WO2023008599A1 - 영상 편집 장치 및 영상 편집 장치의 동작 방법 - Google Patents

영상 편집 장치 및 영상 편집 장치의 동작 방법 Download PDF

Info

Publication number
WO2023008599A1
WO2023008599A1 PCT/KR2021/009761 KR2021009761W WO2023008599A1 WO 2023008599 A1 WO2023008599 A1 WO 2023008599A1 KR 2021009761 W KR2021009761 W KR 2021009761W WO 2023008599 A1 WO2023008599 A1 WO 2023008599A1
Authority
WO
WIPO (PCT)
Prior art keywords
video
image
editing device
target
video editing
Prior art date
Application number
PCT/KR2021/009761
Other languages
English (en)
French (fr)
Inventor
우화수
이준우
오진수
Original Assignee
엘지전자 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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020237043462A priority Critical patent/KR20240012453A/ko
Priority to PCT/KR2021/009761 priority patent/WO2023008599A1/ko
Publication of WO2023008599A1 publication Critical patent/WO2023008599A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/858—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot

Definitions

  • the present invention relates to a video editing device for editing an image acquired using a deep learning network and a method of operating the video editing device.
  • Recent technological fields such as deep learning, artificial intelligence, IoT, cloud computing, and big data are converging and entering the world into the 4th industrial revolution.
  • deep learning DEEP STRUCTURED LEARNING
  • deep learning is referred to as deep learning, and is defined as a set of machine learning algorithms that attempt high-level abstractions through a combination of several nonlinear transformation techniques. It can be seen as a field of machine learning that teaches computers.
  • Deep learning techniques are applied to fields such as computer vision, speech recognition, natural language processing, and speech/signal processing, showing state-of-the-art results.
  • the present invention aims to solve the foregoing and other problems.
  • An object of the present invention is to edit a target image using a reference image analyzed through a deep learning network.
  • the communication unit for communicating with the outside; an input/output unit that receives a user input and outputs an image editing result; and a control unit, wherein the control unit obtains a reference video and a target video, analyzes characteristics of the obtained reference video and the acquired target video, respectively, and analyzes the analyzed reference video.
  • An image editing device that edits the target image based on characteristics and outputs the edited target image through the input/output unit.
  • the analysisable characteristics include scene change effect, scene change length, color filter, angle of view, composition, image quality, video BGM, person detection, object detection, object classification, background detection, location detection, and video It is characterized in that it includes at least one of my text and subject movement.
  • control unit edits the target video based on the analyzed characteristics of the reference video, the scene transition effect, scene transition length, color style, motion blur, resolution, noise, BGM, angle of view It is characterized in that the target image is edited based on at least one of , composition and dynamic motion.
  • control unit analyzes characteristics of the obtained reference image and the acquired target image through a deep learning network, and edits the target image based on the analyzed characteristics of the reference image. characterized by
  • the deep learning network is composed of an image analysis network and an image editing network
  • the controller analyzes characteristics of the obtained reference image and the target image through the image analysis network, respectively, and It is characterized in that the target image is edited through an image editing network.
  • the deep learning network exists in an external server
  • the video editing device is connected to the deep learning network through the communication unit
  • the control unit controls the obtained reference image and the obtained target image. Transmitting to the deep learning network, and receiving the edited target image from the deep learning network.
  • control unit is characterized in that it provides an auto-edit interface to the user.
  • control unit receives inputs of the reference video and the target video from the user, edits the target video according to the user's request for editing, and stores the edited target video for the user. It is characterized in that the edited target image is stored according to a request.
  • control unit transmits the stored target image to the outside through the communication unit.
  • control unit is characterized in that the edited target video is stored in a preset path (URL).
  • URL preset path
  • control unit when receiving a signal for additional adjustment from the user after the edited target video is output, instructs the user to manually edit the edited target video. ) characterized in that it provides an interface.
  • the manual editing interface is characterized by including at least one of clip, BGM insertion, color change, mosaic processing, and caption addition.
  • control unit is characterized in that it receives feedback on the output target image from the user.
  • a memory is further included, and the control unit stores the edited target image in the memory.
  • obtaining a reference video and a target video analyzing characteristics of the obtained reference image and the acquired target image, respectively; editing the target image based on the analyzed feature of the reference image; and outputting the edited target video.
  • an image can be edited by reflecting a user's intention.
  • the video is edited using the reference video, there is an advantage in that the video can be edited without professional skills.
  • FIG. 1 is a block diagram for explaining a video editing device related to the present invention.
  • FIG. 2 is a diagram illustrating a schematic diagram of a video editing device and an operation method of the video editing device according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating the operation of a video editing device and a deep learning network according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating a configuration diagram of a video editing apparatus according to an embodiment of the present invention.
  • FIG. 5 is a flowchart of a method of operating a video editing apparatus according to an embodiment of the present invention.
  • FIG. 6 is a flowchart of a method of operating a server according to an embodiment of the present invention.
  • FIG. 7 is a diagram for explaining an embodiment in which an image editing apparatus according to an embodiment of the present invention analyzes an image.
  • FIGS. 8A to 8C are diagrams illustrating a specific embodiment in which an image editing apparatus according to an embodiment of the present invention analyzes an image.
  • FIG. 9 is a diagram for explaining an embodiment in which face recognition is performed in an image in an image editing apparatus according to an embodiment of the present invention.
  • FIG. 10 is a diagram for explaining an embodiment in which object and place recognition is performed in an image in an image editing apparatus according to an embodiment of the present invention.
  • FIG. 11 is a diagram for explaining an embodiment of tracking an object recognized in an image in a video editing apparatus according to an embodiment of the present invention.
  • FIG. 12 is a diagram for explaining an embodiment of detecting a scene change in an image in a video editing apparatus according to an embodiment of the present invention.
  • FIG. 13 is a diagram for explaining an embodiment of changing a color style within an image in an image editing apparatus according to an embodiment of the present invention.
  • FIG. 14 is a diagram for explaining an embodiment of recognizing BGM in an image in a video editing apparatus according to an embodiment of the present invention.
  • 15 is a diagram for explaining an embodiment in which text recognition is performed in an image in an image editing apparatus according to an embodiment of the present invention.
  • 16 is a diagram for explaining an embodiment in which a video editing apparatus according to an embodiment of the present invention obtains a reference video.
  • 17 is a diagram for explaining an embodiment in which an image editing apparatus according to an embodiment of the present invention obtains a target image.
  • FIG. 18 is a diagram for explaining an embodiment in which a video editing apparatus according to an embodiment of the present invention analyzes a reference video and a target video.
  • 19 is a diagram for explaining an embodiment in which a reference image and a target image are analyzed according to an embodiment of the present invention.
  • FIG. 20 is a diagram for explaining an embodiment in which a video editing apparatus according to an embodiment of the present invention stores a target video.
  • 21 is a diagram for explaining an embodiment of clipping a video in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • FIG. 22 is a diagram for explaining an embodiment in which BGM of a video is changed in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • FIG. 23 is a diagram for explaining an embodiment in which a color of an image is changed in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • FIG. 24 is a diagram for explaining an embodiment in which mosaic processing is performed on an image in a manual editing interface provided by an image editing apparatus according to an embodiment of the present invention.
  • 25 is a diagram for explaining an embodiment in which a caption is added in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • 26 is a diagram for explaining an embodiment in which a target image is saved in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • AI Artificial intelligence
  • artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science.
  • attempts to introduce artificial intelligence elements in various fields of information technology and use them to solve problems in those fields are being actively made.
  • Machine learning is a branch of artificial intelligence, a field of study that gives computers the ability to learn without being explicitly programmed.
  • machine learning can be said to be a technology that studies and builds a system that learns based on empirical data, makes predictions, and improves its own performance, as well as algorithms for it.
  • Machine learning algorithms build specific models to make predictions or decisions based on input data, rather than executing rigidly defined, static program instructions.
  • 'machine learning' may be used interchangeably with the term 'machine learning'.
  • a decision tree is an analysis method that performs classification and prediction by charting decision rules in a tree structure.
  • Bayesian network is a model that expresses a stochastic relationship (conditional independence) among multiple variables in a graph structure. Bayesian networks are suitable for data mining through unsupervised learning.
  • a support vector machine is a supervised learning model for pattern recognition and data analysis, and is mainly used for classification and regression analysis.
  • An artificial neural network is an information processing system in which a plurality of neurons called nodes or processing elements are connected in the form of a layer structure by modeling the operating principle of biological neurons and the connection relationship between neurons.
  • An artificial neural network is a model used in machine learning, a statistical learning algorithm inspired by neural networks in biology (particularly the brain in the central nervous system of animals) in machine learning and cognitive science. That is, the “deep learning network” described below may be composed of such an artificial neural network.
  • an artificial neural network may refer to an overall model that has problem-solving ability by changing synaptic coupling strength through learning of artificial neurons (nodes) that form a network by synapse coupling.
  • artificial neural network may be used interchangeably with the term neural network.
  • An artificial neural network may include a plurality of layers, and each of the layers may include a plurality of neurons. Also, the artificial neural network may include neurons and synapses connecting the neurons.
  • Artificial neural networks generally use the following three factors: (1) connection patterns between neurons in different layers, (2) a learning process that updates the weights of connections, and (3) an output value from the weighted sum of the inputs received from the previous layer. It can be defined by the activation function you create.
  • Artificial neural networks may include network models such as Deep Neural Network (DNN), Recurrent Neural Network (RNN), Bidirectional Recurrent Deep Neural Network (BRDNN), Multilayer Perceptron (MLP), and Convolutional Neural Network (CNN). , but not limited thereto.
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • BBDNN Bidirectional Recurrent Deep Neural Network
  • MLP Multilayer Perceptron
  • CNN Convolutional Neural Network
  • 'layer' may be used interchangeably with the term 'layer'.
  • Artificial neural networks are classified into single-layer neural networks and multi-layer neural networks according to the number of layers.
  • a typical single-layer neural network consists of an input layer and an output layer.
  • a general multilayer neural network is composed of an input layer, one or more hidden layers, and an output layer.
  • the input layer is a layer that accepts external data.
  • the number of neurons in the input layer is the same as the number of input variables.
  • the hidden layer is located between the input layer and the output layer. do.
  • the output layer receives a signal from the hidden layer and outputs an output value based on the received signal.
  • the input signal between neurons is multiplied by each connection strength (weight) and then summed. If this sum is greater than the neuron's threshold, the neuron is activated and outputs the output value obtained through the activation function.
  • a deep neural network including a plurality of hidden layers between an input layer and an output layer may be a representative artificial neural network implementing deep learning, which is a type of machine learning technology.
  • the term 'deep learning' may be used interchangeably with the term 'deep learning'.
  • the artificial neural network may be trained using training data.
  • learning may refer to a process of determining parameters of an artificial neural network using learning data in order to achieve a purpose such as classification, regression analysis, or clustering of input data.
  • parameters of an artificial neural network a weight assigned to a synapse or a bias applied to a neuron may be cited.
  • An artificial neural network learned from training data may classify or cluster input data according to a pattern of the input data.
  • an artificial neural network trained using training data may be referred to as a trained model in this specification.
  • Learning methods of artificial neural networks can be largely classified into supervised learning, unsupervised learning, semi-supervised learning, and reinforcement learning.
  • Supervised learning is a method of machine learning to infer a function from training data.
  • outputting a continuous value is called regression analysis, and predicting and outputting the class of an input vector is called classification.
  • an artificial neural network is trained under a given label for training data.
  • the label may mean a correct answer (or a result value) to be inferred by the artificial neural network when training data is input to the artificial neural network.
  • an answer (or a result value) to be inferred by an artificial neural network is referred to as a label or labeling data.
  • training data and labels corresponding to the training data constitute one training set, and may be input to the artificial neural network in the form of a training set.
  • the training data represents a plurality of features
  • labeling the training data with a label may mean that a label is attached to a feature represented by the training data.
  • the training data may represent the characteristics of the input object in the form of a vector.
  • the artificial neural network may use the training data and the labeling data to infer a function for a correlation between the training data and the labeling data.
  • parameters of the artificial neural network may be determined (optimized) through evaluation of the function inferred from the artificial neural network.
  • Unsupervised learning is a type of machine learning in which labels are not given to the training data.
  • unsupervised learning may be a learning method for learning an artificial neural network to find and classify a pattern in training data itself rather than an association between training data and a label corresponding to the training data.
  • unsupervised learning examples include clustering or independent component analysis.
  • 'clustering' may be used interchangeably with the term 'clustering'.
  • Examples of artificial neural networks using unsupervised learning include a Generative Adversarial Network (GAN) and an Autoencoder (AE).
  • GAN Generative Adversarial Network
  • AE Autoencoder
  • a generative adversarial network is a machine learning method in which two different artificial intelligences, a generator and a discriminator, compete to improve performance.
  • the generator is a model that creates new data and can generate new data based on original data.
  • the discriminator is a model that recognizes data patterns and can play a role in discriminating whether input data is original data or new data generated by a generator.
  • the generator learns by receiving data that has not deceived the discriminator, and the discriminator can learn by receiving deceived data from the generator. Accordingly, the generator can evolve to deceive the discriminator as best as possible, and the discriminator can evolve to distinguish well between the original data and the data generated by the generator.
  • An autoencoder is a neural network that aims to reproduce the input itself as an output.
  • An auto-encoder includes an input layer, at least one hidden layer, and an output layer. In this case, since the number of nodes in the hidden layer is smaller than the number of nodes in the input layer, the dimensionality of data is reduced, and compression or encoding is performed accordingly.
  • the data output from the hidden layer goes into the output layer.
  • the number of nodes in the output layer is greater than the number of nodes in the hidden layer, the dimensionality of data increases, and accordingly, decompression or decoding is performed.
  • the autoencoder adjusts the connection strength of neurons through learning, so that input data is expressed as hidden layer data.
  • information is expressed with fewer neurons than in the input layer, and being able to reproduce input data as an output may mean that the hidden layer discovered and expressed a hidden pattern from the input data.
  • Quasi-supervised learning is a type of machine learning and may refer to a learning method using both labeled training data and unlabeled training data.
  • Reinforcement learning is a theory that if an agent is given an environment in which it can judge what action to take every moment, it can find the best way through experience without data.
  • Reinforcement learning may be performed mainly by a Markov Decision Process (MDP).
  • MDP Markov Decision Process
  • the structure of an artificial neural network is specified by model configuration, activation function, loss function or cost function, learning algorithm, optimization algorithm, etc., and hyperparameters are set in advance before learning.
  • the model parameter (Model Parameter) is set through learning, so that the content can be specified.
  • factors determining the structure of an artificial neural network may include the number of hidden layers, the number of hidden nodes included in each hidden layer, an input feature vector, a target feature vector, and the like.
  • Hyperparameters include various parameters that must be initially set for learning, such as initial values of model parameters. And, the model parameters include several parameters to be determined through learning.
  • the hyperparameters may include an initial value of weight between nodes, an initial value of bias between nodes, a mini-batch size, a number of training iterations, a learning rate, and the like.
  • model parameters may include weights between nodes, biases between nodes, and the like.
  • the loss function may be used as an index (reference) for determining optimal model parameters in the learning process of an artificial neural network.
  • learning means a process of manipulating model parameters to reduce a loss function, and the purpose of learning can be seen as determining model parameters that minimize a loss function.
  • the loss function may mainly use mean squared error (MSE) or cross entropy error (CEE), but the present invention is not limited thereto.
  • MSE mean squared error
  • CEE cross entropy error
  • Cross entropy error can be used when the correct answer label is one-hot encoded.
  • One-hot encoding is an encoding method in which the correct answer label value is set to 1 only for neurons corresponding to the correct answer, and the correct answer label value is set to 0 for neurons with no correct answer.
  • learning optimization algorithms can be used to minimize the loss function, and learning optimization algorithms include Gradient Descent (GD), Stochastic Gradient Descent (SGD), Momentum ), NAG (Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, and Nadam.
  • Gradient Descent GD
  • Stochastic Gradient Descent SGD
  • Momentum Momentum
  • NAG Nesterov Accelerate Gradient
  • Adagrad AdaDelta
  • RMSProp Adam
  • Adam and Nadam.
  • Gradient descent is a technique that adjusts model parameters in the direction of reducing the value of the loss function by considering the slope of the loss function in the current state.
  • a direction for adjusting model parameters is called a step direction, and a size for adjusting the model parameters is called a step size.
  • the step size may mean a learning rate.
  • a gradient may be obtained by partial differentiation of a loss function with respective model parameters, and the model parameters may be updated by changing the model parameters in the direction of the obtained gradient by a learning rate.
  • Stochastic gradient descent is a technique that increases the frequency of gradient descent by dividing training data into mini-batches and performing gradient descent for each mini-batch.
  • Adagrad, AdaDelta, and RMSProp are techniques that increase optimization accuracy by adjusting the step size in SGD.
  • momentum and NAG are techniques that increase optimization accuracy by adjusting the step direction.
  • Adam is a technique that increases optimization accuracy by adjusting the step size and step direction by combining momentum and RMSProp.
  • Nadam is a technique that increases optimization accuracy by adjusting the step size and step direction by combining NAG and RMSProp.
  • the learning speed and accuracy of an artificial neural network are characterized by being largely dependent on hyperparameters as well as the structure of the artificial neural network and the type of learning optimization algorithm. Therefore, in order to obtain a good learning model, it is important to set appropriate hyperparameters as well as to determine an appropriate artificial neural network structure and learning algorithm.
  • hyperparameters are experimentally set to various values to train the artificial neural network, and as a result of learning, the optimal values are set to provide stable learning speed and accuracy.
  • FIG. 1 is a block diagram for explaining a video editing device related to the present invention.
  • the image editing device 100 includes a mobile phone, a projector, a mobile phone, a smart phone, a laptop computer, a digital broadcasting terminal, a personal digital assistants (PDA), a portable multimedia player (PMP), a navigation, Slate PC, tablet PC, ultrabook, wearable device (e.g., watch type terminal (smartwatch), glass type terminal (smart glass), HMD (head mounted display) )), set-top boxes (STBs), DMB receivers, radios, washing machines, refrigerators, desktop computers, digital signage, and other stationary and movable devices.
  • PDA personal digital assistants
  • PMP portable multimedia player
  • STBs set-top boxes
  • DMB receivers radios, washing machines, refrigerators, desktop computers, digital signage, and other stationary and movable devices.
  • the image editing device 100 may be implemented in the form of various home appliances used at home, and may be applied to a fixed or movable robot.
  • the video editing device 100 may perform a function of a voice agent.
  • the voice agent may be a program that recognizes a user's voice and outputs a response suitable for the recognized user's voice as a voice.
  • the video editing device 100 includes a wireless communication unit 110, an input unit 120, a running processor 130, a sensing unit 140, an output unit 150, an interface unit 160, a memory 170, and a control unit 180. ) and a power supply unit 190.
  • the components shown in FIG. 1 are not essential to implement the video editing device, so the video editing device described in this specification may have more or fewer components than the components listed above.
  • a trained model may be loaded into the video editing device 100 .
  • the learning model may be implemented by hardware, software, or a combination of hardware and software, and when part or all of the learning model is implemented in software, one or more instructions constituting the learning model may be stored in the memory 170. .
  • the wireless communication unit 110 is between the video editing device 100 and the wireless communication system, between the video editing device 100 and another video editing device 100, or the video editing device 100 ) and one or more modules enabling wireless communication between the external server. Also, the wireless communication unit 110 may include one or more modules that connect the video editing device 100 to one or more networks.
  • the wireless communication unit 110 may include at least one of a broadcast reception module 111, a mobile communication module 112, a wireless Internet module 113, a short-distance communication module 114, and a location information module 115. .
  • the broadcast reception module 111 of the wireless communication unit 110 receives a broadcast signal and/or broadcast-related information from an external broadcast management server through a broadcast channel.
  • the broadcast channel may include a satellite channel and a terrestrial channel.
  • Two or more broadcasting receiving modules may be provided in the moving image editing device 100 to receive simultaneous broadcasting of at least two broadcasting channels or to switch broadcasting channels.
  • the mobile communication module 112 complies with technical standards or communication methods for mobile communication (eg, Global System for Mobile communication (GSM), Code Division Multi Access (CDMA), Code Division Multi Access 2000 (CDMA2000), EV) -DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A (Long Term Evolution-Advanced), etc.) to transmit and receive radio signals with at least one of a base station, an external terminal, and a server on a mobile communication network.
  • GSM Global System for Mobile communication
  • CDMA Code Division Multi Access
  • CDMA2000 Code Division Multi Access 2000
  • EV -DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only)
  • HSDPA High Speed Downlink Packet Access
  • HSUPA High Speed Uplink Packet Access
  • the wireless signal may include a voice call signal, a video call signal, or various types of data according to text/multimedia message transmission/reception.
  • the wireless Internet module 113 refers to a module for wireless Internet access, and may be built into or external to the video editing device 100 .
  • the wireless Internet module 113 is configured to transmit and receive radio signals in a communication network according to wireless Internet technologies.
  • Wireless Internet technologies include, for example, WLAN (Wireless LAN), Wi-Fi (Wireless-Fidelity), Wi-Fi (Wireless Fidelity) Direct, DLNA (Digital Living Network Alliance), WiBro (Wireless Broadband), WiMAX (World Interoperability for Microwave Access), HSDPA (High Speed Downlink Packet Access), HSUPA (High Speed Uplink Packet Access), LTE (Long Term Evolution), LTE-A (Long Term Evolution-Advanced), etc., and the wireless Internet module ( 113) transmits and receives data according to at least one wireless Internet technology within a range including Internet technologies not listed above.
  • the wireless Internet module (113) performing wireless Internet access through the mobile communication network may be understood as a kind of the mobile communication module 112.
  • the short-range communication module 114 is for short range communication, and includes Bluetooth (Radio Frequency Identification (RFID), Infrared Data Association (IrDA), Ultra Wideband (UWB), ZigBee, NFC (Near Field Communication), Wi-Fi (Wireless-Fidelity), Wi-Fi Direct, and Wireless USB (Wireless Universal Serial Bus) technologies, and may support short-range communication.
  • RFID Radio Frequency Identification
  • IrDA Infrared Data Association
  • UWB Ultra Wideband
  • ZigBee ZigBee
  • NFC Near Field Communication
  • Wi-Fi Wireless-Fidelity
  • Wi-Fi Direct Wireless USB
  • Wireless USB Wireless Universal Serial Bus
  • the location information module 115 is a module for obtaining the location (or current location) of the video editing device, and representative examples thereof include a Global Positioning System (GPS) module or a Wireless Fidelity (WiFi) module.
  • GPS Global Positioning System
  • Wi-Fi Wireless Fidelity
  • the location of the video editing device may be obtained using signals transmitted from GPS satellites.
  • the location of the video editing device may be obtained based on information of a wireless access point (AP) that transmits or receives a wireless signal with the Wi-Fi module. there is.
  • AP wireless access point
  • the location information module 115 may perform any function among other modules of the wireless communication unit 110 to obtain data on the location of the video editing device in substitution or addition.
  • the location information module 115 is a module used to obtain the location (or current location) of the video editing device, and is not limited to a module that directly calculates or acquires the location of the video editing device.
  • the input unit 120 includes a camera 121 or video input unit for inputting a video signal, a microphone 122 for inputting an audio signal, or a user input unit 123 for receiving information from a user, for example , a touch key, a push key (mechanical key, etc.). Voice data or image data collected by the input unit 120 may be analyzed and processed as a user's control command.
  • the camera 121 processes an image frame such as a still image or a moving image obtained by an image sensor in a video call mode or a photographing mode.
  • the processed image frame may be displayed on the display unit 151 or stored in the memory 170 .
  • the plurality of cameras 121 provided in the image editing device 100 may be arranged to form a matrix structure, and through the cameras 121 forming the matrix structure, the image editing device 100 may view various angles or A plurality of image information having a focus may be input.
  • the plurality of cameras 121 may be arranged in a stereo structure to obtain left and right images for realizing a stereoscopic image.
  • the microphone 122 processes external sound signals into electrical voice data.
  • the processed audio data may be used in various ways according to the function (or application program being executed) being performed in the video editing device 100 . Meanwhile, various noise cancellation algorithms for removing noise generated in the process of receiving an external sound signal may be implemented in the microphone 122 .
  • the user input unit 123 is for receiving information from a user. When information is input through the user input unit 123, the control unit 180 can control the operation of the video editing device 100 to correspond to the input information. there is.
  • the user input unit 123 is a mechanical input means (or a mechanical key, for example, a button located on the front, rear or side of the video editing device 100, a dome switch, a jog wheel) , jog switch, etc.) and a touch input means.
  • the touch input means consists of a virtual key, soft key, or visual key displayed on a touch screen through software processing, or a part other than the touch screen. It can be made of a touch key (touch key) disposed on.
  • the virtual key or visual key can be displayed on the touch screen while having various forms, for example, graphic (graphic), text (text), icon (icon), video (video) or these may be made of a combination of
  • the learning processor 130 learns a model composed of an artificial neural network using training data.
  • the learning processor 130 may determine optimized model parameters of the artificial neural network by iteratively learning the artificial neural network using various learning techniques described above.
  • an artificial neural network whose parameters are determined by learning using training data may be referred to as a learning model or a trained model.
  • the learning model may be used to infer a result value with respect to new input data other than training data.
  • Learning processor 130 may be configured to receive, classify, store, and output information to be used for data mining, data analysis, intelligent decision making, and machine learning algorithms and techniques.
  • the learning processor 130 may include one or more memory units configured to store data received, detected, sensed, generated, predefined, or outputted by another component, device, terminal, or apparatus in communication with the terminal.
  • the running processor 130 may include memory integrated or implemented in the terminal. In some embodiments, learning processor 130 may be implemented using memory 170 .
  • the running processor 130 may be implemented using memory associated with the terminal, such as external memory coupled directly to the terminal or memory maintained in a server communicating with the terminal.
  • the learning processor 130 may be implemented using a memory maintained in a cloud computing environment or another remote memory location accessible by the terminal through a communication scheme such as a network.
  • Learning processor 130 typically stores data in one or more databases to identify, index, categorize, manipulate, store, retrieve, and output data for use in supervised or unsupervised learning, data mining, predictive analytics, or other machines. It can be configured to store in.
  • the database may be implemented using the memory 170, the memory 230 of the learning device 200, a memory maintained in a cloud computing environment, or another remote memory location accessible by the terminal through a communication method such as a network.
  • Information stored in learning processor 130 may be used by controller 180 or one or more other controllers of the terminal using any of a variety of different types of data analysis algorithms and machine learning algorithms.
  • Examples of such algorithms include k-nearest neighbor systems, fuzzy logic (e.g. probability theory), neural networks, Boltzmann machines, vector quantization, pulsed neural networks, support vector machines, maximum margin classifiers, hill climbing, inductive logic systems, Bayesian networks , ferritnets (e.g. finite state machine, millie machine, Moore finite state machine), classifier trees (e.g. perceptron trees, support vector trees, markov trees, decision tree forests, random forests), reading models and systems, artificial It includes fusion, sensor fusion, image fusion, reinforcement learning, augmented reality, pattern recognition, automated planning, and more.
  • fuzzy logic e.g. probability theory
  • neural networks e.g. probability theory
  • Boltzmann machines e.g. probability theory
  • vector quantization e.g. probability theory
  • pulsed neural networks e.g., pulsed neural networks
  • support vector machines maximum margin classifiers
  • hill climbing inductive logic systems
  • Bayesian networks e.g. finite state machine, mill
  • the controller 180 may determine or predict at least one feasible operation of the terminal based on information determined or generated using data analysis and machine learning algorithms. To this end, the control unit 180 may request, search, receive, or utilize data of the learning processor 130, and execute the terminal to execute a predicted operation or an operation determined to be desirable among the at least one executable operation. You can control it.
  • the control unit 180 may perform various functions for implementing intelligent emulation (ie, a knowledge-based system, an inference system, and a knowledge acquisition system). It can be applied to various types of systems (eg, fuzzy logic systems), including adaptive systems, machine learning systems, artificial neural networks, and the like.
  • intelligent emulation ie, a knowledge-based system, an inference system, and a knowledge acquisition system. It can be applied to various types of systems (eg, fuzzy logic systems), including adaptive systems, machine learning systems, artificial neural networks, and the like.
  • the controller 180 also includes voice and natural language voice, such as an I/O processing module, an environmental condition module, a speech to text (STT) processing module, a natural language processing module, a work flow processing module, and a service processing module. It may contain submodules that enable operations involving processing.
  • voice and natural language voice such as an I/O processing module, an environmental condition module, a speech to text (STT) processing module, a natural language processing module, a work flow processing module, and a service processing module. It may contain submodules that enable operations involving processing.
  • Each of these submodules may have access to one or more systems or data and models in the terminal, or a subset or superset thereof.
  • each of these sub-modules may provide various functions including vocabulary index, user data, workflow model, service model, and automatic speech recognition (ASR) system.
  • ASR automatic speech recognition
  • control unit 180 or other aspects of the terminal may be implemented as the sub-modules, systems, or data and models.
  • control unit 180 may be configured to detect and detect a requirement based on a user's intention or a contextual condition expressed as a user input or natural language input.
  • the control unit 180 may actively derive and obtain information required to completely determine a requirement based on context conditions or user intention. For example, the controller 180 may actively derive information necessary for determining a requirement by analyzing past data including historical input and output, pattern matching, unambiguous words, and input intention.
  • the controller 180 may determine a task flow for executing a function that responds to a request based on a context condition or a user's intention.
  • control unit 180 collects, detects, extracts, detects signals or data used in data analysis and machine learning tasks through one or more sensing components in the terminal and/or configured to receive.
  • Information gathering may include sensing information through sensors, extracting information stored in memory 170, or receiving information from other terminals, entities, or external storage devices through communication means.
  • the controller 180 may collect use history information from the terminal and store it in the memory 170 .
  • the controller 180 may determine the best match for executing a specific function using the stored usage history information and predictive modeling.
  • the control unit 180 may receive or sense surrounding environment information or other information through the sensing unit 140 .
  • the control unit 180 may receive a broadcast signal and/or broadcast related information, a wireless signal, and wireless data through the wireless communication unit 110 .
  • the controller 180 may receive image information (or a corresponding signal), audio information (or a corresponding signal), data, or user input information from the input unit 120 .
  • the control unit 180 collects information in real time, processes or classifies the information (eg, knowledge graph, command policy, personalized database, conversation engine, etc.), and stores the processed information in the memory 170 or the learning processor 130 ) can be stored.
  • information eg, knowledge graph, command policy, personalized database, conversation engine, etc.
  • the controller 180 may control components of the terminal to execute the determined operation. In addition, the controller 180 may perform the determined operation by controlling the terminal according to the control command.
  • the controller 180 analyzes history information indicating the execution of the specific operation through data analysis and machine learning algorithms and techniques, and updates previously learned information based on the analyzed information.
  • the controller 180 together with the learning processor 130, can improve the accuracy of future performance of data analysis and machine learning algorithms and techniques based on the updated information.
  • the sensing unit 140 may include one or more sensors for sensing at least one of information within the video editing device, surrounding environment information surrounding the video editing device, and user information.
  • the sensing unit 140 may include a proximity sensor 141, an illumination sensor 142, a touch sensor, an acceleration sensor, a magnetic sensor, and gravity.
  • G-sensor gyroscope sensor
  • motion sensor motion sensor
  • RGB sensor infrared sensor
  • IR sensor infrared sensor
  • finger scan sensor ultrasonic sensor
  • an optical sensor eg, a camera (see 121)), a microphone (see 122), a battery gauge, an environmental sensor (eg, a barometer, a hygrometer, a thermometer, a radiation detection sensor, It may include at least one of a heat detection sensor, a gas detection sensor, etc.), a chemical sensor (eg, an electronic nose, a healthcare sensor, a biometric sensor, etc.).
  • the video editing device disclosed in this specification may combine and utilize information sensed by at least two or more of these sensors.
  • the output unit 150 is for generating an output related to sight, hearing, or touch, and includes at least one of a display unit 151, a sound output unit 152, a haptic module 153, and an optical output unit 154. can do.
  • the display unit 151 may implement a touch screen by forming a mutual layer structure or integrally with the touch sensor. Such a touch screen may function as a user input unit 123 providing an input interface between the video editing apparatus 100 and the user and provide an output interface between the video editing apparatus 100 and the user.
  • the audio output unit 152 may output audio data received from the wireless communication unit 110 or stored in the memory 170 in a call signal reception, a call mode or a recording mode, a voice recognition mode, a broadcast reception mode, and the like.
  • the audio output unit 152 also outputs audio signals related to functions performed by the video editing device 100 (eg, call signal reception sound, message reception sound, etc.).
  • the sound output unit 152 may include a receiver, a speaker, a buzzer, and the like.
  • the haptic module 153 generates various tactile effects that a user can feel.
  • a representative example of the tactile effect generated by the haptic module 153 may be vibration.
  • the strength and pattern of the vibration generated by the haptic module 153 may be controlled by a user's selection or a setting of a controller.
  • the haptic module 153 may synthesize and output different vibrations or sequentially output them.
  • the light output unit 154 outputs a signal for notifying occurrence of an event using light from a light source of the image editing device 100 .
  • Examples of events occurring in the video editing device 100 may include message reception, call signal reception, missed calls, alarms, schedule notifications, e-mail reception, and information reception through applications.
  • the interface unit 160 serves as a passage for various types of external devices connected to the video editing device 100 .
  • the interface unit 160 connects a device equipped with a wired/wireless headset port, an external charger port, a wired/wireless data port, a memory card port, and an identification module. It may include at least one of a port, an audio input/output (I/O) port, a video input/output (I/O) port, and an earphone port.
  • the video editing device 100 may perform appropriate control related to the connected external device in response to the external device being connected to the interface unit 160 .
  • the memory 170 stores data supporting various functions of the image editing device 100 .
  • the memory 170 may store a plurality of application programs (applications) driven by the image editing device 100 , data for operation of the image editing device 100 , and commands. At least some of these application programs may be downloaded from an external server through wireless communication. In addition, at least some of these application programs may exist on the video editing device 100 from the time of shipment for the basic functions of the video editing device 100 (eg, incoming call, outgoing function, message reception, and outgoing function). there is. Meanwhile, the application program may be stored in the memory 170, installed on the image editing device 100, and driven by the control unit 180 to perform an operation (or function) of the image editing device.
  • the controller 180 controls overall operations of the video editing device 100 in addition to operations related to the application program.
  • the control unit 180 may provide or process appropriate information or functions to the user by processing signals, data, information, etc. input or output through the components described above or by running an application program stored in the memory 170.
  • controller 180 may control at least some of the components discussed in conjunction with FIG. 1 in order to drive an application program stored in the memory 170 . Furthermore, the controller 180 may combine and operate at least two or more of the components included in the image editing device 100 to drive the application program.
  • the power supply unit 190 receives external power and internal power under the control of the controller 180 and supplies power to each component included in the image editing device 100 .
  • the power supply unit 190 includes a battery 191, and the battery may be a built-in battery or a replaceable battery.
  • At least some of the components may operate in cooperation with each other to implement an operation, control, or control method of an image editing device according to various embodiments described below.
  • the operation, control, or control method of the video editing device may be implemented on the video editing device by driving at least one application program stored in the memory 170 .
  • FIG. 2 is a diagram illustrating a schematic diagram of a video editing device and an operation method of the video editing device according to an embodiment of the present invention.
  • the image editing device may obtain a reference image and a target image, respectively.
  • the image editing device may transmit the obtained reference image and the target image to an image analysis network.
  • the image analysis network may correspond to one component of the deep learning network.
  • the image editing device may analyze characteristics of the obtained reference image and the target image based on the image analysis network.
  • the image may include both still and moving images.
  • the image may be characterized as a RAW FILE.
  • the characteristics of the image may include image quality characteristics of the image, such as composition, color, image quality, people, objects, and background, and those related to the photographed subject.
  • the image editing device may transmit the analyzed characteristics of the reference image and the analyzed characteristics of the target image to the image editing network.
  • the video editing network may also correspond to one component of the deep learning network.
  • the image editing device may edit the characteristics of the target image by referring to the characteristics of the reference image through the image editing network.
  • the video editing device may automatically or manually edit the characteristics of the target video according to a user's request.
  • the image editing device may output the edited target image through the output unit described above in FIG. 1 .
  • FIG. 3 is a diagram illustrating the operation of a video editing device and a deep learning network according to an embodiment of the present invention.
  • the image editing device 310 may edit and output an image (hereinafter, a target image) requested by a user with reference to the analyzed data. To this end, the image editing device 310 may require a pre-edited image or a reference image to be referenced by a target image.
  • a target image an image requested by a user with reference to the analyzed data.
  • the image editing device 310 may require a pre-edited image or a reference image to be referenced by a target image.
  • the image editing device 310 may obtain a reference image and a target image.
  • a method of obtaining a reference image and a target image will be described in detail with reference to FIGS. 16 and 17 below.
  • the image editing device 310 may transmit the obtained reference image and target image to the deep learning network 320 .
  • the video editing device 310 and the deep learning network 320 are shown as separate components in FIG. 3 , one video editing device 310 may include the deep learning network 320 . That is, the deep learning network 320 may generally mean a cloud server, but may be performed within the video editing device 310 . However, for convenience of description, the video editing device 310 and the deep learning network 320 will be described as a separate embodiment.
  • the deep learning network 320 may include an image analysis network 321 and an image editing network 322 .
  • the deep learning network 320 may analyze the characteristics of the reference image and the target image received through the image analysis network 321, respectively. More specifically, the image analysis network 321 analyzes scene change effects, analyzes scene change length, analyzes color filters, analyzes angle of view and composition, analyzes image quality, analyzes image BGM, analyzes people, It can perform object detection and classification, background and location detection, text analysis in video, subject motion analysis, and the like. This will be described in detail with reference to FIGS. 7 to 15 .
  • the deep learning network 320 may transmit the analyzed characteristics of the reference image and the analyzed characteristics of the target image to the image editing network 322 .
  • the image editing network 322 may edit the target image based on the characteristics of the received reference image and the characteristics of the target image.
  • the image editing network 322 may edit the target image based on the analyzed features of the reference image. That is, the image editing network 322 may substitute at least one feature of the reference image for a feature of the target image automatically or based on a user request.
  • the image editing device 310 may edit the target image into a similar image by maximizing the characteristics of the reference image. Specifically, the image editing device 310 may reflect story elements such as scene transitions, compositional elements such as movement of a main subject and background, and the style of background music.
  • the image editing network 322 applies a scene transition effect of the reference video, applies a scene transition length, applies a color style, removes motion blur, improves resolution, removes noise, applies similar BGM, applies a similar angle of view and composition considering the subject and background, and Motion synchronization may be applied to the target image. This will be described in detail in the following drawings.
  • the video editing network 322 may transmit the edited target video to the video editing device 310 .
  • the video editing device 310 may output the received target video and ask the user whether or not to make a final decision.
  • the video editing device 310 may receive an adjustment request from the user.
  • the image editing device 310 may additionally adjust the target image.
  • the video editing device 310 may additionally re-edit the automatically edited video through manual editing. This will be described in detail with reference to FIGS. 21 to 26 .
  • the image editing device 310 may end image editing and store the target image.
  • FIG. 4 is a diagram illustrating a configuration diagram of a video editing apparatus according to an embodiment of the present invention.
  • the image editing device 400 may include a communication unit 410 , an input/output unit 420 , a memory 430 and a control unit 440 .
  • each component of the video editing device 400 may refer to the contents of the wireless communication unit, input unit, output unit, memory, and control unit described above in FIG. 1, and in FIG. 4, only features related to an embodiment of the present invention are described. let it do
  • the communication unit 410 may communicate with the outside and transmit the acquired reference image and target image to a deep learning network (not shown). Also, the communication unit 410 may obtain a reference image and a target image from the outside. That is, the communication unit 410 may receive reference and target images stored in the image editing device 400 as well as external reference and target images. At this time, the communication unit 410 may use the connection address (URL) of the reference video. Also, the communication unit 410 may transmit the edited target video to the outside.
  • a deep learning network not shown.
  • the communication unit 410 may obtain a reference image and a target image from the outside. That is, the communication unit 410 may receive reference and target images stored in the image editing device 400 as well as external reference and target images. At this time, the communication unit 410 may use the connection address (URL) of the reference video. Also, the communication unit 410 may transmit the edited target video to the outside.
  • URL connection address
  • the input/output unit 420 is composed of an input unit and an output unit, and may receive an input signal from a user through a touch screen or the like and output an edited target image through a display or the like. More specifically, the input/output unit 420 may receive a signal from a user in order to obtain a reference image and a target image, and may receive a signal indicating whether to automatically edit or manually edit the target image. Also, the input/output unit 420 may receive a signal about whether or not to additionally edit and whether to save after the target image is completed.
  • the memory 430 may store a reference image, a target image, and an edited target image. Also, the memory 430 may store information related to analyzed features of the reference image and the target image. In addition, in one embodiment of the present invention, the memory 430 may store the analyzed feature of the reference image, and when editing of another target image is requested later, the stored feature is used without receiving the reference image. so that the target image can be edited.
  • the control unit 440 may control the communication unit 410, the input/output unit 420, and the memory 430 of the video editing device 400 described above.
  • the controller 440 may acquire a reference image and a target image, and may analyze characteristics of the acquired reference image and target image, respectively.
  • the analyzed features include scene transition effect, scene transition length, color filter, angle of view, composition, image quality, video BGM, person detection, object detection, object classification, background detection, place detection, text in video, and subject movement. may contain at least one.
  • the controller 440 may edit the target image based on the analyzed characteristics of the reference image. More specifically, the controller 440, when editing the target video based on the analyzed characteristics of the reference video, the scene change effect, scene change length, color style, motion blur, resolution, noise, BGM, angle of view, composition And the target image may be edited based on at least one of dynamic motion.
  • the controller 440 may analyze the characteristics of the reference image and the target image obtained through the above-described deep learning network, respectively, and edit the target image based on the analyzed characteristics of the reference image.
  • the deep learning network is composed of an image analysis network and an image editing network, and the controller 440 analyzes the characteristics of the reference image and the target image obtained through the image analysis network and edits the target image through the image editing network.
  • the controller 440 may provide an automatic editing interface to the user, and may receive input of a reference image and a target image from the user through the provided automatic editing interface.
  • the controller 440 may edit the target video according to the user's editing request through an automatic editing interface.
  • the controller 440 may store the edited target image according to the user's storage request through the automatic editing interface. In this case, the controller 440 may store the edited target video as a preset path (URL).
  • URL preset path
  • controller 440 may output the edited target image.
  • the controller 440 may provide a user with a manual editing interface for the edited target video.
  • the manual editing interface may include at least one of clip, BGM insertion, color change, mosaic processing, and caption addition.
  • controller 440 may receive feedback on the output target image from the user.
  • FIGS. 5 and 6 operations performed by the control unit of the video editing device and the control unit of the server described above in FIGS. 2 and 3 will be described.
  • FIG. 5 is a flowchart of a method of operating a video editing apparatus according to an embodiment of the present invention.
  • operations performed by the control unit of the video editing device or operations performed by the video editing device will be described for convenience of description.
  • the video editing device may obtain a reference video.
  • the video editing device may acquire a preset path (URL) for the reference video instead of directly acquiring a file for the reference video.
  • URL preset path
  • step S520 the video editing device may obtain a target video.
  • step S530 the video editing device may transmit the obtained reference video and target video to the server.
  • the video editing device may receive the edited video from the server.
  • the server may analyze the characteristics of the received reference image and the target image, and edit the target image based on the analyzed characteristics of the reference image.
  • the video editing device may check whether additional adjustment is made from the user. At this time, the video editing device may output the edited target video to the user and then confirm whether additional adjustment is required from the user.
  • the video editing apparatus may re-edit the edited target video when receiving a signal for additional adjustment from the user, and store the edited target video when receiving a signal for an end request.
  • step S560 the video editing device may receive feedback from the user.
  • FIG. 6 is a flowchart of a method of operating a server according to an embodiment of the present invention. Hereinafter, operations performed by the controller of the server or performed by the server for convenience of description will be described.
  • the server may receive a reference video from the video editing device.
  • the server may receive a path (URL) corresponding to the reference video from the video editing device.
  • the server may receive the target video from the video editing device.
  • the server may analyze the characteristics of the reference image and the target image.
  • the server may analyze the characteristics of the reference image and the target image through a deep learning-based image analysis network.
  • the server may edit the target image based on the analyzed feature of the reference image.
  • the server may edit the target image based on the analyzed features of the reference image through the deep learning-based image editing network.
  • step S650 the server may transmit the edited video to the video editing device.
  • FIG. 7 is a diagram for explaining an embodiment in which an image editing apparatus according to an embodiment of the present invention analyzes an image.
  • an embodiment in which an image analysis network analyzes an acquired image is described as an example, but it goes without saying that a video editing device may perform the following embodiment.
  • the video analysis network may perform analysis on the received video without distinguishing between the reference video and the target video.
  • the video analysis network may classify the received video in units of frames.
  • the video analysis network may classify the received video based on a change in a scene. That is, since the images can be grouped into one scene even if there is a difference in frame number (no.), the video analysis network can analyze the received video as a scene change based on the frame.
  • the video analysis network may detect and recognize a person appearing based on a frame of the received video.
  • at least one person may be included in one frame.
  • the image analysis network may detect at least one person and determine whether or not the corresponding person continues to appear according to the frame change.
  • the video analysis network may detect and recognize an object based on a frame of the received video. In this case, of course, at least one object may be included in one frame. Accordingly, the video analysis network may determine whether at least one object is. For example, the video analytics network may determine that the object is “food”.
  • the video analysis network may analyze text based on frames of the received video.
  • at least one text may be included in one frame.
  • FIGS. 8A to 8C various characteristics that can be analyzed in one frame of an image will be reviewed through FIGS. 8A to 8C.
  • FIGS. 8A to 8C are diagrams illustrating a specific embodiment in which an image editing apparatus according to an embodiment of the present invention analyzes an image.
  • 8A to 8C are diagrams for explaining an embodiment of analyzing one frame of the image received in FIG. 7 .
  • FIG. 8A shows an embodiment in which a video editing device analyzes one frame.
  • the image editing apparatus performs face recognition (811, 812), object recognition (821), and text recognition (831, 832) within one frame based on one frame of the received image.
  • the video editing device assigns a frame number of one frame of the received video, and first face information 811, second face information 812, and first object information 821 recognized in the corresponding frame.
  • the first text information 831 and the second text information 832 may be analyzed.
  • the video editing apparatus may store scene change information, face recognition information, object recognition information, and text analysis information corresponding to each frame.
  • FIG. 8C shows another embodiment in which the video editing device analyzes one frame.
  • the video editing device may perform video composition on one frame.
  • the video editing device may perform color composition on one frame.
  • the video editing apparatus may perform motion estimation for one frame.
  • the video editing device may perform BGM analysis on one frame. That is, the video editing device may analyze each feature of one frame.
  • FIGS. 9 to 15 a method for analyzing a feature will be described in detail.
  • FIGS. 9 to 15 an analysis of one frame will be described as an example.
  • FIG. 9 is a diagram for explaining an embodiment in which face recognition is performed in an image in an image editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image.
  • the video editing device may use various video analysis algorithms based on deep learning networks for one frame of the received video.
  • the image editing device may perform face recognition on a frame of a received image by utilizing a plurality of artificial neural networks.
  • the video editing apparatus may perform face recognition on one frame of the received video through a Conv, MaxPool, Resblock, or fully connected network (FC) algorithm.
  • a convolutional neural network (Conv) is composed of weights and biases that can be learned by the convolutional neural network (ConvNet), and may correspond to an artificial neural network having a loss function in the last layer.
  • the features extracted through the Conv algorithm can reduce the size of data through the Max pool algorithm.
  • the video editing device can more elaborately recognize a face that can be extracted from one frame by repeating the Conv algorithm and the MaxPool algorithm. Thereafter, the video editing device may repeat the Conv algorithm and the MaxPool algorithm in the Conv layer to complete face recognition in the FC layer based on the extracted result.
  • the image editing device may indicate face recognition information extracted through the above algorithm as indicators 901 , 902 , and 903 in the image.
  • FIG. 10 is a diagram for explaining an embodiment in which object and place recognition is performed in an image in an image editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image and may use various image analysis algorithms based on a deep learning network for one frame of the received image.
  • the image editing device may perform object recognition on one frame of a received image by utilizing a plurality of artificial neural networks.
  • the video editing device may perform object recognition on one frame of the received video through VGG-16 and Conv algorithms.
  • VGG-16 may correspond to a convolutional neural network composed of 16 layers, and Conv is the same as the above description.
  • the video editing device may perform object recognition based on a VGG-16 algorithm and a plurality of Conv algorithms with respect to one received frame. Thereafter, the video editing device may repeat the VGG-16 and Conv algorithms to complete object recognition in the FC layer based on the extracted result.
  • the video editing device may perform place recognition on one frame of the received video by utilizing a plurality of artificial neural networks.
  • the video editing device may perform location recognition on one frame of the received video through Conv, BN, and ReLU algorithms. Thereafter, the video editing device may repeat the Conv, BN, and ReLU algorithms to complete location recognition in the FC layer based on the extracted result.
  • the BN (batch normalization) layer adds a standardization layer between the discriminant function and the activation function of all neurons, and allows the parameters used in the normalization process to be updated in the process of quantification optimization (gradient descent, etc.), According to , the output of the hidden layer is prevented from moving in a specific direction.
  • ReLU corresponds to a function that outputs an input value as it is if the input value is 0 or greater.
  • the image editing apparatus may indicate object recognition information and place recognition information extracted through the above-described algorithm as indicators 1001, 1002, and 1003 in an image.
  • FIG. 11 is a diagram for explaining an embodiment of tracking an object recognized in an image in a video editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image and may use various image analysis algorithms based on a deep learning network for one frame of the received image.
  • the video editing device may track the object recognized through FIG. 10 using a plurality of artificial neural networks.
  • the video editing device may extract features from one frame of the received video through Yolo and Conv algorithms.
  • the video editing device may extract features through Yolo and Conv algorithms, and then train the model through Long Short-Term Memory (LSTM).
  • LSTM Long Short-Term Memory
  • the performance of the model can be improved when the LSTM algorithm is performed together with respect to the extracted features rather than simply performing the Conv algorithm.
  • the image editing device may track the object based on the calculation result of the model in which learning is repeated.
  • the Yolo operation corresponds to an operation of classifying a final object by dividing an image into a lattice grid, determining a class at once, and integrating the classes.
  • the video editing device may indicate object tracking information extracted through the above algorithm as indicators 1101 , 1102 , and 1103 in the video.
  • the image editing apparatus may obtain motion information on the recognized object.
  • the video editing device may determine whether the recognized object is in static or dynamic motion.
  • FIG. 12 is a diagram for explaining an embodiment of detecting a scene change in an image in a video editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image and may use various image analysis algorithms based on a deep learning network for one frame of the received image.
  • the video editing apparatus may detect a scene change for one frame of a received video by using a plurality of artificial neural networks.
  • the video editing apparatus may detect a scene transition with respect to one frame of the received video through Conv, Correlation, Refinement, Matching, FC, and ReLu algorithms. That is, the video editing device may extract features from one frame through the Conv layer and analyze their correlation. Thereafter, the image analysis device may repeat the Conv algorithm and refine features extracted through Conv.
  • the video editing apparatus may perform matching, FC, and ReLu algorithms on the adjusted features, and may finally extract scene information by adjusting the performance results once again.
  • the video editing apparatus may indicate scene information determined through the above-described algorithm as indicators 1201 and 1202 in an image.
  • FIG. 13 is a diagram for explaining an embodiment of changing a color style within an image in an image editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image and may use various image analysis algorithms based on a deep learning network for one frame of the received image.
  • the video editing device may perform color style transfer on one frame of a received video by using a plurality of artificial neural networks.
  • the video editing device may perform color recognition on one frame of the received video through Conv, ResBlock, and VGG-19 algorithms.
  • VGG-19 may correspond to a convolutional neural network composed of 19 layers.
  • the video editing device may perform color recognition through a VGG encoder or the like, and introduce an Adaptive Instance Normalization (AdaIN) algorithm to the target video.
  • AdaIN Adaptive Instance Normalization
  • the image editing device may apply color information extracted through the above-described algorithm to a target image 1301 .
  • FIG. 14 is a diagram for explaining an embodiment of recognizing BGM in an image in a video editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image and may use various image analysis algorithms based on a deep learning network for one frame of the received image.
  • the video editing device may perform BGM recognition on one frame of a received video by utilizing a plurality of artificial neural networks.
  • the video editing device may perform BGM recognition on one frame of the received video through DFT, Conv, ReLU, AVr Pool, LSTM, and FC algorithms.
  • DFT Discrete Fourier Transform
  • FC Discrete Fourier Transform
  • the video editing device may complete BGM recognition in the FC layer based on the extracted features. Also, the video editing device may determine a part in which the BGM does not appear in the frame.
  • 15 is a diagram for explaining an embodiment in which text recognition is performed in an image in an image editing apparatus according to an embodiment of the present invention.
  • the video editing device may receive an image and may use various image analysis algorithms based on a deep learning network for one frame of the received image.
  • the image editing device may perform face recognition on a frame of a received image by using a plurality of artificial neural networks.
  • the video editing device may perform text recognition on one frame of the received video through Conv and Avr Pool.
  • the Conv algorithm and Avr Pool are as described above.
  • the video editing device can extract more accurate samples by repeatedly performing the Conv and Avr Pool algorithms.
  • the video editing device may complete text recognition in the FC layer based on features extracted through the Conv and Avr Pool algorithms.
  • the image editing device may indicate object recognition information and place recognition information extracted through the above-described algorithm as an indicator in the image.
  • the video editing device may determine whether the background of the corresponding frame is outdoors or indoors based on the place recognition information.
  • FIGS. 16 to 26 a user interface for analyzing and editing an image will be described in detail in FIGS. 16 to 26 .
  • the automatic editing or manual editing embodiments described in FIGS. 16 to 26 may be performed by the image analysis and image editing algorithm using the above-described deep learning network.
  • 16 is a diagram for explaining an embodiment in which a video editing apparatus according to an embodiment of the present invention obtains a reference video.
  • the video editing device may provide a user interface for video editing to the user. At this time, the video editing device may output the user interface through the display unit described above with reference to FIG. 1 .
  • the video editing device may receive a signal 1601 for adding a reference video. More specifically, the video editing device may output an indicator 1602 indicating addition of a reference video in a user interface for editing a video.
  • the image editing device may add the reference image 1603 based on the user signal 1601 selecting the indicator 1602 indicating the addition of the reference image (eg, by touching the display unit). In this case, the video editing device may directly add a file corresponding to the reference video 1603 to the video editing user interface based on the user signal 1601 .
  • the video editing device may add the reference video 1603 from a path (URL) corresponding to the reference video 1603 to the video editing user interface based on the user signal 1601 .
  • the image editing device may provide an example list for the reference image 1603.
  • the video editing device may change the indicator 1602 indicating the addition of the reference video to a thumbnail of the reference video 1603 .
  • 17 is a diagram for explaining an embodiment in which an image editing apparatus according to an embodiment of the present invention obtains a target image.
  • the video editing device may receive a signal 1701 for adding a target video after obtaining a reference video through the video editing interface described above with reference to FIG. 16 . More specifically, the video editing device may output an indicator 1702 indicating the addition of a target video in a user interface for editing a video. The video editing device may add the target video 1603 based on the user signal 1701 selecting the indicator 1702 indicating the addition of the target video. In this case, the video editing device may directly add a file corresponding to the target video 1703 to the video editing user interface based on the user signal 1701 .
  • the video editing device may add the target video 1703 from a path (URL) corresponding to the target video 1703 to the video editing user interface based on the user signal 1701 . Also, in an embodiment of the present invention, after the target video 1703 is added, the video editing device may change the indicator 1702 indicating the addition of the target video to a thumbnail of the target video 1703 .
  • FIG. 18 is a diagram for explaining an embodiment in which a video editing apparatus according to an embodiment of the present invention analyzes a reference video and a target video.
  • the video editing device may receive a signal 1801 for analyzing the reference video and the target video after obtaining a reference video and a target video from the video editing user interface described above with reference to FIGS. 16 and 17 . .
  • the image editing device may analyze characteristics of the reference image and the target image, respectively, based on the image analysis embodiment described above with reference to FIGS. 7 to 15 .
  • the video editing device may use a scene change effect, a scene change length, a color filter, a view angle, a composition, image quality, image BGM, person detection, object detection, and object based on preset frame numbers of a reference image and a target image. At least one of classification, background detection, place detection, text in an image, and subject motion may be analyzed.
  • the image editing device may output the process of analyzing the reference image and the target image as progress bars (1802a, 1802b, 1802c).
  • 19 is a diagram for explaining an embodiment in which a reference image and a target image are analyzed according to an embodiment of the present invention.
  • the image editing device may generate an edited result image 1903 by applying analyzed features of a reference image 1901 to a target image 1902 . That is, the video editing device may analyze the characteristics of the reference image 1901 and the target image 1902 through the above-described analysis method, and based on the analyzed characteristics, the characteristics of the reference image 1901 may be converted to the target image 1902. can be assigned to the characteristics of Accordingly, the video editing device may output the edited result video 1903 . In this case, the image editing device may automatically substitute the characteristics of the reference image 1901 with the characteristics of the target image 1902 . This may be the biggest difference from manual editing described later.
  • the video editing device may output thumbnails corresponding to the reference video 1901 , the target video 1902 , and the result video 1903 .
  • the image editing device outputs a first analysis result 1904 of the reference image 1901, a second analysis result 1905 of the target image 1902, and a third analysis result 1906 of the resulting image 1903.
  • the user can determine the characteristics of the reference image 1901, the target image 1902, and the resulting image 1903 through the first analysis result 1904, the second analysis result 1905, and the third analysis result 1906. It can be known how the analysis was performed and how the characteristics of the reference image 1901 were applied to the target image 1902 so that the resulting image 1903 was output.
  • FIG. 20 is a diagram for explaining an embodiment in which a video editing apparatus according to an embodiment of the present invention stores a target video.
  • the video editing apparatus may receive a signal 2001 requesting storage of the resulting video from the user.
  • the video editing device may output a pop-up window 2002 for storing the resulting image. Accordingly, the video editing device may save the video edited through the pop-up window 2002 with a preset extension.
  • the video editing device may generate a path (URL) through which the resulting image can be output upon receiving the signal 2001 requesting storage of the resulting image. That is, the video editing device may store the edited video as a preset path (URL). Accordingly, the user can enjoy the edited result image through a path (URL) through which the result image can be output.
  • a path URL
  • the video editing device may share the resulting video through an SNS service as it receives a signal 2001 requesting storage of the resulting video.
  • the video editing device may transmit the resulting video to the outside through the communication unit. That is, the video editing device may provide a plurality of SNS service lists according to the signal 2001 requesting storage of the resulting video, and may share the edited result video with the selected SNS service according to a user's selection.
  • FIGS. 21 to 26 are diagrams for explaining an embodiment in which a video editing device according to an embodiment of the present invention provides a manual editing interface.
  • the manual editing interface described in FIGS. 21 to 26 may be provided after the automatic editing performed in FIGS. 16 to 20 or before the automatic editing is performed. That is, the user can manually edit the target video through the video editing device at any time.
  • 21 is a diagram for explaining an embodiment of clipping a video in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • the video editing apparatus provides a first analysis result 2104 of a reference image 2101, a second analysis result 2105 of a target image 2102, and an edited result image 2103 through the above-described embodiment. ) can output the third analysis result 2106.
  • the video editing device may receive a signal (not shown) for manual editing from the user.
  • the signal for manual editing is not essential, and the video editing device may recognize it as a signal for manual editing when a user simply selects a function (eg, a clip function) to manually edit.
  • the video editing device may provide a manual editing function of a target video 2102 according to a first user input signal 2108 for selecting a clip indicator 2107 . Thereafter, the image editing device may further edit the target image 2102 based on the second user input signal 2109 for adjusting the length of the scene within the second analysis result 2105 of the target image 2102. there is. Thereafter, the video editing device may generate the resulting video 2103 by reflecting the additionally edited part.
  • the video editing device may edit the target video 2102 based on the reference video 2101, but even after the target video 2102 is automatically edited, the user input signal 2108, Based on 2109), the target image 2102 may be additionally edited.
  • FIG. 22 is a diagram for explaining an embodiment in which BGM of a video is changed in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • the video editing apparatus provides a first BGM analysis result 2204 of a reference video 2201, a second BGM analysis result 2205 of a target video 2202, and an edited result video through the above-described embodiment.
  • the third BGM analysis result 2206 of 2203 can be output.
  • the first BGM analysis result 2204, the second BGM analysis result 2205, and the third BGM analysis result 2206 may be output according to the first user input signal 2208 selecting the BGM indicator 2207. there is.
  • the video editing device may analyze various characteristics of the reference video 2201, the target video 2202, and the result video 2203 through the above-described embodiment, and output the analysis result. .
  • the video editing device may preferentially output an analysis result for a function selected by the user. Accordingly, when the user selects the BGM indicator 2207, the video editing device generates a first BGM analysis result 2204 for the reference video 2201 and a second BGM analysis result 2205 for the target video 2202. And a third BGM analysis result 2206 for the resulting image 2203 may be output.
  • the video editing device may receive a second user input signal 2209 for selecting a scene from the user.
  • the video editing apparatus changes the BGM of the corresponding scene of the target video 2202 according to the third user input signal 2210 for selecting the BGM according to the target scene after the second user input signal 2209, and the resulting video (2203) can be created.
  • the video editing device generates a second user input signal 2209 based on the first BGM analysis result 2204, the second BGM analysis result 2205, and the third BGM analysis result 2206 output. Accordingly, a scene of the target image 2202 may be selected, and BGM of a corresponding scene of the target image 2202 may be changed according to the third user input signal 2210 .
  • a BGM list selectable by the third user input signal 2210 may be generated based on the first BGM analysis result 2204 and the second BGM analysis result 2205 .
  • FIG. 23 is a diagram for explaining an embodiment in which a color of an image is changed in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • the image editing apparatus provides a first color analysis result 2304 of a reference image 2301, a second color analysis result 2305 of a target image 2302, and an edited result image through the above-described embodiment.
  • the third color analysis result 2306 of 2303 can be output.
  • the first color analysis result 2304, the second color analysis result 2305, and the third color analysis result 2306 may be output according to the first user input signal 2308 selecting the color indicator 2307. there is.
  • the video editing device may analyze various characteristics of the reference video 2301, the target video 2302, and the result video 2303 through the above-described embodiment, and output the analysis result. .
  • the video editing device may preferentially output an analysis result for a function selected by the user. Accordingly, when the user selects the color indicator 2307, the image editing device generates a first color analysis result 2304 for the reference image 2301 and a second color analysis result 2305 for the target image 2302. And a third color analysis result 2306 for the resultant image 2303 may be output.
  • the video editing device may receive a user input signal (not shown) for selecting a scene from the user. After selecting a scene of the target image 2302, the image editing device may change the color of the scene of the target image 2302 to the color of the scene of the reference image 2301 to be edited. Accordingly, the image editing device may output a resultant image 2303 in which the color of the corresponding scene is changed.
  • FIG. 24 is a diagram for explaining an embodiment in which mosaic processing is performed on an image in a manual editing interface provided by an image editing apparatus according to an embodiment of the present invention.
  • the video editing apparatus obtains a first face recognition result 2404 of a reference image 2401, a second face recognition result 2405 of a target image 2402, and an edited result image through the above-described embodiment.
  • the third face recognition result 2406 of 2403 can be output.
  • the first face recognition result 2404, the second face recognition result 2405, and the third face recognition result 2406 are output according to the first user input signal 2408 for selecting the mosaic processing indicator 2407.
  • the video editing device may analyze various characteristics of the reference video 2401, the target video 2402, and the result video 2403 through the above-described embodiment, and output the analysis result. .
  • the video editing device may preferentially output an analysis result for a function selected by the user. Accordingly, when the user selects the mosaic processing indicator 2407, the image editing device generates a first face recognition result 2404 for the reference image 2401 and a second face recognition result 2405 for the target image 2402. ) and a third face recognition result 2406 for the resulting image 2403 may be output.
  • the video editing apparatus may receive a user input signal 2409 for selecting a second face among faces to be recognized from the user. Accordingly, the image editing device may mosaic-process the recognized second face of the target image 2402 . Thereafter, the image editing device may store the resulting image 2403 obtained by mosaic-processing only the recognized second face.
  • FIG. 24 has simply described an embodiment of face recognition for a person as an example, it can be applied to an embodiment of object recognition as well.
  • 25 is a diagram for explaining an embodiment in which a caption is added in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • the video editing apparatus analyzes the reference video 2501, the target video 2502, and the result video 2503 based on the scene through the above-described embodiment, and generates result information 2504, 2505, and 2506. can be printed out.
  • the video editing device may output result information 2504 , 2505 , and 2506 according to the first user input signal 2508 selecting the caption addition indicator 2507 .
  • the video editing device receives a second user input signal 2509 for selecting a scene to add a caption to the edited result image 2503 from among the analyzed result information 2504, 2505, and 2506. can receive
  • the video editing device may output an IME capable of inputting a caption to be added.
  • the video editing device may output the caption input through the input device on the thumbnail of the resulting video 2503 .
  • the video editing device may receive a third user input signal 2510 for adjusting the size of the output caption.
  • the video editing device may adjust the size of the added caption based on the third user input signal 2510 .
  • the video editing device may generate the resulting video 2503 by adding a desired phrase in a scene desired by the user.
  • 26 is a diagram for explaining an embodiment in which a target image is saved in a manual editing interface provided by a video editing apparatus according to an embodiment of the present invention.
  • the resulting image 2601 completed through the manual editing embodiments of FIGS. 21 to 25 may be saved based on a user input signal 2603 selecting a storage indicator 2602 .
  • FIGS. 21 to 25 are shown as being edited in order, the order is not limited, and only specific functions can be manually edited in the target image for which automatic editing has been completed without the need to manually edit all functions. Of course there is.
  • the video editing device may store a result image 2601 of which manual editing is completed based on a user input signal 2603 selecting a storage indicator 2602 .
  • a result image 2601 of which manual editing is completed based on a user input signal 2603 selecting a storage indicator 2602 For a detailed embodiment of storing an image, reference may be made to FIG. 20, which is an embodiment of storing an automatically edited result image.
  • the above-described present invention can be implemented as computer readable code on a medium on which a program is recorded.
  • the computer-readable medium includes all types of recording devices in which data that can be read by a computer system is stored. Examples of computer-readable media include Hard Disk Drive (HDD), Solid State Disk (SSD), Silicon Disk Drive (SDD), ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc. , and also includes those implemented in the form of a carrier wave (eg, transmission over the Internet).
  • the computer may include the controller 180 of the video editing device. Accordingly, the above detailed description should not be construed as limiting in all respects and should be considered illustrative. The scope of the present invention should be determined by reasonable interpretation of the appended claims, and all changes within the equivalent scope of the present invention are included in the scope of the present invention.
  • Embodiments of the present invention can be repeatedly performed in a video editing device.

Landscapes

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

Abstract

본 발명은 외부와 통신하는 통신부; 사용자 입력을 수신하고, 영상 편집 결과를 출력하는 입출력부; 및 제어부를 포함하고, 상기 제어부는 참조 영상(reference video) 및 대상 영상(target video)을 획득하고, 상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하고, 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하고, 상기 편집된 대상 영상을 상기 입출력부를 통하여 출력하는, 영상 편집 장치를 제공한다.

Description

영상 편집 장치 및 영상 편집 장치의 동작 방법
본 발명은 딥러닝 네트워크를 이용하여 획득된 영상을 편집하는 영상 편집 장치 및 영상 편집 장치의 동작 방법에 관한 것이다.
최근의 기술 분야인 딥 러닝, 인공지능, IoT, 클라우드 컴퓨팅, 빅데이터 등은 서로 융합되며 세계를 4차 산업혁명으로 진입시키고 있다.
여기에서, 딥러닝(DEEP STRUCTURED LEARNING)은 심층 학습이라고 하며, 여러 비선형 변환 기법의 조합을 통해 높은 수준의 추상화(abstractions)를 시도하는 기계 학습 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야라고 볼 수 있다.
어떠한 데이터가 있을 때 이를 컴퓨터가 알아 들을 수 있는 형태(예를 들어 이미지의 경우는 픽셀정보를 열벡터로 표현하는 등)로 표현(representation)하고 이를 학습에 적용하기 위해 많은 연구(어떻게 하면 더 좋은 표현기법을 만들고 또 어떻게 이것들을 학습할 모델을 만들지에 대한)가 진행되고 있으며, 이러한 노력의 결과로 DNN(deep neural networks), CNN(convolutional deep neural networks), DBN(deep belief networks)과 같은 다양한 딥 러닝 기법들이 컴퓨터 비전, 음성인식, 자연어 처리, 음성/신호처리 등의 분야에 적용되어 최첨단의 결과들을 보여주고 있다.
또한, 최근에는 언택트(untact) 시대를 맞아 초보 크리에이터(creator)를 목표로 하는 사람들이 증가하고 있다. 뿐만 아니라 SNS를 즐기는 일반 사용자들도 촬영한 동영상을 주변에 공유하기 위하여 영상 편집을 하는 경우가 일반적이다.
그러나 동영상을 편집하기 위하여는 전문적인 지식과 복잡한 프로그램에대한 이해가 필요하기 때문에 전문적인 지식이 없는 일반인들은 영상 편집에 쉽게 접근하지 못하고 있는 것이 현실이다.
따라서, 사용자의 의도에 맞으면서 손쉬운 영상 편집 기술이 요구된다.
본 발명은 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다.
본 발명은 딥러닝 네트워크를 통해 분석한 참조 영상을 이용하여 대상 영상을 편집하는 것을 목적으로 한다.
본 발명의 일 측면에 따르면, 외부와 통신하는 통신부; 사용자 입력을 수신하고, 영상 편집 결과를 출력하는 입출력부; 및 제어부를 포함하고, 상기 제어부는 참조 영상(reference video) 및 대상 영상(target video)을 획득하고, 상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하고, 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하고, 상기 편집된 대상 영상을 상기 입출력부를 통하여 출력하는, 영상 편집 장치를 제공한다.
본 발명의 일 측면에 따르면, 상기 분석 가능한 특징은 장면 전환 효과, 장면 전환 길이, 색상 필터, 화각, 구도, 영상 화질, 영상 BGM, 인물 검출, 사물 검출, 사물 분류, 배경 검출, 장소 검출, 영상 내 텍스트, 피사체 움직임 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집할 때, 장면 전환 효과, 장면 전환 길이, 색상 스타일, 모션 블러, 해상도, 노이즈, BGM, 화각, 구도 및 동적 움직임 중 적어도 하나에 기초하여 상기 대상 영상을 편집하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 딥러닝 네트워크를 통하여 상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하고, 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 딥러닝 네트워크는 영상 분석 네트워크 및 영상 편집 네트워크로 구성되고, 상기 제어부는 상기 영상 분석 네트워크를 통하여 상기 획득된 참조 영상 및 상기 대상 영상의 특징을 각각 분석하고, 상기 영상 편집 네트워크를 통하여 상기 대상 영상을 편집하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 딥러닝 네트워크는 외부 서버에 존재하고, 상기 영상 편집 장치는 상기 통신부를 통하여 상기 딥러닝 네트워크와 연결되고, 상기 제어부는 상기 획득된 참조 영상 및 상기 획득된 대상 영상을 상기 딥러닝 네트워크에게 전송하고, 상기 딥러닝 네트워크로부터 상기 편집된 대상 영상을 수신하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 사용자에게 자동 편집(auto-edit) 인터페이스를 제공하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 사용자로부터 상기 참조 영상 및 상기 대상 영상을 입력 받고, 상기 사용자의 편집 요청에 따라 상기 대상 영상을 편집하고, 상기 편집된 대상 영상에 대하여 상기 사용자의 저장 요청에 따라 상기 편집된 대상 영상을 저장하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 저장된 대상 영상을 상기 통신부를 통하여 외부로 전송하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 편집된 대상 영상을 기 설정된 경로(URL)로 저장하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 편집된 대상 영상이 출력된 이후, 상기 사용자로부터 추가 조정에 대한 신호를 수신하는 경우, 상기 편집된 대상 영상에 대하여 상기 사용자에게 수동 편집(manual-edit) 인터페이스를 제공하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 수동 편집 인터페이스는 클립(clip), BGM 삽입, 색상(color) 변경, 모자이크(mosasic) 처리 및 캡션(caption) 추가 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 상기 제어부는 상기 사용자로부터 상기 출력된 대상 영상에 대한 피드백을 수신하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면 메모리를 더 포함하고, 상기 제어부는 상기 편집된 대상 영상을 상기 메모리에 저장하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 참조 영상(reference video) 및 대상 영상(target video)을 획득하는 단계; 상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하는 단계; 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하는 단계; 및 상기 편집된 대상 영상을 출력하는 단계를 포함하는, 영상 편집 장치의 동작 방법을 제공한다.
본 발명에 따른 영상 편집 장치 및 그 동작 방법의 효과에 대해 설명하면 다음과 같다.
본 발명의 실시 예들 중 적어도 하나에 의하면, 사용자의 의도를 반영하여 영상을 편집할 수 있다는 장점이 있다.
본 발명의 실시 예들 중 적어도 하나에 의하면, 참조 영상을 이용하여 영상을 편집하기 때문에 전문적인 기술이 없어도 영상을 편집할 수 있다는 장점이 있다.
본 발명의 실시 예들 중 적어도 하나에 의하면, 기존의 편집 기능을 적용하여 사용자가 손쉽게 영상을 편집할 수 있다는 장점이 있다.
본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다.
그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.
도 1은 본 발명과 관련된 영상 편집 장치를 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 영상 편집 장치 및 영상 편집 장치의 동작 방법의 개략도를 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 영상 편집 장치 및 딥러닝 네트워크의 동작을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 영상 편집 장치의 구성도를 설명하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 영상 편집 장치의 동작 방법에 대한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 서버의 동작 방법에 대한 순서도이다.
도 7은 본 발명의 일 실시예에 따른 영상 편집 장치가 영상을 분석하는 실시예를 설명하는 도면이다.
도 8a 내지 도 8c는 본 발명의 일 실시예에 따른 영상 편집 장치가 영상을 분석하는 구체적인 실시예를 설명하는 도면이다.
도 9는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 얼굴 인식을 수행하는 실시예를 설명하는 도면이다.
도 10은 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 오브젝트 및 장소 인식을 수행하는 실시예를 설명하는 도면이다.
도 11은 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 인식된 오브젝트를 트래킹하는 실시예를 설명하는 도면이다.
도 12는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 장면 변화를 감지하는 실시예를 설명하는 도면이다.
도 13은 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 색상 스타일을 변경하는 실시예를 설명하는 도면이다.
도 14는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 BGM을 인식하는 실시예를 설명하는 도면이다.
도 15는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 텍스트 인식을 수행하는 실시예를 설명하는 도면이다.
도 16은 본 발명의 일 실시예에 따른 영상 편집 장치가 참조 영상을 획득하는 실시예를 설명하는 도면이다.
도 17은 본 발명의 일 실시예에 따른 영상 편집 장치가 대상 영상을 획득하는 실시예를 설명하는 도면이다.
도 18은 본 발명의 일 실시예에 따른 영상 편집 장치가 참조 영상과 대상 영상을 분석하는 실시예를 설명하는 도면이다.
도 19는 본 발명의 일 실시예에 따른 참조 영상과 대상 영상이 분석된 실시예를 설명하는 도면이다.
도 20은 본 발명의 일 실시예에 따른 영상 편집 장치가 대상 영상을 저장하는 실시예를 설명하는 도면이다.
도 21은 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상을 클립하는 실시예를 설명하는 도면이다.
도 22는 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상의 BGM을 변경하는 실시예를 설명하는 도면이다.
도 23은 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상의 색상을 변경하는 실시예를 설명하는 도면이다.
도 24는 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상에 모자이크 처리를 수행하는 실시예를 설명하는 도면이다.
도 25는 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 캡션을 추가하는 실시예를 설명하는 도면이다.
도 26은 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 대상 영상을 저장하는 실시예를 설명하는 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
인공지능(artificial intelligence, AI)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야이다.
구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취한다.
용어 '머신 러닝'은 용어 '기계 학습'과 혼용되어 사용될 수 있다.
기계 학습에서 데이터를 어떻게 분류할 것인가를 놓고, 많은 기계 학습 알고리즘이 개발되었다. 의사결정나무(Decision Tree)나 베이지안 망(Bayesian network), 서포트벡터머신(SVM: support vector machine), 그리고 인공 신경망(ANN: Artificial Neural Network) 등이 대표적이다.
의사결정나무는 의사결정규칙(Decision Rule)을 나무구조로 도표화하여 분류와 예측을 수행하는 분석방법이다.
베이지안 망은 다수의 변수들 사이의 확률적 관계(조건부독립성: conditional independence)를 그래프 구조로 표현하는 모델이다. 베이지안 망은 비지도 학습(unsupervised learning)을 통한 데이터마이닝(data mining)에 적합하다.
서포트벡터머신은 패턴인식과 자료분석을 위한 지도 학습(supervised learning)의 모델이며, 주로 분류와 회귀분석을 위해 사용한다.
인공 신경망은 생물학적 뉴런의 동작원리와 뉴런간의 연결 관계를 모델링한 것으로 노드(node) 또는 처리 요소(processing element)라고 하는 다수의 뉴런들이 레이어(layer) 구조의 형태로 연결된 정보처리 시스템이다.
인공 신경망은 기계 학습에서 사용되는 모델로써, 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다. 즉, 이하에서 설명하는 “딥러닝 네트워크”는 이러한 인공 신경망으로 구성될 수 있다.
구체적으로 인공 신경망은 시냅스(synapse)의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다.
용어 인공 신경망은 용어 뉴럴 네트워크(Neural Network)와 혼용되어 사용될 수 있다.
인공 신경망은 복수의 레이어(layer)를 포함할 수 있고, 레이어들 각각은 복수의 뉴런(neuron)을 포함할 수 있다. 또한 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다.
인공 신경망은 일반적으로 다음의 세가지 인자, 즉 (1) 다른 레이어의 뉴런들 사이의 연결 패턴 (2) 연결의 가중치를 갱신하는 학습 과정 (3) 이전 레이어로부터 수신되는 입력에 대한 가중 합으로부터 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
인공 신경망은, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron), CNN(Convolutional Neural Network)와 같은 방식의 네트워크 모델들을 포함할 수 있으나, 이에 한정되지 않는다.
본 명세서에서 용어 '레이어'는 용어 '계층'과 혼용되어 사용될 수 있다.
인공 신경망은 계층 수에 따라 단층 신경망(Single-Layer Neural Networks)과 다층 신경망(Multi-Layer Neural Networks)으로 구분된다.
일반적인 단층 신경망은, 입력층과 출력층으로 구성된다.
또한 일반적인 다층 신경망은 입력층(Input Layer)과 하나 이상의 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성된다.
입력층은 외부의 자료들을 받아들이는 층으로서, 입력층의 뉴런 수는 입력되는 변수의 수와 동일하며, 은닉층은 입력층과 출력층 사이에 위치하며 입력층으로부터 신호를 받아 특성을 추출하여 출력층으로 전달한다. 출력층은 은닉층으로부터 신호를 받고, 수신한 신호에 기반한 출력 값을 출력한다. 뉴런간의 입력신호는 각각의 연결강도(가중치)와 곱해진 후 합산되며 이 합이 뉴런의 임계치보다 크면 뉴런이 활성화되어 활성화 함수를 통하여 획득한 출력값을 출력한다.
한편 입력층과 출력 층 사이에 복수의 은닉층을 포함하는 심층 신경망은, 기계 학습 기술의 한 종류인 딥 러닝을 구현하는 대표적인 인공 신경망일 수 있다.
한편 용어 '딥 러닝'은 용어 '심층 학습'과 혼용되어 사용될 수 있다.
인공 신경망은 훈련 데이터(training data)를 이용하여 학습(training)될 수 있다. 여기서 학습이란, 입력 데이터를 분류(classification)하거나 회귀분석(regression)하거나 군집화(clustering)하는 등의 목적을 달성하기 위하여, 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 인공 신경망의 파라미터의 대표적인 예시로써, 시냅스에 부여되는 가중치(weight)나 뉴런에 적용되는 편향(bias)을 들 수 있다.
훈련 데이터에 의하여 학습된 인공 신경망은, 입력 데이터를 입력 데이터가 가지는 패턴에 따라 분류하거나 군집화 할 수 있다.
한편 훈련 데이터를 이용하여 학습된 인공 신경망을, 본 명세서에서는 학습 모델(a trained model)이라 명칭 할 수 있다.
다음은 인공 신경망의 학습 방식에 대하여 설명한다.
인공 신경망의 학습 방식은 크게, 지도 학습, 비 지도 학습, 준 지도 학습(Semi-Supervised Learning), 강화 학습(Reinforcement Learning)으로 분류될 수 있다.
지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법이다. 그리고 이렇게 유추되는 함수 중, 연속 적인 값을 출력하는 것을 회귀분석(Regression)이라 하고, 입력 벡터의 클래스(class)를 예측하여 출력하는 것을 분류(Classification)라고 할 수 있다.
지도 학습에서는, 훈련 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시킨다. 여기서 레이블이란, 훈련 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다.
본 명세서에서는 훈련 데이터가 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과값)을 레이블 또는 레이블링 데이터(labeling data)이라 명칭 한다.
또한 본 명세서에서는, 인공 신경망의 학습을 위하여 훈련 데이터에 레이블을 설정하는 것을, 훈련 데이터에 레이블링 데이터를 레이블링(labeling) 한다고 명칭 한다. 이 경우 훈련 데이터와 훈련 데이터에 대응하는 레이블)은 하나의 트레이닝 셋(training set)을 구성하고, 인공 신경망에는 트레이닝 셋의 형태로 입력될 수 있다.
한편 훈련 데이터는 복수의 특징(feature)을 나타내고, 훈련 데이터에 레이블이 레이블링 된다는 것은 훈련 데이터가 나타내는 특징에 레이블이 달린다는 것을 의미할 수 있다. 이 경우 훈련 데이터는 입력 객체의 특징을 벡터 형태로 나타낼 수 있다.
인공 신경망은 훈련 데이터와 레이블링 데이터를 이용하여, 훈련 데이터와 레이블링 데이터의 연관 관계에 대한 함수를 유추할 수 있다. 그리고, 인공 신경망에서 유추된 함수에 대한 평가를 통해 인공 신경망의 파라미터가 결정(최적화)될 수 있다.
비 지도 학습은 기계 학습의 일종으로, 훈련 데이터에 대한 레이블이 주어지지 않는다.
구체적으로, 비 지도 학습은, 훈련 데이터 및 훈련 데이터에 대응하는 레이블의 연관 관계 보다는, 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다.
비 지도 학습의 예로는, 군집화 또는 독립 성분 분석(Independent Component Analysis)을 들 수 있다.
본 명세서에서 용어 '군집화'는 용어 '클러스터링'과 혼용되어 사용될 수 있다.
비지도 학습을 이용하는 인공 신경망의 일례로 생성적 적대 신경망(GAN: Generative Adversarial Network), 오토 인코더(AE: Autoencoder)를 들 수 있다.
생성적 적대 신경망이란, 생성기(generator)와 판별기(discriminator), 두 개의 서로 다른 인공지능이 경쟁하며 성능을 개선하는 머신 러닝 방법이다.
이 경우 생성기는 새로운 데이터를 창조하는 모형으로, 원본 데이터를 기반으로 새로운 데이터를 생성할 수 있다.
또한 판별기는 데이터의 패턴을 인식하는 모형으로, 입력된 데이터가 원본 데이터인지 또는 생성기에서 생성한 새로운 데이터인지 여부를 감별하는 역할을 수행할 수 있다.
그리고 생성기는 판별기를 속이지 못한 데이터를 입력 받아 학습하며, 판별기는 생성기로부터 속은 데이터를 입력 받아 학습할 수 있다. 이에 따라 생성기는 판별기를 최대한 잘 속이도록 진화할 수 있고, 판별기는 원본 데이터와 생성기에 의해 생성된 데이터를 잘 구분하도록 진화할 수 있다.
오토 인코더는 입력 자체를 출력으로 재현하는 것을 목표로 하는 신경망이다.
오토 인코더는 입력층, 적어도 하나의 은닉층 및 출력층을 포함한다. 이 경우 은닉 계층의 노드 수가 입력 계층의 노드 수보다 적으므로 데이터의 차원이 줄어들게 되며, 이에 따라 압축 또는 인코딩이 수행되게 된다.
또한 은닉 계층에서 출력한 데이터는 출력 계층으로 들어간다. 이 경우 출력 계층의 노드 수는 은닉 계층의 노드 수보다 많으므로, 데이터의 차원이 늘어나게 되며, 이에 따라 압축 해제 또는 디코딩이 수행되게 된다.
한편 오토 인코더는 학습을 통해 뉴런의 연결 강도를 조절함으로써 입력 데이터가 은닉층 데이터로 표현된다. 은닉층에서는 입력층보다 적은 수의 뉴런으로 정보를 표현하는데 입력 데이터를 출력으로 재현할 수 있다는 것은, 은닉층이 입력 데이터로부터 숨은 패턴을 발견하여 표현했다는 것을 의미할 수 있다.
준 지도 학습은 기계 학습의 일종으로, 레이블이 주어진 훈련 데이터와 레이블이 주어지지 않은 훈련 데이터를 모두 사용하는 학습 방법을 의미할 수 있다.
준 지도 학습의 기법 중 하나로, 레이블이 주어지지 않은 훈련 데이터의 레이블을 추론한 후 추론된 라벨을 이용하여 학습을 수행하는 기법이 있으며, 이러한 기법은 레이블링에 소요되는 비용이 큰 경우에 유용하게 사용될 수 있다.
강화 학습은, 에이전트(Agent)가 매 순간 어떤 행동을 해야 좋을지 판단할 수 있는 환경이 주어진다면, 데이터 없이 경험으로 가장 좋을 길을 찾을 수 있다는 이론이다.
강화 학습은 주로 마르코프 결정 과정(MDP: Markov Decision Process)에 의하여 수행될 수 있다.
마르코프 결정 과정을 설명하면, 첫 번째로 에이전트가 다음 행동을 하기 위해 필요한 정보들이 구성된 환경이 주어지며, 두 번째로 그 환경에서 에이전트가 어떻게 행동할지 정의하고, 세 번째로 에이전트가 무엇을 잘하면 보상(reward)를 주고 무엇을 못하면 벌점(penalty)을 줄지 정의하며, 네 번째로 미래의 보상이 최고점에 이를 때까지 반복 경험하여 최적의 정책(policy)을 도출하게 된다.
인공 신경망은 모델의 구성, 활성 함수(Activation Function), 손실 함수(Loss Function) 또는 비용 함수(Cost Function), 학습 알고리즘, 최적화 알고리즘 등에 의해 그 구조가 특정되며, 학습 전에 하이퍼파라미터(Hyperparameter)가 미리 설정되고, 이후에 학습을 통해 모델 파라미터(Model Parameter)가 설정되어 내용이 특정될 수 있다.
예컨대, 인공 신경망의 구조를 결정하는 요소에는 은닉층의 개수, 각 은닉층에 포함된 은닉 노드의 개수, 입력 특징 벡터(Input Feature Vector), 대상 특징 벡터(Target Feature Vector) 등이 포함될 수 있다.
하이퍼파라미터는 모델 파라미터의 초기값 등과 같이 학습을 위하여 초기에 설정하여야 하는 여러 파라미터들을 포함한다. 그리고, 모델 파라미터는 학습을 통하여 결정하고자 하는 여러 파라미터들을 포함한다.
예컨대, 하이퍼파라미터에는 노드 간 가중치 초기값, 노드 간 편향 초기값, 미니 배치(Mini-batch) 크기, 학습 반복 횟수, 학습률(Learning Rate) 등이 포함될 수 있다. 그리고, 모델 파라미터에는 노드 간 가중치, 노드 간 편향 등이 포함될 수 있다.
손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표(기준)로 이용될 수 있다. 인공 신경망에서 학습은 손실 함수를 줄이기 위하여 모델 파라미터들을 조작하는 과정을 의미하며, 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다.
손실 함수는 주로 평균 제곱 오차(MSE: Mean Squared Error) 또는 교차 엔트로피 오차(CEE, Cross Entropy Error)를 사용할 수 있으며, 본 발명이 이에 한정되지는 않는다.
교차 엔트로피 오차는 정답 레이블이 원 핫 인코딩(one-hot encoding)된 경우에 사용될 수 있다. 원 핫 인코딩은 정답에 해당하는 뉴런에 대하여만 정답 레이블 값을 1로, 정답이 아닌 뉴런은 정답 레이블 값이 0으로 설정하는 인코딩 방법이다.
머신 러닝 또는 딥 러닝에서는 손실 함수를 최소화하기 위하여 학습 최적화 알고리즘을 이용할 수 있으며, 학습 최적화 알고리즘에는 경사 하강법(GD: Gradient Descent), 확률적 경사 하강법(SGD: Stochastic Gradient Descent), 모멘텀(Momentum), NAG(Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam 등이 있다.
경사 하강법은 현재 상태에서 손실 함수의 기울기를 고려하여 손실 함수값을 줄이는 방향으로 모델 파라미터를 조정하는 기법이다.
모델 파라미터를 조정하는 방향은 스텝(step) 방향, 조정하는 크기는 스텝 사이즈(size)라고 칭한다.
이때, 스텝 사이즈는 학습률을 의미할 수 있다.
경사 하강법은 손실 함수를 각 모델 파라미터들로 편미분하여 기울기를 획득하고, 모델 파라미터들을 획득한 기울기 방향으로 학습률만큼 변경하여 갱신할 수 있다.
확률적 경사 하강법은 학습 데이터를 미니 배치로 나누고, 각 미니 배치마다 경사 하강법을 수행하여 경사 하강의 빈도를 높인 기법이다.
Adagrad, AdaDelta 및 RMSProp는 SGD에서 스텝 사이즈를 조절하여 최적화 정확도를 높이는 기법이다. SGD에서 모멘텀 및 NAG는 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Adam은 모멘텀과 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Nadam은 NAG와 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다.
인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징이 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요하다.
통상적으로 하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정한다.
도 1은 본 발명과 관련된 영상 편집 장치를 설명하기 위한 블록도이다.
영상 편집 장치(100)는 휴대폰, 프로젝터, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기(terminal), PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털사이니지와 같은 고정형 기기 및 이동 가능한 기기 등으로 구현될 수 있다.
즉, 영상 편집 장치(100)는 가정에서 이용하는 다양한 가전의 형태로 구현될 수 있으며, 고정 또는 이동 가능한 로봇에도 적용될 수 있다.
영상 편집 장치(100)는 음성 에이전트의 기능을 수행할 수 있다. 음성 에이전트는 사용자의 음성을 인식하고, 인식된 사용자의 음성에 적합한 응답을 음성으로 출력하는 프로그램일 수 있다.
영상 편집 장치(100)는 무선 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 인터페이스부(160), 메모리(170), 제어부(180) 및 전원 공급부(190) 등을 포함할 수 있다. 도 1에 도시된 구성요소들은 영상 편집 장치를 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 영상 편집 장치는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
학습 모델(a trained model)은 영상 편집 장치(100)에 탑재될 수 있다.
한편, 학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있으며, 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어는 메모리(170)에 저장될 수 있다.
보다 구체적으로, 상기 구성요소들 중 무선 통신부(110)는, 영상 편집 장치(100)와 무선 통신 시스템 사이, 영상 편집 장치(100)와 다른 영상 편집 장치(100) 사이, 또는 영상 편집 장치(100)와 외부서버 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 무선 통신부(110)는, 영상 편집 장치(100)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
이러한 무선 통신부(110)는, 방송 수신 모듈(111), 이동통신 모듈(112), 무선 인터넷 모듈(113), 근거리 통신 모듈(114), 위치정보 모듈(115) 중 적어도 하나를 포함할 수 있다.
먼저, 무선 통신부(110)에 대하여 살펴보면, 무선 통신부(110)의 방송 수신 모듈(111)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 상기 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 적어도 두 개의 방송 채널들에 대한 동시 방송 수신 또는 방송 채널 스위칭을 위해 둘 이상의 상기 방송 수신 모듈이 상기 이동영상 편집 장치(100)에 제공될 수 있다.
이동통신 모듈(112)은, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다.
상기 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
무선 인터넷 모듈(113)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 영상 편집 장치(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈(113)은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다.
무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있으며, 상기 무선 인터넷 모듈(113)은 상기에서 나열되지 않은 인터넷 기술까지 포함한 범위에서 적어도 하나의 무선 인터넷 기술에 따라 데이터를 송수신하게 된다.
WiBro, HSDPA, HSUPA, GSM, CDMA, WCDMA, LTE, LTE-A 등에 의한 무선인터넷 접속은 이동통신망을 통해 이루어진다는 관점에서 본다면, 상기 이동통신망을 통해 무선인터넷 접속을 수행하는 상기 무선 인터넷 모듈(113)은 상기 이동통신 모듈(112)의 일종으로 이해될 수도 있다.
근거리 통신 모듈(114)은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다. 이러한, 근거리 통신 모듈(114)은, 근거리 무선 통신망(Wireless Area Networks)을 통해 영상 편집 장치(100)와 무선 통신 시스템 사이, 영상 편집 장치(100)와 다른 영상 편집 장치(100) 사이, 또는 영상 편집 장치(100)와 다른 영상 편집 장치(100, 또는 외부서버)가 위치한 네트워크 사이의 무선 통신을 지원할 수 있다. 상기 근거리 무선 통신망은 근거리 무선 개인 통신망(Wireless Personal Area Networks)일 수 있다.
위치정보 모듈(115)은 영상 편집 장치의 위치(또는 현재 위치)를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈 또는 WiFi(Wireless Fidelity) 모듈이 있다. 예를 들어, 영상 편집 장치는 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 영상 편집 장치의 위치를 획득할 수 있다. 다른 예로서, 영상 편집 장치는 Wi-Fi모듈을 활용하면, Wi-Fi모듈과 무선신호를 송신 또는 수신하는 무선 AP(Wireless Access Point)의 정보에 기반하여, 영상 편집 장치의 위치를 획득할 수 있다. 필요에 따라서, 위치정보모듈(115)은 치환 또는 부가적으로 영상 편집 장치의 위치에 관한 데이터를 얻기 위해 무선 통신부(110)의 다른 모듈 중 어느 기능을 수행할 수 있다. 위치정보모듈(115)은 영상 편집 장치의 위치(또는 현재 위치)를 획득하기 위해 이용되는 모듈로, 영상 편집 장치의 위치를 직접적으로 계산하거나 획득하는 모듈로 한정되지는 않는다.
입력부(120)는, 영상 신호 입력을 위한 카메라(121) 또는 영상 입력부, 오디오 신호 입력을 위한 마이크로폰(microphone, 122), 또는 오디오 입력부, 사용자로부터 정보를 입력받기 위한 사용자 입력부(123, 예를 들어, 터치키(touch key), 푸시키(mechanical key) 등)를 포함할 수 있다. 입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어명령으로 처리될 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(151)에 표시되거나 메모리(170)에 저장될 수 있다. 한편, 영상 편집 장치(100)에 구비되는 복수의 카메라(121)는 매트릭스 구조를 이루도록 배치될 수 있으며, 이와 같이 매트릭스 구조를 이루는 카메라(121)를 통하여, 영상 편집 장치(100)에는 다양한 각도 또는 초점을 갖는 복수의 영상정보가 입력될 수 있다. 또한, 복수의 카메라(121)는 입체영상을 구현하기 위한 좌 영상 및 우 영상을 획득하도록, 스트레오 구조로 배치될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 영상 편집 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 구현될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 제어부(180)는 입력된 정보에 대응되도록 영상 편집 장치(100)의 동작을 제어할 수 있다. 이러한, 사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예를 들어, 영상 편집 장치(100)의 전·후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다. 한편, 상기 가상키 또는 비주얼 키는, 다양한 형태를 가지면서 터치스크린 상에 표시되는 것이 가능하며, 예를 들어, 그래픽(graphic), 텍스트(text), 아이콘(icon), 비디오(video) 또는 이들의 조합으로 이루어질 수 있다.
러닝 프로세서(130)는 훈련 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습한다.
구체적으로, 러닝 프로세서(130)는 앞서 설명한 다양한 학습 기법을 이용하여 인공 신경망을 반복적으로 학습시킴으로써, 인공 신경망의 최적화된 모델 파라미터들을 결정할 수 있다
본 명세서에서는 훈련 데이터를 이용하여 학습됨으로써 파라미터가 결정된 인공 신경망을 학습 모델 또는 학습된 모델(a trained model)이라 칭할 수 있다.
이때, 학습 모델은 훈련 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있다.
러닝 프로세서(130)는 데이터 마이닝, 데이터 분석, 지능형 의사 결정, 및 기계 학습 알고리즘 및 기술을 위해 이용될 정보를 수신, 분류, 저장 및 출력하도록 구성될 수 있다.
러닝 프로세서(130)는 다른 컴포넌트, 디바이스, 단말기 또는 단말기와 통신하는 장치에 의해 수신, 검출, 감지, 생성, 사전 정의 또는 출력되는 데이터를 저장하도록 구성된 하나 이상의 메모리 유닛을 포함할 수 있다.
러닝 프로세서(130)는 단말기에 통합되거나 구현된 메모리를 포함할 수 있다. 일부 실시 예에서, 러닝 프로세서(130)는 메모리(170)를 사용하여 구현될 수 있다.
선택적으로 또는 부가적으로, 러닝 프로세서(130)는 단말기에 직접 결합된 외부 메모리 또는 단말기와 통신하는 서버에서 유지되는 메모리와 같이 단말기와 관련된 메모리를 사용하여 구현될 수 있다.
다른 실시 예에서, 러닝 프로세서(130)는 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 단말기에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다.
러닝 프로세서(130)는 일반적으로 감독 또는 감독되지 않은 학습, 데이터 마이닝, 예측 분석 또는 다른 머신에서 사용하기 위해 데이터를 식별, 색인화, 카테고리화, 조작, 저장, 검색 및 출력하기 위해 데이터를 하나 이상의 데이터베이스에 저장하도록 구성될 수 있다. 여기서, 데이터베이스는 메모리(170), 학습 장치(200)의 메모리(230), 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 단말기에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다.
러닝 프로세서(130)에 저장된 정보는 다양한 상이한 유형의 데이터 분석 알고리즘 및 기계 학습 알고리즘 중 임의의 것을 사용하여 제어부(180) 또는 단말기의 하나 이상의 다른 제어기에 의해 이용될 수 있다.
이러한, 알고리즘의 예로는, k-최근 인접 시스템, 퍼지 논리 (예: 가능성 이론), 신경 회로망, 볼츠만 기계, 벡터 양자화, 펄스 신경망, 지원 벡터 기계, 최대 마진 분류기, 힐 클라이밍, 유도 논리 시스템 베이지안 네트워크, 페리트넷 (예: 유한 상태 머신, 밀리 머신, 무어 유한 상태 머신), 분류기 트리 (예: 퍼셉트론 트리, 지원 벡터 트리, 마코프 트리, 의사 결정 트리 포리스트, 임의의 포리스트), 판독 모델 및 시스템, 인공 융합, 센서 융합, 이미지 융합, 보강 학습, 증강 현실, 패턴 인식, 자동화 된 계획 등을 포함한다.
제어부(180)는 데이터 분석 및 기계 학습 알고리즘을 사용하여 결정되거나, 생성된 정보에 기초하여 단말기의 적어도 하나의 실행 가능한 동작을 결정 또는 예측할 수 있다. 이를 위해, 제어부(180)는 러닝 프로세서(130)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 상기 단말기를 제어할 수 있다.
제어부(180)는 지능적 에뮬레이션(즉, 지식 기반 시스템, 추론 시스템 및 지식 획득 시스템)을 구현하는 다양한 기능을 수행 할 수 있다. 이는 적응 시스템, 기계 학습 시스템, 인공 신경망 등을 포함하는, 다양한 유형의 시스템(예컨대, 퍼지 논리 시스템)에 적용될 수 있다.
제어부(180)는, 또한 I/O 처리 모듈, 환경 조건 모듈, 음성 - 텍스트 (STT: Speech to Text) 처리 모듈, 자연어 처리 모듈, 작업 흐름 처리 모듈 및 서비스 처리 모듈과 같이, 음성 및 자연 언어 음성 처리를 수반하는 연산을 가능하게 하는 서브 모듈을 포함할 수 있다.
이들 서브 모듈들 각각은, 단말기에서의 하나 이상의 시스템 또는 데이터 및 모델, 또는 이들의 서브셋 또는 수퍼 셋에 대한 액세스를 가질 수 있다. 또한, 이들 서브 모듈들 각각은, 어휘 색인, 사용자 데이터, 작업 흐름 모델, 서비스 모델 및 자동 음성 인식 (ASR) 시스템을 비롯한 다양한 기능을 제공할 수 있다.
다른 실시 예에서, 제어부(180) 또는 단말기의 다른 양태는 상기 서브 모듈, 시스템, 또는 데이터 및 모델로 구현 될 수 있다.
일부 예에서, 러닝 프로세서(130)의 데이터에 기초하여, 제어부(180)는 사용자 입력 또는 자연 언어 입력으로 표현된 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 검출하고 감지하도록 구성 될 수 있다.
제어부(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항을 완전히 결정하는데 필요한 정보를 능동적으로 이끌어 내고, 획득할 수 있다. 예를 들어, 제어부(180)는 역사적 입력 및 출력, 패턴 매칭, 모호하지 않은 단어, 입력 의도 등을 포함하는 과거 데이터를 분석함으로써 요구 사항을 결정하는데, 필요한 정보를 능동적으로 이끌어낼 수 있다.
제어부(180)는 문맥 조건 또는 사용자의 의도에 기초하여 요구 사항에 응답하는 기능을 실행하기 위한 태스크 흐름을 결정할 수 있다.
제어부(180)는 러닝 프로세서(130)에서 프로세싱 및 저장을 위한 정보를 수집하기 위해, 단말기에서 하나 이상의 감지 컴포넌트를 통해 데이터 분석 및 기계 학습 작업에 사용되는 신호 또는 데이터를 수집, 감지, 추출, 검출 및/또는 수신하도록 구성 될 수 있다.
정보 수집은 센서를 통해 정보를 감지하는 것, 메모리(170)에 저장된 정보를 추출하는 것 또는 통신 수단을 통해 다른 단말기, 엔티티 또는 외부 저장 장치로부터 정보를 수신하는 것을 포함 할 수 있다.
제어부(180)는 단말기에서 사용 히스토리 정보를 수집하여, 메모리(170)에 저장할 수 있다.
제어부(180)는 저장된 사용 히스토리 정보 및 예측 모델링을 사용하여 특정 기능을 실행하기 위한 최상의 매치를 결정할 수 있다.
제어부(180)는 센싱부(140)를 통해 주변 환경 정보 또는 기타 정보를 수신하거나 감지 할 수 있다.
제어부(180)는 무선 통신부(110)을 통해 방송 신호 및/또는 방송 관련 정보, 무선 신호, 무선 데이터를 수신할 수 있다.
제어부(180)는 입력부(120)로부터 이미지 정보 (또는 해당 신호), 오디오 정보 (또는 해당 신호), 데이터 또는 사용자 입력 정보를 수신 할 수 있다.
제어부(180)는 정보를 실시간으로 수집하고, 정보 (예를 들어, 지식 그래프, 명령 정책, 개인화 데이터베이스, 대화 엔진 등)를 처리 또는 분류하고, 처리 된 정보를 메모리(170) 또는 러닝 프로세서(130)에 저장할 수 있다.
단말기의 동작이 데이터 분석 및 기계 학습 알고리즘 및 기술에 기초하여 결정될 때, 제어부(180)는 결정된 동작을 실행하기 위해 단말기의 구성 요소를 제어 할 수 있다. 그리고 제어부(180)는 제어 명령에 따라 단말을 제어하여 결정된 동작을 수행 할 수 있다.
제어부(180)는 특정 동작이 수행되는 경우, 데이터 분석 및 기계 학습 알고리즘 및 기법을 통해 특정 동작의 실행을 나타내는 이력 정보를 분석하고, 분석된 정보에 기초하여 이전에 학습 한 정보의 업데이트를 수행 할 수 있다.
따라서, 제어부(180)는 러닝 프로세서(130)과 함께, 업데이트 된 정보에 기초하여 데이터 분석 및 기계 학습 알고리즘 및 기법의 미래 성능의 정확성을 향상시킬 수 있다.
센싱부(140)는 영상 편집 장치 내 정보, 영상 편집 장치를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱하기 위한 하나 이상의 센서를 포함할 수 있다. 예를 들어, 센싱부(140)는 근접센서(141, proximity sensor), 조도 센서(142, illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라(121 참조)), 마이크로폰(microphone, 122 참조), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 명세서에 개시된 영상 편집 장치는, 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(151), 음향 출력부(152), 햅팁 모듈(153), 광 출력부(154) 중 적어도 하나를 포함할 수 있다. 디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 영상 편집 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 영상 편집 장치(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 무선 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다. 음향 출력부(152)는 영상 편집 장치(100)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음 등)과 관련된 음향 신호를 출력하기도 한다. 이러한 음향 출력부(152)에는 리시버(receiver), 스피커(speaker), 버저(buzzer) 등이 포함될 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다. 햅틱 모듈(153)에서 발생하는 진동의 세기와 패턴 등은 사용자의 선택 또는 제어부의 설정에 의해 제어될 수 있다. 예를 들어, 상기 햅틱 모듈(153)은 서로 다른 진동을 합성하여 출력하거나 순차적으로 출력할 수도 있다.
광출력부(154)는 영상 편집 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. 영상 편집 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
인터페이스부(160)는 영상 편집 장치(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(160)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port) 중 적어도 하나를 포함할 수 있다. 영상 편집 장치(100)에서는, 상기 인터페이스부(160)에 외부 기기가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절할 제어를 수행할 수 있다.
또한, 메모리(170)는 영상 편집 장치(100)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(170)는 영상 편집 장치(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 영상 편집 장치(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 영상 편집 장치(100)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 출고 당시부터 영상 편집 장치(100)상에 존재할 수 있다. 한편, 응용 프로그램은, 메모리(170)에 저장되고, 영상 편집 장치(100) 상에 설치되어, 제어부(180)에 의하여 상기 영상 편집 장치의 동작(또는 기능)을 수행하도록 구동될 수 있다.
제어부(180)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 영상 편집 장치(100)의 전반적인 동작을 제어한다. 제어부(180)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(170)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 제어부(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, 도 1와 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제어부(180)는 상기 응용 프로그램의 구동을 위하여, 영상 편집 장치(100)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
전원공급부(190)는 제어부(180)의 제어 하에서, 외부의 전원, 내부의 전원을 인가 받아 영상 편집 장치(100)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부(190)는 배터리(191)를 포함하며, 상기 배터리는 내장형 배터리 또는 교체가능한 형태의 배터리가 될 수 있다.
상기 각 구성요소들 중 적어도 일부는, 이하에서 설명되는 다양한 실시예들에 따른 영상 편집 장치의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 상기 영상 편집 장치의 동작, 제어, 또는 제어방법은 상기 메모리(170)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 영상 편집 장치 상에서 구현될 수 있다.
이하에서는, 딥러닝 네트워크를 이용하여 참조 영상의 특징을 분석하고, 분석된 특징과 유사한 특징을 갖도록 대상 영상을 편집하는 장치 및 방법에 대하여 자세히 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 영상 편집 장치 및 영상 편집 장치의 동작 방법의 개략도를 설명하는 도면이다.
도 2를 참조하면, 영상 편집 장치는 참조 영상 및 대상 영상을 각각 획득할 수 있다. 영상 편집 장치는 획득된 참조 영상 및 대상 영상을 영상 분석 네트워크로 전송할 수 있다. 여기에서, 영상 분석 네트워크는 딥러닝 네트워크의 한 구성에 대응할 수 있다.
영상 편집 장치는 영상 분석 네트워크를 기반으로 획득된 참조 영상 및 대상 영상의 특징을 분석할 수 있다. 여기에서, 영상은 정지 및 동영상을 모두 포함할 수 있다. 이때, 영상은 RAW FILE인 것을 특징으로 할 수 있다. 또한, 영상의 특징은 구도, 색감, 화질, 사람, 사물, 배경 등 영상의 화질적 특징과 촬영된 피사체에 대한 것을 포함할 수 있다.
영상 편집 장치는 분석된 참조 영상의 특징 및 분석된 대상 영상의 특징을 영상 편집 네트워크로 전송할 수 있다. 여기에서, 영상 편집 네트워크 역시 딥러닝 네트워크의 한 구성에 대응할 수 있다.
영상 편집 장치는 영상 편집 네트워크를 통하여 참조 영상의 특징을 참조하여 대상 영상의 특징을 편집할 수 있다. 이때, 영상 편집 장치는 자동으로 또는 사용자의 요청에 다른 수동으로 대상 영상의 특징을 편집할 수 있다.
영상 편집 장치는 편집이 완료된 대상 영상을 도 1 에서 상술한 출력부를 통하여 출력할 수 있다.
도 3은 본 발명의 일 실시예에 따른 영상 편집 장치 및 딥러닝 네트워크의 동작을 설명하는 도면이다.
본 발명의 일 실시예에서, 영상 편집 장치(310)는 사용자가 요청하는 영상(이하, 대상 영상)을 분석된 데이터를 참조하여 편집 및 출력할 수 있다. 이를 위하여, 영상 편집 장치(310)는 미리 편집된 영상이나 대상 영상이 참조할 기준 영상을 필요로 할 수 있다.
도 3을 참조하면, 영상 편집 장치(310)는 참조 영상 및 대상 영상을 획득할 수 있다. 이때, 참조 영상 및 대상 영상을 획득하는 방법은 이하 도 16 및 도 17에서 자세히 설명하도록 한다.
영상 편집 장치(310)는 획득한 참조 영상 및 대상 영상을 딥러닝 네트워크(320)로 전송할 수 있다. 특히, 도 3에서 영상 편집 장치(310)와 딥러닝 네트워크(320)는 별개의 구성인 것으로 도시되어 있으나, 하나의 영상 편집 장치(310)는 딥러닝 네트워크(320)를 포함할 수 있다. 즉, 딥러닝 네트워크(320)는 일반적으로 클라우드(cloud) 서버를 의미할 수 있으나, 영상 편집 장치(310) 내에서 수행될 수 있다. 다만, 설명의 편의를 위하여 영상 편집 장치(310)와 딥러닝 네트워크(320)가 분리된 실시예로 설명하도록 한다.
이때, 딥러닝 네트워크(320)는 영상 분석 네트워크(321) 및 영상 편집 네트워크(322)를 포함할 수 있다.
본 발명의 일 실시예에서, 딥러닝 네트워크(320)는 영상 분석 네트워크(321)를 통하여 수신한 참조 영상 및 대상 영상의 특징을 각각 분석할 수 있다. 보다 상세하게는, 영상 분석 네트워크(321)는 참조 영상 및 대상 영상 각각에 대하여 장면 전환 효과 분석, 장면 전환 길이 분석, 색상 필터 분석, 화각 및 구도 분석, 영상 화질 분석, 영상 BGM 분석, 인물 검출, 사물 검출 및 분류, 배경 및 장소 검출, 영상 내 텍스트 분석, 피사체 움직임 분석 등을 수행할 수 있다. 이에 대하여는, 도 7 내지 도 15에서 자세히 설명하도록 한다.
또한, 딥러닝 네트워크(320)는 분석된 참조 영상의 특징 및 분석된 대상 영상의 특징을 영상 편집 네트워크(322)로 전송할 수 있다.
영상 편집 네트워크(322)는 수신한 참조 영상의 특징 및 대상 영상의 특징을 기반으로 대상 영상을 편집할 수 있다.
본 발명의 일 실시예에서, 영상 편집 네트워크(322)는 참조 영상의 분석된 특징을 기초로 대상 영상을 편집할 수 있다. 즉, 영상 편집 네트워크(322)는 자동으로 또는 사용자 요청에 기초하여 참조 영상의 특징 중 적어도 하나를 대상 영상의 특징에 대입할 수 있다.
본 발명의 일 실시예에서, 영상 편집 장치(310)는 대상 영상을 참조 영상의 특징을 최대한 반영하여 비슷한 영상으로 편집할 수 있다. 구체적으로, 영상 편집 장치(310)는 장면 전환 같은 스토리적 요소와 주 피사체와 배경 등의 움직임과 같은 구도적 요소, 배경 음악의 스타일 등을 반영할 수 있다.
보다 상세하게는, 영상 편집 네트워크(322)이 대상 영상에 적용할 수 있는 특징은 다음과 같다. 영상 편집 네트워크(322)는 참조 영상의 장면 전환 효과 적용, 장면 전환 길이 적용, 색상 스타일 적용, 모션 블러 제거, 해상도 향상, 노이즈 제거, 유사 BGM 적용, 피사체 및 배경을 고려한 유사한 화각 및 구도 적용, 동적 움직임 동기화를 대상 영상에 적용할 수 있다. 이에 대하여는, 이하의 도면에서 자세히 설명하도록 한다.
이후, 영상 편집 네트워크(322)는 편집된 대상 영상을 영상 편집 장치(310)로 전송할 수 있다.
영상 편집 장치(310)는 수신한 대상 영상을 출력할 수 있고, 사용자에게 최종 결정 여부를 문의할 수 있다.
이후, 영상 편집 장치(310)는 사용자로부터 조정 요청을 수신할 수 있다.
영상 편집 장치(310)는 출력된 대상 영상에 대하여 조정 요청을 수신하는 경우, 대상 영상을 추가로 조정할 수 있다. 이때, 영상 편집 장치(310)는 자동으로 편집한 영상을 추가적으로 수동 편집(manual editing)을 통하여 재편집할 수 있다. 이에 대하여는, 도 21 내지 도 26에서 자세히 설명하도록 한다.
영상 편집 장치(310)는 출력된 대상 영상에 대하여 더 이상의 조정 요청이 없고, 종료 요청을 수신하는 경우, 영상 편집을 종료하고 대상 영상을 저장할 수 있다.
도 4는 본 발명의 일 실시예에 따른 영상 편집 장치의 구성도를 설명하는 도면이다.
도 4를 참조하면, 영상 편집 장치(400)는 통신부(410), 입출력부(420), 메모리(430) 및 제어부(440)를 포함할 수 있다. 이때, 영상 편집 장치(400)의 각 구성은 도 1에서 상술한 무선 통신부, 입력부, 출력부, 메모리 및 제어부의 내용을 참조할 수 있으며, 도 4에서는 본 발명의 일 실시예와 관련된 특징만을 기술하도록 한다.
통신부(410)는 외부와 통신하며 획득한 참조 영상 및 대상 영상을 딥러닝 네트워크(미도시)로 전송할 수 있다. 또한, 통신부(410)는 참조 영상 및 대상 영상을 외부로부터 획득할 수 있다. 즉, 통신부(410)는 영상 편집 장치(400) 내부에 저장된 참조 영상 및 대상 영상뿐만 아니라, 외부에 존재하는 참조 영상 및 대상 영상을 수신할 수 있다. 이때, 통신부(410)는 참조 영상의 연결 주소(URL)을 이용할 수 있다. 또한, 통신부(410)는 편집된 대상 영상을 외부로 전송할 수 있다.
입출력부(420)는 입력부와 출력부로 구성되어, 사용자로부터 입력 신호를 터치 스크린 등을 통하여 수신하고, 편집된 대상 영상을 디스플레이 등을 통하여 출력할 수 있다. 보다 상세하게는, 입출력부(420)는 참조 영상 및 대상 영상을 획득하기 위하여 사용자의 신호를 수신할 수 있고, 대상 영상의 자동 편집 및 수동 편집 여부에 대한 신호를 수신할 수 있다. 또한, 입출력부(420)는 대상 영상이 완성된 이후, 추가 편집 여부 및 저장 여부에 대한 신호를 수신할 수 있다.
메모리(430)는 참조 영상, 대상 영상 및 편집된 대상 영상을 저장할 수 있다. 또한, 메모리(430)는 참조 영상 및 대상 영상의 분석된 특징과 관련된 정보를 저장할 수 있다. 또한, 본 발명의 일 실시예에서, 메모리(430)는 참조 영상의 분석된 특징을 저장할 수 있고, 추후 다른 대상 영상에 대한 편집이 요청된 경우, 참조 영상에 대한 수신 없이 저장되어 있는 특징을 이용하여 대상 영상을 편집할 수 있도록 한다.
제어부(440)는 상술한 영상 편집 장치(400)의 통신부(410), 입출력부(420), 및 메모리(430)를 제어할 수 있다.
본 발명의 일 실시예에서, 제어부(440)는 참조 영상 및 대상 영상을 획득할 수 있고, 획득된 참조 영상 및 대상 영상의 특징을 각각 분석할 수 있다. 여기에서, 분석 가능한 특징은 장면 전환 효과, 장면 전환 길이, 색상 필터, 화각, 구도, 영상 화질, 영상 BGM, 인물 검출, 사물 검출, 사물 분류, 배경 검출, 장소 검출, 영상 내 텍스트, 피사체 움직임 중 적어도 하나를 포함할 수 있다.
또한, 제어부(440)는 참조 영상의 분석된 특징에 기초하여 대상 영상을 편집할 수 있다. 보다 상세하게는, 제어부(440)는 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집할 때, 장면 전환 효과, 장면 전환 길이, 색상 스타일, 모션 블러, 해상도, 노이즈, BGM, 화각, 구도 및 동적 움직임 중 적어도 하나에 기초하여 상기 대상 영상을 편집할 수 있다.
특히, 제어부(440)는 상술한 딥러닝 네트워크를 통하여 획득된 참조 영상 및 획득된 대상 영상의 특징을 각각 분석하고, 참조 영상의 분석된 특징에 기초하여 대상 영상을 편집할 수 있다. 이때, 딥러닝 네트워크는 영상 분석 네트워크 및 영상 편집 네트워크로 구성되고, 제어부(440)는 영상 분석 네트워크를 통하여 획득된 참조 영상 및 대상 영상의 특징을 분석하고, 영상 편집 네트워크를 통하여 대상 영상을 편집할 수 있다.
이후, 제어부(440)는 사용자에게 자동 편집 인터페이스를 제공할 수 있고, 제공된 자동 편집 인터페이스를 통하여 사용자로부터 참조 영상 및 대상 영상을 입력 받을 수 있다. 또한, 제어부(440)는 자동 편집 인터페이스를 통하여 사용자의 편집 요청에 따라 대상 영상을 편집할 수 있다. 또한, 제어부(440)는 자동 편집 인터페이스를 통하여 사용자의 저장 요청에 따라 편집된 대상 영상을 저장할 수 있다. 이때, 제어부(440)는 편집된 대상 영상을 기 설정된 경로(URL)로 저장할 수 있다.
이후, 제어부(440)는 편집된 대상 영상을 출력할 수 있다.
또한, 제어부(440)는 편집된 대상 영상이 출력된 이후, 사용자로부터 추가 조정에 대한 신호를 수신하는 경우, 편집된 대상 영상에 대하여 사용자에게 수동 편집 인터페이스를 제공할 수 있다. 여기에서, 수동 편집 인터페이스는 클립(clip), BGM 삽입, 색상(color) 변경, 모자이크(mosasic) 처리 및 캡션(caption) 추가 중 적어도 하나를 포함할 수 있다.
또한, 제어부(440)는 사용자로부터 상기 출력된 대상 영상에 대한 피드백을 수신할 수 있다.
이하, 도 5 및 도 6에서는 도 2 및 도 3에서 상술한 영상 편집 장치의 제어부와 서버의 제어부가 수행하는 동작을 각각 설명하도록 한다.
도 5는 본 발명의 일 실시예에 따른 영상 편집 장치의 동작 방법에 대한 순서도이다. 이하, 영상 편집 장치의 제어부가 수행하는 동작이나 설명의 편의를 위하여 영상 편집 장치가 수행하는 것으로 설명하도록 한다.
도 5를 참조하면, 단계(S510)에서, 영상 편집 장치는 참조 영상을 획득할 수 있다. 이때, 영상 편집 장치는 참조 영상에 대한 직접적인 파일을 획득하는 대신 참조 영상에 대한 기 설정된 경로(URL)를 획득할 수 있다.
단계(S520)에서, 영상 편집 장치는 대상 영상을 획득할 수 있다.
단계(S530)에서, 영상 편집 장치는 획득한 참조 영상 및 대상 영상을 서버에게 전송할 수 있다.
단계(S540)에서, 영상 편집 장치는 서버로부터 편집된 영상을 수신할 수 있다. 이때, 서버는 수신한 참조 영상 및 대상 영상의 특징을 분석하고, 참조 영상의 분석된 특징에 기초하여 대상 영상을 편집할 수 있다.
단계(S550)에서, 영상 편집 장치는 사용자로부터 추가 조정 여부를 확인할 수 있다. 이때, 영상 편집 장치는 편집된 대상 영상을 사용자에게 출력한 뒤, 사용자로부터 추가 조정 여부를 확인할 수 있다. 영상 편집 장치는 사용자로부터 추가 조정에 대한 신호를 수신하는 경우, 편집된 대상 영상을 재편집할 수 있고, 종료 요청에 대한 신호를 수신하는 경우, 편집된 대상 영상을 저장할 수 있다.
단계(S560)에서, 영상 편집 장치는 사용자로부터 피드백을 수신할 수 있다.
도 6은 본 발명의 일 실시예에 따른 서버의 동작 방법에 대한 순서도이다. 이하, 서버의 제어부가 수행하는 동작이나 설명의 편의를 위하여 서버가 수행하는 것으로 설명하도록 한다.
도 6을 참조하면, 단계(S610)에서, 서버는 영상 편집 장치로부터 참조 영상을 수신할 수 있다. 이때, 서버는 영상 편집 장치로부터 참조 영상에 대응하는 경로(URL)를 수신할 수 있다.
단계(S620)에서, 서버는 영상 편집 장치로부터 대상 영상을 수신할 수 있다.
단계(S630)에서, 서버는 참조 영상과 대상 영상의 특징을 분석할 수 있다. 서버는 딥러닝 기반의 영상 분석 네트워크를 통하여 참조 영상과 대상 영상의 특징을 분석할 수 있다.
단계(S640)에서, 서버는 참조 영상의 분석된 특징에 기초하여 대상 영상을 편집할 수 있다. 서버는 딥러닝 기반의 영상 편집 네트워크를 통하여 참조 영상의 분석된 특징에 기초하여 대상 영상을 편집할 수 있다.
단계(S650)에서, 서버는 편집된 영상을 영상 편집 장치에게 전송할 수 있다.
이하에서는, 참조 영상 및 대상 영상을 분석하고 편집하는 구체적인 실시예에 대하여 설명하도록 한다.
도 7은 본 발명의 일 실시예에 따른 영상 편집 장치가 영상을 분석하는 실시예를 설명하는 도면이다.
도 7을 참조하면, 영상 분석 네트워크가 획득한 영상을 분석하는 실시예를 예로 들어 설명하나, 영상 편집 장치가 이하의 실시예를 수행할 수 있음은 물론이다. 이때, 영상 분석 네트워크는 참조 영상 및 대상 영상을 구분하지 않고 수신한 영상에 대하여 분석을 수행할 수 있다.
보다 상세하게는, 영상 분석 네트워크는 수신한 영상을 프레임(frame) 단위로 구분할 수 있다.
또한, 영상 분석 네트워크는 수신한 영상을 장면(scene)의 변화를 기준으로 구분할 수 있다. 즉, 영상은 프레임 번호(no.)에 차이가 있더라도 하나의 장면으로 묶일 수 있기 때문에, 영상 분석 네트워크는 수신한 영상을 프레임을 기준으로 장면의 변화가 있음을 분석할 수 있다.
또한, 영상 분석 네트워크는 수신한 영상의 프레임을 기준으로 등장하는 인물을 검출(detect)하고 인식(recognition)할 수 있다. 이때, 하나의 프레임에는 적어도 하나의 인물이 포함될 수 있음은 물론이다. 이에 따라, 영상 분석 네트워크는 적어도 하나의 인물을 검출하여 해당 인물이 프레임의 변화에 따라 계속 나타나는지 여부 등을 파악할 수 있다.
또한, 영상 분석 네트워크는 수신한 영상의 프레임을 기준으로 오브젝트(object)를 검출하고 인식할 수 있다. 이때, 하나의 프레임에는 적어도 하나의 오브젝트가 포함될 수 있음은 물론이다. 이에 따라, 영상 분석 네트워크는 적어도 하나의 오브젝트가 무엇인지 여부를 판단할 수 있다. 예를 들어, 영상 분석 네트워크는 오브젝트가 “음식”임을 판단할 수 있다.
또한, 영상 분석 네트워크는 수신한 영상의 프레임을 기준으로 텍스트(text)를 분석할 수 있다. 이때, 하나의 프레임에는 적어도 하나의 텍스트가 포함될 수 있음은 물론이다. 이하, 도 8a 내지 도 8c를 통하여 영상의 하나의 프레임에서 분석 가능한 다양한 특징에 대하여 살펴보도록 한다.
도 8a 내지 도 8c는 본 발명의 일 실시예에 따른 영상 편집 장치가 영상을 분석하는 구체적인 실시예를 설명하는 도면이다.
도 8a 내지 도 8c는 도 7에서 수신한 영상의 하나의 프레임을 분석하는 실시예를 설명하는 도면이다.
도 8a는 영상 편집 장치가 하나의 프레임을 분석하는 실시예를 나타낸다. 도 8a를 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임을 기준으로, 하나의 프레임 내에서 얼굴 인식(811, 812), 오브젝트 인식(821) 및 텍스트 인식(831, 832)을 수행할 수 있다. 즉, 영상 편집 장치는 수신한 영상의 하나의 프레임의 프레임 번호(number)를 부여하고, 해당 프레임에서 인식된 제 1 얼굴 정보(811), 제 2 얼굴 정보(812), 제 1 오브젝트 정보(821), 제 1 텍스트 정보(831) 및 제 2 텍스트 정보(832) 등을 분석할 수 있다.
도 8b는 영상 편집 장치가 각 프레임에 대하여 분석된 정보를 나타내는 표에 대응한다. 도 8b를 참조하면, 영상 편집 장치는 각각의 프레임에 대응하는 장면 변화 정보, 얼굴 인식 정보, 오브젝트 인식 정보 및 텍스트 분석 정보를 저장할 수 있다.
도 8c는 영상 편집 장치가 하나의 프레임을 분석하는 다른 실시예를 나타낸다. 도 8c의 (a)를 참조하면, 영상 편집 장치는 하나의 프레임에 대하여 비디오 컴포지션(video composition)을 수행할 수 있다. 도 8c의 (b)를 참조하면, 영상 편집 장치는 하나의 프레임에 대하여 색상 컴포지션(color composition)을 수행할 수 있다. 도 8c의 (c)를 참조하면, 영상 편집 장치는 하나의 프레임에 대하여 모션 추정(motion estimation)을 수행할 수 있다. 도 8c의 (d)를 참조하면, 영상 편집 장치는 하나의 프레임에 대하여 BGM 분석(BGM analysis)을 수행할 수 있다. 즉, 영상 편집 장치는 하나의 프레임에 대하여 각각의 특징을 분석할 수 있다. 이하, 도 9 내지 도 15에서는 특징을 분석하는 방법에 대하여 자세히 설명하도록 한다. 이하, 도 9 내지 도 15에서는 하나의 프레임에 대한 분석을 예로 들어 설명하도록 한다.
도 9는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 얼굴 인식을 수행하는 실시예를 설명하는 도면이다.
도 9의 첫번째 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있다. 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 9의 두번째 도면을 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 얼굴 인식을 수행할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 Conv, MaxPool, Resblock, FC(fully connected network) 알고리즘을 통해 얼굴 인식을 수행할 수 있다. 여기에서, Conv(convolutional neural network)는 컨볼루션 신경망(ConvNet)으로 학습 가능한 가중치(weight)와 바이어스(bias)로 구성되며, 마지막 레이어에 손실 함수(loss function)를 가지는 인공 신경망에 대응할 수 있다. 또한, Conv 알고리즘을 통하여 추출된 특징들은 Max pool 알고리즘을 통해 데이터의 크기를 축소시킬 수 있다. 즉, 영상 편집 장치는 Conv 알고리즘과 MaxPool 알고리즘을 반복하여 하나의 프레임에서 추출 가능한 얼굴을 더욱 정교하게 인식할 수 있다. 이후, 영상 편집 장치는 Conv 레이어에서 Conv 알고리즘과 MaxPool 알고리즘을 반복하여 추출된 결과를 토대로 FC 레이어에서 얼굴 인식을 완료할 수 있다.
도 9의 세번째 도면을 참조하면, 영상 편집 장치는 상술한 알고리즘을 통하여 추출된 얼굴 인식 정보를 영상 내에 인디케이터(901, 902, 903)로 나타낼 수 있다.
도 10은 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 오브젝트 및 장소 인식을 수행하는 실시예를 설명하는 도면이다.
도 10의 첫번째 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있고, 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 10의 두번째 도면을 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 오브젝트 인식을 수행할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 VGG-16 및 Conv 알고리즘을 통해 오브젝트 인식을 수행할 수 있다. 여기에서, VGG-16은 16개의 레이어로 구성된 컨볼루션 신경망에 대응할 수 있고, Conv는 상술한 내용과 동일하다. 영상 편집 장치는 수신한 하나의 프레임에 대하여 VGG-16 알고리즘과 복수번의 Conv 알고리즘에 기초하여 오브젝트 인식을 수행할 수 있다. 이후, 영상 편집 장치는 VGG-16과 Conv 알고리즘을 반복하여 추출된 결과를 토대로 FC 레이어에서 오브젝트 인식을 완료할 수 있다.
마찬가지로, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 장소 인식을 수행할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 Conv, BN, ReLU 알고리즘을 통해 장소 인식을 수행할 수 있다. 이후, 영상 편집 장치는 Conv, BN, ReLU 알고리즘을 반복하여 추출된 결과를 토대로 FC 레이어에서 장소 인식을 완료할 수 있다. 여기에서, BN(batch normalization) 레이어는 표준화층을 모든 뉴런의 판별 함수와 활성화 함수 사이에 추가하고, 표준화 과정에서 사용되는 파라미터를 수치화 최적화(경사하강법 등) 과정에서 업데이트되도록 하고, 시간이 지남에 따라 은닉층의 출력이 특정 방향으로 이동하는 것을 막도록 한다. 또한, ReLU는 입력 값이 0 이상이면 입력 값을 그대로 출력하는 함수에 대응한다.
도 10의 세번째 도면을 참조하면, 영상 편집 장치는 상술한 알고리즘을 통하여 추출된 오브젝트 인식 정보 및 장소 인식 정보를 영상 내에 인디케이터(1001, 1002, 1003)로 나타낼 수 있다.
도 11은 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 인식된 오브젝트를 트래킹하는 실시예를 설명하는 도면이다.
도 11의 첫번째 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있고, 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 11의 두번째 도면을 참조하면, 영상 편집 장치는 도 10을 통해 인식된 오브젝트를 복수개의 인공 신경망을 활용하여 트래킹(tracking)할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 Yolo, Conv 알고리즘을 통하여 특징을 추출할 수 있다. 또한, 영상 편집 장치는 Yolo, Conv 알고리즘을 통하여 특징을 추출한 뒤, LSTM(Long Short-Term Memory)를 통하여 모델을 학습시킬 수 있다. 이 경우, 단순히 Conv 알고리즘을 수행하는 것보다 추출된 특징에 대하여 LSTM 알고리즘을 함께 수행하는 경우 모델의 성능이 상향될 수 있다. 이후, 영상 편집 장치는 학습이 반복된 모델의 연산 결과에 기초하여 오브젝트를 트래킹할 수 있다. 이때, Yolo 연산은 오브젝트 검출에 있어, 이미지를 격자 그리드(grid)로 나누어 한번에 클래스를 판단하고 이를 통합하여 최종 오브젝트를 구분하는 연산에 대응한다.
도 11의 세번째 도면을 참조하면, 영상 편집 장치는 상술한 알고리즘을 통하여 추출된 오브젝트 트래킹 정보를 영상 내에 인디케이터(1101, 1102, 1103)로 나타낼 수 있다.
또한, 도면에 도시되지는 않았으나 영상 편집 장치는 인식된 오브젝트에 대한 움직임 정보를 획득할 수 있다. 예를 들어, 영상 편집 장치는 인식된 오브젝트의 정적 또는 동적 움직임 여부를 판단할 수 있다.
도 12는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 장면 변화를 감지하는 실시예를 설명하는 도면이다.
도 12의 첫번째 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있고, 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 12의 두번째 도면을 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 장면 전환을 검출할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 Conv, Correlation, Refinement, Matching, FC, ReLu 알고리즘을 통해 장면 전환을 검출할 수 있다. 즉, 영상 편집 장치는 하나의 프레임에 대하여 Conv 레이어를 통하여 특징을 추출하고, 이들의 상관도(Correlation)를 분석할 수 있다. 이후, 영상 분석 장치는 Conv 알고리즘을 반복할 수 있고, Conv를 통하여 추출된 특징들을 조정(refinement)할 수 있다. 영상 편집 장치는 조정된 특징들에 대하여 매칭(matching), FC, ReLu 알고리즘을 수행할 수 있고, 수행 결과를 다시 한번 조정하여 최종적으로 장면 정보를 추출할 수 있다.
도 12의 세번째 도면을 참조하면, 영상 편집 장치는 상술한 알고리즘을 통하여 결정된 장면 정보를 영상 내에 인디케이터(1201, 1202)로 나타낼 수 있다.
도 13은 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 색상 스타일을 변경하는 실시예를 설명하는 도면이다.
도 13의 첫번째 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있고, 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 13의 두번째 도면을 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 색상 스타일 변환(color style transfer)을 수행할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 Conv, ResBlock, VGG-19 알고리즘을 통해 색상 인식을 수행할 수 있다. 상술한 바와 같이, VGG-19는 19개의 레이어로 구성된 컨볼루션 신경망에 대응할 수 있다. 또한, 영상 편집 장치는 VGG 인코더 등을 통하여 색상 인식을 수행하고, AdaIN(Adaptive Instance Normalization) 알고리즘을 대상 영상에 도입할 수 있다.
도 13의 세번째 도면을 참조하면, 영상 편집 장치는 상술한 알고리즘을 통하여 추출된 색상 정보를 대상 영상(1301)에 적용할 수 있다.
도 14는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 BGM을 인식하는 실시예를 설명하는 도면이다.
도 14의 왼쪽 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있고, 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 14의 오른쪽 도면을 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 BGM 인식을 수행할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 DFT, Conv, ReLU, AVr Pool, LSTM, FC 알고리즘을 통해 BGM 인식을 수행할 수 있다. 여기에서, DFT(Discrete Fourier Transform, 이산 푸리에 변환)은 시공간의 신호(spatiotemporal signal)를 주파수 영역(Frequency domain)으로 변환하는 연산에 대응한다. 또한, 여기에서는 상술한 바와 다르게 Max Pooling이 아닌 Average Pooling 알고리즘을 통해 특징을 유지하며 적절한 수준으로 다운 샘플링을 하여 메모리를 절약할 수 있다. 이후, 영상 편집 장치는 추출된 특징들을 토대로 FC 레이어에서 BGM 인식을 완료할 수 있다. 또한, 영상 편집 장치는 프레임에서 BGM이 등장하지 않는 부분은 판단할 수 있다.
도 15는 본 발명의 일 실시예에 따른 영상 편집 장치에서 영상 내에서 텍스트 인식을 수행하는 실시예를 설명하는 도면이다.
도 15의 첫번째 도면을 참조하면, 영상 편집 장치는 영상을 수신할 수 있고, 수신한 영상의 하나의 프레임에 대하여 딥러닝 네트워크에 기반한 다양한 영상 분석 알고리즘을 사용할 수 있다.
보다 상세하게는, 도 15의 두번째 도면을 참조하면, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 복수개의 인공 신경망을 활용하여 얼굴 인식을 수행할 수 있다. 예를 들어, 영상 편집 장치는 수신한 영상의 하나의 프레임에 대하여 Conv, Avr Pool을 통하여 텍스트 인식을 수행할 수 있다. 여기에서, Conv 알고리즘과 Avr Pool은 상술한 바와 같다. 또한, 영상 편집 장치는 Conv 및 Avr Pool 알고리즘을 반복적으로 수행하여 더욱 정확한 샘플을 추출할 수 있다. 영상 편집 장치는 Conv 및 Avr Pool 알고리즘을 통하여 추출된 특징들을 토대로 FC 레이어에서 텍스트 인식을 완료할 수 있다.
도 15의 세번째 도면을 참조하면, 영상 편집 장치는 상술한 알고리즘을 통하여 추출된 오브젝트 인식 정보 및 장소 인식 정보를 영상 내에 인디케이터로 나타낼 수 있다. 이때, 영상 편집 장치는 장소 인식 정보에 기초하여 해당 프레임의 배경이 실외인지 실내인지 여부 등을 판단할 수 있다.
즉, 도 9 내지 도 15의 실시예를 통하여 영상의 특징을 분석할 수 있다. 이하, 도 16 내지 도 26에서는 영상을 분석하고 편집하는 사용자 인터페이스에 대하여 자세히 설명하도록 한다. 또한, 도 16 내지 도 26에서 설명되는 자동 편집 또는 수동 편집 실시예는 상술한 딥러닝 네트워크를 이용한 영상 분석 및 영상 편집 알고리즘에 의해 수행될 수 있다.
도 16은 본 발명의 일 실시예에 따른 영상 편집 장치가 참조 영상을 획득하는 실시예를 설명하는 도면이다.
도 16을 참조하면, 영상 편집 장치는 사용자에게 영상 편집을 위한 사용자 인터페이스(user interface)를 제공할 수 있다. 이때, 영상 편집 장치는 사용자 인터페이스를 도 1 에서 상술한 디스플레이부를 통하여 출력할 수 있다.
영상 편집 장치는 참조 영상을 추가하는 신호(1601)를 수신할 수 있다. 보다 상세하게는, 영상 편집 장치는 영상을 편집하기 위한 사용자 인터페이스 내에 참조 영상 추가를 나타내는 인디케이터(1602)를 출력할 수 있다. 영상 편집 장치는 참조 영상 추가를 나타내는 인디케이터(1602)를 선택(예를 들어, 디스플레이부를 터치)하는 사용자 신호(1601)에 기초하여 참조 영상(1603)을 추가할 수 있다. 이때, 영상 편집 장치는 사용자 신호(1601)에 기초하여 참조 영상(1603)에 대응하는 파일을 직접적으로 영상 편집 사용자 인터페이스 내에 추가할 수 있다. 또한, 영상 편집 장치는 사용자 신호(1601)에 기초하여 참조 영상(1603)에 대응하는 경로(URL)로부터 참조 영상(1603)을 영상 편집 사용자 인터페이스 내에 추가할 수 있다. 또한, 도면에 도시되지는 않았으나 영상 편집 장치는 참조 영상(1603)에 대한 예시 리스트를 제공할 수 있다.
또한, 본 발명의 일 실시예에서, 참조 영상(1603)이 추가된 이후, 영상 편집 장치는 참조 영상 추가를 나타내는 인디케이터(1602)를 참조 영상(1603)의 썸네일로 변경할 수 있다.
이후, 도 17에서는 영상 편집 장치가 참조 영상을 획득한 이후의 실시예를 설명하도록 한다.
도 17은 본 발명의 일 실시예에 따른 영상 편집 장치가 대상 영상을 획득하는 실시예를 설명하는 도면이다.
도 17을 참조하면, 영상 편집 장치는 도 16에서 상술한 영상 편집 인터페이스에서 참조 영상을 획득한 이후, 대상 영상을 추가하는 신호(1701)를 수신할 수 있다. 보다 상세하게는, 영상 편집 장치는 영상을 편집하기 위한 사용자 인터페이스 내에 대상 영상 추가를 나타내는 인디케이터(1702)를 출력할 수 있다. 영상 편집 장치는 대상 영상 추가를 나타내는 인디케이터(1702)를 선택하는 사용자 신호(1701)에 기초하여 대상 영상(1603)을 추가할 수 있다. 이때, 영상 편집 장치는 사용자 신호(1701)에 기초하여 대상 영상(1703)에 대응하는 파일을 직접적으로 영상 편집 사용자 인터페이스 내에 추가할 수 있다. 또한, 영상 편집 장치는 사용자 신호(1701)에 기초하여 대상 영상(1703)에 대응하는 경로(URL)로부터 대상 영상(1703)을 영상 편집 사용자 인터페이스 내에 추가할 수 있다. 또한, 본 발명의 일 실시예에서, 대상 영상(1703)이 추가된 이후, 영상 편집 장치는 대상 영상 추가를 나타내는 인디케이터(1702)를 대상 영상(1703)의 썸네일로 변경할 수 있다.
이후, 도 18에서는 영상 편집 장치가 참조 영상과 대상 영상을 모두 획득한 이후의 실시예를 설명하도록 한다.
도 18은 본 발명의 일 실시예에 따른 영상 편집 장치가 참조 영상과 대상 영상을 분석하는 실시예를 설명하는 도면이다.
도 18을 참조하면, 영상 편집 장치는 도 16 및 도 17에서 상술한 영상 편집 사용자 인터페이스에서 참조 영상 및 대상 영상을 획득한 이후, 참조 영상과 대상 영상을 분석하는 신호(1801)를 수신할 수 있다.
영상 편집 장치는 참조 영상과 대상 영상을 분석하는 신호(1801)를 수신함에 따라, 도 7 내지 도 15에서 상술한 영상 분석 실시예에 기초하여 참조 영상과 대상 영상의 특징을 각각 분석할 수 있다.
예를 들어, 영상 편집 장치는 참조 영상 및 대상 영상의 기 설정된 프레임 번호를 기준으로, 장면 전환 효과, 장면 전환 길이, 색상 필터, 화각, 구도, 영상 화질, 영상 BGM, 인물 검출, 사물 검출, 사물 분류, 배경 검출, 장소 검출, 영상 내 텍스트, 피사체 움직임 중 적어도 하나를 분석할 수 있다.
또한, 영상 편집 장치는 참조 영상과 대상 영상을 분석하는 과정을 프로그레스-바(progress bar, 1802a, 1802b, 1802c)로 출력할 수 있다.
도 19는 본 발명의 일 실시예에 따른 참조 영상과 대상 영상이 분석된 실시예를 설명하는 도면이다.
도 19를 참조하면, 영상 편집 장치는 참조 영상(1901)의 분석된 특징을 대상 영상(1902)에 적용하여 편집된 결과 영상(1903)을 생성할 수 있다. 즉, 영상 편집 장치는 상술한 분석 방법을 통하여 참조 영상(1901) 및 대상 영상(1902)의 특징을 분석할 수 있고, 분석된 특징에 기초하여 참조 영상(1901)의 특징을 대상 영상(1902)의 특징에 대입할 수 있다. 이에 따라, 영상 편집 장치는 편집된 결과 영상(1903)을 출력할 수 있다. 이때, 영상 편집 장치는 자동으로 참조 영상(1901)의 특징을 대상 영상(1902)의 특징에 대입할 수 있다. 이는 후술하는 수동 편집과의 가장 큰 차이점이 될 수 있다.
본 발명의 일 실시예에서, 영상 편집 장치는 참조 영상(1901), 대상 영상(1902) 및 결과 영상(1903)에 대응하는 썸네일을 출력할 수 있다.
또한, 영상 편집 장치는 참조 영상(1901)의 제 1 분석 결과(1904), 대상 영상(1902)의 제 2 분석 결과(1905) 및 결과 영상(1903)의 제 3 분석 결과(1906)를 출력할 수 있다. 이에 따라, 사용자는 제 1 분석 결과(1904), 제 2 분석 결과(1905) 및 제 3 분석 결과(1906)를 통하여 참조 영상(1901), 대상 영상(1902) 및 결과 영상(1903)의 특징이 어떻게 분석되었으며, 참조 영상(1901)의 특징이 어떻게 대상 영상(1902)에 적용되어 결과 영상(1903)이 출력되었는지 알 수 있다.
도 20은 본 발명의 일 실시예에 따른 영상 편집 장치가 대상 영상을 저장하는 실시예를 설명하는 도면이다.
상술한 실시예에 따라 대상 영상이 참조 영상의 특징에 기초하여 편집된 경우, 영상 편집 장치는 사용자로부터 결과 영상의 저장을 요청하는 신호(2001)를 수신할 수 있다. 영상 편집 장치는 결과 영상의 저장을 요청하는 신호(2001)를 수신함에 따라 결과 영상을 저장하는 팝업 창(2002)을 출력할 수 있다. 이에 따라, 영상 편집 장치는 팝업 창(2002)을 통해 편집된 영상을 기 설정된 확장자로 저장할 수 있다.
또한, 도면에 도시되지는 않았으나 영상 편집 장치는 결과 영상의 저장을 요청하는 신호(2001)를 수신함에 따라, 결과 영상을 출력할 수 있는 경로(URL)를 생성할 수 있다. 즉, 영상 편집 장치는 편집된 결과 영상을 기 설정된 경로(URL)로 저장할 수 있다. 이에 따라, 사용자는 결과 영상을 출력할 수 있는 경로(URL)를 통해 편집된 결과 영상을 감상할 수 있다.
또한, 도면에 도시되지는 않았으나 영상 편집 장치는 결과 영상의 저장을 요청하는 신호(2001)를 수신함에 따라, 결과 영상을 SNS 서비스를 통하여 공유할 수 있다. 이때, 영상 편집 장치는 결과 영상을 통신부를 통하여 외부로 전송할 수 있다. 즉, 영상 편집 장치는 결과 영상의 저장을 요청하는 신호(2001)에 따라 복수개의 SNS 서비스 리스트를 제공할 수 있고, 사용자의 선택에 따라, 선택된 SNS 서비스에 편집된 결과 영상을 공유할 수 있다.
도 21 내지 도 26은 본 발명의 일 실시예에 따른 영상 편집 장치가 수동 편집 인터페이스를 제공하는 실시예를 설명하는 도면이다. 도 21 내지 도 26에서 설명하는 수동 편집 인터페이스는 도 16 내지 도 20에서 수행된 자동 편집 이후에 수행되거나 아니면 자동 편집이 수행되기 이전에 제공될 수 있다. 즉, 사용자는 언제든지 영상 편집 장치를 통하여 대상 영상을 수동 편집할 수 있다.
도 21은 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상을 클립하는 실시예를 설명하는 도면이다.
도 21을 참조하면, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2101)의 제 1 분석 결과(2104), 대상 영상(2102)의 제 2 분석 결과(2105) 및 편집된 결과 영상(2103)의 제 3 분석 결과(2106)를 출력할 수 있다.
이후, 영상 편집 장치는 사용자로부터 수동 편집에 대한 신호(미도시)를 수신할 수 있다. 다만, 수동 편집에 대한 신호는 필수적인 것이 아니라, 영상 편집 장치는 단순히 사용자가 수동으로 편집하고자 하는 기능(예를 들어, 클립 기능)을 선택하는 경우 수동 편집에 대한 신호로 인식할 수 있다.
도 21에서는, 영상 편집 장치는 클립 인디케이터(2107)를 선택하는 제 1 사용자 입력 신호(2108)에 따라 대상 영상(2102)의 수동 편집 기능을 제공할 수 있다. 이후, 영상 편집 장치는 대상 영상(2102)의 제 2 분석 결과(2105) 내에서 장면의 길이를 조절하는 제 2 사용자 입력 신호(2109)에 기초하여, 대상 영상(2102)을 추가로 편집할 수 있다. 이후, 영상 편집 장치는 추가로 편집된 부분에 반영하여 결과 영상(2103)을 생성할 수 있다.
즉, 상술한 실시예를 통하여, 영상 편집 장치는 참조 영상(2101)을 기준으로 대상 영상(2102)을 편집할 수 있으나, 자동으로 대상 영상(2102)이 편집된 이후에도, 사용자 입력 신호(2108, 2109)에 기초하여 추가적으로 대상 영상(2102)을 편집할 수 있다.
도 22는 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상의 BGM을 변경하는 실시예를 설명하는 도면이다.
도 22를 참조하면, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2201)의 제 1 BGM 분석 결과(2204), 대상 영상(2202)의 제 2 BGM 분석 결과(2205) 및 편집된 결과 영상(2203)의 제 3 BGM 분석 결과(2206)를 출력할 수 있다.
이때, 제 1 BGM 분석 결과(2204), 제 2 BGM 분석 결과(2205) 및 제 3 BGM 분석 결과(2206)는 BGM 인디케이터(2207)를 선택하는 제 1 사용자 입력 신호(2208)에 따라 출력될 수 있다.
보다 상세하게는, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2201), 대상 영상(2202) 및 결과 영상에 대한(2203) 다양한 특징들을 분석할 수 있고, 그 분석 결과를 출력할 수 있다. 이때, 영상 편집 장치는 사용자가 선택하는 기능에 대한 분석 결과를 우선적으로 출력할 수 있다. 이에 따라, 사용자가 BGM 인디케이터(2207)를 선택하는 경우, 영상 편집 장치는 참조 영상(2201)에 대한 제 1 BGM 분석 결과(2204), 대상 영상(2202)에 대한 제 2 BGM 분석 결과(2205) 및 결과 영상(2203)에 대한 제 3 BGM 분석 결과(2206)를 출력할 수 있다.
이후, 영상 편집 장치는 사용자로부터 장면을 선택하는 제 2 사용자 입력 신호(2209)를 수신할 수 있다. 또한, 영상 편집 장치는 제 2 사용자 입력 신호(2209) 이후, 대상 장면에 따른 BGM을 선택하는 제 3 사용자 입력 신호(2210)에 따라, 대상 영상(2202)의 해당 장면의 BGM을 변경하여 결과 영상(2203)을 생성할 수 있다.
보다 상세하게는, 영상 편집 장치는 출력된 제 1 BGM 분석 결과(2204), 제 2 BGM 분석 결과(2205) 및 제 3 BGM 분석 결과(2206)에 기초하여, 제 2 사용자 입력 신호(2209)에 따라 대상 영상(2202)의 장면을 선택하고, 제 3 사용자 입력 신호(2210)에 따라, 대상 영상(2202)의 해당 장면의 BGM을 변경할 수 있다.
이때, 제 3 사용자 입력 신호(2210)가 선택할 수 있는 BGM 리스트는 제 1 BGM 분석 결과(2204) 및 제 2 BGM 분석 결과(2205)에 기초하여 생성될 수 있다.
도 23은 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상의 색상을 변경하는 실시예를 설명하는 도면이다.
도 23을 참조하면, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2301)의 제 1 색상 분석 결과(2304), 대상 영상(2302)의 제 2 색상 분석 결과(2305) 및 편집된 결과 영상(2303)의 제 3 색상 분석 결과(2306)를 출력할 수 있다.
이때, 제 1 색상 분석 결과(2304), 제 2 색상 분석 결과(2305) 및 제 3 색상 분석 결과(2306)는 색상 인디케이터(2307)를 선택하는 제 1 사용자 입력 신호(2308)에 따라 출력될 수 있다.
보다 상세하게는, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2301), 대상 영상(2302) 및 결과 영상에 대한(2303) 다양한 특징들을 분석할 수 있고, 그 분석 결과를 출력할 수 있다. 이때, 영상 편집 장치는 사용자가 선택하는 기능에 대한 분석 결과를 우선적으로 출력할 수 있다. 이에 따라, 사용자가 색상 인디케이터(2307)를 선택하는 경우, 영상 편집 장치는 참조 영상(2301)에 대한 제 1 색상 분석 결과(2304), 대상 영상(2302)에 대한 제 2 색상 분석 결과(2305) 및 결과 영상(2303)에 대한 제 3 색상 분석 결과(2306)를 출력할 수 있다.
이후, 영상 편집 장치는 사용자로부터 장면을 선택하는 사용자 입력 신호(미도시)를 수신할 수 있다. 영상 편집 장치는 대상 영상(2302)의 장면을 선택한 후, 편집하고자 하는 참조 영상(2301)의 장면의 색상으로 대상 영상(2302)의 장면의 색상을 변경할 수 있다. 이에 따라, 영상 편집 장치는 해당 장면의 색상이 변경된 결과 영상(2303)을 출력할 수 있다.
도 24는 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 영상에 모자이크 처리를 수행하는 실시예를 설명하는 도면이다.
도 24를 참조하면, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2401)의 제 1 얼굴 인식 결과(2404), 대상 영상(2402)의 제 2 얼굴 인식 결과(2405) 및 편집된 결과 영상(2403)의 제 3 얼굴 인식 결과(2406)를 출력할 수 있다.
이때, 제 1 얼굴 인식 결과(2404), 제 2 얼굴 인식 결과(2405) 및 제 3 얼굴 인식 결과(2406)는 모자이크 처리 인디케이터(2407)를 선택하는 제 1 사용자 입력 신호(2408)에 따라 출력될 수 있다.
보다 상세하게는, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2401), 대상 영상(2402) 및 결과 영상에 대한(2403) 다양한 특징들을 분석할 수 있고, 그 분석 결과를 출력할 수 있다. 이때, 영상 편집 장치는 사용자가 선택하는 기능에 대한 분석 결과를 우선적으로 출력할 수 있다. 이에 따라, 사용자가 모자이크 처리 인디케이터(2407)를 선택하는 경우, 영상 편집 장치는 참조 영상(2401)에 대한 제 1 얼굴 인식 결과(2404), 대상 영상(2402)에 대한 제 2 얼굴 인식 결과(2405) 및 결과 영상(2403)에 대한 제 3 얼굴 인식 결과(2406)를 출력할 수 있다.
본 발명의 일 실시예에서, 영상 편집 장치는 사용자로부터 인식될 얼굴 중 제 2 얼굴은 선택하는 사용자 입력 신호(2409)를 수신할 수 있다. 이에 따라, 영상 편집 장치는 대상 영상(2402) 중 인식된 제 2 얼굴을 모자이크 처리할 수 있다. 이후, 영상 편집 장치는 인식된 제 2 얼굴만을 모자이크 처리한 결과 영상(2403)을 저장할 수 있다.
또한, 도 24는 단순히 사람에 대한 얼굴 인식에 대한 실시예를 예로 들어 설명하였으나, 오브젝트 인식에 대한 실시예에도 적용될 수 있음은 물론이다.
도 25는 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 캡션을 추가하는 실시예를 설명하는 도면이다.
도 25를 참조하면, 영상 편집 장치는 상술한 실시예를 통하여 참조 영상(2501), 대상 영상(2502) 및 결과 영상(2503)을 장면을 기준으로 분석한 결과 정보(2504, 2505, 2506)를 출력할 수 있다. 이때, 영상 편집 장치는 캡션 추가 인디케이터(2507)를 선택하는 제 1 사용자 입력 신호(2508)에 따라 결과 정보(2504, 2505, 2506)를 출력할 수 있다.
본 발명의 일 실시예에서, 영상 편집 장치는 분석된 결과 정보(2504, 2505, 2506) 중 편집된 결과 영상(2503)에 캡션을 추가하고자 하는 장면을 선택하는 제 2 사용자 입력 신호(2509)를 수신할 수 있다.
본 발명의 일 실시예에서, 영상 편집 장치는 제 2 사용자 입력 신호(2509)에 따라 추가하고자 하는 캡션을 입력할 수 있는 입력기(IME)를 출력할 수 있다. 영상 편집 장치는 입력기를 통하여 입력된 캡션을 결과 영상(2503)의 썸네일 상에 출력할 수 있다.
또한, 영상 편집 장치는 출력된 캡션의 크기를 조절하는 제 3 사용자 입력 신호(2510)를 수신할 수 있다. 영상 편집 장치는 제 3 사용자 입력 신호(2510)에 기초하여 추가되는 캡션의 크기를 조절할 수 있다.
이에 따라, 영상 편집 장치는 사용자가 원하는 장면에서 원하는 문구를 추가하여 결과 영상(2503)을 생성할 수 있다.
도 26은 본 발명의 일 실시예에 따른 영상 편집 장치가 제공한 수동 편집 인터페이스에서 대상 영상을 저장하는 실시예를 설명하는 도면이다.
도 21 내지 도 25의 수동 편집 실시예를 통하여 완성된 결과 영상(2601)은 저장 인디케이터(2602)를 선택하는 사용자 입력 신호(2603)에 기초하여 저장될 수 있다.
또한, 도 21 내지 도 25의 수동 편집이 순서대로 편집된 것처럼 도시되어 있으나 순서에 한정되지는 않을 뿐만 아니라, 모든 기능을 수동 편집할 필요 없이 자동 편집이 완료된 대상 영상에 특정 기능만을 수동 편집할 수 있음은 물론이다.
도 26을 참조하면, 영상 편집 장치는 저장 인디케이터(2602)를 선택하는 사용자 입력 신호(2603)에 기초하여 수동 편집이 완료된 결과 영상(2601)을 저장할 수 있다. 영상을 저장하는 자세한 실시예는 자동 편집된 결과 영상을 저장하는 실시예인 도 20을 참조할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 영상 편집 장치의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
본 발명의 실시예들은 영상 편집 장치에 있어서 반복적으로 수행 가능 하다.

Claims (15)

  1. 외부와 통신하는 통신부;
    사용자 입력을 수신하고, 영상 편집 결과를 출력하는 입출력부; 및
    제어부를 포함하고,
    상기 제어부는
    참조 영상(reference video) 및 대상 영상(target video)을 획득하고,
    상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하고,
    상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하고,
    상기 편집된 대상 영상을 상기 입출력부를 통하여 출력하는, 영상 편집 장치.
  2. 제 1 항에 있어서,
    상기 분석 가능한 특징은 장면 전환 효과, 장면 전환 길이, 색상 필터, 화각, 구도, 영상 화질, 영상 BGM, 인물 검출, 사물 검출, 사물 분류, 배경 검출, 장소 검출, 영상 내 텍스트, 피사체 움직임 중 적어도 하나를 포함하는 것을 특징으로 하는, 영상 편집 장치.
  3. 제 1 항에 있어서,
    상기 제어부는 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집할 때, 장면 전환 효과, 장면 전환 길이, 색상 스타일, 모션 블러, 해상도, 노이즈, BGM, 화각, 구도 및 동적 움직임 중 적어도 하나에 기초하여 상기 대상 영상을 편집하는 것을 특징으로 하는, 영상 편집 장치.
  4. 제 1 항에 있어서,
    상기 제어부는 딥러닝 네트워크를 통하여 상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하고, 상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하는 것을 특징으로 하는, 영상 편집 장치.
  5. 제 4 항에 있어서,
    상기 딥러닝 네트워크는 영상 분석 네트워크 및 영상 편집 네트워크로 구성되고,
    상기 제어부는
    상기 영상 분석 네트워크를 통하여 상기 획득된 참조 영상 및 상기 대상 영상의 특징을 각각 분석하고,
    상기 영상 편집 네트워크를 통하여 상기 대상 영상을 편집하는 것을 특징으로 하는, 영상 편집 장치.
  6. 제 5 항에 있어서,
    상기 딥러닝 네트워크는 외부 서버에 존재하고,
    상기 영상 편집 장치는 상기 통신부를 통하여 상기 딥러닝 네트워크와 연결되고,
    상기 제어부는
    상기 획득된 참조 영상 및 상기 획득된 대상 영상을 상기 딥러닝 네트워크에게 전송하고,
    상기 딥러닝 네트워크로부터 상기 편집된 대상 영상을 수신하는 것을 특징으로 하는, 영상 편집 장치.
  7. 제 1 항에 있어서,
    상기 제어부는 상기 사용자에게 자동 편집(auto-edit) 인터페이스를 제공하는 것을 특징으로 하는, 영상 편집 장치.
  8. 제 7 항에 있어서,
    상기 제어부는
    상기 사용자로부터 상기 참조 영상 및 상기 대상 영상을 입력 받고,
    상기 사용자의 편집 요청에 따라 상기 대상 영상을 편집하고,
    상기 편집된 대상 영상에 대하여 상기 사용자의 저장 요청에 따라 상기 편집된 대상 영상을 저장하는 것을 특징으로 하는, 영상 편집 장치.
  9. 제 8 항에 있어서,
    상기 제어부는 상기 저장된 대상 영상을 상기 통신부를 통하여 외부로 전송하는 것을 특징으로 하는, 영상 편집 장치.
  10. 제 8 항에 있어서,
    상기 제어부는 상기 편집된 대상 영상을 기 설정된 경로(URL)로 저장하는 것을 특징으로 하는, 영상 편집 장치.
  11. 제 1 항에 있어서,
    상기 제어부는 상기 편집된 대상 영상이 출력된 이후, 상기 사용자로부터 추가 조정에 대한 신호를 수신하는 경우, 상기 편집된 대상 영상에 대하여 상기 사용자에게 수동 편집(manual-edit) 인터페이스를 제공하는 것을 특징으로 하는, 영상 편집 기기.
  12. 제 11 항에 있어서,
    수동 편집 인터페이스는 클립(clip), BGM 삽입, 색상(color) 변경, 모자이크(mosasic) 처리 및 캡션(caption) 추가 중 적어도 하나를 포함하는 것을 특징으로 하는, 영상 편집 기기.
  13. 제 1 항에 있어서,
    상기 제어부는 상기 사용자로부터 상기 출력된 대상 영상에 대한 피드백을 수신하는 것을 특징으로 하는, 영상 편집 장치.
  14. 제 1 항에 있어서,
    메모리를 더 포함하고,
    상기 제어부는 상기 편집된 대상 영상을 상기 메모리에 저장하는 것을 특징으로 하는, 영상 편집 장치.
  15. 참조 영상(reference video) 및 대상 영상(target video)을 획득하는 단계;
    상기 획득된 참조 영상 및 상기 획득된 대상 영상의 특징을 각각 분석하는 단계;
    상기 참조 영상의 분석된 특징에 기초하여 상기 대상 영상을 편집하는 단계; 및
    상기 편집된 대상 영상을 출력하는 단계를 포함하는, 영상 편집 장치의 동작 방법.
PCT/KR2021/009761 2021-07-28 2021-07-28 영상 편집 장치 및 영상 편집 장치의 동작 방법 WO2023008599A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020237043462A KR20240012453A (ko) 2021-07-28 2021-07-28 영상 편집 장치 및 영상 편집 장치의 동작 방법
PCT/KR2021/009761 WO2023008599A1 (ko) 2021-07-28 2021-07-28 영상 편집 장치 및 영상 편집 장치의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/009761 WO2023008599A1 (ko) 2021-07-28 2021-07-28 영상 편집 장치 및 영상 편집 장치의 동작 방법

Publications (1)

Publication Number Publication Date
WO2023008599A1 true WO2023008599A1 (ko) 2023-02-02

Family

ID=85086929

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/009761 WO2023008599A1 (ko) 2021-07-28 2021-07-28 영상 편집 장치 및 영상 편집 장치의 동작 방법

Country Status (2)

Country Link
KR (1) KR20240012453A (ko)
WO (1) WO2023008599A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020005309A (ja) * 2019-09-19 2020-01-09 株式会社オープンエイト 動画編集サーバおよびプログラム
KR20200063303A (ko) * 2018-11-19 2020-06-05 삼성전자주식회사 영상 처리 장치 및 그 제어방법
KR102201858B1 (ko) * 2019-08-26 2021-01-12 엘지전자 주식회사 인공지능 기반 영상 편집 방법 및 지능형 디바이스
KR20210074962A (ko) * 2019-12-12 2021-06-22 주식회사 옐로테일 손쉬운 영상 메시지 제작 방법 및 이를 이용한 장치
KR20210078206A (ko) * 2019-12-18 2021-06-28 엘지전자 주식회사 음성 인식에 기초한 멀티미디어 콘텐츠 편집 기술

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200063303A (ko) * 2018-11-19 2020-06-05 삼성전자주식회사 영상 처리 장치 및 그 제어방법
KR102201858B1 (ko) * 2019-08-26 2021-01-12 엘지전자 주식회사 인공지능 기반 영상 편집 방법 및 지능형 디바이스
JP2020005309A (ja) * 2019-09-19 2020-01-09 株式会社オープンエイト 動画編集サーバおよびプログラム
KR20210074962A (ko) * 2019-12-12 2021-06-22 주식회사 옐로테일 손쉬운 영상 메시지 제작 방법 및 이를 이용한 장치
KR20210078206A (ko) * 2019-12-18 2021-06-28 엘지전자 주식회사 음성 인식에 기초한 멀티미디어 콘텐츠 편집 기술

Also Published As

Publication number Publication date
KR20240012453A (ko) 2024-01-29

Similar Documents

Publication Publication Date Title
WO2020213750A1 (ko) 객체를 인식하는 인공 지능 장치 및 그 방법
WO2020138624A1 (en) Apparatus for noise canceling and method for the same
WO2020235712A1 (ko) 콘텐츠 기반의 스타일을 갖는 텍스트 또는 음성을 생성하는 인공 지능 장치 및 그 방법
WO2020235696A1 (ko) 스타일을 고려하여 텍스트와 음성을 상호 변환하는 인공 지능 장치 및 그 방법
WO2019182265A1 (ko) 인공 지능 기기 및 그의 동작 방법
WO2020230933A1 (ko) 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
WO2020218632A1 (ko) 인공지능 장치
WO2020213758A1 (ko) 음성으로 상호작용하는 인공 지능 장치 및 그 방법
WO2021006405A1 (ko) 인공지능 서버
WO2021006404A1 (ko) 인공지능 서버
WO2020246634A1 (ko) 다른 기기의 동작을 제어할 수 있는 인공 지능 기기 및 그의 동작 방법
WO2018128362A1 (en) Electronic apparatus and method of operating the same
WO2020091210A1 (en) System and method of integrating databases based on knowledge graph
WO2019031707A1 (en) MOBILE TERMINAL AND METHOD FOR CONTROLLING A MOBILE TERMINAL USING MACHINE APPRENTICESHIP
WO2020184748A1 (ko) 교통 정보에 기반한 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법
WO2019135621A1 (ko) 영상 재생 장치 및 그의 제어 방법
WO2020184753A1 (ko) 음성 추출 필터를 이용하여 음성 제어를 수행하는 인공 지능 장치 및 그 방법
EP3545436A1 (en) Electronic apparatus and method of operating the same
WO2019225961A1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
WO2020196955A1 (ko) 인공 지능 기기 및 인공 지능 기기의 동작 방법
WO2021045447A1 (en) Apparatus and method for providing voice assistant service
WO2021029457A1 (ko) 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법
WO2020138564A1 (ko) 전자 장치
WO2020184746A1 (ko) 주행 정보에 기반한 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법
WO2021025217A1 (ko) 인공지능 서버

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: 21951969

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20237043462

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1020237043462

Country of ref document: KR

NENP Non-entry into the national phase

Ref country code: DE