벡터 값을 기초로, 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 보정할 수 있다. 전자 장치는 보정된 단노출 영상들을 합성하여, 장노출 영상(620)을 획득할 수 있다.
또 다른 실시예에 다른 전자 장치는 선택된 단노출 영상들(610b, 610c, 610f, 610g, 610i, 610j)을 기초로 보간을 수행하여, 장노출 영상을 획득할 수도 있다. 이에 대해서는 도 7을 참조하여 보다 구체적으로 후술하도록 한다.
도 7은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 정합하는 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 전자 장치는 복수의 단노출 영상들(710a 내지 710l)을 획득하는 동안의 사용자의 호흡 정보를 획득할 수 있다. 예를 들어, 전자 장치는 사용자의 전자 장치에 구비된 호흡 감지 센서 또는 웨어러블 디바이스에 구비된 호흡 감지 센서를 이용하여 복수의 단노출 영상들(710a 내지 710l)이 획득되는 동안, 사용자의 호흡 정보를 모니터링할 수 있다. 다른 예에 따라, 전자 장치는 사용자의 얼굴 영상을 촬영하고, 촬영된 얼굴 영상으로부터 사용자의 호흡 정보를 획득할 수 있다. 이에 대해서는, 도 8을 참조하여 구체적으로 설명하도록 한다.
전자 장치는 사용자의 호흡 정보를 기초로, 심장 박동의 변화가 임계값 b 미만인 구간(이하, 선택 구간)들을 식별할 수 있다. 전자 장치는 복수의 단노출 영상들(710a 내지 710l) 중 선택 구간에서 획득된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)을 선택할 수 있다.
전자 장치는 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)을 기초로 보간을 수행할 수 있다. 일 예로, 전자 장치는 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)에 포함된 객체의 움직임 정보를 획득하고, 이를 기초로 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)에 보간을 수행하여, 새로운 단노출 영상들(720e, 720f, 720h)을 획득할 수 있다. 예를 들어, 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l) 중 제 7 단노출 영상(710g)과 제 9 단노출 영상(710i) 간의 움직임 벡터인
Figure PCTKR2021001103-appb-img-000003
을 기초로 제 7 단노출 영상(710g)과 제 9 단노출 영상(710i)에 보간을 수행하여, 새로운 단노출 영상(720h)을 획득할 수 있다.
전자 장치는 선택된 단노출 영상들(710a, 710b, 710c, 710d, 710g, 710i, 710j, 710k, 710l)과 보간 결과 획득된 새로운 단노출 영상들(720e, 720f, 720h)을 합성하여, 장노출 영상(730)을 획득할 수 있다.
도 8은 일 실시예에 따른 전자 장치가 사용자의 호흡 정보를 이용하여 복수의 단노출 영상들을 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
일 실시예에 따른 전자 장치는 카메라 설정 정보를 기초로 카메라 모듈(810)을 제어함으로써, 영상을 획득할 수 있다. 카메라 설정 정보에는 카메라 모듈을 이용한 영상 촬영 시 제어 대상이 되는 파라미터들이 포함될 수 있으며, 예를 들어, 셔터스피드, ISO 정보, 촬영 횟수 등이 포함될 수 있다. 다만, 이는 일 예일 뿐, 카메라 설정 정보가 전술한 예에 한정되는 것은 아니다. 예를 들어, 전자 장치는 셔터스피드 1/2S 및 ISO 정보 A를 기초로 카메라 모듈(810)을 제어함으로써, 기 설정된 시간 구간 동안 단노출 영상 획득 동작(820)을 수행할 수 있다.
한편, 전자 장치는 단노출 영상 획득 동작(820)을 수행하는 동안, 얼굴 영상 획득 동작(830)을 수행할 수 있다. 예를 들어, 전자 장치는 후면 카메라를 통해 단노출 영상 획득 동작(820)을 수행하는 동안, 전면 카메라를 이용하여, 사용자에 대해 얼굴 영상 획득 동작(830)을 수행할 수 있다.
전자 장치는 사용자의 얼굴 영상을 기초로 호흡 상태 식별 동작(840)을 수행할 수 있다. 일 실시예에 따라 전자 장치는 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 출력 데이터로 사용자의 호흡 정보를 획득할 수 있다. 일 예에 따라, 제 3 인공지능 모델에 포함된 적어도 하나의 레이어 각각의 가중치는, 사용자의 얼굴 영상이 제 3 인공지능 모델에 입력된 결과로 획득되는 호흡 정보와 실제 사용자의 호흡 정보 간의 차이가 임계값 이상이 되도록 훈련시킨 결과 얻어진 값으로 설정될 수 있다.
전자 장치는 호흡 정보를 기초로, 단노출 영상 획득 동작(820)의 수행 결과 획득된 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 동작(850)을 수행할 수 있다. 예를 들어, 전자 장치는 사용자의 호흡의 변화가 임계값 b 미만인 구간에서 획득된 단노출 영상들을 선택할 수 있다.
전자 장치는 선택된 단노출 영상들에 대해, 단노출 영상 보정 동작(860)을 수행할 수 있다. 일 예로, 전자 장치는 전자 장치의 흔들림 정보 또는 선택된 단노출 영상들 간의 움직임 정보를 기초로 선택된 단노출 영상들을 보정할 수 있다. 흔들림 정보는 도 7을 참조하여 전술한 바와 같이, 호흡 정보로부터 식별될 수 있다. 예를 들어, 선택된 제 1 단노출 영상의 촬영 시 흔들림 정보의 값이 벡터 v2로 식별된 경우, 전자 장치는 제 1 단노출 영상에 포함된 픽셀들의 값을 벡터 v2를 상쇄하는 방향의 벡터 v2'에 따라 이동시켜, 보정된 제 1 단노출 영상을 획득할 수 있다. 다만, 이는 일 예일 뿐, 선택된 단노출 영상을 보정하는 방법이 전술한 예에 한정되는 것은 아니다.
전자 장치는 보정된 단노출 영상들에 대해 단노출 영상 합성 동작(870)을 수행할 수 있다. 전자 장치는 단노출 영상 합성 동작(870)을 수행함으로써, 장노출 영상을 획득할 수 있다. 예를 들어, 전자 장치는 보정된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다. 전자 장치는 획득된 장노출 영상의 저장 동작(880)을 수행할 수 있다.
도 9는 일 실시예에 따른 전자 장치가 복수의 단노출 영상들 및 전자 장치의 흔들림 정보를 기초로 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 9를 참조하면, 전자 장치는 복수의 단노출 영상들(910) 및 이를 획득하는 동안의 전자 장치의 흔들림 정보(예를 들어, 920 및 930)를 제 4 인공지능 모델(940)에 입력함으로써 장노출 영상(950)을 획득할 수 있다. 흔들림 정보는 복수의 단노출 영상들(910)이 획득되는 동안의 사용자의 심장 박동 정보, 사용자의 호흡 정보(920) 또는 전자 장치의 가속도 정보(930) 중 적어도 하나일 수 있으나, 이는 일 예일 뿐, 흔들림 정보가 전술한 예에 한정되는 것은 아니다.
. 제 4 인공지능 모델(940)은 적어도 하나의 레이어를 포함할 수 있고, 각각의 레이어는 적어도 하나의 가중치를 포함할 수 있다. 다양한 실시 예에 따르면, 전자 장치는 복수의 단노출 영상들 및 흔들림 정보가 제 4 인공지능 모델(940)에 입력된 결과로 획득되는 장노출 영상과 기 선택된 단노출 영상들을 합성한 결과 생성된 장노출 영상 간의 픽셀값의 차이가 임계값 미만이 되도록 적어도 하나의 레이어에 포함되는 적어도 하나의 가중치의 값을 결정할 수 있다.
한편, 도 9의 실시예에서는, 제 4 인공지능 모델(940)에 흔들림 정보로서 호흡 정보(920) 및 가속도 정보(930)가 입력되는 것으로 설명하였으나, 이는 일 예일 뿐, 제 4 인공지능 모델(940)에는 호흡 정보(920) 또는 가속도 정보(930)가 입력될 수 있으며, 다른 예에 따라, 호흡 정보(920) 및 가속도 정보(930) 뿐만 아니라 심장 박동 정보와 같이 다른 종류의 흔들림 정보가 입력될 수도 있다.
도 10은 일 실시예에 따른 전자 장치의 블록도이다.
도 10을 참조하면, 전자 장치(1000)는 카메라 모듈(1010), 메모리(1020), 프로세서(1030) 및 디스플레이 모듈(1040)을 포함할 수 있다. 그러나 도시된 구성요소 모두가 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 전자 장치(1000)는 구현될 수 있다.
카메라 모듈(1010)은 하나 이상의 렌즈들, 이미지 센서들을 포함할 수 있으며, 전자 장치(1000)의 제어에 따라 객체로부터 생성되거나 반사된 외부의 광을 받아들일 수 있다. 일 실시예에 따른 카메라 모듈(1010)은 카메라 설정 정보에 기초한 프로세서(1030)의 제어에 따라 복수의 단노출 영상들을 획득할 수 있다.
메모리(1020)는 전자 장치(1000)가 본 개시에 따른 장노출 영상을 획득하는 방법을 수행하도록 하는 프로그램을 저장할 수 있다. 또한, 메모리(1020)는 복수의 단노출 영상들을 저장할 수 있다. 메모리(1020)는 전술한 인공지능 모델들 중 적어도 하나를 저장할 수 있다.
프로세서(1030)은 통상적으로 전자 장치(1000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1030)는 메모리(1020)에 저장된 프로그램들을 실행함으로써, 복수의 단노출 영상을 기초로 장노출 영상을 획득할 수 있다.
일 실시예에 따른 프로세서(1030)는 카메라 설정 정보를 기초로 카메라 모듈(1010)을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출 영상들을 획득할 수 있다. 프로세서(1030)는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합할 수 있다. 또한, 프로세서(1030)는 정합된 단노출 영상들을 합성하여, 기 설정된 시간 구간에 대응되는 장노출 영상을 획득할 수 있다.
일 실시예에 따른 프로세서(1030)는 촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써 카메라 설정 정보를 획득할 수 있다. 제 1 인공지능 모델은 도 3을 참조하여 전술한 제 1 인공지능 모델과 대응될 수 있다.
일 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들 간의 호모그래피 행렬을 제 2 인공지능 모델에 입력함으로써, 정합된 단노출 영상들을 획득할 수 있다. 제 2 인공지능 모델은 도 4를 참조하여 전술한 제 2 인공지능 모델과 대응될 수 있다.
일 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들이 획득되는 동안 모니터링된 사용자의 심장 박동 정보를 획득할 수 있다. 프로세서(1030)는 모니터링된 사용자의 심장 박동 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다. 다른 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들이 획득되는 동안, 사용자의 얼굴 영상을 획득할 수 있다. 프로세서(1030)는 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 획득되는 사용자의 호흡 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다. 또 다른 실시예에 따른 프로세서(1030)는 가속도 센서를 이용하여 전자 장치의 3차원 가속도 정보를 획득할 수 있다. 프로세서(1030)는 전자 장치의 3차원 가속도 정보에 기초하여, 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택할 수 있다. 또다른 실시예에 따른 프로세서(1030)는 복수의 단노출 영상들을 획득하는 동안의 전자 장치의 흔들림 정보를 제 4 인공지능 모델에 입력함으로써 적어도 일부의 단노출 영상들을 정합할 수 있다.
일 실시예에 따른 프로세서(1030)는 전자 장치(1000)의 흔들림 정보에 기초하여, 복수의 단노출 영상들 중 일부 단노출 영상들이 선택됨에 따라, 선택된 단노출 영상들에 포함된 객체의 움직임 정보를 획득할 수 있다. 프로세서(1030)는 객체의 움직임 정보를 기초로, 선택된 단노출 영상들 간에 보간을 수행할 수 있다. 프로세서(1030)는 보간을 수행한 결과 획득된 단노출 영상 및 선택된 단노출 영상들을 합성하여, 장노출 영상을 획득할 수 있다.
프로세서(1030)는 정합된 단노출 영상들 각각에 포함된 픽셀들의 평균값, 최대값, 최소값 또는 최빈값 중 하나에 기초하여, 장노출 영상의 픽셀값을 획득할 수 있다.
디스플레이 모듈(1040)은 카메라 모듈(1010)을 통해 감지되는 광을 기초로 생성되는 복수의 단노출 영상의 프리뷰 영상을 표시할 수 있다. 또한, 디스플레이 모듈(1040)은 프로세서(1030)의 제어에 따라 획득된 장노출 영상을 표시할 수도 있다.
도 11은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 11을 참조하면, 네트워크 환경(1100)에서 전자 장치(1101)는 제 1 네트워크(1198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1102)와 통신하거나, 또는 제 2 네트워크(1199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1104) 또는 서버(1108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1101)는 서버(1108)를 통하여 전자 장치(1104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1101)는 프로세서(1120), 메모리(1130), 입력 모듈(1150), 음향 출력 모듈(1155), 디스플레이 모듈(1160), 오디오 모듈(1170), 센서 모듈(1176), 인터페이스(1177), 연결 단자(1178), 햅틱 모듈(1179), 카메라 모듈(1180), 전력 관리 모듈(1188), 배터리(1189), 통신 모듈(1190), 가입자 식별 모듈(1196), 또는 안테나 모듈(1197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1176), 카메라 모듈(1180), 또는 안테나 모듈(1197))은 하나의 구성요소(예: 디스플레이 모듈(1160))로 통합될 수 있다.
프로세서(1120)는, 예를 들면, 소프트웨어(예: 프로그램(1140))를 실행하여 프로세서(1120)에 연결된 전자 장치(1101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1120)는 다른 구성요소(예: 센서 모듈(1176) 또는 통신 모듈(1190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1132)에 저장하고, 휘발성 메모리(1132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(1120)는 메인 프로세서(1121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(1101)가 메인 프로세서(1121) 및 보조 프로세서(1123)를 포함하는 경우, 보조 프로세서(1123)는 메인 프로세서(1121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1123)는 메인 프로세서(1121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(1123)는, 예를 들면, 메인 프로세서(1121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1121)를 대신하여, 또는 메인 프로세서(1121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1121)와 함께, 전자 장치(1101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1160), 센서 모듈(1176), 또는 통신 모듈(1190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1180) 또는 통신 모듈(1190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(1123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(1101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(1130)는, 전자 장치(1101)의 적어도 하나의 구성요소(예: 프로세서(1120) 또는 센서 모듈(1176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1130)는, 휘발성 메모리(1132) 또는 비휘발성 메모리(1134)를 포함할 수 있다.
프로그램(1140)은 메모리(1130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1142), 미들 웨어(1144) 또는 어플리케이션(1146)을 포함할 수 있다.
입력 모듈(1150)은, 전자 장치(1101)의 구성요소(예: 프로세서(1120))에 사용될 명령 또는 데이터를 전자 장치(1101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(1155)은 음향 신호를 전자 장치(1101)의 외부로 출력할 수 있다. 음향 출력 모듈(1155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(1160)은 전자 장치(1101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(1160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(1170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1170)은, 입력 모듈(1150)을 통해 소리를 획득하거나, 음향 출력 모듈(1155), 또는 전자 장치(1101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(1176)은 전자 장치(1101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(1176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(1177)는 전자 장치(1101)가 외부 전자 장치(예: 전자 장치(1102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1178)는, 그를 통해서 전자 장치(1101)가 외부 전자 장치(예: 전자 장치(1102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(1178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(1179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(1188)은 전자 장치(1101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(1188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(1189)는 전자 장치(1101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(1189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1190)은 전자 장치(1101)와 외부 전자 장치(예: 전자 장치(1102), 전자 장치(1104), 또는 서버(1108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1190)은 프로세서(1120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(1190)은 무선 통신 모듈(1192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(1198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(1104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(1192)은 가입자 식별 모듈(1196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1198) 또는 제 2 네트워크(1199)와 같은 통신 네트워크 내에서 전자 장치(1101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(1192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(1192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(1192)은 전자 장치(1101), 외부 전자 장치(예: 전자 장치(1104)) 또는 네트워크 시스템(예: 제 2 네트워크(1199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(1192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(1197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(1197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(1197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1198) 또는 제 2 네트워크(1199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(1197)의 일부로 형성될 수 있다. 다양한 실시예에 따르면, 안테나 모듈(1197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1199)에 연결된 서버(1108)를 통해서 전자 장치(1101)와 외부의 전자 장치(1104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1102, 또는 1104) 각각은 전자 장치(1101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1102, 1104, 또는 1108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(1101)로 전달할 수 있다. 전자 장치(1101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(1101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(1104) 또는 서버(1108)는 제 2 네트워크(1199) 내에 포함될 수 있다. 전자 장치(1101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 12는 일 실시예에 따른 전자 장치가 서버로부터 장노출 영상을 획득하는 방법을 설명하기 위한 도면이다.
도 12를 참조하면, 전자 장치(1210)는 서버(1220)에 저장된 적어도 하나의 인공지능 모델(1230)을 이용하여, 복수의 단노출 영상들(20)로부터 장노출 영상(40)을 획득할 수 있다.
전자 장치(1210)는 카메라 설정 정보에 기초하여 카메라 모듈을 제어함으로써 복수의 단노출 영상들(20)을 획득할 수 있다. 일 실시예에 따른 카메라 설정 정보는 전자 장치(1210)에서, 전술한 제 1 인공지능 모델을 이용하여 획득될 수 있다. 다른 실시예에 따라 카메라 설정 정보는 전자 장치(1210)가 서버(1220)에 촬영 환경 및 촬영 모드에 관한 정보를 송신하면, 이에 대한 응답으로 서버(1220)로부터 수신될 수도 있다. 이러한 경우, 카메라 설정 정보는 서버(1220)에서 촬영 환경 및 촬영 모드에 관한 정보를 기초로 결정될 수 있다.
전자 장치(1210)는 획득된 복수의 단노출 영상들(20)을 서버(1220)에 송신할 수 있다. 서버(1220)는 획득된 복수의 단노출 영상들(20)을 정합할 수 있다. 일 실시예에 따른 서버(1220)는 복수의 단노출 영상들이 획득되는 동안 전자 장치의 흔들림 정보를 기초로 복수의 단노출 영상들 중 적어도 일부를 선택하는 동작을 포함할 수 있다. 이 때, 흔들림 정보는 전자 장치(1210)로부터 복수의 단노출 영상들(20)과 함께 수신될 수 있다. 다른 실시예에 따라, 서버(1220)는 선택된 단노출 영상들에 대해 보간을 수행하여 선택되지 않은 단노출 영상을 대체하기 위한 단노출 영상을 획득할 수 있다. 또 다른 예에 따라, 서버(1220)는 전자 장치의 흔들림 정보 또는 복수의 단노출 영상들 간의 움직임 정보를 기초로 복수의 단노출 영상들을 보정할 수 있다. 또 다른 예에 따라, 서버(1220)는 복수의 단노출 영상들 중 적어도 일부를 선택하고, 선택된 적어도 일부 영상들을 보정하는 동작을 수행할 수 있다. 서버(1220)가 복수의 단노출 영상들을 접합하는 동작은 도 4 내지 도 9를 참조하여 전술한 전자 장치가 복수의 단노출 영상들을 정합하는 동작과 대응될 수 있다.
서버(1220)는 정합된 단노출 영상들을 합성하여 장노출 영상(40)을 획득할 수 있다. 서버(1220)는 획득된 장노출 영상(40)을 전자 장치(1210)에 송신할 수 있다.
한편, 서버(1220)는 전자 장치(1210)에 서비스를 제공하는 컴퓨팅 장치일 수 있으며, 예를 들어, PC, 랩톱, 휴대폰, 마이크로 서버, GPS(global positioning system) 장치, 가전기기, 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있다. 그러나, 이에 제한되지 않으며, 서버(1220)는 통신 기능 및 데이터 프로세싱 기능을 구비한 모든 종류의 기기를 포함할 수 있다.
또한, 전자 장치(1210)와 서버(1220)는 네트워크를 통해 통신 연결될 수 있다. 이 경우, 네트워크는 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 포함할 수 있으며, 전자 장치(1210) 및 서버(1220)가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다.
도 13은 일 실시예에 따른 전자 장치 및 서버가 장노출 영상을 획득하는 방법을 설명하기 위한 흐름도이다.
단계 S1310에서, 전자 장치는 카메라 설정 정보를 획득할 수 있다. 일 실시예에 따른 전자 장치는 입력 데이터(input data)로 촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 카메라 설정 정보를 출력 데이터(output data)로 획득할 수 있다. 전자 장치는 다른 실시예에 따라, 기 획득된 데이터베이스를 기초로 카메라 설정 정보를 획득할 수 있다. 데이터베이스에는 촬영 모드 또는 촬영 환경에 대응되는 카메라 설정 정보가 저장될 수 있다. 이에 따라, 전자 장치는 현재의 촬영 모드 및 촬영 환경과 데이터베이스에 저장된 정보를 비교하여, 카메라 설정 정보를 획득할 수도 있다.
단계 S1320에서, 전자 장치는 사용자의 호흡 정보 또는 심장 박동 정보의 모니터링을 시작할 수 있다. 전자 장치는 카메라 설정 정보를 기초로 복수의 단노출 영상들을 획득하기 전 전자 장치의 흔들림 정보를 획득하기 위해, 사용자의 호흡 정보 또는 심장 박동 정보의 모니터링을 시작할 수 있다. 다만, 이는 일 예일 뿐, 전자 장치의 흔들림 정보를 식별하는데 기초가 되는 정보가 사용자의 호흡 정보 또는 심장 박동 정보에 제한되는 것은 아니다. 다른 예에 따라, 전자 장치는 전자 장치의 3차원 가속도 정보를 모니터링할 수도 있다.
단계 S1330에서, 전자 장치는 카메라 설정 정보에 기초하여 복수의 단노출 영상들을 획득할 수 있다.
단계 S1340에서, 전자 장치는 복수의 단노출 영상들 및 모니터링 정보를 서버에 송신할 수 있다. 모니터링 정보는 단계 S1320에서 획득된 호흡 정보 또는 심장 박동 정보 중 적어도 하나가 포함될 수 있다. 서버에는 일 실시예에 따라 복수의 단노출 영상들 및 호흡 정보 또는 심장 박동 정보를 기초로, 장노출 영상을 출력할 수 있는 적어도 하나의 인공지능 모델이 저장될 수 있다.
단계 S1350에서, 서버는 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 정합할 수 있다. 서버가 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 정합하는 동작은 도 12를 참조하여 전술한 바와 대응될 수 있다.
단계 S1360에서, 서버는 정합된 단노출 영상들을 합성하여 장노출 영상을 획득할 수 있다. 일 실시예에 따른 서버는 정합된 단노출 영상들을 구성하는 픽셀들 각각에 대해, 설정에 따라 픽셀값의 평균값, 최대값, 최소값 또는 최빈값 중 하나를 산출함으로써, 장노출 영상을 획득할 수 있다.
단계 S1370에서, 서버는 장노출 영상을 전자 장치에 전송할 수 있다.
단계 S1380에서, 전자 장치는 장노출 영상을 저장할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1136) 또는 외장 메모리(1138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1101))의 프로세서(예: 프로세서(1120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 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 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
본 개시에 따른 카메라 모듈을 포함하는 전자 장치가 객체에 대한 노이즈 저감 처리된 이미지 데이터를 생성하는 방법에 있어서, 원시 이미지 데이터로부터 노이즈 저감 처리된 이미지 데이터를 생성하기 위한 기준 색상 데이터 세트를 생성하기 위해 인공지능 모델을 이용할 수 있다. 프로세서는 상기 데이터에 대해 전처리 과정을 수행하여 인공지능 모델의 입력으로 사용하는 데에 적합한 형태로 변환할 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다.
추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론(Knowledge based Reasoning), 최적화 예측(Optimization Prediction), 선호 기반 계획(Preference-based Planning), 추천(Recommendation) 등을 포함한다.

Claims (15)

  1. 전자 장치가 영상을 처리하는 방법에 있어서,
    카메라 설정 정보를 기초로 상기 전자 장치에 포함된 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하는 단계;
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하는 단계; 및
    상기 정합된 단노출 영상들을 합성하여, 상기 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득하는 단계를 포함하는, 방법.
  2. 제1항에 있어서, 상기 적어도 일부의 단노출 영상들을 정합하는 단계는,
    상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들 간의 호모그래피(homography) 행렬을 제 2 인공지능 모델에 입력함으로써, 상기 정합된 단노출 영상들을 획득하는 단계를 포함하는, 방법.
  3. 제1항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 복수의 단노출 영상들이 획득되는 동안 모니터링된 사용자의 심장 박동 정보를 포함하고,
    상기 복수의 단노출 영상들 중 적어도 일부를 정합하는 단계는,
    상기 모니터링된 사용자의 심장 박동 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 단계를 포함하는, 방법.
  4. 제1항에 있어서,
    상기 복수의 단노출 영상들이 획득되는 동안, 사용자의 얼굴 영상을 획득하는 단계를 더 포함하고,
    상기 전자 장치의 흔들림 정보는,
    상기 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 획득되는 사용자의 호흡 정보를 포함하며,
    상기 복수의 단노출 영상들 중 적어도 일부를 정합하는 단계는,
    상기 사용자의 호흡 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 단계를 포함하는, 방법.
  5. 제1항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 전자 장치에 포함된 가속도 센서를 이용하여 획득된 상기 전자 장치의 3차원 가속도 정보를 포함하고,
    상기 복수의 단노출 영상들 중 적어도 일부를 정합하는 단계는,
    상기 전자 장치의 3차원 가속도 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는 단계를 포함하는, 방법.
  6. 제1항에 있어서, 상기 적어도 일부의 단노출 영상들을 정합하는 단계는,
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보를 제 4 인공지능 모델에 입력함으로써 상기 적어도 일부의 단노출 영상들을 정합하는, 방법.
  7. 제1항에 있어서,
    상기 전자 장치의 흔들림 정보에 기초하여 상기 복수의 단노출 영상들 중 일부 단노출 영상들이 선택됨에 따라, 상기 선택된 단노출 영상들에 포함된 객체의 움직임 정보를 획득하는 단계; 및
    상기 객체의 움직임 정보를 기초로 상기 선택된 단노출 영상들에 보간을 수행하는 단계를 더 포함하고,
    상기 장노출 영상을 획득하는 단계는,
    상기 보간을 수행한 결과 획득된 단노출 영상 및 상기 선택된 단노출 영상들을 합성하여, 상기 장노출 영상을 획득하는, 방법.
  8. 영상을 처리하는 전자 장치에 있어서,
    하나 이상의 인스트럭션들을 저장하는 메모리;
    카메라 모듈; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,
    카메라 설정 정보를 기초로 상기 카메라 모듈을 제어함으로써, 기 설정된 시간 구간 동안 복수의 단노출(short exposure) 영상들을 획득하고,
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들을 정합하며,
    상기 정합된 단노출 영상들을 합성하여, 상기 기 설정된 시간 구간에 대응되는 장노출(long exposure) 영상을 획득하는, 전자 장치.
  9. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    촬영 모드 및 촬영 환경에 관한 정보를 제 1 인공지능 모델에 입력함으로써, 상기 카메라 설정 정보를 획득하고,
    상기 카메라 설정 정보는,
    셔터스피드, ISO 정보 또는 촬영 속도 중 적어도 하나에 관한 정보를 포함하는, 전자 장치.
  10. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 복수의 단노출 영상들 중 적어도 일부의 단노출 영상들 간의 호모그래피(homography) 행렬을 제 2 인공지능 모델에 입력함으로써, 상기 정합된 단노출 영상들을 획득하는, 전자 장치.
  11. 제8항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 복수의 단노출 영상들이 획득되는 동안 모니터링된 사용자의 심장 박동 정보를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 모니터링된 사용자의 심장 박동 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는, 전자 장치.
  12. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 복수의 단노출 영상들이 획득되는 동안, 사용자의 얼굴 영상을 획득하고,
    상기 사용자의 얼굴 영상을 제 3 인공지능 모델에 입력함으로써 획득되는 사용자의 호흡 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는, 전자 장치.
  13. 제8항에 있어서, 상기 전자 장치의 흔들림 정보는,
    상기 전자 장치에 포함된 가속도 센서를 이용하여 획득된 상기 전자 장치의 3차원 가속도 정보를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 전자 장치의 3차원 가속도 정보에 기초하여, 상기 복수의 단노출 영상들 중 적어도 일부 단노출 영상들을 선택하는, 전자 장치.
  14. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 복수의 단노출 영상들을 획득하는 동안의 상기 전자 장치의 흔들림 정보를 제 4 인공지능 모델에 입력함으로써 상기 적어도 일부의 단노출 영상들을 정합하는, 전자 장치.
  15. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 전자 장치의 흔들림 정보에 기초하여 상기 복수의 단노출 영상들 중 일부 단노출 영상들이 선택됨에 따라, 상기 선택된 단노출 영상들에 포함된 객체의 움직임 정보를 획득하고,
    상기 객체의 움직임 정보를 기초로 상기 선택된 단노출 영상들에 보간을 수행하며,
    상기 보간을 수행한 결과 획득된 단노출 영상 및 상기 선택된 단노출 영상들을 합성하여, 상기 장노출 영상을 획득하는, 전자 장치.
PCT/KR2021/001103 2021-01-27 2021-01-27 영상을 처리하는 방법 및 이를 수행하는 전자 장치 WO2022163877A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/001103 WO2022163877A1 (ko) 2021-01-27 2021-01-27 영상을 처리하는 방법 및 이를 수행하는 전자 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/001103 WO2022163877A1 (ko) 2021-01-27 2021-01-27 영상을 처리하는 방법 및 이를 수행하는 전자 장치

Publications (1)

Publication Number Publication Date
WO2022163877A1 true WO2022163877A1 (ko) 2022-08-04

Family

ID=82654723

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/001103 WO2022163877A1 (ko) 2021-01-27 2021-01-27 영상을 처리하는 방법 및 이를 수행하는 전자 장치

Country Status (1)

Country Link
WO (1) WO2022163877A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4388293B2 (ja) * 2003-03-13 2009-12-24 京セラ株式会社 カメラの手振れ補正装置
JP2015011717A (ja) * 2013-06-30 2015-01-19 コニカ ミノルタ ラボラトリー ユー．エス．エー．，インコーポレイテッド 複数スケールの規格化された相互相関を用いた、ｈｄｒ画像処理におけるゴーストアーティファクトの検出および除去方法
KR20160063794A (ko) * 2014-11-27 2016-06-07 삼성전자주식회사 촬영 장치 및 그 제어 방법
JP2017085337A (ja) * 2015-10-28 2017-05-18 キヤノン株式会社 画像処理装置、撮像装置および画像処理プログラム
KR20200015147A (ko) * 2018-08-03 2020-02-12 한국과학기술원 딥 러닝 기반의 카메라 캘리브레이션 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4388293B2 (ja) * 2003-03-13 2009-12-24 京セラ株式会社 カメラの手振れ補正装置
JP2015011717A (ja) * 2013-06-30 2015-01-19 コニカ ミノルタ ラボラトリー ユー．エス．エー．，インコーポレイテッド 複数スケールの規格化された相互相関を用いた、ｈｄｒ画像処理におけるゴーストアーティファクトの検出および除去方法
KR20160063794A (ko) * 2014-11-27 2016-06-07 삼성전자주식회사 촬영 장치 및 그 제어 방법
JP2017085337A (ja) * 2015-10-28 2017-05-18 キヤノン株式会社 画像処理装置、撮像装置および画像処理プログラム
KR20200015147A (ko) * 2018-08-03 2020-02-12 한국과학기술원 딥 러닝 기반의 카메라 캘리브레이션 방법 및 장치

Similar Documents

Publication Publication Date Title
WO2020171583A1 (en) Electronic device for stabilizing image and method for operating same
WO2022030855A1 (ko) 피사체와 배경에 효과를 적용하여 이미지를 생성하는 전자 장치 및 그 방법
WO2019182359A1 (en) Electronic device for notifying of update of image signal processing and method for operating the same
WO2022163877A1 (ko) 영상을 처리하는 방법 및 이를 수행하는 전자 장치
WO2022235075A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022196993A1 (ko) 카메라 모듈의 화각을 이용하여 이미지를 촬영하는 전자 장치 및 방법
WO2020085718A1 (ko) 보정 이미지 기반 아바타 생성 방법 및 장치
WO2023080495A1 (ko) 하이 다이나믹 레인지 이미지들을 촬영하는 전자 장치와 이의 동작 방법
WO2024005333A1 (ko) 카메라를 포함하는 전자 장치 및 방법
WO2023008684A1 (ko) 이미지를 생성하는 전자 장치 및 그 동작 방법
WO2024085673A1 (ko) 다중 노출 영상을 획득하는 전자 장치 및 그 동작 방법
WO2022149826A1 (ko) 영상 처리 방법 및 이를 지원하는 전자 장치
WO2022245148A1 (ko) 이미지 처리 방법 및 그 전자 장치
WO2022191585A1 (ko) 전자 장치의 촬영 방법 및 그 전자 장치
WO2024043731A1 (ko) 인터폴레이션을 수행하는 전자 장치, 동작 방법, 및 저장 매체
WO2022240186A1 (ko) 이미지 왜곡을 보정하는 방법 및 그 전자 장치
WO2022240122A1 (ko) 카메라를 포함하는 전자 장치
WO2022220590A1 (ko) 영상을 처리하는 방법 및 이를 수행하는 전자 장치
KR20220108366A (ko) 영상을 처리하는 방법 및 이를 수행하는 전자 장치
WO2022191407A1 (ko) 사용자 인터페이스를 제공하기 위한 방법, 장치 및 저장 매체
WO2024085487A1 (ko) 카메라의 설정을 변경하기 위한 전자 장치, 방법, 및 비일시적 컴퓨터 판독가능 저장 매체
WO2022173164A1 (ko) Ar 객체를 표시하는 방법 및 전자 장치
WO2022197036A1 (ko) Ar을 이용한 측정 방법 및 전자 장치
WO2022186646A1 (ko) 이미지 생성을 위한 전자 장치 및 전자 장치의 동작 방법
WO2023033396A1 (ko) 연속된 촬영 입력을 처리하는 전자 장치 및 그의 동작 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: 21923311

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21923311

Country of ref document: EP

Kind code of ref document: A1