WO2023027503A1 - 화상회의시 ai(artificial intelligence)를 이용한 다운스케일 및 업스케일 방법 및 장치 - Google Patents

화상회의시 ai(artificial intelligence)를 이용한 다운스케일 및 업스케일 방법 및 장치 Download PDF

Info

Publication number
WO2023027503A1
WO2023027503A1 PCT/KR2022/012646 KR2022012646W WO2023027503A1 WO 2023027503 A1 WO2023027503 A1 WO 2023027503A1 KR 2022012646 W KR2022012646 W KR 2022012646W WO 2023027503 A1 WO2023027503 A1 WO 2023027503A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
electronic device
dnn
data
information
Prior art date
Application number
PCT/KR2022/012646
Other languages
English (en)
French (fr)
Inventor
이채은
김재환
박영오
이종석
최광표
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to CN202280057322.2A priority Critical patent/CN117859321A/zh
Priority to EP22861712.2A priority patent/EP4362454A4/en
Priority to US17/895,561 priority patent/US20230085530A1/en
Publication of WO2023027503A1 publication Critical patent/WO2023027503A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/15—Conference systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • 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
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/164—Feedback from the receiver or from the transmission channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/436—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation using parallelised computational arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • 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
    • H04N21/4402—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 reformatting operations of video signals for household redistribution, storage or real-time display
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H04N7/0117—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving conversion of the spatial resolution of the incoming video signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • H04N7/0127—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level by changing the field or frame frequency of the incoming video signal, e.g. frame rate converter

Definitions

  • the present disclosure relates to a method and apparatus for processing an image during a video conference, and more specifically, the present disclosure relates to a method and apparatus for downscaling or upscaling an image using artificial intelligence (AI) during a video call. .
  • AI artificial intelligence
  • the video is encoded by a codec that complies with a predetermined data compression standard, for example, the Moving Picture Expert Group (MPEG) standard, and then stored in a bit stream in a recording medium or transmitted through a communication channel.
  • MPEG Moving Picture Expert Group
  • an image during a video conference is downscaled and transmitted using artificial intelligence (AI), and the downscaled image is adaptively transmitted using AI according to the importance or priority of the transmitted video conference video. It is a technical challenge to upscale to .
  • AI artificial intelligence
  • An electronic device participating in a video conference using AI includes a display; and a processor that executes one or more instructions stored in the electronic device, wherein the processor includes image data generated as a result of a first encoding of a first image related to another electronic device participating in the video conference, and an original image.
  • AI artificial intelligence
  • Acquiring AI data related to AI downscaling to the first image from a server first decoding the image data to obtain a second image corresponding to the first image, and obtaining a second image corresponding to the first image, based on the degree of importance to the other electronic device Therefore, it is determined whether to perform AI upscaling on the second image, and if it is determined to perform AI upscaling, AI upscaling the second image through a DNN for upscaling to obtain a third image , When it is determined that the third image is provided to the display and the AI upscaling is not performed, the second image may be provided to the display.
  • a server for managing a video conference using artificial intelligence (AI), proposed in the present disclosure to solve the above technical problem, includes a processor that executes one or more instructions stored in the server, wherein the processor comprises: First image data generated as a result of first encoding a first image and AI data related to AI downscaling from an original image to the first image are obtained from a first electronic device participating in a video conference, and the first image Data is first decoded to obtain a second image corresponding to the first image, and if the importance of the first electronic device indicates that the user is a listener, the second image obtained by first encoding the second image Data is transmitted to the second electronic device, and if the importance indicates that the user of the first electronic device is a presenter, AI upscales the second image through a DNN for upscaling to obtain a third image, and the third image is obtained. Third image data obtained by first encoding the 3 images may be transmitted to the second electronic device.
  • a first related to another electronic device participating in the video conference acquiring image data generated as a result of first encoding an image and AI data related to AI downscaling from an original image to the first image from a server; obtaining a second image corresponding to the first image by first decoding the image data; determining whether to perform AI upscaling on the second image based on the importance of the other electronic device; if it is determined that the AI upscaling is to be performed, AI upscaling the second image through a DNN for upscaling to obtain a third image, and providing the third image to the display; and providing the second image to the display when it is determined that the AI upscaling is not performed.
  • AI artificial intelligence
  • AI up-scale or AI down-scale is applied to the video conference video based on whether the electronic device of the video conference participant and the video conference server can perform AI up-scale or AI down-scale, so that a number of existing users are fixed. It is possible to reduce the user's data usage while maintaining high-quality video conferencing video, unlike exchanging video at the specified bit rate and resolution.
  • FIG. 1 is a diagram for explaining an AI encoding process and an AI decoding process according to an embodiment.
  • FIG. 2 is a block diagram showing the configuration of an AI decoding apparatus according to an embodiment.
  • FIG. 3 is an exemplary diagram illustrating a second DNN for AI up-scaling of a second image.
  • FIG. 4 is a diagram for explaining a convolution operation by a convolution layer.
  • FIG. 5 is an exemplary diagram illustrating a mapping relationship between various pieces of image-related information and various pieces of DNN setting information.
  • FIG. 6 is a diagram illustrating a second image composed of a plurality of frames.
  • FIG. 7 is a block diagram showing the configuration of an AI encoding apparatus according to an embodiment.
  • FIG. 8 is an exemplary diagram illustrating a first DNN for AI downscaling of an original video.
  • FIG. 9 is a diagram showing the structure of AI encoded data according to an embodiment.
  • FIG. 10 is a diagram showing the structure of AI encoded data according to another embodiment.
  • 11 is a diagram for explaining a method of training a first DNN and a second DNN.
  • FIG. 12 is a diagram for explaining a training process of a first DNN and a second DNN by a training device.
  • FIG. 13 is a block diagram illustrating a configuration of an electronic device that AI upscales a video conference video according to importance of other electronic devices participating in the video conference according to an embodiment.
  • FIG. 14 is a block diagram illustrating a configuration of an electronic device that AI downscales a video conference video of an electronic device participating in a video conference during a video conference according to an embodiment.
  • 15 is a block diagram illustrating a configuration of a server that AI upscales a video conference video according to whether an electronic device of a participant supports AI upscaling and importance information during a video conference according to an embodiment.
  • 16 is a block diagram illustrating a configuration of a server for managing a video conference that AI downscales a video conference video according to an exemplary embodiment
  • 17 is a diagram for explaining a data transmission relationship between an electronic device and a server in a conventional video conference.
  • 18 is a diagram for explaining a data transmission relationship between an electronic device supporting AI downscaling and AI upscaling in a videoconference and a server according to an embodiment.
  • 19 is an electronic device that supports AI downscale and AI upscale in a video conference, an electronic device that does not support AI downscale and AI upscale, and a server that supports AI downscale and AI upscale according to an embodiment. It is a diagram for explaining the data transmission relationship between
  • 20 is an electronic device supporting AI downscaling and AI upscaling in a video conference, an electronic device not supporting AI downscaling and AI upscaling, and a server supporting AI downscaling and AI upscaling according to another embodiment. It is a diagram for explaining the data transmission relationship between
  • 21 is an electronic device supporting AI downscaling and AI upscaling in a video conference, an electronic device not supporting AI downscaling and AI upscaling, and a server supporting AI downscaling and AI upscaling according to another embodiment; It is a diagram for explaining the data transmission relationship between
  • 22 is a diagram for explaining arrangement and importance of video conference images displayed on electronic devices participating in a video conference.
  • FIG. 23 is a flowchart illustrating a method of AI upscaling a video conference image according to the importance of other electronic devices by an electronic device participating in a video conference during a video conference according to an embodiment.
  • FIG. 24 illustrates a video conference video by a server managing a video conference, acquiring an AI downscaled image from an electronic device participating in the video conference, and determining whether to support AI upscaling according to importance information of the electronic device. It is a flowchart for explaining a method of AI up-scaling and transmitting to another electronic device.
  • the expression “at least one of a, b, or c” means “a”, “b”, “c”, “a and b”, “a and c”, “b and c”, “a, b” and c”, or variations thereof.
  • one component when one component is referred to as “connected” or “connected” to another component, the one component may be directly connected or directly connected to the other component, but in particular Unless otherwise described, it should be understood that they may be connected or connected via another component in the middle.
  • components expressed as ' ⁇ unit (unit)', 'module', etc. are two or more components combined into one component, or one component is divided into two or more components for each more subdivided function. may be differentiated into.
  • each of the components to be described below may additionally perform some or all of the functions of other components in addition to its own main function, and some of the main functions of each component may be different from other components. Of course, it may be performed exclusively by a component.
  • 'image' or 'picture' may indicate a still image, a moving image composed of a plurality of continuous still images (or frames), or a video.
  • 'DNN deep neural network
  • 'DNN deep neural network
  • a 'parameter' is a value used in the calculation process of each layer constituting the neural network, and may include, for example, a weight used when an input value is applied to a predetermined calculation expression. Also, parameters may be expressed in a matrix form. A parameter is a value set as a result of training and can be updated through separate training data as needed.
  • 'first DNN' refers to a DNN used for AI downscaling of an image
  • 'second DNN' refers to a DNN used for AI upscaling of an image
  • 'DNN setting information' is information related to elements constituting a DNN and includes the aforementioned parameters.
  • a first DNN or a second DNN may be configured using the DNN configuration information.
  • 'original video' means an image to be subjected to AI encoding
  • 'first video' means an image obtained as a result of AI downscaling of the original video in the AI encoding process
  • 'second image' means an image obtained through the first decoding in the AI decoding process
  • 'third image' means an image obtained by AI up-scaling the second image in the AI decoding process.
  • 'AI downscale' means a process of reducing the resolution of an image based on AI
  • 'first encoding' means an encoding process by a frequency conversion-based video compression method
  • 'first decoding' means a decoding process by a frequency conversion-based image restoration method
  • 'AI upscaling' means a process of increasing the resolution of an image based on AI.
  • AI 1 is a diagram for explaining an artificial intelligence (AI) encoding process and an AI decoding process according to an embodiment.
  • AI artificial intelligence
  • an original image 105 having a high resolution is AI downscaled 110 to obtain a first image 115 .
  • the first encoding 120 and the first decoding 130 are performed on the first image 115 having a relatively small resolution, the first encoding 120 and the first decoding 120 on the original image 105 Compared to the case where the first decoding 130 is performed, the bit rate can be greatly reduced.
  • an original image 105 is AI downscaled 110 to obtain a first image 115, and the first image 115 is Encode (120).
  • AI decoding process AI encoding data including AI data and image data obtained as a result of AI encoding is received, a second image 135 is obtained through the first decoding 130, and the second image 135 is obtained.
  • a third image 145 is obtained by AI up-scaling 140 .
  • the original image 105 is AI downscaled 110 to obtain the first image 115 with a predetermined resolution and/or a predetermined quality.
  • the AI downscale 110 is performed based on AI, and the AI for the AI downscale 110 must be trained in conjunction with the AI for the AI upscale 140 of the second image 135 (joint trained) do. This is because, when AI for AI downscale 110 and AI for AI upscale 140 are trained separately, between the original image 105, which is an AI encoding target, and the third image 145 restored through AI decoding. because the difference between
  • AI data may be used to maintain this linkage in the AI encoding process and the AI decoding process. Therefore, the AI data obtained through the AI encoding process must include information indicating the upscale target, and in the AI decoding process, the AI upscales the second image 135 according to the upscale target identified based on the AI data ( 140) should be done.
  • the AI for AI downscale 110 and the AI for AI upscale 140 may be implemented as a deep neural network (DNN).
  • DNN deep neural network
  • the AI encoding apparatus provides target information used when the first DNN and the second DNN are jointly trained. is provided to the AI decoding device, and the AI decoding device may AI upscale 140 the second image 135 to a target quality and/or resolution based on the provided target information.
  • the first encoding 120 includes a process of generating predicted data by predicting the first image 115, a process of generating residual data corresponding to a difference between the first image 115 and the predicted data, and a spatial domain component, It may include a process of transforming the residual data into frequency domain components, a process of quantizing the residual data transformed into frequency domain components, and a process of entropy encoding the quantized residual data.
  • Such a first encoding process 120 is MPEG-2, H.264 AVC (Advanced Video Coding), MPEG-4, HEVC (High Efficiency Video Coding), VC-1, VP8, VP9 and AV1 (AOMedia Video 1) It may be implemented through one of image compression methods using equal frequency transform.
  • the second image 135 corresponding to the first image 115 may be restored through the first decoding 130 of image data.
  • the first decoding 130 includes a process of generating quantized residual data by entropy decoding image data, a process of inverse quantizing the quantized residual data, a process of converting residual data of frequency domain components into spatial domain components, and prediction data. It may include a process of generating and a process of restoring the second image 135 using the prediction data and residual data.
  • the first decoding (130) process compresses images using frequency conversion such as MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, and AV1 used in the first encoding (120) process. It may be implemented through an image restoration method corresponding to one of the methods.
  • the AI encoded data obtained through the AI encoding process may include image data obtained as a result of the first encoding 120 of the first image 115 and AI data related to the AI downscale 110 of the original image 105.
  • Image data may be used in the first decoding 130 process, and AI data may be used in the AI upscale 140 process.
  • Image data may be transmitted in the form of a bit stream.
  • the image data may include data obtained based on pixel values in the first image 115, eg, residual data that is a difference between the first image 115 and prediction data of the first image 115.
  • the image data includes information used in the first encoding 120 process of the first image 115 .
  • the image data includes prediction mode information used in the first encoding 120 of the first image 115, motion information, and quantization parameter related information used in the first encoding 120. can do.
  • the image data is a video compression method used in the first encoding 120 process among video compression methods using frequency conversion such as MPEG-2, H.264 AVC, MPEG-4, HEVC, VC-1, VP8, VP9 and AV1. It may be generated according to rules, for example, syntax.
  • AI data is used for AI upscale 140 based on the second DNN.
  • the AI data includes information enabling accurate AI upscaling 140 of the second image 135 through the second DNN to be performed.
  • the AI upscale 140 may be performed to the target resolution and/or quality of the second image 135 based on the AI data.
  • AI data may be transmitted together with image data in the form of a bit stream. Depending on implementation, AI data may be transmitted separately from image data in the form of frames or packets.
  • AI data may be included in image data and transmitted.
  • Video data and AI data may be transmitted through the same network or different networks.
  • FIG. 2 is a block diagram showing the configuration of an AI decoding apparatus 200 according to an embodiment.
  • the AI decoding apparatus 200 includes a receiving unit 210 and an AI decoding unit 230.
  • the AI decoder 230 may include a parser 232, a first decoder 234, an AI upscaler 236, and an AI setter 238.
  • the receiving unit 210 and the AI decoding unit 230 may be implemented by one processor.
  • the receiver 210 and the AI decoder 230 may be implemented as a dedicated processor, and may be implemented with a general-purpose processor such as an application processor (AP), central processing unit (CPU), or graphic processing unit (GPU) and S/W. It may be implemented through a combination of
  • a dedicated processor may include a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the receiving unit 210 and the AI decoding unit 230 may be composed of a plurality of processors. In this case, it may be implemented with a combination of dedicated processors, or it may be implemented with a combination of S/W and a plurality of general-purpose processors such as APs, CPUs, or GPUs.
  • the receiving unit 210 is implemented with a first processor
  • the first decoding unit 234 is implemented with a second processor different from the first processor
  • the AI setting unit 238 may be implemented as a third processor different from the first processor and the second processor.
  • the receiving unit 210 receives AI encoded data obtained as a result of AI encoding.
  • AI-encoded data may be a video file having a file format such as mp4 or mov.
  • the receiving unit 210 may receive AI-encoded data transmitted over a network.
  • the receiving unit 210 outputs the AI-encoded data to the AI decoding unit 230.
  • the AI-encoded data is magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. It may be obtained from a data storage medium including an optical medium) or the like.
  • the parsing unit 232 parses the AI-encoded data, transfers image data generated as a result of the first encoding of the first image 115 to the first decoding unit 234, and transfers the AI data to the AI setting unit 238. convey
  • the parsing unit 232 may parse image data and AI data separately included in AI-encoded data.
  • the parsing unit 232 may read a header in the AI-encoded data and distinguish between AI data and image data included in the AI-encoded data.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) within the HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • AI encoded data including separated AI data and image data will be described later with reference to FIG. 9 .
  • the parsing unit 232 parses video data from AI-encoded data, extracts AI data from the video data, transfers the AI data to the AI setting unit 238, and performs first decoding on the remaining video data. It can be passed to unit 234. That is, AI data may be included in video data. For example, AI data may be included in supplemental enhancement information (SEI), which is an additional information area of a bitstream corresponding to video data.
  • SEI Supplemental Enhancement information
  • the parsing unit 232 divides a bitstream corresponding to image data into a bitstream to be processed by the first decoding unit 234 and a bitstream corresponding to AI data, and each of the divided bitstreams It can be output to the first decoding unit 234 and the AI setting unit 238.
  • the parsing unit 232 acquires video data included in the AI-encoded data through a predetermined codec (eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1). It can also be confirmed that it is image data. In this case, corresponding information may be transmitted to the first decoder 234 so that the video data can be processed with the identified codec.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the first decoding unit 234 restores the second image 135 corresponding to the first image 115 based on the image data received from the parsing unit 232 .
  • the second image 135 obtained by the first decoder 234 is provided to the AI upscaler 236.
  • first decoding-related information such as prediction mode information, motion information, and quantization parameter information may be provided from the first decoding unit 234 to the AI setting unit 238.
  • the first decoding related information may be used to obtain DNN configuration information.
  • the AI data provided to the AI setting unit 238 includes information enabling AI up-scaling of the second image 135 .
  • the upscale target of the second image 135 should correspond to the downscale target of the first DNN. Therefore, the AI data must include information capable of identifying the downscale target of the first DNN.
  • the information included in the AI data is specifically exemplified, there are difference information between the resolution of the original image 105 and the resolution of the first image 115 and information related to the first image 115 .
  • the difference information may be expressed as information about a degree of resolution conversion of the first image 115 compared to the original image 105 (eg, resolution conversion rate information).
  • the difference information can be expressed only with the resolution information of the original image 105.
  • the resolution information may be expressed as a horizontal/vertical screen size, or as a ratio (16:9, 4:3, etc.) and a size on one axis.
  • it may be expressed in the form of an index or flag.
  • information related to the first image 115 includes the resolution of the first image 115, the bit rate of image data obtained as a result of the first encoding of the first image 115, and the first encoding of the first image 115. It may include information on at least one of codec types used at the time of writing.
  • the AI setting unit 238 may determine an upscale target of the second image 135 based on at least one of difference information included in the AI data and information related to the first image 115 .
  • the upscaling target may indicate, for example, to what resolution the second image 135 should be upscaled.
  • the AI upscaler 236 AI upscales the second image 135 through a second DNN to obtain a third image 145 corresponding to the upscale target.
  • FIG. 3 is an exemplary diagram showing the second DNN 300 for AI up-scaling of the second image 135, and FIG. 4 shows the convolution operation in the first convolution layer 310 shown in FIG. are showing
  • the second image 135 is input to the first convolution layer 310 .
  • 3X3X4 displayed on the first convolution layer 310 shown in FIG. 3 exemplifies convolution processing on one input image using four filter kernels each having a size of 3x3.
  • 4 feature maps are generated by 4 filter kernels.
  • Each feature map represents unique characteristics of the second image 135 .
  • each feature map may indicate a vertical direction characteristic, a horizontal direction characteristic, or an edge characteristic of the second image 135 .
  • one A feature map 450 may be created. Since four filter kernels are used in the first convolution layer 310, four feature maps can be generated through a convolution operation process using the four filter kernels.
  • I1 to I49 displayed on the second image 135 represent pixels of the second image 135
  • F1 to F9 displayed on the filter kernel 430 represent parameters of the filter kernel 430
  • M1 to M9 displayed on the feature map 450 represent samples of the feature map 450 .
  • the second image 135 includes 49 pixels, but this is only one example, and when the second image 135 has a resolution of 4K, for example, 3840 X 2160 pixels. may contain pixels.
  • pixel values of I1, I2, I3, I8, I9, I10, I15, I16, and I17 of the second image 135 and F1, F2, F3, F4, and F5 of the filter kernel 430 , F6, F7, F8, and F9 are respectively multiplied, and a value obtained by combining (eg, an addition operation) result values of the multiplication operation may be assigned as a value of M1 of the feature map 450.
  • pixel values of I3, I4, I5, I10, I11, I12, I17, I18, and I19 of the second image 135 and F1 and F2 of the filter kernel 430 , F3, F4, F5, F6, F7, F8, and F9 are each multiplied, and a value obtained by combining the result values of the multiplication operation may be assigned as the value of M2 of the feature map 450.
  • a convolution operation between pixel values in the second image 135 and parameters of the filter kernel 430 is performed.
  • a feature map 450 having a predetermined size may be obtained.
  • parameters of a second DNN through joint training of the first DNN and the second DNN for example, parameters of a filter kernel used in convolutional layers of the second DNN (eg, filter The values of F1, F2, F3, F4, F5, F6, F7, F8 and F9) of the kernel 430 may be optimized.
  • the AI setting unit 238 determines an upscale target corresponding to the downscale target of the first DNN based on the AI data, and parameters corresponding to the determined upscale target are used in convolution layers of the second DNN. It can be determined by the parameters of the filter kernel.
  • the convolution layers included in the first DNN and the second DNN can perform processing according to the convolution operation process described in relation to FIG. 4, but the convolution operation process described in FIG. 4 is only an example, and is limited thereto. It is not.
  • the feature maps output from the first convolution layer 310 are input to the first activation layer 320 .
  • the first activation layer 320 may assign non-linear characteristics to each feature map.
  • the first activation layer 320 may include, but is not limited to, a sigmoid function, a Tanh function, a Rectified Linear Unit (ReLU) function, and the like.
  • Giving the nonlinear characteristics in the first activation layer 320 means changing and outputting some sample values of the feature map, which is an output of the first convolution layer 310 . At this time, the change is performed by applying nonlinear characteristics.
  • the first activation layer 320 determines whether to transfer sample values of feature maps output from the first convolution layer 310 to the second convolution layer 330 . For example, certain sample values among sample values of feature maps are activated by the first activation layer 320 and transferred to the second convolution layer 330, and certain sample values are activated by the first activation layer 320. It is inactivated and not transmitted to the second convolution layer 330 . The unique characteristics of the second image 135 indicated by the feature maps are emphasized by the first activation layer 320 .
  • the feature maps 325 output from the first activation layer 320 are input to the second convolution layer 330 .
  • One of the feature maps 325 shown in FIG. 3 is a result of processing the feature map 450 described with reference to FIG. 4 in the first activation layer 320 .
  • 3X3X4 displayed on the second convolution layer 330 exemplifies convolution processing on the input feature maps 325 using four filter kernels having a size of 3 ⁇ 3.
  • the output of the second convolution layer 330 is input to the second activation layer 340 .
  • the second activation layer 340 may impart nonlinear characteristics to input data.
  • the feature maps 345 output from the second activation layer 340 are input to the third convolution layer 350 .
  • 3X3X1 displayed on the third convolution layer 350 shown in FIG. 3 illustrates convolution processing to create one output image using one filter kernel having a size of 3x3.
  • the third convolution layer 350 is a layer for outputting a final image and generates one output using one filter kernel. According to the example of the present disclosure, the third convolution layer 350 may output the third image 145 through a convolution operation.
  • DNN setting information indicating the number of filter kernels of the first convolution layer 310, the second convolution layer 330, and the third convolution layer 350 of the second DNN 300, parameters of the filter kernels, etc.
  • there may be a plurality of DNN configuration information and the plurality of DNN configuration information must be associated with the plurality of DNN configuration information of the first DNN. Association between the plurality of DNN configuration information of the second DNN and the plurality of DNN configuration information of the first DNN may be implemented through association learning of the first DNN and the second DNN.
  • FIG. 3 shows that the second DNN 300 includes three convolution layers 310, 330, and 350 and two activation layers 320 and 340, this is only an example and an implementation example. Accordingly, the number of convolution layers and activation layers may be variously changed. Also, depending on implementation, the second DNN 300 may be implemented through a recurrent neural network (RNN). This case means changing the CNN structure of the second DNN 300 according to the example of the present disclosure into an RNN structure.
  • RNN recurrent neural network
  • the AI upscaler 236 may include at least one arithmetic logic unit (ALU) for the above-described convolution operation and activation layer operation.
  • An ALU may be implemented as a processor.
  • the ALU may include a multiplier performing a multiplication operation between the sample values of the feature map output from the second image 135 or the previous layer and the sample values of the filter kernel, and an adder adding the resultant values of the multiplication.
  • the ALU is a multiplier that multiplies input sample values with weights used in a predetermined sigmoid function, Tanh function, or ReLU function, and compares the multiplication result with a predetermined value to obtain an input sample value.
  • a comparator for determining whether to transfer to the next layer may be included.
  • the AI setting unit 238 determines an up-scale target and the AI up-scale unit 236 AI up-scales the second image 135 according to the up-scale target will be described.
  • the AI setting unit 238 may store a plurality of DNN setting information that can be set in the second DNN.
  • the DNN configuration information may include information on at least one of the number of convolution layers included in the second DNN, the number of filter kernels for each convolution layer, and parameters of each filter kernel.
  • a plurality of DNN configuration information may correspond to various upscale targets, and the second DNN may operate based on the DNN configuration information corresponding to a specific upscale target.
  • the second DNN may have a different structure according to DNN configuration information.
  • the second DNN may include three convolutional layers according to certain DNN configuration information, and the second DNN may include four convolutional layers according to other DNN configuration information.
  • the DNN configuration information may include only parameters of a filter kernel used in the second DNN.
  • the structure of the second DNN is not changed, but only parameters of an internal filter kernel may be changed according to the DNN configuration information.
  • the AI setting unit 238 may obtain DNN setting information for AI upscaling of the second image 135 from among a plurality of DNN setting information.
  • Each of the plurality of DNN setting information used herein is information for acquiring the third image 145 of a predetermined resolution and/or a predetermined quality, and is trained in association with the first DNN.
  • any one DNN setting information among a plurality of DNN setting information is the third image 145 having a resolution twice as large as the resolution of the second image 135, for example, the second image 145 of 2K (2048*1080). It may include information for acquiring the third image 145 of 4K (4096*2160), which is twice as large as the second image 135, and the other DNN setting information is 4 times higher than the resolution of the second image 135.
  • Information for acquiring the third image 145 of twice the resolution, for example, the third image 145 of 8K (8192 * 4320) four times larger than the second image 135 of 2K (2048 * 1080) may include
  • Each of the plurality of DNN setting information is created in association with the DNN setting information of the first DNN of the AI encoding apparatus 700, and the AI setting unit 238 determines the enlargement ratio corresponding to the reduction ratio of the DNN setting information of the first DNN. Accordingly, one DNN setting information among a plurality of DNN setting information is obtained. To this end, the AI setting unit 238 needs to check the information of the first DNN. In order for the AI setting unit 238 to check the information of the first DNN, the AI decoding apparatus 200 according to an embodiment receives AI data including information of the first DNN from the AI encoding apparatus 700.
  • the AI setting unit 238 uses the information received from the AI encoding device 700 to check information targeted by the DNN setting information of the first DNN used to obtain the first image 115, and , it is possible to obtain DNN setting information of the second DNN trained in association with it.
  • DNN setting information for AI upscaling of the second image 135 is obtained from among the plurality of DNN setting information
  • the DNN setting information is transmitted to the AI upscaling unit 236, and the second DNN operating according to the DNN setting information Based on the input data may be processed.
  • the AI upscaler 236 obtains any one DNN setting information
  • the first convolution layer 310 and the second convolution layer 330 of the second DNN 300 shown in FIG. ) and the third convolution layer 350 the number of filter kernels included in each layer and parameters of the filter kernels are set to values included in the obtained DNN configuration information.
  • the AI upscaler 236 sets the parameters of the 3 X 3 filter kernel used in any one convolution layer of the second DNN shown in FIG. 4 to ⁇ 1, 1, 1, 1, 1, 1 , 1, 1, 1 ⁇ , and when there is a change in the DNN configuration information, the parameters of the filter kernel included in the changed DNN configuration information are ⁇ can be replaced.
  • the AI setting unit 238 may obtain DNN setting information for upscaling the second image 135 from among a plurality of DNN setting information based on information included in the AI data, which is used to obtain the DNN setting information.
  • AI data is explained in detail.
  • the AI setting unit 238 may obtain DNN setting information for upscaling the second image 135 from among a plurality of DNN setting information based on the difference information included in the AI data. For example, based on the difference information, the resolution (eg, 4K (4096*2160)) of the original image 105 is higher than the resolution (eg, 2K (2048*1080)) of the first image 115. If it is confirmed that the resolution is twice as large, the AI setting unit 238 may obtain DNN setting information capable of doubling the resolution of the second image 135 .
  • the resolution eg, 4K (4096*2160)
  • the AI setting unit 238 may obtain DNN setting information capable of doubling the resolution of the second image 135 .
  • the AI setting unit 238 provides DNN setting information for AI up-scaling the second image 135 of the plurality of DNN setting information based on the information related to the first image 115 included in the AI data. can be obtained.
  • the AI setting unit 238 may pre-determine a mapping relationship between image related information and DNN setting information, and obtain DNN setting information mapped to the first image 115 related information.
  • FIG. 5 is an exemplary diagram illustrating a mapping relationship between various pieces of image-related information and various pieces of DNN setting information.
  • the AI encoding/AI decoding process of an embodiment of the present disclosure does not consider only a change in resolution.
  • DNN setting information individually or collectively considers resolutions such as SD, HD, and Full HD, bit rates such as 10Mbps, 15Mbps, and 20Mbps, and codec information such as AV1, H.264, and HEVC. of can be made.
  • resolutions such as SD, HD, and Full HD
  • bit rates such as 10Mbps, 15Mbps, and 20Mbps
  • codec information such as AV1, H.264, and HEVC.
  • the first image received in the AI decoding process ( 115) DNN setting information for AI up-scaling of the second image 135 may be obtained based on the related information.
  • the AI setting unit 238 matches the image related information shown on the left side of the table shown in FIG. 5 with the DNN setting information shown on the right side of the table, so that the DNN setting information according to the image related information can be used.
  • the AI setting unit 238 may obtain A DNN setting information from among a plurality of DNN setting information.
  • the AI setting unit 238 may obtain B DNN setting information from among a plurality of DNN setting information.
  • the AI setting unit 238 obtains C DNN setting information among a plurality of DNN setting information, the resolution of the first image 115 is Full HD, and the first When it is confirmed that the bit rate of the image data obtained as a result of the first encoding of the image 115 is 15 Mbps and that the first image 115 is first encoded with the HEVC codec, the AI setting unit 238 provides a plurality of DNN setting information. Of DNN configuration information can be obtained.
  • the bit rate of image data obtained as a result of the first encoding of the first image 115 is 20 Mbps or 15 Mbps
  • one of C DNN setting information and D DNN setting information is selected.
  • the fact that the bit rates of the image data are different means that the image quality of the restored image is different from each other.
  • the first DNN and the second DNN may be jointly trained based on a predetermined image quality, and accordingly, the AI setting unit 238 sets the DNN according to the bit rate of the image data representing the image quality of the second image 135. information can be obtained.
  • the AI setting unit 238 relates information provided from the first decoding unit 234 (prediction mode information, motion information, quantization parameter information, etc.) to the first image 115 included in the AI data.
  • DNN setting information for AI up-scaling the second image 135 from among a plurality of DNN setting information may be obtained by considering all information.
  • the AI setting unit 238 receives quantization parameter information used in the first encoding process of the first image 115 from the first decoding unit 234, and transmits information on the quantization parameter used in the first encoding process of the first image 115 from the AI data.
  • a bit rate of image data obtained as a result of encoding may be checked, and DNN setting information corresponding to the quantization parameter and bit rate may be obtained.
  • bit rate Even if the bit rate is the same, there may be a difference in the quality of the reconstructed image according to the complexity of the image, and the bit rate is a value representing the entire first image 115 to be first encoded, and the Picture quality may vary. Therefore, considering prediction mode information, motion information, and/or quantization parameters that can be obtained for each frame from the first decoder 234 together, a DNN setting more suitable for the second image 135 than using only AI data information can be obtained.
  • the AI data may include an identifier of mutually agreed DNN configuration information.
  • the identifier of the DNN configuration information is an upscale target corresponding to the downscale target of the first DNN, and DNN configuration information that has been jointly trained between the first DNN and the second DNN so that the second image 135 can be AI upscaled. This is information for distinguishing a pair of .
  • the AI setting unit 238 obtains the identifier of the DNN setting information included in the AI data, and then obtains the DNN setting information corresponding to the identifier of the DNN setting information, and the AI upscaler 236 converts the corresponding DNN setting information.
  • the second image 135 can be upscaled using AI.
  • an identifier indicating each of a plurality of DNN configuration information configurable in the first DNN and an identifier indicating each of a plurality of DNN configuration information configurable in the second DNN may be designated in advance.
  • the same identifier may be designated for a pair of DNN configuration information that can be set for each of the first DNN and the second DNN.
  • the AI data may include an identifier of DNN setting information set in the first DNN for AI downscaling of the original video 105 .
  • the AI setting unit 238 Upon receiving the AI data, the AI setting unit 238 acquires DNN setting information indicated by an identifier included in the AI data among a plurality of DNN setting information, and the AI upscaling unit 236 uses the corresponding DNN setting information to obtain DNN setting information.
  • the image 135 may be AI upscaled.
  • AI data may include DNN configuration information.
  • the AI setting unit 238 obtains DNN setting information included in the AI data, and the AI upscaling unit 236 may AI up-scale the second image 135 using the corresponding DNN setting information.
  • DNN setting information eg, the number of convolution layers, the number of filter kernels for each convolution layer, parameters of each filter kernel, etc.
  • the AI setting unit 238 obtains DNN setting information by combining some of the lookup table values based on the information included in the AI data, and the AI upscaling unit 236 uses the corresponding DNN setting information to generate a second image. (135) can also be AI upscaled.
  • the AI configuration unit 238 may obtain DNN configuration information corresponding to the determined structure of the DNN, for example, filter kernel parameters, when the structure of the DNN corresponding to the upscale target is determined.
  • the AI setting unit 238 obtains DNN setting information of the second DNN through AI data including information related to the first DNN, and the AI upscaling unit 236 sets the corresponding DNN setting information.
  • the second image 135 is upscaled by AI through the second DNN, which can reduce the amount of memory and computation compared to upscaling by directly analyzing the characteristics of the second image 135 .
  • the AI setting unit 238 may independently obtain DNN setting information for each of a predetermined number of frames, or a common DNN for all frames. It is also possible to obtain setting information.
  • FIG. 6 is a diagram illustrating a second image 135 composed of a plurality of frames.
  • the second image 135 may include frames corresponding to t0 to tn.
  • the AI setting unit 238 obtains DNN setting information of the second DNN through AI data, and the AI upscaling unit 236 AI frames corresponding to t0 to tn based on the corresponding DNN setting information. can be upscaled. That is, frames corresponding to t0 to tn may be AI upscaled based on common DNN configuration information.
  • the AI setting unit 238 obtains 'A' DNN setting information from AI data for some of the frames corresponding to t0 to tn, for example, frames corresponding to t0 to ta And 'B' DNN setting information can be obtained from AI data for frames corresponding to ta+1 to tb.
  • the AI setting unit 238 may obtain 'C' DNN setting information from AI data for frames corresponding to tb+1 to tn.
  • the AI setting unit 238 independently acquires DNN setting information for each group including a predetermined number of frames among a plurality of frames, and the AI upscaling unit 236 independently acquires the frames included in each group. AI can be upscaled with the acquired DNN setting information.
  • the AI setting unit 238 may independently obtain DNN setting information for each frame constituting the second image 135 .
  • the AI setting unit 238 obtains DNN setting information in relation to the first frame and DNN setting information in relation to the second frame.
  • DNN configuration information may be obtained in relation to the third frame. That is, DNN configuration information can be obtained independently for each of the first frame, the second frame, and the third frame.
  • DNN setting information is obtained based on information (prediction mode information, motion information, quantization parameter information, etc.) provided from the above-described first decoding unit 234 and information related to the first image 115 included in the AI data Depending on the method, DNN setting information may be obtained independently for each frame constituting the second image 135 . This is because mode information, quantization parameter information, and the like can be independently determined for each frame constituting the second image 135 .
  • the AI data may include information indicating up to which frame the DNN setting information obtained based on the AI data is valid. For example, if information that the DNN setting information is valid until frame ta is included in the AI data, the AI setting unit 238 obtains the DNN setting information based on the AI data, and the AI upscaler 236 AI upscales t0 to ta frames with corresponding DNN configuration information. And, if information that the DNN setting information is valid until the tn frame is included in the other AI data, the AI setting unit 238 obtains the DNN setting information based on the other AI data, and the AI upscaler 236 can AI upscale ta + 1 to tn frames with the acquired DNN configuration information.
  • the AI encoding apparatus 700 for AI encoding of the original video 105 will be described with reference to FIG. 7 .
  • FIG. 7 is a block diagram showing the configuration of an AI encoding apparatus 700 according to an embodiment.
  • an AI encoding apparatus 700 may include an AI encoding unit 710 and a transmission unit 730.
  • the AI encoder 710 may include an AI downscaling unit 712, a first encoding unit 714, a data processing unit 716, and an AI setting unit 718.
  • FIG. 7 shows the AI encoder 710 and the transmitter 730 as separate devices
  • the AI encoder 710 and the transmitter 730 may be implemented by one processor.
  • it may be implemented as a dedicated processor, or may be implemented through a combination of S/W and a general-purpose processor such as an AP, CPU, or GPU.
  • a dedicated processor may include a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the AI encoder 710 and the transmitter 730 may be composed of a plurality of processors. In this case, it may be implemented with a combination of dedicated processors, or it may be implemented with a combination of S/W and a plurality of general-purpose processors such as APs, CPUs, or GPUs.
  • the first encoding unit 714 is composed of a first processor, and the AI downscaling unit 712, the data processing unit 716 and the AI setting unit 718 are configured by a second processor different from the first processor. and the transmitter 730 may be implemented as a third processor different from the first processor and the second processor. Performs first encoding of and transfers AI-encoded data to the transmission unit 730. The transmitter 730 transmits the AI-encoded data to the AI decoding device 200.
  • the image data includes data obtained as a result of the first encoding of the first image 115 .
  • the image data may include data obtained based on pixel values in the first image 115, eg, residual data that is a difference between the first image 115 and prediction data of the first image 115.
  • the image data includes information used in the first encoding process of the first image 115 .
  • the image data may include prediction mode information used for first encoding the first image 115, motion information, and quantization parameter related information used for first encoding the first image 115. .
  • the AI data includes information enabling the AI upscaler 236 to AI upscale the second image 135 to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include difference information between the original image 105 and the first image 115 .
  • AI data may include information related to the first image 115 .
  • the information related to the first image 115 includes the resolution of the first image 115, the bit rate of the image data obtained as a result of the first encoding of the first image 115, and the first image 115 used in the first encoding. It may include information on at least one of the codec types.
  • the AI data may include an identifier of mutually agreed DNN setting information so that the second image 135 can be AI upscaled to an upscale target corresponding to a downscale target of the first DNN. .
  • the AI data may include DNN setting information that can be set in the second DNN.
  • the AI downscaling unit 712 may obtain the AI downscaled first image 115 from the original image 105 through the first DNN.
  • the AI downscaling unit 712 may AI downscale the original video 105 using the DNN setting information provided from the AI setting unit 718 .
  • the AI setting unit 718 may determine a downscale target of the original image 105 based on a predetermined criterion.
  • the AI setting unit 718 may store a plurality of DNN setting information that can be set in the first DNN.
  • the AI setting unit 718 obtains DNN setting information corresponding to a downscale target from among a plurality of DNN setting information, and provides the obtained DNN setting information to the AI downscaling unit 712.
  • Each of the plurality of DNN setting information may be trained to acquire the first image 115 having a predetermined resolution and/or a predetermined quality.
  • any one DNN setting information among a plurality of DNN setting information is a first image 115 having a resolution that is 1/2 smaller than the resolution of the original image 105, for example, 4K (4096*2160) It may include information for acquiring the first image 115 of 2K (2048 * 1080), which is 1/2 smaller than the original image 105 of , and another piece of DNN setting information is the resolution of the original image 105.
  • a first image 115 having a resolution 1/4 smaller than that of the first image 115 may include information for obtaining.
  • the AI setting unit 718 may provide the AI downscaling unit 712 with DNN setting information obtained by combining selected parts of the lookup table values according to the downscale target.
  • the AI configuration unit 718 may determine the structure of the DNN corresponding to the downscale target and obtain DNN configuration information corresponding to the determined structure of the DNN, for example, filter kernel parameters.
  • the plurality of DNN setting information for AI downscaling of the original video 105 may have an optimized value by performing joint training of the first DNN and the second DNN.
  • each DNN configuration information includes at least one of the number of convolution layers included in the first DNN, the number of filter kernels for each convolution layer, and parameters of each filter kernel.
  • the AI downscaling unit 712 sets the first DNN with the DNN setting information determined for AI downscaling of the original image 105, and converts the first image 115 of a predetermined resolution and/or quality to the first DNN. can be obtained through When DNN setting information for AI downscaling of the original image 105 is obtained from among a plurality of DNN setting information, each layer in the first DNN may process input data based on information included in the DNN setting information. .
  • the downscale target may indicate, for example, how much the first image 115 whose resolution is reduced from the original image 105 should be acquired.
  • the AI setting unit 718 obtains one or more pieces of input information.
  • the input information includes a target resolution of the first image 115, a target bitrate of image data, a bitrate type of image data (eg, variable bitrate type, constant bitrate type, average bitrate type, etc.), A color format to which AI downscaling is applied (luminance component, chrominance component, red component, green component, blue component, etc.), codec type for first encoding of the first image 115, compression history information, original image 105 It may include at least one of a resolution of and a type of the original image 105 .
  • One or more pieces of input information may include information previously stored in the AI encoding device 700 or input from a user.
  • the AI setting unit 718 controls the operation of the AI downscaling unit 712 based on the input information.
  • the AI setting unit 718 may determine a downscaling target according to input information and provide DNN setting information corresponding to the determined downscaling target to the AI downscaling unit 712 .
  • the AI setting unit 718 transfers at least a portion of the input information to the first encoding unit 714 so that the first encoding unit 714 has a bit rate of a specific value, a bit rate of a specific type, and a specific codec.
  • the first image 115 may be subjected to first encoding.
  • the AI setting unit 718 is a compression rate (eg, resolution difference between the original video 105 and the first video 115, target bit rate), compression quality (eg, bit rate type ), compression history information, and the type of the original video 105, the downscale target may be determined.
  • a compression rate eg, resolution difference between the original video 105 and the first video 115, target bit rate
  • compression quality eg, bit rate type
  • compression history information e.g, compression history information, and the type of the original video 105, the downscale target may be determined.
  • the AI setting unit 718 may determine a downscale target based on a compression rate or compression quality that is preset or input from a user.
  • the AI setting unit 718 may determine a downscale target using compression history information stored in the AI encoding device 700. For example, according to the compression history information available to the AI encoding apparatus 700, a user's preferred encoding quality or compression rate may be determined, and a downscale target may be determined according to the encoding quality determined based on the compression history information. can For example, the resolution, image quality, etc. of the first image 115 may be determined according to the most frequently used encoding quality according to compression history information.
  • the AI setting unit 718 determines the encoding quality that has been used more than a predetermined threshold value (eg, the average quality of the encoding qualities that have been used more than a predetermined threshold value) according to the compression history information. Based on this, a downscale target may be determined.
  • a predetermined threshold value eg, the average quality of the encoding qualities that have been used more than a predetermined threshold value
  • the AI setting unit 718 may determine a downscale target based on the resolution and type (eg, file format) of the original video 105 .
  • the AI setting unit 718 independently obtains DNN setting information for each of a predetermined number of frames, and uses the independently acquired DNN setting information for AI downscaling. It may be provided as part 712 .
  • the AI setting unit 718 may divide the frames constituting the original image 105 into a predetermined number of groups, and independently obtain DNN setting information for each group. The same or different DNN setting information may be obtained for each group. The number of frames included in the groups may be the same or different for each group.
  • the AI setting unit 718 may independently determine DNN setting information for each frame constituting the original image 105 .
  • the same or different DNN configuration information may be obtained for each frame.
  • FIG. 8 is an exemplary diagram illustrating a first DNN 800 for AI downscaling of an original image 105 .
  • the original image 105 is input to the first convolution layer 810 .
  • the first convolution layer 810 performs convolution on the original image 105 using 32 filter kernels of 5x5 size.
  • 32 feature maps generated as a result of the convolution process are input to the first activation layer 820 .
  • the first activation layer 820 may assign non-linear characteristics to 32 feature maps.
  • the first activation layer 820 determines whether to transfer sample values of feature maps output from the first convolution layer 810 to the second convolution layer 830 . For example, certain sample values among sample values of feature maps are activated by the first activation layer 820 and transferred to the second convolution layer 830, and certain sample values are activated by the first activation layer 820. It is inactivated and not transmitted to the second convolution layer 830. Information indicated by feature maps output from the first convolution layer 810 is emphasized by the first activation layer 820 .
  • the output 825 of the first activation layer 820 is input to the second convolution layer 830 .
  • the second convolution layer 830 performs convolution processing on input data using 32 filter kernels of 5x5 size.
  • the 32 feature maps output as a result of the convolution process are input to the second activation layer 840, and the second activation layer 840 may assign nonlinear characteristics to the 32 feature maps.
  • the output 845 of the second activation layer 840 is input to the third convolution layer 850 .
  • the third convolution layer 850 performs convolution processing on the input data using one filter kernel having a size of 5 x 5. As a result of the convolution process, one image may be output from the third convolution layer 850 .
  • the third convolution layer 850 is a layer for outputting a final image and obtains one output by using one filter kernel. According to the example of the present disclosure, the third convolution layer 850 may output the first image 115 through a convolution operation result.
  • DNN setting information indicating the number of filter kernels of the first convolution layer 810, the second convolution layer 830, and the third convolution layer 850 of the first DNN 800, parameters of the filter kernels, etc.
  • the first DNN 800 includes three convolution layers 810, 830, and 750 and two activation layers 820 and 840, but this is only an example and an implementation example. Accordingly, the number of convolution layers and activation layers may be variously changed. Also, depending on implementation, the first DNN 800 may be implemented through a recurrent neural network (RNN). This case means changing the CNN structure of the first DNN 800 according to the example of the present disclosure into an RNN structure.
  • RNN recurrent neural network
  • the AI downscaling unit 712 may include at least one ALU for convolution operation and activation layer operation.
  • An ALU may be implemented as a processor.
  • the ALU may include a multiplier that performs a multiplication operation between the sample values of the feature map output from the original image 105 or the previous layer and the sample values of the filter kernel, and an adder that adds the resultant values of the multiplication. there is.
  • the ALU is a multiplier that multiplies input sample values with weights used in a predetermined sigmoid function, Tanh function, or ReLU function, and compares the multiplication result with a predetermined value to obtain an input sample value.
  • a comparator for determining whether to transfer to the next layer may be included.
  • the AI setting unit 718 transfers AI data to the data processing unit 716 .
  • the AI data includes information enabling the AI upscaler 236 to AI upscale the second image 135 to an upscale target corresponding to the downscale target of the first DNN.
  • the first encoder 714 receiving the first image 115 from the AI downscaler 712 first encodes the first image 115 according to a frequency conversion-based image compression method to obtain the first image 115 ) can reduce the amount of information.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • Image data is obtained according to the rules of a predetermined codec, that is, syntax.
  • the image data includes residual data that is a difference between the first image 115 and predicted data of the first image 115, prediction mode information used to first encode the first image 115, motion information, and Information related to a quantization parameter used for first encoding the first image 115 may be included.
  • Image data obtained as a result of the first encoding of the first encoder 714 is provided to the data processor 716 .
  • the data processing unit 716 generates AI-encoded data including the video data received from the first encoding unit 714 and the AI data received from the AI setting unit 718 .
  • the data processor 716 may generate AI-encoded data including image data and AI data in a separated state.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) within an HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • the data processing unit 716 may include AI data in image data obtained as a result of the first encoding by the first encoding unit 714 and generate AI-encoded data including the corresponding image data. .
  • the data processor 716 may combine a bitstream corresponding to image data and a bitstream corresponding to AI data to generate image data in the form of a bitstream.
  • the data processing unit 716 may express AI data as bits having a value of 0 or 1, that is, as a bitstream.
  • the data processor 716 may include a bitstream corresponding to AI data in supplemental enhancement information (SEI), which is an additional information area of the bitstream obtained as a result of the first encoding.
  • SEI Supplemental Enhancement Information
  • AI-encoded data is transmitted to the transmitter 730.
  • the transmission unit 730 transmits the AI-encoded data obtained as a result of the AI-encoding through a network.
  • the AI-encoded data is a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, such as a CD-ROM and a DVD. It may be stored in a data storage medium including an optical recording medium, a magneto-optical medium such as a floptical disk, and the like.
  • FIG. 9 is a diagram showing the structure of AI encoded data 900 according to an embodiment.
  • the AI data 912 and the image data 932 may be separately included in the AI encoded data 900.
  • the AI-encoded data 900 may be in a container format such as MP4, AVI, MKV, or FLV.
  • the AI encoded data 900 may be composed of a metadata box 910 and a media data box 930.
  • the metadata box 910 includes information about the video data 932 included in the media data box 930 .
  • the metadata box 910 may include information about the type of the first image 115, the type of codec used for encoding the first image 115, and the playback time of the first image 115. there is.
  • AI data 912 may be included in the metadata box 910 .
  • the AI data 912 may be encoded according to an encoding method provided by a predetermined container format and stored in the metadata box 910 .
  • the media data box 930 may include image data 932 generated according to the syntax of a predetermined image compression method.
  • FIG. 10 is a diagram showing the structure of AI encoded data 1000 according to another embodiment.
  • AI data 1034 may be included in image data 1032 .
  • the AI-encoded data 1000 may include a metadata box 1010 and a media data box 1030.
  • the AI data box 1010 contains AI data.
  • Data 1034 may not be included.
  • the media data box 1030 includes image data 1032 including AI data 1034.
  • the AI data 1034 may be included in the additional information area of the image data 1032 .
  • 11 is a diagram for explaining a method of training the first DNN 800 and the second DNN 300.
  • the AI-encoded original image 105 through the AI encoding process is restored to the third image 145 through the AI decoding process.
  • the third image 145 obtained as a result of AI decoding and the original image 105
  • correlation between the AI encoding process and the AI decoding process is required. That is, information lost in the AI encoding process should be able to be restored in the AI decoding process, and for this purpose, joint training of the first DNN 800 and the second DNN 300 is required.
  • the quality loss information 1130 is used for both training of the first DNN 800 and the second DNN 300 .
  • an original training image 1101 is an image to be AI downscaled
  • a first training image 1102 is an AI downscaled image from the original training image 1101. It's a video.
  • a third training image 1104 is an AI upscaled image from the first training image 1102 .
  • the original training image 1101 includes a still image or a video consisting of a plurality of frames.
  • the original training image 1101 may include a luminance image extracted from a still image or a video consisting of a plurality of frames.
  • the original training image 1101 may include a patch image extracted from a still image or a video consisting of a plurality of frames.
  • the first training image 1102, the second training image 1104, and the third training image 1104 also consist of a plurality of frames.
  • the first training image 1102 and the second training image are generated through the first DNN 800 and the second DNN 300.
  • a plurality of frames of the third training image 1104 may be sequentially obtained.
  • the original training image 1101 is input to the first DNN 800.
  • the original training image 1101 input to the first DNN 800 is downscaled by AI and output as the first training image 1102, and the first training image 1102 is input to the second DNN 300.
  • a third training image 1104 is output.
  • a first training image 1102 is input to the second DNN 300, and according to an embodiment, a first training image 1102 obtained through a first encoding and a first decoding process
  • a second training image may be input to the second DNN 300 .
  • any one of MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, and AV1 codec may be used.
  • MPEG-2, H.264, MPEG-4, HEVC, VC-1 , VP8, VP9, and AV1 may be used.
  • a legacy downscaled downscaled training image 1103 is obtained from the original training image 1101.
  • the legacy downscale may include at least one of a bilinear scale, a bicubic scale, a lanczos scale, and a stair step scale.
  • a reduced training image 1103 preserving the structural features of the original training image 1101 is obtained.
  • the first DNN 800 and the second DNN 300 may be set with predetermined DNN setting information.
  • structural loss information 1110, complexity loss information 1120, and quality loss information 1130 may be determined.
  • the structural loss information 1110 may be determined based on a comparison result between the reduced training image 1103 and the first training image 1102 .
  • the structural loss information 1110 may correspond to a difference between structural information of the reduced training image 1103 and structural information of the first training image 1102 .
  • Structural information may include various features extractable from an image, such as luminance, contrast, and histogram of the image.
  • the structural loss information 1110 represents how much structural information of the original training image 1101 is maintained in the first training image 1102 . As the structural loss information 1110 is smaller, the structural information of the first training image 1102 becomes similar to the structural information of the original training image 1101.
  • the complexity loss information 1120 may be determined based on the spatial complexity of the first training image 1102 . In one example, as the spatial complexity, a total variance value of the first training image 1102 may be used.
  • the complexity loss information 1120 is related to the bitrate of image data obtained by first encoding the first training image 1102 . The smaller the complexity loss information 1120 is, the smaller the bit rate of image data is defined.
  • the quality loss information 1130 may be determined based on a comparison result between the original training image 1101 and the third training image 1104 .
  • the quality loss information 1130 includes an L1-norm value, an L2-norm value, a Structural Similarity (SSIM) value, and a Peak Signal-To-Value (PSNR-HVS) for the difference between the original training image 1101 and the third training image 1104.
  • -It may include at least one of a Noise Ratio-Human Vision System (MS-SSIM) value, a Multiscale SSIM (MS-SSIM) value, a Variance Inflation Factor (VIF) value, and a Video Multimethod Assessment Fusion (VMAF) value.
  • the quality loss information 1130 indicates how similar the third training image 1104 is to the original training image 1101 . The smaller the quality loss information 1130 is, the more similar the third training image 1104 is to the original training image 1101.
  • structural loss information 1110, complexity loss information 1120, and quality loss information 1130 are used to train the first DNN 800, and the quality loss information 1130 is used for training the second DNN ( 300) is used for training. That is, the quality loss information 1130 is used for training both the first DNN 800 and the second DNN 300 .
  • the first DNN 800 may update parameters such that final loss information determined based on the structural loss information 1110 , complexity loss information 1120 , and quality loss information 1130 is reduced or minimized. Also, the second DNN 300 may update a parameter such that the quality loss information 1130 is reduced or minimized.
  • Final loss information for training of the first DNN 800 and the second DNN 300 may be determined as shown in Equation 1 below.
  • LossDS represents final loss information to be reduced or minimized for training of the first DNN 800
  • LossUS represents final loss information to be reduced or minimized for training of the second DNN 300.
  • a, b, c, and d may correspond to predetermined weights.
  • the first DNN 800 updates parameters in a direction in which LossDS of Equation 1 decreases
  • the second DNN 300 updates parameters in a direction in which LossUS decreases.
  • the parameters of the first DNN 800 are updated according to the LossDS derived in the training process
  • the first training image 1102 obtained based on the updated parameters is different from the first training image 1102 in the previous training process.
  • the third training image 1104 also becomes different from the third training image 1104 in the previous training process. If the third training image 1104 is different from the third training image 1104 in the previous training process, the quality loss information 1130 is also newly determined, and the second DNN 300 updates parameters accordingly.
  • LossDS is also newly determined, so the first DNN 800 updates parameters according to the newly determined LossDS. That is, updating parameters of the first DNN 800 causes updating of parameters of the second DNN 300 , and updating parameters of the second DNN 300 causes updating of parameters of the first DNN 800 .
  • the parameters of the first DNN 800 and the parameters of the second DNN 300 are They can be correlated with each other and optimized.
  • LossUS is determined according to quality loss information 1130, but this is an example, and LossUS includes at least one of structural loss information 1110 and complexity loss information 1120, It may be determined based on the quality loss information 1130 .
  • the AI setting unit 238 of the AI decoding apparatus 200 and the AI setting unit 718 of the AI encoding apparatus 700 have been described as storing a plurality of DNN setting information. A method of training each of the plurality of DNN setting information stored in the setting unit 718 will be described.
  • the similarity between the structural information of the first training image 1102 and the structural information of the original training image 1101 (structural loss information 1110) ), the bit rate (complexity loss information 1120) of image data obtained as a result of the first encoding of the first training image 1102 and the difference between the third training image 1104 and the original training image 1101 (quality loss Parameters are updated in consideration of the information 1130).
  • the first training image 1102 which is similar to the structural information of the original training image 1101 and has a small bit rate of the image data obtained when the first encoding is performed, can be obtained, and the first training image Parameters of the first DNN 800 may be updated so that the second DNN 300 that AI upscales 1102 can obtain a third training image 1104 similar to the original training image 1101.
  • the directions in which the parameters of the first DNN 800 are optimized become different.
  • parameters of the first DNN 800 may be updated with more importance placed on the lowering of the bitrate than the quality of the third training image 1104 .
  • increasing the quality of the third training image 1104 is more important than increasing the bit rate or maintaining structural information of the original training image 1101. 1 Parameters of the DNN 800 may be updated.
  • the direction in which the parameters of the first DNN 800 are optimized may be different according to the type of codec used to first encode the first training image 1102 . This is because the second training image to be input to the second DNN 300 may vary according to the type of codec.
  • the parameters of the first DNN 800 and the parameters of the second DNN 300 are linked based on the weight a, the weight b, the weight c, and the type of codec for the first encoding of the first training image 1102. so that it can be updated. Therefore, after determining the weight a, the weight b, and the weight c as predetermined values, and determining the type of codec as a predetermined type, and then training the first DNN 800 and the second DNN 300, they are linked to each other. Optimized parameters of the first DNN 800 and parameters of the second DNN 300 may be determined.
  • the parameters of the first DNN 800 are optimized in association with each other. and parameters of the second DNN 300 may be determined.
  • a plurality of DNN setting information trained in conjunction with each other is It can be determined by the DNN (800) and the second DNN (300).
  • a plurality of DNN setting information of the first DNN 800 and the second DNN 300 may be mapped to first image related information.
  • the first training image 1102 output from the first DNN 800 is first encoded with a specific codec according to a specific bit rate, and the bitstream obtained as a result of the first encoding is first encoded.
  • the acquired second training image may be input to the second DNN 300.
  • the first DNN settings mapped to the resolution of the training image 1102, the type of codec used for the first encoding of the first training image 1102, and the bitrate of the bitstream obtained as a result of the first encoding of the first training image 1102. information pairs can be determined.
  • the bit rate of the bit stream obtained according to the resolution of the first training image 1102, the type of codec used for the first encoding of the first training image 1102, and the first encoding of the first training image 1102 varies.
  • a mapping relationship between a plurality of pieces of DNN setting information of the first DNN 800 and the second DNN 300 and the first image related information may be determined.
  • FIG. 12 is a diagram for explaining a training process of the first DNN 800 and the second DNN 300 by the training apparatus 1200.
  • Training of the first DNN 800 and the second DNN 300 described with reference to FIG. 11 may be performed by the training device 1200 .
  • the training device 1200 includes a first DNN 800 and a second DNN 300 .
  • the training device 1200 may be, for example, the AI encoding device 700 or a separate server.
  • DNN setting information of the second DNN 300 obtained as a result of training is stored in the AI decoding apparatus 200.
  • the training apparatus 1200 initially sets DNN configuration information of the first DNN 800 and the second DNN 300 (S1240 and S1245). Accordingly, the first DNN 800 and the second DNN 300 may operate according to predetermined DNN setting information.
  • the DNN setting information includes at least one of the number of convolution layers included in the first DNN 800 and the second DNN 300, the number of filter kernels for each convolution layer, the size of each filter kernel for each convolution layer, and the parameters of each filter kernel. It may contain information about one.
  • the training device 1200 inputs the original training image 1101 to the first DNN 800 (S1250).
  • the original training image 1101 may include at least one frame constituting a still image or a moving image.
  • the first DNN 800 processes the original training image 1101 according to the initially set DNN setting information, and outputs the first training image 1102, which is downscaled by AI, from the original training image 1101 (S1255).
  • 12 shows that the first training image 1102 output from the first DNN 800 is directly input to the second DNN 300, but the first training image 1102 output from the first DNN 800 ) may be input to the second DNN 300 by the training apparatus 1200.
  • the training device 1200 may first encode and first decode the first training image 1102 using a predetermined codec, and then input the second training image to the second DNN 300 .
  • the second DNN 300 processes the first training image 1102 or the second training image according to the initially set DNN setting information, and obtains a third AI upscaled image from the first training image 1102 or the second training image.
  • the training image 1104 is output (S1260).
  • the training device 1200 calculates complexity loss information 1120 based on the first training image 1102 (S1265).
  • the training apparatus 1200 compares the reduced training image 1103 and the first training image 1102 to calculate structural loss information 1110 (S1270).
  • the training device 1200 compares the original training image 1101 and the third training image 1104 to calculate quality loss information 1130 (S1275).
  • the first DNN 800 updates the initially set DNN configuration information through a back propagation process based on the final loss information (S1280).
  • the training apparatus 1200 may calculate final loss information for training of the first DNN 800 based on the complexity loss information 1120 , the structural loss information 1110 , and the quality loss information 1130 .
  • the second DNN 300 updates the initially set DNN configuration information through a reverse transcription process based on the quality loss information or the final loss information (S1285).
  • the training apparatus 1200 may calculate final loss information for training of the second DNN 300 based on the quality loss information 1130 .
  • the training device 1200, the first DNN 800, and the second DNN 300 update DNN setting information while repeating processes S1250 to S1285 until the final loss information is minimized.
  • the first DNN 800 and the second DNN operate according to the DNN configuration information updated in the previous process.
  • Table 1 shows effects when AI encoding and AI decoding the original video 105 according to an embodiment of the present disclosure and when the original video 105 is encoded and decoded using HEVC.
  • An electronic device and/or server described below may reduce the amount of data transmitted and received through a network by performing AI upscaling and/or AI downscaling of video conference images.
  • the electronic devices and/or servers described below do not AI downscale/AI upscale all video conference videos collectively, but rather perform video conferencing according to the importance of electronic devices of video conferencing participants, that is, the importance of video conferencing videos.
  • By adaptively performing AI upscaling and/or AI downscaling of video a smooth video conference can be conducted.
  • the electronic device or the server managing the video conference depends on whether AI downscale or AI upscale is supported and the importance of the electronic device participating in the video conference. It relates to a method of performing AI downscaling or AI upscaling of a video conference video.
  • FIG. 13 is a block diagram illustrating a configuration of an electronic device that AI upscales a video conference video according to importance of other electronic devices participating in the video conference according to an embodiment.
  • an electronic device 1300 may include a receiving unit 1310, an AI decoding unit 1330, and a display unit 1350.
  • the AI decoder 1330 may include a parser 1331, a first decoder 1332, an AI upscaler 1333, and an AI setter 1334.
  • the receiver 1310, the AI decoder 1330, and the display unit 1350 are one unit. It can be implemented through a processor. In this case, it may be implemented as a dedicated processor, or may be implemented through a combination of S/W and a general-purpose processor such as an AP, CPU, or GPU. In addition, a dedicated processor may include a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the receiving unit 1310, the AI decoding unit 1330, and the display unit 1350 may be configured with a plurality of processors. In this case, it may be implemented with a combination of dedicated processors, or it may be implemented with a combination of S/W and a plurality of general-purpose processors such as APs, CPUs, or GPUs.
  • the receiver 1310 is implemented as a first processor
  • the first decoder 1332 is implemented as a second processor different from the first processor
  • the AI setting unit 1334 is implemented by a third processor different from the first processor and the second processor
  • the display unit 1350 is implemented by a fourth processor different from the first processor, the second processor, and the third processor.
  • the receiving unit 1310 receives AI-encoded data obtained as a result of AI encoding and importance information of other electronic devices participating in the video conference from a server managing the video conference.
  • AI-encoded data may be a video file having a file format such as mp4 or mov.
  • the AI-encoded data obtained by the receiving unit 1310 from the server is data related to a first image obtained by AI downscaling an original image of another electronic device by the server, or data related to a first image obtained by AI downscaling an original image of another electronic device by another electronic device. It is data.
  • the receiving unit 1310 may receive AI-encoded data transmitted from a server managing a video conference through a communication network and importance information of other electronic devices participating in the video conference.
  • the receiving unit 1310 outputs AI encoded data and importance information to the AI decoding unit 1330.
  • the importance information may be included in AI data of AI-encoded data and transmitted. In one embodiment, the importance information may be received from a server or other electronic device as meta data separately from AI-encoded data.
  • the parsing unit 1331 parses the AI-encoded data and transfers the video data generated as a result of the first encoding of the video conference video to the first decoding unit 1332, and the AI data and importance information to the AI setting unit 1334. convey
  • the parsing unit 1331 may parse image data and AI data separately included in AI-encoded data.
  • the parsing unit 1331 may read a header in the AI-encoded data and distinguish between AI data and image data included in the AI-encoded data.
  • AI-encoded data including AI data and image data separated from each other is omitted as described above with reference to FIG. 9 .
  • the parsing unit 1331 parses video data from AI-encoded data, extracts AI data from the video data, transfers the AI data to the AI setting unit 1334, and performs first decoding on the remaining video data. It can be delivered to the unit 1332. That is, AI data may be included in video data. For example, AI data may be included in supplemental enhancement information (SEI), which is an additional information area of a bitstream corresponding to video data.
  • SEI Supplemental Enhancement information
  • the parsing unit 1831 divides a bitstream corresponding to image data into a bitstream to be processed in the first decoding unit 1332 and a bitstream corresponding to AI data, and each of the divided bitstreams It can be output to the first decoder 1332 and the AI setting unit 1334.
  • the parsing unit 1331 acquires video data included in AI-encoded data through a predetermined codec (eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1). It can also be confirmed that it is image data. In this case, corresponding information may be transmitted to the first decoder 1332 so that the video data can be processed with the identified codec.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the first decoding unit 1332 restores a second video corresponding to the first video, which is a video conference video, based on the video data received from the parsing unit 1331 .
  • the second image obtained by the first decoder 1332 is provided to the AI upscaler 1333.
  • the importance information from the AI setting unit 1334 is also provided to the AI upscaling unit 1333.
  • the AI upscaling unit 1333 provides the second image as it is to the display unit 1350 or provides the third image obtained by AI upscaling the second image to the display unit 1350 according to the degree of importance.
  • the importance information is information indicating whether a user of an electronic device participating in a video conference is a presenter or a listener, and is information used to determine whether or not to perform AI upscaling on video in a video conference.
  • the presenter refers to a participant who explains important conference contents in a video conference and has the right to control the screen
  • the listener means a participant who simply listens to the contents explained by the presenter in the video conference and does not have the right to control the screen. Therefore, since the presenter's video conference video contains a relatively large amount of important information, it is important to restore the downscaled video to the original video quality in order to reduce data usage due to its high importance, and the listener's video conference video contains important information. Since is included relatively little, there is no need to restore the downscaled image to the original image due to its low importance.
  • the AI upscaler 1333 provides a third image obtained by upscaling the second image by AI to the display unit 1350 when the user of the electronic device having different importance information indicates that the presenter is a presenter. If the user of the electronic device indicates that he or she is a listener, the second image is provided to the display unit 1350. That is, since the presenter's video conference video contains a lot of important information, the third video obtained by AI upscaling is displayed to correspond to the original video of the presenter's electronic device, and the listener's video conference video is less important than the presenter's video conference video. Therefore, the second image is displayed as it is.
  • the importance information may be flag information set to 1 if a user of another electronic device is a presenter and set to 0 if the user is a listener.
  • the server when starting a video conference, other electronic devices participating in the video conference generate and transmit importance information of the other electronic devices to the server, and the server determines that the electronic device 1300 can use the importance information.
  • Priority information may be transmitted to the electronic device 1300 .
  • the other electronic device when an input for changing the importance of another electronic device is received during a video conference, the other electronic device generates the changed importance information or updates the importance information and transmits the updated importance information to the server, and the server sends the electronic device 1300 the importance information.
  • importance information may be transmitted to the electronic device 1300 . That is, the importance information is not always transmitted, but changed or updated importance information may be transmitted when a video conference starts or when there is a change in importance.
  • the electronic device 1300 acquires and stores the importance information of other electronic devices transmitted through the server when the video conference starts, performs AI upscaling based on the importance information, and then changes the importance of other electronic devices. , the changed importance information of the other electronic device is acquired from the server and updated, and AI upscaling is performed based on the updated importance information.
  • first decoding-related information such as prediction mode information, motion information, and quantization parameter information may be provided from the first decoding unit 1332 to the AI setting unit 1334.
  • the first decoding related information may be used to obtain DNN setting information.
  • the AI data provided to the AI setting unit 1334 includes information enabling AI up-scaling of the second image.
  • the upscale target of the second image must correspond to the downscale target of the first DNN. Therefore, the AI data must include information capable of identifying the downscale target of the first DNN.
  • Specific examples of the information included in the AI data include information about a difference between the resolution of an original video during a video conference and the resolution of a first video obtained by AI downscaling the original video, and information related to the first video.
  • the difference information may be expressed as information about a degree of resolution conversion of the first image compared to the original image (eg, resolution conversion rate information).
  • the difference information may be expressed only with the resolution information of the original image.
  • the resolution information may be expressed as a horizontal/vertical screen size, or as a ratio (16:9, 4:3, etc.) and a size on one axis.
  • it may be expressed in the form of an index or flag.
  • the first image-related information may include information on at least one of a resolution of the first image, a bit rate of image data obtained as a result of the first encoding of the first image, and a codec type used in the first encoding of the first image.
  • the AI setting unit 1334 may determine an upscale target of the second image based on at least one of difference information included in the AI data and information related to the first image.
  • the upscaling target may indicate, for example, to what resolution the second image should be upscaled.
  • the AI upscaler 1333 AI upscales the second image through a second DNN to obtain a third image corresponding to the upscale target.
  • the AI setting unit 1334 determines an up-scale target and the AI up-scale unit 1333 AI up-scales the second video according to the up-scale target will be described.
  • the AI setting unit 1334 may store a plurality of DNN setting information that can be set in the second DNN.
  • the DNN configuration information may include information on at least one of the number of convolution layers included in the second DNN, the number of filter kernels for each convolution layer, and parameters of each filter kernel.
  • a plurality of DNN configuration information may correspond to various upscale targets, and the second DNN may operate based on the DNN configuration information corresponding to a specific upscale target.
  • the second DNN may have a different structure according to DNN configuration information.
  • the second DNN may include three convolutional layers according to certain DNN configuration information, and the second DNN may include four convolutional layers according to other DNN configuration information.
  • the DNN configuration information may include only parameters of a filter kernel used in the second DNN.
  • the structure of the second DNN is not changed, but only parameters of an internal filter kernel may be changed according to the DNN configuration information.
  • the AI setting unit 1335 may obtain DNN setting information for AI upscaling of the second image from among a plurality of DNN setting information.
  • Each of the plurality of DNN setting information used herein is information for obtaining a third image having a predetermined resolution and/or a predetermined quality, and is trained in association with the first DNN.
  • any one DNN setting information among a plurality of DNN setting information is a third image having a resolution twice as large as the resolution of the second image, for example, a 1080p third image twice as large as the 540p second image. It may include information for acquiring or information for acquiring a third image with a resolution four times greater than the resolution of the second image, for example, a third image of 1080p four times larger than the second image of 270p. .
  • each DNN can be trained in consideration of the resolution of an image used in a video conference. For example, when the size of the original video used in video conferencing is 1080p, the DNN for AI downscaling converts a first video of 540p having a size of 1/2 of the original video or a size of 1/4 of the original video from the original video. outputs a first 270p image having a 270p image, and the DNN for AI upscaling may be trained to output a 540p second image or a 1080p third image from a 270p second image.
  • Each of the plurality of DNN setting information is created in association with the DNN setting information of the first DNN of another electronic device or server, and the AI setting unit 1334 configures the DNN setting information according to the magnification ratio corresponding to the reduction ratio of the DNN setting information of the first DNN. Acquire one DNN setting information among a plurality of DNN setting information. To this end, the AI setting unit 1334 needs to check the information of the first DNN. In order for the AI setting unit 1334 to check information of the first DNN, the electronic device 1300 according to an embodiment receives AI data including information of the first DNN from a server managing a video conference.
  • the AI setting unit 1334 uses the information received from the server to identify information targeted by the DNN setting information of the first DNN used to acquire the first image, and to obtain a second image trained in conjunction therewith. DNN configuration information of the DNN can be acquired.
  • DNN setting information for AI upscaling of the second image is obtained from among the plurality of DNN setting information
  • the DNN setting information is transmitted to the AI upscaler 1333, and based on the second DNN operating according to the DNN setting information Input data can be processed.
  • the AI upscaler 1333 obtains any one DNN setting information
  • the first convolution layer 310 and the second convolution layer 330 of the second DNN 300 shown in FIG. ) and the third convolution layer 350 the number of filter kernels included in each layer and parameters of the filter kernels are set to values included in the obtained DNN configuration information.
  • the AI upscaler 1333 sets the parameters of the 3 X 3 filter kernel used in any one convolution layer of the second DNN shown in FIG. 4 to ⁇ 1, 1, 1, 1, 1, 1 , 1, 1, 1 ⁇ , and when there is a change in the DNN configuration information, the parameters of the filter kernel included in the changed DNN configuration information are ⁇ can be replaced.
  • the AI setting unit 1334 may obtain DNN setting information for upscaling the second image from among a plurality of DNN setting information based on information included in the AI data. explain in detail.
  • the AI setting unit 1334 may obtain DNN setting information for upscaling the second image from among a plurality of DNN setting information based on difference information included in AI data. For example, when it is determined that the resolution of the original image (eg, 1080p) is twice as large as the resolution (eg, 540p) of the first image based on the difference information, the AI setting unit 1835 It is possible to obtain DNN setting information capable of doubling the resolution of 2 images.
  • the AI setting unit 1334 may obtain DNN setting information for AI upscaling a second image among a plurality of DNN setting information based on information related to the first image included in the AI data.
  • the AI setting unit 1334 may pre-determine a mapping relationship between the image-related information and the DNN setting information, and obtain DNN setting information mapped to the first image-related information.
  • a plurality of DNN setting information for AI downscaling and a plurality of DNN setting information for AI upscaling may be obtained through the training process described with reference to FIGS. 11 and 12 described above.
  • one DNN setting information for AI downscaling and one DNN setting information for AI upscaling may be obtained through the training process described with reference to FIGS. 11 and 12 described above. That is, a pair of DNN setting information may be acquired for AI downscaling and AI upscaling, and in this case, one DNN setting information for AI upscaling may be stored in the AI setting unit.
  • the AI setting unit 1334 provides one DNN setting information for AI upscaling a second image corresponding to a downscaled first image of 540p to a third image of 1080p based on information included in AI data. can be obtained.
  • the information included in the AI data is information indicating that the image data transmitted together is for an image obtained through AI downscaling
  • the AI setting unit 1334 converts one DNN setting information stored in the AI setting unit to AI. It is provided to the upscale unit 1333.
  • the AI upscaler 1333 obtains a third image by performing AI upscale based on the DNN setting information and importance provided from the AI setter 1334, and provides the third image to the display unit 1350.
  • the AI upscaler 1333 converts the DNN setting information provided from the AI setting unit 1334 into a 1080p third image corresponding to a 540p first image downscaled from a 1080p original image.
  • the reason for performing AI upscaling twice is to match the resolution of the third image to the original image.
  • the AI upscaler 1333 AI upscales the second image corresponding to the downscaled first image of 540p to the third image of 1080p based on the DNN setting information provided from the AI setting unit 1334. If the first image is 270p and the original image is 1080p and the importance is low, AI upscaling is not performed and the second image of 270p is provided to the display unit 1350.
  • the AI upscaler 1333 AI upscales the second image corresponding to the downscaled first image of 540p to the third image of 1080p based on the DNN setting information provided from the AI setting unit 1334. If the first image is 270p and the original image is 1080p and the importance is low, AI upscaling is performed once using the predetermined DNN setting information to obtain a third image of 540p. acquired, and provides the third image to the display unit 1350.
  • the display unit 1350 displays a second image corresponding to the downscaled image of another electronic device participating in the video conference or a third image corresponding to the original image.
  • FIG. 14 is a block diagram illustrating a configuration of an electronic device that AI downscales a video conference video of an electronic device participating in a video conference during a video conference according to an embodiment.
  • the electronic device 1300 of FIG. 13 receives a video conference video from another electronic device, determines whether to perform AI upscaling according to the importance of the other electronic device, and performs AI upscaling, whereas the electronic device 1400 of FIG. 14 performs AI upscaling.
  • the video conference video of the electronic device 1400 is downscaled by AI and transmitted to another electronic device.
  • the electronic device 1300 of FIG. 13 and the electronic device 1400 of FIG. 14 represent components that perform different roles in the electronic device participating in the video conference, respectively, and the electronic device 1300 of FIG. 13 and the electronic device 1400 of FIG. 14
  • the electronic device 1400 of may be the same electronic device.
  • the electronic device 1300 of FIG. 13 and the electronic device 1400 of FIG. 14 may be different electronic devices participating in the video conference.
  • the electronic device 1400 of FIG. 14 has the same overall configuration as the above-described AI encoding device 700, and is different in that it additionally transmits importance information to the server.
  • the electronic device 1400 participating in the video conference performs AI downscaling regardless of importance information and transmits the AI downscaled video to the server, but the electronic device 1400 transmits the video conference video
  • the receiving electronic device 1300 or the server determines whether to upscale the video conference by AI based on the importance.
  • an electronic device 1400 may include an AI encoder 1410 and a transmitter 1430.
  • the AI encoder 1410 may include an AI downscaling unit 1411, a first encoding unit 1412, a data processing unit 1413, and an AI setting unit 1414.
  • FIG. 14 illustrates the AI encoder 1410 and the transmitter 1430 as separate devices
  • the AI encoder 1410 and the transmitter 1430 may be implemented by one processor.
  • it may be implemented as a dedicated processor, or may be implemented through a combination of S/W and a general-purpose processor such as an AP, CPU, or GPU.
  • a dedicated processor may include a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the AI encoder 1410 and the transmitter 1430 may be composed of a plurality of processors. In this case, it may be implemented with a combination of dedicated processors, or it may be implemented with a combination of S/W and a plurality of general-purpose processors such as APs, CPUs, or GPUs.
  • the first encoding unit 1412 is composed of a first processor
  • the AI downscaling unit 1411, the data processing unit 1413 and the AI setting unit 1414 are configured by a second processor different from the first processor.
  • the transmitter 1430 may be implemented as a third processor different from the first processor and the second processor.
  • the AI encoder 1410 performs AI downscaling of the original video of the electronic device 1400 participating in the video conference and first encoding of the AI downscaled first video, and transmits AI-encoded data and importance information to the transmission unit ( 1430).
  • the transmission unit 1430 transmits AI-encoded data and importance information to a server managing a video conference.
  • the image data includes data obtained as a result of the first encoding of the first image.
  • the image data may include data obtained based on pixel values in the first image, eg, residual data that is a difference between the first image and prediction data of the first image.
  • the image data includes information used in the first encoding process of the first image.
  • the image data may include prediction mode information, motion information, and quantization parameter-related information used for first encoding of the first image.
  • the AI upscale unit 1333 of the electronic device 1300 or the AI upscale unit 1533 of the server 1500 converts the second image to an AI upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include difference information between the original image and the first image.
  • the AI data may include information related to the first image.
  • the first image related information may include information on at least one of a resolution of the first image, a bit rate of image data obtained as a result of the first encoding of the first image, and a codec type used in the first encoding of the first image.
  • the AI data may include an identifier of mutually promised DNN setting information so that the second image can be AI upscaled to an upscale target corresponding to a downscale target of the first DNN.
  • the AI data may include DNN setting information that can be set in the second DNN.
  • the AI downscaling unit 1411 may obtain a first AI downscaled image from an original image through the first DNN.
  • the AI downscaling unit 1411 may AI downscale the original video using DNN setting information provided from the AI setting unit 1414.
  • the AI setting unit 1414 may determine a downscale target of the original video based on a predetermined criterion.
  • the AI setting unit 1414 may store a plurality of DNN setting information that can be set in the first DNN.
  • the AI setting unit 1414 obtains DNN setting information corresponding to a downscale target among a plurality of DNN setting information, and provides the obtained DNN setting information to the AI downscaling unit 1411.
  • Each of the plurality of DNN setting information may be trained to acquire a first image having a predetermined resolution and/or a predetermined quality.
  • any one DNN setting information among a plurality of DNN setting information is a first image having a resolution that is 1/2 times smaller than the resolution of the original image, for example, 540p, which is 1/2 times smaller than the original 1080p image. It may include information for acquiring the first image, and the other piece of DNN setting information is the first image having a resolution that is 1/4 times smaller than the resolution of the original image, for example, 1/4 of the original 1080p image. It may include information for acquiring the first image of 270p smaller than the size.
  • the AI setting unit 1414 may provide the AI downscaling unit 1411 with DNN setting information obtained by combining selected parts of the lookup table values according to the downscale target.
  • the AI configuration unit 1414 may determine the structure of the DNN corresponding to the downscale target and obtain DNN configuration information corresponding to the determined structure of the DNN, for example, filter kernel parameters.
  • the plurality of DNN setting information for AI downscaling of the original video may have an optimized value by performing joint training of the first DNN and the second DNN.
  • each DNN configuration information includes at least one of the number of convolution layers included in the first DNN, the number of filter kernels for each convolution layer, and parameters of each filter kernel.
  • the AI downscaling unit 1411 may obtain a first image having a predetermined resolution and/or a predetermined quality through the first DNN by setting the first DNN with the DNN setting information determined for AI downscaling of the original video.
  • DNN setting information for AI downscaling of an original video is obtained from among a plurality of DNN setting information
  • each layer in the first DNN may process input data based on information included in the DNN setting information.
  • the AI setting unit 1414 may store one piece of DNN setting information that can be set in the first DNN in order to obtain the first image. For example, the AI setting unit 1414 obtains one DNN setting information for AI downscaling a 1080p original video to a first 540p video, and the AI downscaling unit 1411 uses the acquired DNN setting information. provided by
  • the downscale target may indicate, for example, how much the first image whose resolution is reduced from the original image should be acquired.
  • the AI setting unit 1414 obtains one or more pieces of input information.
  • the input information may include a target resolution of the first video, a target bitrate of the video data, a bitrate type of the video data (eg, variable bitrate type, constant bitrate type, average bitrate type, etc.), AI downscale At least one of the applied color format (luminance component, chrominance component, red component, green component, blue component, etc.), codec type for first encoding of the first image, compression history information, original image resolution, and original image type. may contain one.
  • One or more pieces of input information may include information previously stored in the electronic device 1400 or input from a user.
  • the AI setting unit 1414 controls the operation of the AI downscaling unit 1411 based on input information.
  • the AI setting unit 1414 may determine a downscale target according to input information and provide DNN setting information corresponding to the determined downscale target to the AI downscale unit 1411 .
  • the AI setting unit 1414 transfers at least a portion of the input information to the first encoding unit 1412 so that the first encoding unit 1412 has a bit rate of a specific value, a bit rate of a specific type, and a specific codec.
  • the first image may be subjected to first encoding.
  • the AI setting unit 1414 may include compression rate (eg, resolution difference between the original video and the first video, target bitrate), compression quality (eg, bitrate type), compression history information, and A downscale target may be determined based on at least one type of original video.
  • compression rate eg, resolution difference between the original video and the first video
  • target bitrate e.g., resolution difference between the original video and the first video
  • compression quality e.g., bitrate type
  • compression history information e.g., compression history information
  • a downscale target may be determined based on at least one type of original video.
  • the AI setting unit 1414 may determine a downscale target based on a compression rate or compression quality that is previously set or input from a user.
  • the AI setting unit 1414 may determine a downscale target using compression history information stored in the electronic device 1400 . For example, according to compression history information available to the electronic device 1400, a user's preferred encoding quality or compression rate may be determined, and a downscale target may be determined according to the encoding quality determined based on the compression history information. there is. For example, the resolution and quality of the first image may be determined according to the most frequently used encoding quality according to the compression history information.
  • the AI setting unit 1414 determines the encoding quality that has been used more than a predetermined threshold value (eg, the average quality of encoding qualities that have been used more than a predetermined threshold value) according to the compression history information. Based on this, a downscale target may be determined.
  • a predetermined threshold value eg, the average quality of encoding qualities that have been used more than a predetermined threshold value
  • the AI setting unit 1414 may determine a downscale target based on the resolution and type (eg, file format) of the original video.
  • the AI setting unit 718 independently obtains DNN setting information for each of a predetermined number of frames, and the independently acquired DNN setting information is used by the AI downscaling unit 1411 ) can also be provided.
  • the AI setting unit 1414 may divide the frames constituting the original video into a predetermined number of groups, and independently obtain DNN setting information for each group.
  • the same or different DNN setting information may be obtained for each group.
  • the number of frames included in the groups may be the same or different for each group.
  • the AI setting unit 1414 may independently determine DNN setting information for each frame constituting the original video. The same or different DNN configuration information may be obtained for each frame.
  • the exemplary structure of the first DNN which is the basis of AI downscaling, is omitted as described above in FIG. 8 .
  • the AI downscaling unit 1411 may include at least one ALU for convolution operation and activation layer operation.
  • An ALU may be implemented as a processor.
  • the ALU may include a multiplier for performing a multiplication operation between sample values of a feature map output from an original image or a previous layer and sample values of a filter kernel, and an adder for adding multiplication result values.
  • the ALU is a multiplier that multiplies input sample values with weights used in a predetermined sigmoid function, Tanh function, or ReLU function, and compares the multiplication result with a predetermined value to obtain an input sample value.
  • a comparator for determining whether to transfer to the next layer may be included.
  • the AI downscaling unit 1411 AI downscales the original video based on one DNN setting information for AI downscaling the 1080p original video provided by the AI setting unit 1414 to the first 540p video. do.
  • the AI downscaling unit 1411 additionally receives importance information from the AI setting unit 1414 and converts the 1080p original video into a 540p first video in order to further reduce data usage in the case of an original video having low importance.
  • a first image of 270p may be obtained by performing AI downscaling twice using one DNN setting information for AI downscaling with .
  • the AI downscaling unit 1411 AI downscales the 1080p original video provided by the AI setting unit 1414 to the first 540p video regardless of importance, based on one DNN setting information. AI downscales 2 times. In this case, data usage may be further reduced by AI downscaling the 1080p original video to the 270p first video.
  • the AI setting unit 1414 transfers AI data to the data processing unit 1413 .
  • the AI data includes information enabling the AI upscaling units 1333 and 1533 to AI upscale the second video to an upscale target corresponding to the downscale target of the first DNN.
  • the first encoder 1412 receiving the first image from the AI downscaler 1411 first encodes the first image according to a frequency conversion-based image compression method to reduce the amount of information of the first image. .
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • Image data is obtained according to the rules of a predetermined codec, that is, syntax.
  • the image data may include residual data that is a difference between a first image and predicted data of the first image, prediction mode information used for first encoding the first image, motion information, and used for first encoding the first image. quantization parameter related information, etc. may be included.
  • Image data obtained as a result of the first encoding of the first encoder 1412 is provided to the data processor 1413 .
  • the AI setting unit 1414 generates importance information indicating whether the user of the electronic device 1400 is a presenter or a listener and transmits it to the data processing unit 1413.
  • the AI setting unit 1414 may transmit importance information by including it in AI data.
  • the AI setting unit 1414 generates the importance information as metadata separate from the AI-encoded data and transmits it to the data processing unit 1413.
  • the data processing unit 1413 generates AI-encoded data including the image data received from the first encoding unit 1412 and the AI data received from the AI setting unit 1414 .
  • the data processing unit 1413 may generate AI-encoded data including image data and AI data in a separated state.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) within an HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • the data processing unit 1413 may include AI data in image data obtained as a result of the first encoding by the first encoding unit 1412 and generate AI-encoded data including the corresponding image data. .
  • the data processing unit 1413 may combine a bitstream corresponding to image data and a bitstream corresponding to AI data to generate image data in the form of a single bitstream.
  • the data processor 1413 may express AI data as bits having a value of 0 or 1, that is, as a bitstream.
  • the data processor 1413 may include a bitstream corresponding to AI data in supplemental enhancement information (SEI), which is an additional information area of the bitstream obtained as a result of the first encoding.
  • SEI Supplemental Enhancement Information
  • AI-encoded data is transmitted to the transmitter 1430.
  • the transmitter 1430 transmits AI-encoded data obtained as a result of AI-encoding through a network.
  • the AI encoded data is magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. medium) and the like may be stored in a data storage medium.
  • the data processing unit 1413 transmits AI-encoded data based on AI data including importance information to the transmission unit 1430. According to another embodiment, the data processing unit 1413 transmits the importance information to the transmission unit 1430 together with the AI-encoded data. The transmission unit 1430 transmits AI-encoded data obtained as a result of AI-encoding and importance information through a network.
  • the importance information is generated when the electronic device 1400 first participates in a video conference, transmitted to a server managing the video conference, and transmitted to other electronic devices capable of using the importance information through the server.
  • the server may generate and store importance information of devices participating in the video conference, and then distribute the importance information to the devices when videos are transmitted and received between the devices. For example, when a video conference video for a first device is transmitted as a second video, the server may transmit importance information for the first device as a second video.
  • the importance information may be changed and transmitted to a server that manages a video conference, and may be transmitted to other electronic devices capable of using the importance information through the server.
  • an electronic device that does not support AI upscale and AI downscale may generate and transmit AI data or acquire and process AI data.
  • an electronic device that does not support AI downscale and AI upscale and participates in a video conference transmits video data in which the original video of the video conference is encoded as it is to the server, and decodes and restores the video conference video data acquired from the server as it is. display an image.
  • an electronic device that does not support AI downscale and AI upscale may transmit importance information about the importance of an electronic device that is not supported as meta data separately from image data or may include and transmit the image data.
  • first electronic device refers to an electronic device supporting AI downscaling that transmits video of a video conference to a server that participates in a video conference and manages the video conference
  • second electronic device refers to an electronic device that supports video conferencing.
  • a “third electronic device” refers to a server that participates in a video conference and manages the video conference. It means an electronic device that does not support AI downscaling that transmits video.
  • first electronic device “second electronic device”, and “third electronic device” are for describing an embodiment, but are not limited thereto.
  • first image data for classifying image data, and thus Not limited.
  • 15 is a block diagram illustrating a configuration of a server that AI upscales a video conference video according to whether an electronic device of a participant supports AI upscaling and importance information during a video conference according to an embodiment.
  • a server 1500 may include a receiving unit 1510, an AI decoding unit 1530, and a first encoding unit 1550.
  • the AI decoder 1530 may include a parser 1531, a first decoder 1532, an AI upscaler 1533, and an AI setter 1534.
  • the receiving unit 1510, the AI decoding unit 1530, and the first encoding unit 1550 shows the receiving unit 1510, the AI decoding unit 1530, and the first encoding unit 1550 as separate devices, but the receiving unit 1510, the AI decoding unit 1530, and the first encoding unit 1550 It can be implemented through a single processor. In this case, it may be implemented as a dedicated processor, or may be implemented through a combination of S/W and a general-purpose processor such as an AP, CPU, or GPU. In addition, a dedicated processor may include a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the receiving unit 1510, the AI decoding unit 1530, and the first encoding unit 1550 may be configured with a plurality of processors. In this case, it may be implemented with a combination of dedicated processors, or it may be implemented with a combination of S/W and a plurality of general-purpose processors such as APs, CPUs, or GPUs.
  • the receiving unit 1510 and the parsing unit 1531 are implemented with a first processor
  • the first decoding unit 1532 is implemented with a second processor different from the first processor
  • the AI upscaler 1533 is implemented with a third processor different from the first and second processors
  • the first encoder 1550 is implemented with a fourth processor different from the first processor, the second processor, and the third processor.
  • the receiving unit 1510 receives AI-encoded data obtained as a result of AI encoding and importance information of the first electronic device from the first electronic device participating in the video conference.
  • AI-encoded data may be a video file having a file format such as mp4 or mov.
  • the AI-encoded data obtained by the receiving unit 1510 from the first electronic device is data related to the first image obtained by AI downscaling the original image by the first electronic device.
  • the receiving unit 1510 may receive AI-encoded data transmitted from the first electronic device and importance information of the first electronic device through a communication network.
  • the receiving unit 1510 outputs AI encoded data and importance information to the parsing unit 1531 of the AI decoding unit 1530.
  • the importance information may be included in AI data of AI-encoded data and transmitted. In one embodiment, the importance information may be received from the first electronic device as meta data separately from the AI-encoded data.
  • the AI-encoded data and importance information of the first electronic device are bypassed through the server 1500 and transmitted to the second electronic device. That is, the server only serves to transmit files. Whether or not the second electronic device supports AI upscaling may be determined by whether AI data is included in data transmitted from the second electronic device to the server or whether information indicating that AI upscaling is supported is received.
  • the parsing unit 1531 parses the AI-encoded data and transfers the video data generated as a result of the first encoding of the video conference video to the first decoding unit 1532, and the AI data and importance information to the AI setting unit 1534. convey Since AI data is acquired from the first electronic device, it can be known that the first electronic device supports AI downscaling.
  • the parsing unit 1531 may parse image data and AI data separately included in AI-encoded data.
  • the parsing unit 1531 may read a header in the AI-encoded data and distinguish between AI data and image data included in the AI-encoded data.
  • the parsing unit 1331 may distinguish between AI data related to AI upscaling included in AI data and importance information for a video conference video.
  • AI-encoded data including AI data and image data separated from each other is omitted as described above with reference to FIG. 9 .
  • the parsing unit 1531 parses video data from AI-encoded data, extracts AI data from the video data, transfers the AI data to the AI setting unit 1534, and performs first decoding on the remaining video data. It can be passed to unit 1532. That is, AI data may be included in video data. For example, AI data may be included in supplemental enhancement information (SEI), which is an additional information area of a bitstream corresponding to video data.
  • SEI Supplemental Enhancement information
  • the parsing unit 1531 divides a bitstream corresponding to image data into a bitstream to be processed in the first decoding unit 1532 and a bitstream corresponding to AI data, and each of the divided bitstreams It can be output to the first decoding unit 1532 and the AI setting unit 1534.
  • the parsing unit 1531 acquires video data included in AI-encoded data through a predetermined codec (eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1). It can also be confirmed that it is image data. In this case, corresponding information may be transmitted to the first decoder 1532 so that the video data can be processed with the identified codec.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the first decoding unit 1532 restores a second video corresponding to the first video obtained by AI downscaling the video conference original video based on the video data received from the parsing unit 1531 .
  • the second image obtained by the first decoder 1532 is provided to the AI upscaler 1533.
  • the importance information from the AI setting unit 1534 is also provided to the AI upscaling unit 1533.
  • the AI upscaler 1533 provides the second image as it is to the first encoder 1550 according to the importance information or provides the third image obtained by AI upscaling the second image to the first encoder 1550. do.
  • the AI upscaler 1533 provides a third image obtained by AI upscaling the second image to the first encoder 1550, .
  • the second image is provided to the first encoder 1550.
  • the importance information may be flag information set to 1 if a user of another electronic device is a presenter and set to 0 if the user is a listener.
  • the server 1500 when starting a video conference, the server 1500 obtains and stores importance information of a first electronic device from a first electronic device participating in the video conference, and the second electronic device uses the importance information. , The server 1500 transmits the importance information to the second electronic device, and when the importance is changed, the server 1500 obtains and stores the changed importance information from the first electronic device, and the second electronic device transmits the importance information. When used, the server 1500 may transmit importance information to the second electronic device. That is, the importance information may not always be transmitted, but the changed importance information may be transmitted when a video conference starts and when there is a change in importance.
  • the server 1500 acquires and stores importance information of the first electronic device transmitted when the video conference starts, performs AI upscaling based on the importance information, .
  • the server 1500 transmits the received importance information of the first electronic device or the changed importance information of the first electronic device to the second electronic device when the video conference starts. .
  • first decoding-related information such as prediction mode information, motion information, and quantization parameter information may be provided from the first decoding unit 1532 to the AI setting unit 1534.
  • the first decoding related information may be used to obtain DNN setting information.
  • the AI data provided to the AI setting unit 1534 includes information enabling AI up-scaling of the second image.
  • the upscale target of the second image must correspond to the downscale target of the first DNN. Therefore, the AI data must include information capable of identifying the downscale target of the first DNN.
  • the information included in the AI data there are information on the difference between the resolution of the original video and the resolution of the first video obtained by AI downscaling the original video during video conference, and information related to the first video.
  • the difference information may be expressed as information about a degree of resolution conversion of the first image compared to the original image (eg, resolution conversion rate information).
  • the difference information may be expressed only with the resolution information of the original image.
  • the resolution information may be expressed as a horizontal/vertical screen size, or as a ratio (16:9, 4:3, etc.) and a size on one axis.
  • it may be expressed in the form of an index or flag.
  • the first image-related information may include information on at least one of a resolution of the first image, a bit rate of image data obtained as a result of the first encoding of the first image, and a codec type used in the first encoding of the first image.
  • the AI setting unit 1534 may determine an upscale target of the second image based on at least one of difference information included in the AI data and information related to the first image.
  • the upscaling target may indicate, for example, to what resolution the second image should be upscaled.
  • the AI upscaler 1533 AI upscales the second image through a second DNN to obtain a third image corresponding to the upscale target.
  • the AI setting unit 1534 determines an upscaling target and the AI upscaling unit 1533 AI upscaling the second video according to the upscaling target will be described.
  • the AI setting unit 1534 may store a plurality of DNN setting information that can be set in the second DNN.
  • the DNN configuration information may include information on at least one of the number of convolution layers included in the second DNN, the number of filter kernels for each convolution layer, and parameters of each filter kernel.
  • a plurality of DNN configuration information may correspond to various upscale targets, and the second DNN may operate based on the DNN configuration information corresponding to a specific upscale target.
  • the second DNN may have a different structure according to DNN configuration information.
  • the second DNN may include three convolutional layers according to certain DNN configuration information, and the second DNN may include four convolutional layers according to other DNN configuration information.
  • the DNN configuration information may include only parameters of a filter kernel used in the second DNN.
  • the structure of the second DNN is not changed, but only parameters of an internal filter kernel may be changed according to the DNN configuration information.
  • the AI setting unit 1534 may obtain DNN setting information for AI upscaling of the second image from among a plurality of DNN setting information.
  • Each of the plurality of DNN setting information used herein is information for acquiring a reconstructed image having a predetermined resolution and/or a predetermined quality, and is trained in association with the first DNN.
  • one piece of DNN setting information among a plurality of DNN setting information is a reconstructed image having a resolution twice as large as the resolution of the second image, for example, a third image of 1080p that is twice as large as the second image of 540p. It may include information for acquiring or information for acquiring a reconstructed image having a resolution four times larger than the resolution of the second image, for example, a third image of 1080p four times larger than the second image of 270p.
  • each DNN can be trained in consideration of the resolution of an image used in a video conference. For example, when the size of the original video used in video conferencing is 1080p, the DNN for AI downscaling mainly produces a first video of 540p having a size of 1/2 of the original video or a size of 1/4 of the original video. , and the DNN for AI upscaling may be trained to output a 540p second image or a 1080p third image from a 270p second image.
  • Each of the plurality of DNN setting information is created in association with the DNN setting information of the first DNN of the other electronic device, and the AI setting unit 1534 sets the plurality of DNN settings according to the scaling ratio corresponding to the scaling ratio of the DNN setting information of the first DNN. Acquire one DNN setting information among DNN setting information. To this end, the AI setting unit 1534 needs to check the information of the first DNN.
  • the server 1500 receives AI data including information of the first DNN from an electronic device participating in a video conference.
  • the AI setting unit 1534 uses information received from electronic devices participating in the video conference to check information targeted by the DNN setting information of the first DNN used to acquire the first video, and It is possible to obtain DNN setting information of the second DNN trained in conjunction with .
  • DNN setting information for AI upscaling of the second image is obtained from among the plurality of DNN setting information
  • the DNN setting information is transmitted to the AI upscaler 1533, and based on the second DNN operating according to the DNN setting information Input data can be processed.
  • the AI upscaler 1533 obtains any one DNN setting information
  • the first convolution layer 310 and the second convolution layer 330 of the second DNN 300 shown in FIG. ) and the third convolution layer 350 the number of filter kernels included in each layer and parameters of the filter kernels are set to values included in the obtained DNN configuration information.
  • the AI upscaler 1533 sets the parameters of the 3 X 3 filter kernel used in any one convolution layer of the second DNN shown in FIG. 4 to ⁇ 1, 1, 1, 1, 1, 1 , 1, 1, 1 ⁇ , and when there is a change in the DNN configuration information, the parameters of the filter kernel included in the changed DNN configuration information are ⁇ can be replaced.
  • the AI setting unit 1534 may obtain DNN setting information for upscaling the second image from among a plurality of DNN setting information based on information included in the AI data. explain in detail.
  • the AI setting unit 1534 may obtain DNN setting information for upscaling the second image from among a plurality of DNN setting information based on difference information included in AI data. For example, when it is determined that the resolution of the original image (eg, 1080p) is twice as large as the resolution (eg, 540p) of the first image based on the difference information, the AI setting unit 1534 It is possible to obtain DNN setting information capable of doubling the resolution of 2 images.
  • the AI setting unit 1534 may obtain DNN setting information for AI upscaling a second image among a plurality of DNN setting information based on information related to the first image included in the AI data.
  • the AI setting unit 1534 may pre-determine a mapping relationship between the image-related information and the DNN setting information, and obtain DNN setting information mapped to the first image-related information.
  • a plurality of DNN setting information for AI downscaling and a plurality of DNN setting information for AI upscaling may be obtained through the training process described with reference to FIGS. 11 and 12 described above.
  • one DNN setting information for AI downscaling and one DNN setting information for AI upscaling may be obtained through the training process described with reference to FIGS. 11 and 12 described above. That is, a pair of DNN setting information may be acquired for AI downscaling and AI upscaling, and in this case, one DNN setting information for AI upscaling may be stored in the AI setting unit.
  • the AI setting unit 1534 is one DNN setting information for AI up-scaling the second image corresponding to the downscaled first image of 540p to the third image of 1080p based on the information included in the AI data. can be obtained.
  • the information included in the AI data is information indicating that the image data transmitted together is for an image obtained through AI downscaling, and the AI setting unit 1534 converts one DNN setting information stored in the AI setting unit to AI upscaling. It is provided to the scale part 1533.
  • the AI upscaling unit 1533 acquires a third image by performing AI upscaling based on the DNN setting information provided from the AI setting unit 1534, and provides the third image to the first encoding unit 1550.
  • the AI upscaler 1533 converts the DNN setting information provided from the AI setting unit 1534 into a 1080p third image corresponding to a 540p first image downscaled from a 1080p original image.
  • One predetermined DNN setting information for AI upscaling ie, DNN setting information with a scaling factor of 2
  • one predetermined DNN setting information AI upscaling is performed twice using , to obtain a third image of 1080p, and the third image is provided to the first encoder 1550.
  • the reason for performing AI upscaling twice is to match the resolution of the third image to the original image.
  • the AI upscaler 1533 AI upscales the second image corresponding to the downscaled first image of 540p to the third image of 1080p based on the DNN setting information provided from the AI setting unit 1534. If the first image is 270p and the original image is 1080p and the importance is low, AI upscaling is not performed and the second image of 270p is provided to the first encoder 1550. .
  • the AI upscaler 1533 AI upscales the second image corresponding to the downscaled first image of 540p to the third image of 1080p based on the DNN setting information provided from the AI setting unit 1534. If the first image is 270p and the original image is 1080p and the importance is low, AI upscaling is performed once using the predetermined DNN setting information to obtain a third image of 540p. is obtained, and the third image is provided to the first encoder 1550.
  • the AI upscaling unit 1533 provides the second image to the first encoding unit 1550 without performing AI upscaling based on the importance information provided from the AI setting unit 1534.
  • the first encoder 1550 first encodes the second image corresponding to the downscaled image of the first electronic device participating in the video conference provided by the AI upscaler 1533 to obtain second image data; Third image data obtained by first encoding a third image corresponding to the original image provided from the AI upscaler 1533 is acquired.
  • the first encoder 1550 transmits the second image data or the third image data to the second electronic device participating in the video conference.
  • 16 is a block diagram illustrating a configuration of a server for managing a video conference that AI downscales a video conference video according to an exemplary embodiment
  • a server 1600 may include a parsing unit 1610, a first decoding unit 1620, an AI encoding unit 1630, and a transmission unit 1640.
  • the AI encoder 1630 may include an AI downscaling unit 1631, a first encoding unit 1632, a data processing unit 1633, and an AI setting unit 1634.
  • the parsing unit 1610, the first decoding unit 1620, the AI encoding unit 1630, and the transmission unit 1640 may be implemented through one processor.
  • it may be implemented as a dedicated processor, or may be implemented through a combination of S/W and a general-purpose processor such as an AP, CPU, or GPU.
  • a dedicated processor may include a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory.
  • the parsing unit 1610, the first decoding unit 1620, the AI encoding unit 1630, and the transmission unit 1640 may include a plurality of processors. In this case, it may be implemented with a combination of dedicated processors, or it may be implemented with a combination of S/W and a plurality of general-purpose processors such as APs, CPUs, or GPUs.
  • the parsing unit 1610 is implemented by a first processor
  • the first decoding unit 1620 is implemented by a second processor different from the first processor
  • the AI encoding unit 1630 is implemented by the first processor and the second processor. It may be implemented with a third processor different from the second processor
  • the transmitter 1640 may be implemented with a first processor, a second processor, and a fourth processor different from the third processor.
  • the parsing unit 1610 obtains fourth image data and importance information from a third electronic device. Since the server 1600 does not need to perform AI downscaling when the third electronic device supports AI downscaling, the fourth image data acquired by the server 1600 from the third electronic device is an image of the original image. It is data.
  • the server 1600 transmits the AI-encoded data of the first image obtained by AI downscaling the original video of the third electronic device and the importance information to the second electronic device regardless of the importance information. send.
  • the server 1600 determines whether to perform AI downscaling of the original video of the third electronic device based on the importance information, and if the importance is high, the server 1600 determines whether to perform AI downscaling of the original video of the third electronic device.
  • the fourth image data of or image data generated by newly first encoding the original image is transmitted to the second electronic device, and if the importance is low, the fifth image data of the image obtained by AI downscaling the original image of the third electronic device is transmitted to the second electronic device.
  • the server 1500 transmits the acquired AI-encoded data acquired from the first electronic device to the second electronic device as it is, and the second electronic device performs AI upscaling. If not supported, the third image data for the third image obtained by performing AI upscaling according to the importance of the first electronic device is transmitted to the second electronic device, or AI downscaled second image data is not performed without performing AI upscaling. The second image data for the 2 images is transmitted to the second electronic device.
  • the server 1600 transmits AI-encoded data obtained by AI downscaling the original video of the third electronic device to the second electronic device, or the second electronic device If AI upscaling is not supported, the fifth image data for the first image obtained by performing AI downscaling according to the importance of the third electronic device is transmitted to the second electronic device, or AI downscaling is not performed, The fourth image data corresponding to the original image is transmitted to the second electronic device.
  • the server 1500 of FIG. 15 and the server 1600 of FIG. 16 are components that perform different roles in a server managing a video conference in which the first electronic device, the second electronic device, and the third electronic device participate. , and are the same server.
  • the parsing unit 1610 needs to decode image data into images in order to perform AI downscaling
  • the fourth image data for the original image is provided to the first decoder 1620 and importance information is provided to the AI setting unit. (1634).
  • the importance information may be included in fourth image data of the original image and transmitted. Also, the importance information may be transmitted as metadata separately from the fourth image data for the original image.
  • the first decoder 1620 decodes video data (fourth video data) of the original video of the third electronic device, restores the original video of the video conference, and provides it to the AI downscaling unit 1631.
  • the AI encoder 1630 performs AI down-scaling of the original video of the third electronic device participating in the video conference and AI down-scaled first image. First encoding is performed, and the AI-encoded data and importance information are delivered to the transmission unit 1640.
  • the AI encoder 1630 may use the third electronic device participating in the video conference based on the importance information received from the parsing unit 1610 when the second electronic device participating in the video conference does not support AI upscaling. Determines whether to perform AI downscaling of the original video of , performs first encoding of the original video or the AI downscaled first video according to the importance information, and transmits the AI-encoded data and the importance information to the transmission unit 1640 .
  • the AI-encoded data is fourth image data of the original image or fifth image data of the AI downscaled first image, and does not include AI data related to AI downscaling. This is because AI data is not required because the second electronic device does not support AI upscaling.
  • the transmission unit 1640 transmits the AI-encoded data and the importance information to the second electronic device participating in the video conference.
  • the fourth image data includes data obtained as a result of first encoding the original image
  • the fifth image data includes data obtained as a result of first encoding the first image.
  • the fourth image data or the fifth image data is data obtained based on pixel values in the original image or the first image, for example, residual data that is a difference between the original image and prediction data of the original image or the first image and the first image data. It may include residual data that is a difference between the predicted data of the first image.
  • the fourth image data or the fifth image data includes information used in the first encoding process of the original image or the first image, respectively.
  • the fourth image data or the fifth image data may include prediction mode information, motion information, and a quantization parameter used for first encoding the original image or the first image, respectively. It may include related information, etc.
  • the AI data includes information enabling the AI upscaling unit 1333 of the electronic device 1300 to AI upscale the second image to an upscaling target corresponding to the downscaling target of the first DNN.
  • the AI data may include difference information between the original image and the first image.
  • the AI data may include information related to the first image.
  • the first image related information may include information on at least one of a resolution of the first image, a bit rate of image data obtained as a result of the first encoding of the first image, and a codec type used in the first encoding of the first image.
  • the AI data may include an identifier of mutually promised DNN setting information so that the second image can be AI upscaled to an upscale target corresponding to a downscale target of the first DNN.
  • the AI data may include DNN setting information that can be set in the second DNN.
  • the AI downscaling unit 1631 may obtain an AI downscaled first image from the original image through the first DNN regardless of importance information.
  • the AI downscaling unit 1631 may perform AI downscaling of the original video using DNN setting information provided from the AI setting unit 1634.
  • the AI downscaling unit 1631 determines whether to perform AI downscaling based on the importance information provided from the AI setting unit 1634 when the second electronic device does not support AI upscaling.
  • the AI downscaling unit 1631 provides the original video to the first encoding unit 1632 without performing AI downscaling.
  • the AI downscaler 1631 may obtain an AI downscaled first image from the original image through the first DNN.
  • the AI downscaling unit 1631 may perform AI downscaling of the original video using DNN setting information provided from the AI setting unit 1634.
  • Whether or not the second electronic device supports AI upscaling may be determined based on whether the server 1600 acquires AI data from the second electronic device or AI upscaling support information obtained from the second electronic device.
  • the AI setting unit 1634 may determine a downscale target of the original video based on a predetermined criterion.
  • the AI setting unit 1634 may provide the importance information received from the parsing unit 1610 to the AI downscaling unit 1631 to determine whether to perform AI downscaling.
  • the AI setting unit 1634 may store a plurality of DNN setting information that can be set in the first DNN.
  • the AI setting unit 1634 obtains DNN setting information corresponding to a downscale target from among a plurality of DNN setting information, and provides the obtained DNN setting information to the AI downscaling unit 1631.
  • Each of the plurality of DNN setting information may be trained to acquire a first image having a predetermined resolution and/or a predetermined quality.
  • any one DNN setting information among a plurality of DNN setting information is a first image having a resolution 1/2 smaller than the resolution of the original image), for example, 540p 1/2 smaller than the original image of 1080p. It may include information for acquiring the first image of , or information for acquiring the first image of 270p, which is 1/4 times smaller than the original image of 1080p.
  • the AI setting unit 1634 may provide the AI downscaling unit 1631 with DNN setting information obtained by combining selected parts of the lookup table values according to the downscaling target.
  • the AI configuration unit 1634 may determine the structure of the DNN corresponding to the downscale target and obtain DNN configuration information corresponding to the determined structure of the DNN, for example, filter kernel parameters.
  • the plurality of DNN setting information for AI downscaling of the original video may have an optimized value by performing joint training of the first DNN and the second DNN.
  • each DNN configuration information includes at least one of the number of convolution layers included in the first DNN, the number of filter kernels for each convolution layer, and parameters of each filter kernel.
  • the AI downscaling unit 1631 may set the first DNN with DNN setting information determined for AI downscaling of the original video, and obtain a first video having a predetermined resolution and/or a predetermined quality through the first DNN.
  • DNN setting information for AI downscaling of an original video is obtained from among a plurality of DNN setting information
  • each layer in the first DNN may process input data based on information included in the DNN setting information.
  • the AI setting unit 1634 may store one DNN setting information that can be set in the first DNN to acquire the first image. For example, the AI setting unit 1634 obtains one DNN setting information for AI downscaling a 1080p original video to a first 540p video, and the AI downscaling unit 1631 uses the acquired DNN setting information.
  • the downscale target may indicate, for example, how much the first image whose resolution is reduced from the original image should be acquired.
  • the AI setting unit 1634 obtains one or more pieces of input information.
  • the target resolution of the first image, the target bitrate of the image data, the bitrate type of the image data eg, variable bitrate type, constant bitrate type or average bitrate type, etc.
  • AI downscaling is applied At least one of a color format (luminance component, chrominance component, red component, green component, blue component, etc.), codec type for first encoding of the first image, compression history information, original image resolution, and original image type can do.
  • One or more pieces of input information may include information previously stored in the server 1600 or input from a user.
  • the AI setting unit 1634 controls the operation of the AI downscaling unit 1631 based on the input information.
  • the AI setting unit 1634 may determine a downscale target according to input information and provide DNN setting information corresponding to the determined downscale target to the AI downscaling unit 1631 .
  • the AI setting unit 1634 transfers at least a portion of the input information to the first encoding unit 1632 so that the first encoding unit 1632 has a bit rate of a specific value, a bit rate of a specific type, and a specific codec.
  • the first image may be subjected to first encoding.
  • the AI setting unit 1634 may include compression rate (eg, resolution difference between the original video and the first video, target bitrate), compression quality (eg, bitrate type), compression history information, and A downscale target may be determined based on at least one type of original video.
  • the AI setting unit 1634 may determine a downscale target based on a compression rate or compression quality that is preset or input from a user.
  • the AI setting unit 1634 may determine a downscale target using compression history information stored in the server 1600 .
  • the encoding quality or compression rate preferred by the participants in the video conference may be determined, and the downscale target may be set according to the encoding quality determined based on the compression history information.
  • the resolution and quality of the first image may be determined according to the most frequently used encoding quality according to the compression history information.
  • the AI setting unit 1634 determines the encoding quality that has been used more than a predetermined threshold value (eg, the average quality of encoding qualities that have been used more than a predetermined threshold value) according to the compression history information. Based on this, a downscale target may be determined.
  • a predetermined threshold value eg, the average quality of encoding qualities that have been used more than a predetermined threshold value
  • the AI setting unit 1634 may determine a downscale target based on the resolution and type (eg, file format) of the original video.
  • the AI setting unit 1634 independently acquires DNN setting information for each of a predetermined number of frames, and the independently acquired DNN setting information is used by the AI downscaling unit 1631 ) can also be provided.
  • the AI setting unit 1634 may divide the frames constituting the original video into a predetermined number of groups, and independently obtain DNN setting information for each group.
  • the same or different DNN setting information may be obtained for each group.
  • the number of frames included in the groups may be the same or different for each group.
  • the AI setting unit 1634 may independently determine DNN setting information for each frame constituting the original video. The same or different DNN configuration information may be obtained for each frame.
  • the exemplary structure of the first DNN which is the basis of AI downscaling, is omitted as described above in FIG. 8 .
  • the AI downscaling unit 1631 may include at least one ALU for convolution operation and activation layer operation.
  • An ALU may be implemented as a processor.
  • the ALU may include a multiplier for performing a multiplication operation between sample values of a feature map output from an original image or a previous layer and sample values of a filter kernel, and an adder for adding multiplication result values.
  • the ALU is a multiplier that multiplies input sample values with weights used in a predetermined sigmoid function, Tanh function, or ReLU function, and compares the multiplication result with a predetermined value to obtain an input sample value.
  • a comparator for determining whether to transfer to the next layer may be included.
  • the AI downscaling unit 1631 AI downscales the original video based on one DNN setting information for AI downscaling the 1080p original video provided by the AI setting unit 1634 to the first 540p video. do.
  • the AI downscaling unit 1631 receives additional importance information from the AI setting unit 1634 and converts the 1080p original video into a 540p first video in order to further reduce data usage in the case of an original video having low importance.
  • a first image of 270p may be obtained by performing AI downscaling twice using one DNN setting information for AI downscaling with .
  • the AI downscaling unit 1631 AI downscales the 1080p original video provided by the AI setting unit 1634 to the first 540p video regardless of the importance, based on one DNN setting information. AI downscales 2 times. In this case, data usage may be further reduced by AI downscaling the 1080p original video to the 270p first video.
  • the AI setting unit 1634 transfers AI data to the data processing unit 1613 .
  • the AI data includes information enabling the AI upscaling unit 1333 of the electronic device to AI upscale the second image to an upscale target corresponding to the downscale target of the first DNN.
  • the first encoder 1632 receiving the first image from the AI downscaler 1631 first encodes the first image according to a frequency conversion-based image compression method to reduce the amount of information of the first image. .
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • Image data is obtained according to the rules of a predetermined codec, that is, syntax.
  • the image data may include residual data that is a difference between a first image and predicted data of the first image, prediction mode information used for first encoding the first image, motion information, and used for first encoding the first image. quantization parameter related information, etc. may be included.
  • Image data obtained as a result of the first encoding of the first encoder 1632 is provided to the data processor 1633 .
  • the AI setting unit 1634 obtains importance information indicating whether the user of the third electronic device is a presenter or a listener and transmits it to the data processing unit 1633 .
  • the AI setting unit 1634 may transmit importance information by including it in AI data.
  • the AI setting unit 1634 acquires the importance information as metadata separate from the AI-encoded data and transmits it to the data processing unit 1633.
  • the first encoder 1632 obtains a first image by AI downscaling the original image using a DNN for downscaling, regardless of the importance of the third electronic device. and transmits fifth image data obtained by first encoding the first image to the data processing unit 1633.
  • the first encoder 1632 converts fourth image data or image data generated by newly encoding the original image.
  • data processing unit 1633 and if the second electronic device does not support AI upscaling and the importance of the third electronic device indicates a listener, the original video is AI downscaled using the downscale DNN to obtain the first video is obtained, and the fifth image data obtained by first encoding the first image is transmitted to the data processing unit 1633.
  • the data processing unit 1633 may perform AI-encoded data including the fifth image data received from the first encoding unit 1632 and the AI data received from the AI setting unit 1634. generate Also, if the second electronic device does not support AI upscaling, the data processor 1633 does not include AI data and includes one of the fourth image data or the fifth image data received from the first encoder 1632. Generates AI-encoded data that
  • the data processing unit 1633 may generate AI-encoded data including image data and AI data in a separated state.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) within an HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • the data processing unit 1633 may include AI data in image data obtained as a result of the first encoding by the first encoding unit 1632 and generate AI-encoded data including the corresponding image data. .
  • the data processing unit 1633 may combine a bitstream corresponding to image data and a bitstream corresponding to AI data to generate image data in the form of a bitstream.
  • the data processor 1413 may express AI data as bits having a value of 0 or 1, that is, as a bitstream.
  • the data processor 1633 may include a bitstream corresponding to AI data in supplemental enhancement information (SEI), which is an additional information area of the bitstream obtained as a result of the first encoding.
  • SEI Supplemental Enhancement Information
  • AI-encoded data is transmitted to the transmitter 1640.
  • the transmission unit 1640 transmits AI-encoded data obtained as a result of AI-encoding through a network.
  • the AI encoded data is magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. medium) and the like may be stored in a data storage medium.
  • the data processing unit 1633 transmits AI-encoded data based on AI data including importance information to the transmission unit 1640.
  • the data processing unit 1633 transmits the importance information to the transmission unit 1640 together with the AI-encoded data.
  • the transmission unit 1640 transmits AI-encoded data obtained as a result of AI-encoding and importance information through a network.
  • the importance information is generated when a third electronic device first participates in a video conference, transmitted to and stored in the server 1600, and the server 1600 determines that the stored importance information can be used by the second electronic device. It can be transmitted to the second electronic device.
  • the changed importance information is transmitted to and stored in the server 1600, and the server 1600 allows the second electronic device to use the changed importance information. It can be transmitted to the second electronic device.
  • the AI setting unit 1634 does not transmit importance information and AI data to the data processing unit 1633 if the second electronic device does not support AI upscaling.
  • the second electronic device only decodes and displays the image data transmitted from the server, and there is no need to perform any operation based on the importance and AI data.
  • the data processing unit 1633 transmits AI-encoded data based on image data not including AI data to the transmission unit 1640 .
  • the transmission unit 1640 transmits the fourth image data of the original image or the fifth image data of the first image to the second electronic device through the network.
  • 17 is a diagram for explaining a data transmission relationship between an electronic device and a server in a conventional video conference.
  • an electronic device 1710 of participant (presenter) A an electronic device 1720 of participant (listener) B, and an electronic device 1730 of participant (listener) C
  • AI downscaling and AI upscaling of data are not used, and the video conference video of each electronic device is transmitted to other electronic devices through the server at a fixed bit rate and resolution. is played
  • the electronic device of presenter A transmits the video data of the 1080p resolution video of presenter A to the server at 10 Mbps
  • the server transmits the video data of the 1080p resolution video of presenter A to the electronic devices of listeners B and listener C.
  • the data is transmitted at 10 Mbps
  • the electronic device of listener B transmits the video data of the 1080p resolution video of listener B to the server at 10 Mbps
  • the server transmits the video data of the 1080p resolution video of listener B to the electronic devices of presenter A and listener C.
  • the video data of the video of the listener C is transmitted at 10 Mbps, and the electronic device of the listener C transmits the video data of the video of the 1080p resolution of the listener C to the server at 10 Mbps. Transmits video data of 1080p resolution video at 10Mbps.
  • a plurality of electronic devices transmit and receive video conference images at a fixed bit rate and resolution through communication with a server.
  • 18 is a diagram for explaining a data transmission relationship between an electronic device supporting AI downscaling and AI upscaling in a videoconference and a server according to an embodiment.
  • an electronic device 1810 of participant (presenter) A, an electronic device 1820 of participant (listener) B, and an electronic device 1830 of participant (listener) C are Since both support AI downscaling and AI upscaling, the video conference video of each participant is AI downscaled and transmitted, and the AI downscaled video is AI upscaled and displayed as needed. Accordingly, the usage of uploading and downloading data of electronic devices participating in the video conference is reduced and image quality is maintained.
  • Electronic devices of the participants in the video conference AI downscale the video conference video and transmit it to the server. Since the electronic devices support both AI downscaling and AI upscaling, the server transmits the AI downscaled image of each electronic device to other electronic devices as it is.
  • participant A Since participant A is a presenter, the quality of the video is more important than that of the other participants B and C, who are listeners, and since the video of speaker A may contain a lot of important information, the electronic devices of other listeners B and C are the electronic devices of presenter A.
  • the AI downscaled video conference video of presenter A which was transmitted by bypass through the server from A, is AI upscaled, restored to the original picture quality, and displayed.
  • the AI downscaled video conference video of listeners B and C is transmitted from the electronic devices of listeners B and C through the server as a bypass from the electronic devices of presenter A. is displayed as it is without AI upscaling.
  • the electronic devices of listeners B and C respectively display AI downscaled video conference images of C and B as they are without AI upscaling.
  • the presenter A's electronic device 1810 applies AI downscaling to the 1080p and 10Mbps video conference video, transmits video data and AI data for the 540p and 5 Mbps video conference video to the server 1850
  • B's electronic device 1820 applies AI downscaling to 1080p and 10Mbps video conference video, transmits video data and AI data for 540p and 5 Mbps video conference video to the server 1850
  • listener C's electronic device (1830) applies AI downscaling to 1080p and 10 Mbps video conference video and transmits video data and AI data for 540p and 5 Mbps video to the server 1850.
  • the server 1850 transmits image data and AI data for AI downscaled images received from each electronic device to other electronic devices as they are. That is, the server 1850 transmits video data and AI data for a 540p and 5Mbps video of listener B and video data and AI data for a 540p and 5Mbps video of listener C to the electronic device 1810 of presenter A, , Video data and AI data for the 540p and 5Mbps video of the presenter A and video data and AI data for the 540p and 5Mbps video of the listener C are transmitted to the electronic device 1820 of listener B, and the electronic device of listener C In (1830), video data and AI data for 540p and 5Mbps video of presenter A and video data and AI data for 540p and 5Mbps video of listener B are transmitted.
  • the electronic device 1810 of presenter A transmits the transmitted 540p and 5 Mbps video of listener B and 540p of listener C.
  • the importance of the electronic device may be changed by an input of the electronic device.
  • participant B executes an input that activates the raise hand function (eg, clicking the raise hand button) while presenter A is presenting
  • participant B's importance is changed to indicate that participant B is the presenter
  • the presenter The importance of A is changed to indicate that speaker A is a listener.
  • the electronic device 1820 of participant B who became the presenter displays the 540p video conference video of participant A who was the presenter as it is without AI upscaling
  • the electronic device 1810 of listener A and the electronic device of listener C ( 1830) AI upscales the 540p video conference video of participant B, who has been changed to the presenter, according to the change in importance, and displays the 1080p video conference video.
  • the electronic device 1830 of listener B displays the 540p video conference video of participant C, who has been changed to the presenter, as a 1080p video conference video by AI upscaling according to the importance change.
  • participant B executes an input granting the right to present to another participant B
  • participant B is changed to a presenter
  • participant A's electronic device 1810 and participant C's electronic device 1830 are presenter B
  • the AI downscaled video of is upscaled by AI and displayed as a 1080p video conference video.
  • a plurality of electronic devices set as presenters may be provided.
  • all videos set as the presenter can be AI upscaled to original videos.
  • the importance of another electronic device is determined through importance information obtained from another electronic device through a server.
  • the importance information may be included in AI data obtained from other electronic devices and may be transmitted separately.
  • the importance information is transmitted through the server and stored in each electronic device for use.
  • the changed importance information is transmitted again through the server and stored in each electronic device for use. It can be.
  • the importance information is set to 1 if the user of the electronic device is a presenter and set to 0 if the user is a listener, so that if the importance information indicates 1, AI upscaling is performed, and if the importance information indicates 0, AI upscaling is not performed.
  • 19 is an electronic device that supports AI downscale and AI upscale in a video conference, an electronic device that does not support AI downscale and AI upscale, and a server that supports AI downscale and AI upscale according to an embodiment. It is a diagram for explaining the data transmission relationship between
  • the electronic device 1920 of participant (listener) B and the electronic device 1930 of participant (listener) C do not support AI downscale and AI upscale, and the electronic device 1910 of participant (presenter) A is assumed to support AI downscale and AI upscale.
  • the electronic device 1920 of participant (listener) B and the electronic device 1930 of participant (listener) C do not support AI downscaling, so the electronic device of listener B (1920) and the electronic device (1930) of the listener C transmit the original video conference video to the server (1950) as it is.
  • the electronic device 1910 of participant (presenter) A supports AI downscaling
  • the electronic device 1910 of presenter A transmits the AI downscaled video to the server 1950 .
  • the server 1950 also supports AI downscaling, the server 1950 performs AI downscaling of the original images of the electronic device 1920 of listener B and the electronic device 1930 of listener C, which are transmitted.
  • participant A Since participant A is a presenter, the video conference video of the presenter A's electronic device is of high importance, and participants B and C, who are listeners, do not support AI upscaling, so the server 1950 transmits the AI transmitted from the presenter A's electronic device 1910.
  • the AI upscaling of the downscaled video and the reconstructed video are transmitted to the electronic device 1920 of listener B and the electronic device 1930 of listener C that do not support AI upscaling.
  • the server 1950 AI downscales the original video obtained from the electronic device 1920 of listener B and transmits the AI downscaled video to the electronic device 1910 of presenter A and the electronic device 1930 of listener C.
  • the server 1950 AI downscales the original video acquired from the electronic device 1930 of listener C and transmits the AI downscaled video to the electronic device 1910 of presenter A and the electronic device 1920 of listener B. do.
  • the electronic device 1910 of presenter A transmits image data and AI data for a first image of 540p and 5Mbps obtained by applying AI downscale to an original image of 1080p and 10Mbps to the server 1950
  • the electronic device 1920 of listener B transmits video data for the original video of 1080p and 10 Mbps to the server 1950
  • the electronic device 1930 of listener C transmits video data of the original video of 1080p and 10 Mbps to the server ( 1950) to be transmitted.
  • the server 1950 transmits image data and AI data for the first image obtained by AI downscaling the original video of 1080p and 10 Mbps from the electronic device of listener B to the first image of 540p and 5 Mbps by AI downscaling the original video of 1080p and 10 Mbps from the electronic device of speaker A (1910 ), and the video data and AI data for the first video obtained by AI downscaling the original video of 1080p and 10Mbps of listener C to the first video of 540p and 5Mbps are transmitted to the electronic device 1910 of presenter A. do.
  • the server 1950 transmits image data for a third image obtained by AI upscaling a 540p and 5Mbps first video of participant A, a presenter with a high importance, to 1080p and 10Mbps by the server and 1080p and 10Mbps of a listener C's electronic device.
  • the video data for the first video obtained by AI downscaling the original video of 540p and 5 Mbps to the first video is transmitted to the electronic device 1920 of listener B, and the server 1950 is presenter A, who is a presenter of high importance.
  • Image data for the third image obtained by AI upscaling the first video of 540p and 5Mbps to 1080p and 10Mbps and the original video of 1080p and 10Mbps of the listener B's electronic device AI downscaled to the first video of 540p and 5Mbps Image data of the first image obtained by scaling is transmitted to the electronic device 1930 of listener C.
  • the presenter A's electronic device 1910 transmits 540p and 5 Mbps of the transmitted listener B based on the importance information. 1 video and the first video of 540p and 5 Mbps of listener C are displayed without AI upscaling.
  • the electronic device 1920 of listener B does not support AI upscaling.
  • the server 1950 receives and displays video data of a third video of 1080p and 10Mbps obtained by AI upscaling the first video of 540p and 5Mbps of presenter A, and displays the video data of the third video of 540p and 5Mbps of listener C. Image data of the first image is received and displayed.
  • the electronic device 1930 of listener C does not support AI upscaling.
  • the server 1950 receives and displays the video data of the third video of 1080p and 10Mbps obtained by AI upscaling the first video of 540p and 5Mbps of presenter A, and displays the video data of the third video of 540p and 5Mbps of listener B. Image data of the first image is received and displayed.
  • the electronic device 1920 of the participant B who has been changed to the presenter does not support AI upscaling, so the original video of presenter B is 1080p.
  • the server 1930 transmits the video data of the original video as it is without performing AI downscaling, and to the electronic device 1910 of listener A, the server 1950 transmits the original video of 1080p. Image data and AI data of the 540p first image obtained by AI downscaling are transmitted.
  • the electronic device 1930 of listener C restores the original video data and displays the original 1080p video
  • the electronic device 1910 of listener A AI upscales the AI downscaled first video based on the importance and displays the restored video.
  • a third image of 1080p is displayed. A specific example for this case will be described later with reference to FIG. 21 .
  • 20 is an electronic device supporting AI downscaling and AI upscaling in a video conference, an electronic device not supporting AI downscaling and AI upscaling, and a server supporting AI downscaling and AI upscaling according to another embodiment. It is a diagram for explaining the data transmission relationship between
  • the electronic device 2020 of participant (listener) B and the electronic device 2030 of participant (listener) C do not support AI downscale and AI upscale, and the electronic device 2010 of participant (presenter) A is assumed to support AI downscale and AI upscale.
  • the electronic device 2010 of the participant (presenter) A and the server 2050 that manages the video conference support AI downscaling and AI upscaling, and the remaining participants (listeners) ) Since the electronic device 2020 of B and the electronic device 2030 of participant (listener) C do not support AI downscale and AI upscale, the electronic device 2020 of listener B and the electronic device 2030 of listener C transmits the original video to the server 2050 as it is. However, the presenter A's electronic device 2010 transmits the AI downscaled video to the server 2050, and the server 2050 also transmits the received listener B's electronic device 2020 and listener C's electronic device 2030.
  • AI downscales the original videos to obtain AI downscaled videos and transmits them to other participants, reducing the amount of uploading data of the electronic device of participant A, the presenter, and downloading data of the electronic devices of other participants B and C. usage is reduced.
  • AI downscales only by 1/2, and the remaining listeners B and C have relatively low importance, so AI downscales by 1/4. Accordingly, images with relatively high importance are relatively less AI downscaled, so important information is better restored with less loss of information, and images with relatively lower importance are downscaled by AI more, resulting in higher data usage. can be reduced
  • the electronic device 2010 of presenter A transmits video data and AI data for a first video of 540p and 5 Mbps to which AI downscale is applied to the original video of 1080p and 10 Mbps to the server 2050, and
  • the electronic device 1620 transmits video data for the original video of 1080p and 10Mbps to the server 2050, and the electronic device 1630 of listener C transmits video data of the original video of 1080p and 10Mbps to the server 2050. send.
  • the server 2050 transmits the video data and AI data of the first video obtained by AI downscaling the original video of 1080p and 10 Mbps of listener B to the first video of 270p and 2.5 Mbps to the electronic device 2010 of presenter A. and AI downscales the original video of 1080p and 10Mbps of listener C to the first video of 270p and 2.5Mbps, and transmits video data and AI data obtained to presenter A's electronic device 2010.
  • the server 2050 transmits the image data of the third image obtained by AI upscaling the 540p and 5Mbps video of participant A, a presenter with high importance, to 1080p and 10Mbps, and the first video of 270p and 2.5Mbps of listener C. Transmits the video data to the electronic device 2020 of listener B, and the server 2050 AI upscales the first video of 540p and 5Mbps to 1080p and 10Mbps of participant A, a presenter with high importance, The video data and the video data of the first video of 270p and 2.5 Mbps of the listener B are transmitted to the electronic device 2030 of the listener C.
  • presenter A's electronic device 2010 Since presenter A's electronic device 2010 has relatively low importance to the images of listeners B and C, who are not presenters, the presenter A's electronic device 2010 transmits 270p and 2.5 Mbps of listener B based on the importance information.
  • the first video and the first video of 270p and 2.5 Mbps of listener C are displayed without AI upscaling, and in the electronic device 2020 of listener B, the video of participant A, the presenter, has a high importance, and the video of listener C has a high importance. Since is low, the electronic device 2020 of listener B, which does not support AI upscaling, is obtained by AI upscaling the first video of 540p and 5 Mbps of participant A by the server 2050 instead of the electronic device 2020 of listener B.
  • the video data of the third video of 1080p and 10Mbps is received and displayed, the video data of the first video of 270p and 2.5Mbps of the received listener C is received and displayed, and the electronic device 2030 of the listener C receives and displays the video data of the listener C. Since the video of participant A has a high importance and the video of listener B has a low importance, the electronic device 2030 of listener C, which does not support AI upscaling, uses the server 2050 as the presenter instead of the electronic device 2030 of listener C.
  • the video data of the third video of 1080p and 10Mbps obtained by AI upscaling the first video of 540p and 5Mbps of A is received and displayed, and the video data of the first video of 270p and 2.5Mbps of listener B transmitted is transmitted.
  • the degree of AI downscaling may vary according to importance. That is, the presenter's video with high importance is AI downscaled by 1/2, and the listener's video with low importance is AI downscaled by 1/4. In this case, the video of the presenter having a high importance may be restored as an original video, and the video of the listener having a low importance may be restored as an image of 1/2 resolution, which is twice as large.
  • 21 is an electronic device supporting AI downscaling and AI upscaling in a video conference, an electronic device not supporting AI downscaling and AI upscaling, and a server supporting AI downscaling and AI upscaling according to another embodiment; It is a diagram for explaining the data transmission relationship between
  • the electronic device 2120 of participant (presenter) B and the electronic device 2130 of participant (listener) C do not support AI downscaling and AI upscaling, and the electronic device 2110 of participant (listener) A is assumed to support AI downscale and AI upscale.
  • the electronic device 2110 of participant (listener) A and the server 2150 used for the video conference support AI downscaling and AI upscaling, and the remaining participants (presenters, ) Since the electronic device 2120 of B and the electronic device 2130 of participant (listener) C do not support AI downscale and AI upscale, the electronic device 2120 of presenter B and the electronic device 1730 of listener C transmits the original video to the server 2150 as it is. However, the electronic device 2110 of listener A transmits the AI downscaled video to the server 2150, and the server 2150 also transmits the electronic device 2120 of presenter B and the electronic device 2130 of listener C.
  • the AI downscaled images are obtained by AI downscaling the original images and transmitted to other participants, so that the amount of uploading data of participant A's electronic device is reduced and the amount of downloading data of other participants B and C's electronic devices is reduced. this is reduced
  • the video conference video of listener A is AI downscaled in the electronic device 2110 of listener A, and the AI downscaled video is sent to the server 2150. Since the electronic device 2120 of presenter B and the electronic device 2130 of listener C do not support AI downscaling, the original video of presenter B and the original video of listener C are transmitted to the server 2150.
  • the server 2150 transmits the AI downscaled video transmitted from the electronic device 2110 of listener A to the electronic device 2120 of presenter B and the electronic device 2130 of listener C, and the server 2150 sends the electronic device 2130 of listener C.
  • the server 2150 AI downscales the original video transmitted from the electronic device 2130 and transmits the first video to the electronic device 2110 of listener A and the electronic device 2120 of presenter B. Since participant B is a presenter, the importance is high. Therefore, the server 2150 transmits an AI downscaled image of the original video transmitted from the presenter B's electronic device 2120 to an electronic video of listener A that supports AI upscaling.
  • the server 2150 transmits the original video transmitted from the presenter B's electronic device 2120 to the listener C's electronic device 1730 that does not support AI upscaling.
  • the electronic device 2110 of the listener A transmits video data and AI data for a first video of 540p and 5 Mbps to which AI downscale is applied to the original video of 1080p and 10 Mbps to the server 2150, and
  • the electronic device 2120 transmits video data for the original video of 1080p and 10Mbps to the server 1750, and the electronic device 2130 of presenter C transmits the video data of the original video of 1080p and 10Mbps to the server 1750. send.
  • the server 2150 transmits video data and AI data of the first video obtained by AI downscaling the original video of 1080p and 10Mbps of presenter B to the first video of 540p and 5Mbps to the electronic device 2110 of listener A, , Image data and AI data of the first image obtained by AI downscaling the original video of 1080p and 10Mbps of listener C to the first video of 540p and 5Mbps are transmitted to the electronic device 2110 of listener A.
  • the server 2150 transmits the video data of the first video of 540p and 5Mbps of listener A and the video data of the first video of 540p and 5Mbps of listener C to the electronic device 2120 of presenter B, and the server 2150 transmits The video data of the first video of 540p and 5Mbps of listener A and the video data of the original video of 1080p and 10Mbps of participant B, a presenter with high importance, are transmitted to the electronic device 1730 of listener C without AI downscaling.
  • the first video of 540p and 5Mbps of presenter B transmitted by AI downscaling by the server 2150 is AI upscaled 1080p and 10Mbps based on the importance information. Based on the importance information, the first video that is not upscaled by AI is displayed based on the importance information of the first video of 540p and 5 Mbps of listener C transmitted by AI downscaling and transmission by the server 2150.
  • the electronic device 2110 of listener A AI downscales and transmits the first video of listener A at 540p and 5Mbps and the server 2150 transmits the AI downscaled video.
  • the first video of 540p and 5Mbps of listener C transmitted after being scaled is displayed.
  • the electronic device 2120 of listener C does not support AI upscaling, the first video of 540p and 5 Mbps of participant A and the first video of 1080p and 10 Mbps of presenter B transmitted by AI downscaling of the electronic device 2110 of listener A The original video is displayed.
  • the aforementioned electronic devices may include various types of devices capable of reproducing images, such as smart phones, tablet PCs, wearable devices, laptop computers, and desktop PCs.
  • 22 is a diagram for explaining arrangement and importance of video conference images displayed on electronic devices participating in a video conference.
  • a presenter when there are three electronic devices participating in a video conference and the type of video conference is a presentation, a presenter is determined to have a high importance in the video conference, and the electronic devices of the video conference participants are determined to be of high importance.
  • the presenter's image is displayed in the largest area 2201, and the remaining listeners' images are displayed in the remaining areas 2202 and 2203.
  • video conference images are displayed in equivalent areas 2251, 2252, 2253, and 2254.
  • a presenter is determined to have a high importance in the video conference, and the electronic device 2250 participating in the video conference video conference
  • the video conference video is displayed in equal areas 2251, 2252, 2253, and 2254, and the video conference video quality of the presenter is displayed higher than that of other listeners.
  • FIG. 23 is a flowchart illustrating a method of AI upscaling a video conference image according to the importance of other electronic devices by an electronic device participating in a video conference during a video conference according to an embodiment.
  • step S2310 image data generated as a result of a first encoding of a first image related to another electronic device participating in the video conference and AI data related to AI downscaling from the original image to the first image are acquired from the server. .
  • the first image may be one of an image obtained by AI downscaling from an original image by a server or an image obtained by AI downscaling from an original image by another electronic device.
  • step S2320 a second image corresponding to the first image is obtained by first decoding the image data.
  • step S2330 it is determined whether to perform AI upscaling on the second image based on the importance of other electronic devices.
  • importance may be identified from AI data.
  • it may be determined to perform AI upscaling if the importance indicates a presenter, and if the importance is changed to a listener during a video conference, it may be determined not to perform AI upscaling.
  • step S2340 if it is determined that AI upscaling is to be performed, the second image is AI upscaled through the upscaling DNN to obtain a third image, and the third image is provided to the display.
  • step S2350 if it is determined not to perform AI upscaling, a second image is provided to the display.
  • the importance of the user of the electronic device who first establishes the video conference may be initially set as the presenter.
  • the importance may be set to presenters when the importance is high, and to listeners when the importance is low.
  • the importance level may be changed according to an input received by an electronic device participating in a video conference or another electronic device.
  • the input received by the other electronic device is one of an input activating a raising hand function of the other electronic device or an input requesting permission to speak from the other electronic device, and the input received by the electronic device is another electronic device. It may be an input for enlarging a video conference video for .
  • an input received by the electronic device or another electronic device may be an input for changing the type of video conference.
  • the importance may be determined according to at least one of the number of video conference participants and the type of video conference.
  • the type of video conference may be one of presentation and discussion.
  • the size of the original image may be 1080p, and the size of the first image may be 540p.
  • the size of the original image may be 1080p, and the size of the first image may be 270p.
  • the size of the original video is 1080p
  • the size of the first video is 540p if the importance indicates that the user of the electronic device is a presenter
  • the size of the first video is 270p if the importance indicates that the user is a listener.
  • DNN setting information of the downscaling DNN may be obtained through joint training of the downscaling DNN and the upscaling DNN for AI upscaling of the first image.
  • DNN setting information for AI upscaling of the second image among a plurality of DNN setting information is obtained based on AI data, and the DNN for upscaling may operate with the acquired DNN setting information.
  • one DNN setting information for AI upscaling of the second image stored in the electronic device is acquired based on AI data, and the DNN for upscaling may operate with the acquired DNN setting information.
  • FIG. 24 illustrates a video conference video by a server managing a video conference, acquiring an AI downscaled image from an electronic device participating in the video conference, and determining whether to support AI upscaling according to importance information of the electronic device. It is a flowchart for explaining a method of AI up-scaling and transmitting to another electronic device.
  • step S2410 the server 1500 transmits first image data generated as a result of first encoding the first image from the first electronic device participating in the video conference and AI data related to AI downscaling from the original image to the first image.
  • the first electronic device transmits AI data related to AI downscaling, it can be known that the first electronic device is an electronic device supporting AI downscaling.
  • step S2420 the server 1500 first decodes the first image data to obtain a second image corresponding to the first image.
  • step S2430 if the importance indicates that the user of the first electronic device is a listener, the server 1500 transmits second image data obtained by first encoding the second image to the second electronic device.
  • step S2430 if the importance level indicates that the user of the first electronic device is a presenter, the server 1500 AI upscales the second image through the DNN for upscaling to obtain a third image, first encodes the third image, and The acquired third image data is transmitted to the second electronic device.
  • the second electronic device is an electronic device that does not support AI upscaling because the server 1500 performs AI upscaling by determining whether to perform AI upscaling instead.
  • the importance of the first electronic device may be identified from the AI data.
  • the importance of the user of the electronic device that established the video conference may be initially set to the presenter.
  • the importance level may be changed according to an input received by the first electronic device or the second electronic device participating in the video conference.
  • the input received by the second electronic device is one of an input activating a raising hand function of the second electronic device or an input requesting permission to present by the second electronic device
  • the first electronic device receives
  • the input for enlarging the video conference image of the second electronic device may be an input for enlarging the video conference image.
  • an input received by the first electronic device or the second electronic device may be an operation of changing a video conference type.
  • the importance may be determined according to at least one of the number of video conference participants and the type of video conference.
  • the type of video conference may be one of presentation and discussion.
  • the size of the original image may be 1080p, and the size of the first image may be 540p.
  • the size of the original image may be 1080p, and the size of the first image may be 270p.
  • the size of the first video is 540p and the importance indicates that the user is a participant
  • the size of the first image is It may be 270p.
  • the first electronic device may support AI downscaling and the second electronic device may not support AI upscaling.
  • the server 1600 may obtain fourth image data generated as a result of first encoding an original image from a third electronic device.
  • the server 1600 may obtain an original image by first decoding the fourth image data.
  • the server 1600 obtains a first image by AI downscaling the original image using a DNN for downscaling, and first encodes the first image to obtain fifth image data. is transmitted to the second electronic device, and if the importance of the third electronic device indicates that the speaker is a presenter, the fourth image data or image data obtained by first encoding the original image may be transmitted to the second electronic device.
  • the third electronic device does not support AI downscaling and the second electronic device does not support AI upscaling.
  • the server 1600 obtains a first image by AI downscaling the original image using a DNN for downscaling, and converts the first image into a first Encoded fifth image data and AI data related to the AI downscaling may be transmitted to the second electronic device.
  • DNN setting information of the downscaling DNN may be obtained through joint training of the downscaling DNN and the upscaling DNN for AI upscaling of the first image.
  • DNN setting information for AI upscaling of the second image among a plurality of DNN setting information is obtained based on AI data, and the DNN for upscaling may operate with the acquired DNN setting information.
  • one DNN setting information for AI upscaling of the second image stored in the server is obtained based on AI data, and the DNN for upscaling may operate with the acquired DNN setting information.
  • whether or not the second electronic device supports AI upscaling may be determined based on whether AI data obtained from the second electronic device exists.
  • whether or not the second electronic device supports AI upscaling may be determined based on AI downscaling support information obtained from the second electronic device.
  • the above-described embodiments of the present disclosure can be written as programs or instructions that can be executed on a computer, and the written programs or instructions can be stored in a medium.
  • the medium may continuously store programs or instructions executable by a computer, or temporarily store them for execution or download.
  • the medium may be various recording means or storage means in the form of a single or combined hardware, but is not limited to a medium directly connected to a certain computer system, and may be distributed on a network.
  • Examples of the medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROM and DVD, magneto-optical media such as floptical disks, and ROM, RAM, flash memory, etc. configured to store program instructions.
  • examples of other media include recording media or storage media managed by an app store that distributes applications, a site that supplies or distributes various other software, and a server.
  • the above-described DNN-related model may be implemented as a software module.
  • the DNN model When implemented as a software module (eg, a program module including instructions), the DNN model may be stored in a computer-readable recording medium.
  • the DNN model may be integrated in the form of a hardware chip and become a part of the above-described AI decoding apparatus 200 or AI encoding apparatus 600.
  • a DNN model can be built in the form of a dedicated hardware chip for artificial intelligence, or built as part of an existing general-purpose processor (eg CPU or application processor) or graphics-only processor (eg GPU). It could be.
  • the DNN model may be provided in the form of downloadable software.
  • a computer program product may include a product in the form of a software program (eg, a downloadable application) that is distributed electronically by a manufacturer or through an electronic marketplace. For electronic distribution, at least a portion of the software program may be stored on a storage medium or may be temporarily created.
  • the storage medium may be a storage medium of a manufacturer or a server of an electronic market or a relay server.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Image Processing (AREA)

Abstract

AI(artificial intelligence)를 이용하여 화상 회의에 참여하는 전자 장치에 있어서, 디스플레이; 전자 장치에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 화상 회의에 참여 중인 다른 전자 장치와 관련된 제 1 영상에 대한 제 1 부호화 결과로 생성되는 영상 데이터, 및 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 서버로부터 획득하고, 상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하고, 상기 다른 전자 장치에 대한 중요도에 기초하여, 상기 제 2 영상에 대한 AI 업스케일의 수행 여부를 결정하고, 상기 AI 업스케일을 수행하는 것으로 결정되면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 상기 제 3 영상을 상기 디스플레이에 제공하고, 상기 AI 업스케일을 수행하지 않는 것으로 결정되면, 상기 제 2 영상을 상기 디스플레이에 제공하는, 전자 장치를 제안한다.

Description

화상회의시 AI(ARTIFICIAL INTELLIGENCE)를 이용한 다운스케일 및 업스케일 방법 및 장치
본 개시는 화상회의시 영상을 처리하기 위한 방법 및 장치에 관한 것으로, 보다 구체적으로, 본 개시는 화상통화시의 인공지능(AI)을 이용한 영상의 다운스케일 또는 업스케일하는 방법 및 장치에 관한 것이다.
영상은 소정의 데이터 압축 표준, 예를 들어 MPEG (Moving Picture Expert Group) 표준 등을 따르는 코덱(codec)에 의해 부호화된 후 비트스트림의 형태로 기록매체에 저장되거나 통신 채널을 통해 전송된다.
화상회의가 가능한 하드웨어의 개발 및 보급에 따라, 화상회의시 영상을 효과적으로 부호화 및 복호화할 수 있는 코덱의 필요성이 증대하고 있다.
일 실시예에 따른 화상회의시의 영상을 인공지능(AI)을 이용하여 다운스케일을 수행하여 전송하고, 전송된 화상회의 영상의 중요도 또는 우선순위에 따라 다운스케일된 영상을 AI를 이용하여 적응적으로 업스케일하는 것을 기술적 과제로 한다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는, AI(artificial intelligence)를 이용하여 화상 회의에 참여하는 전자 장치에 있어서, 디스플레이; 상기 전자 장치에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 화상 회의에 참여 중인 다른 전자 장치와 관련된 제 1 영상에 대한 제 1 부호화 결과로 생성되는 영상 데이터, 및 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 서버로부터 획득하고, 상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하고, 상기 다른 전자 장치에 대한 중요도에 기초하여, 상기 제 2 영상에 대한 AI 업스케일의 수행 여부를 결정하고, 상기 AI 업스케일을 수행하는 것으로 결정되면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 상기 제 3 영상을 상기 디스플레이에 제공하고, 상기 AI 업스케일을 수행하지 않는 것으로 결정되면, 상기 제 2 영상을 상기 디스플레이에 제공할 수 있다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는, AI(artificial intelligence)를 이용하여 화상 회의를 관리하는 서버에 있어서, 상기 서버에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 화상 회의에 참여한 제1 전자 장치로부터 제 1 영상에 대한 제 1 부호화 결과로 생성된 제1 영상 데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 획득하고, 상기 제1 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하고, 상기 제1 전자 장치에 대한 중요도가 상기 사용자가 청취자임을 나타내면, 상기 제2 영상을 제1 부호화하여 획득한 제 2 영상 데이터를 상기 제2 전자 장치에 전송하고, 상기 중요도가 상기 제1 전자 장치의 사용자가 발표자임을 나타내면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 상기 제 3 영상을 제1 부호화하여 획득한 제 3 영상 데이터를 제2 전자 장치에 전송할 수 있다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는, AI(artificial intelligence)를 이용하여 화상 회의에 참여하는 전자 장치의 화상 회의 영상 처리 방법에 있어서, 상기 화상 회의에 참여 중인 다른 전자 장치와 관련된 제 1 영상에 대한 제 1 부호화 결과로 생성되는 영상 데이터, 및 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 서버로부터 획득하는 단계; 상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하는 단계; 상기 다른 전자 장치에 대한 중요도에 기초하여, 상기 제 2 영상에 대한 AI 업스케일의 수행 여부를 결정하는 단계; 상기 AI 업스케일을 수행하는 것으로 결정되면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 상기 제 3 영상을 상기 디스플레이에 제공하는 단계; 및 상기 AI 업스케일을 수행하지 않는 것으로 결정되면, 상기 제 2 영상을 상기 디스플레이에 제공하는 단계를 포함할 수 있다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는, AI(artificial intelligence)를 이용하여 화상 회의를 관리하는 서버의 화상 회의 영상 처리 방법에 있어서, 상기 화상 회의에 참여한 제1 전자 장치로부터 제 1 영상에 대한 제1 부호화 결과로 생성된 제1 영상데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 획득하는 단계; 상기 제1 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하는 단계; 상기 제1 전자 장치에 대한 중요도가 상기 사용자가 청취자임을 나타내면, 상기 제 2 영상을 제1 부호화하여 획득한 제 2 영상 데이터를 상기 제2 전자 장치에 전송하는 단계; 및 상기 중요도가 상기 제1 전자 장치의 사용자가 발표자임을 나타내면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하여 상기 제 3 영상을 제1 부호화하여 획득한 제 3 영상 데이터를 제2 전자 장치에 전송하는 단계를 포함할 수 있다.
화상회의시에 화상회의 참가자의 전자 장치 및 화상회의 서버의 AI 업스케일 또는 AI 다운스케일 수행 가능 여부에 기초하여 AI 업스케일 또는 AI 다운스케일을 화상회의 영상에 적용함으로써, 기존의 다수의 유저가 고정된 비트레이트와 해상도로 영상을 주고 받는 것과 다르게 고화질의 화상회의 영상을 유지하면서 사용자의 데이터 사용량을 감소시킬 수 있다.
본 명세서에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 일 실시예에 따른 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 AI 복호화 장치의 구성을 나타내는 블록도이다.
도 3은 제 2 영상의 AI 업스케일을 위한 제 2 DNN을 나타내는 예시적인 도면이다.
도 4는 컨볼루션 레이어에 의한 컨볼루션 연산을 설명하기 위한 도면이다.
도 5는 여러 영상 관련 정보들과 여러 DNN 설정 정보들 사이의 매핑 관계를 나타내는 예시적인 도면이다.
도 6은 복수의 프레임으로 구성된 제 2 영상을 도시하는 도면이다.
도 7은 일 실시예에 따른 AI 부호화 장치의 구성을 나타내는 블록도이다.
도 8은 원본 영상의 AI 다운스케일을 위한 제 1 DNN을 나타내는 예시적인 도면이다.
도 9는 일 실시예에 따른 AI 부호화 데이터의 구조를 나타내는 도면이다.
도 10은 다른 실시예에 따른 AI 부호화 데이터의 구조를 나타내는 도면이다.
도 11은 제 1 DNN 및 제 2 DNN을 훈련시키는 방법을 설명하기 위한 도면이다.
도 12는 훈련 장치에 의한 제 1 DNN 및 제 2 DNN의 훈련 과정을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 화상 회의시 화상 회의에 참여하는 다른 전자 장치의 중요도에 따라 화상 회의 영상을 AI 업스케일하는 전자 장치의 구성을 나타내는 블록도이다.
도 14는 일 실시예에 따른 화상 회의시 화상 회의에 참여하는 전자 장치의 화상 회의 영상을 AI 다운스케일하는 전자 장치의 구성을 나타내는 블록도이다.
도 15는 일 실시예에 따른 화상회의시 참석자의 전자 장치의 AI 업스케일 지원 여부 및 중요도 정보에 따라 화상회의 영상을 AI 업스케일하는 서버의 구성을 나타내는 블록도이다.
도 16은 일 실시예에 따른 화상 회의 영상을 AI 다운스케일하는 화상 회의를 관리하는 서버의 구성을 나타내는 블록도이다
도 17은 종래의 화상회의에서의 전자 장치와 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 18은 일 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치와 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 19는 일 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치, AI 다운스케일 및 AI 업스케일을 지원하지 않는 전자 장치와 AI 다운스케일 및 AI 업스케일을 지원하는 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 20은 다른 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치, AI 다운스케일 및 AI 업스케일을 지원하지 않는 전자 장치와 AI 다운스케일 및 AI 업스케일을 지원하는 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 21은 다른 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치, AI 다운스케일 및 AI 업스케일을 지원하지 않는 전자 장치와 AI 다운스케일 및 AI 업스케일을 지원하는 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 22는 화상 회의에 참여하는 전자 장치에 디스플레이되는 화상 회의 영상의 배치 및 중요도를 설명하기 위한 도면이다.
도 23은 일 실시예에 따른 화상 회의시 화상 회의에 참여하는 전자 장치가 다른 전자 장치의 중요도에 따라 화상 회의 영상을 AI 업스케일하는 방법을 설명하기 위한 순서도이다.
도 24는 일 실시예에 따른 화상 회의를 관리하는 서버가 화상 회의에 참여하는 전자 장치로부터 AI 다운스케일된 영상을 획득하고, 전자 장치의 중요도 정보에 따라 AI 업스케일 지원 여부를 결정하여 화상 회의 영상을 AI 업스케일하여 다른 전자 장치에 전송하는 방법을 설명하기 위한 순서도이다.
본 개시에서, "a, b 또는 c 중 적어도 하나" 표현은 " a", " b", " c", "a 및 b", "a 및 c", "b 및 c", "a, b 및 c 모두", 혹은 그 변형들을 지칭할 수 있다.
본 개시는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 개시의 실시 형태에 대해 한정하려는 것이 아니며, 본 개시는 여러 실시예들의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예를 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 명세서에서 '~부(유닛)', '모듈' 등으로 표현되는 구성요소는 2개 이상의 구성요소가 하나의 구성요소로 합쳐지거나 또는 하나의 구성요소가 보다 세분화된 기능별로 2개 이상으로 분화될 수도 있다. 또한, 이하에서 설명할 구성요소 각각은 자신이 담당하는 주기능 이외에도 다른 구성요소가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성요소 각각이 담당하는 주기능 중 일부 기능이 다른 구성요소에 의해 전담되어 수행될 수도 있음은 물론이다.
또한, 본 명세서에서, '영상(image)' 또는 '픽처'는 정지영상, 복수의 연속된 정지영상(또는 프레임)으로 구성된 동영상, 또는 비디오를 나타낼 수 있다.
또한, 본 명세서에서 'DNN(deep neural network)'은 뇌 신경을 모사한 인공신경망 모델의 대표적인 예시로써, 특정 알고리즘을 사용한 인공신경망 모델로 한정되지 않는다.
또한, 본 명세서에서 '파라미터'는 뉴럴 네트워크를 이루는 각 레이어의 연산 과정에서 이용되는 값으로서 예를 들어, 입력 값을 소정 연산식에 적용할 때 이용되는 가중치를 포함할 수 있다. 또한, 파라미터는 매트릭스 형태로 표현될 수 있다. 파라미터는 훈련의 결과로 설정되는 값으로서, 필요에 따라 별도의 훈련 데이터(training data)를 통해 갱신될 수 있다.
또한, 본 명세서에서 '제 1 DNN'은 영상의 AI 다운스케일을 위해 이용되는 DNN을 의미하고, '제 2 DNN'은 영상의 AI 업스케일을 위해 이용되는 DNN을 의미한다.
또한, 본 명세서에서 'DNN 설정 정보'는 DNN을 구성하는 요소와 관련된 정보로서 전술한 파라미터를 포함한다. DNN 설정 정보를 이용하여 제 1 DNN 또는 제 2 DNN이 설정될 수 있다.
또한, 본 명세서에서 '원본 영상'은 AI 부호화의 대상이 되는 영상을 의미하고, '제 1 영상'은 AI 부호화 과정에서 원본 영상의 AI 다운스케일 결과 획득된 영상을 의미한다. 또한, '제 2 영상'은 AI 복호화 과정에서 제 1 복호화를 통해 획득된 영상을 의미하고, '제 3 영상'은 AI 복호화 과정에서 제 2 영상을 AI 업스케일하여 획득된 영상을 의미한다.
또한, 본 명세서에서 'AI 다운스케일'은 AI 기반으로 영상의 해상도를 감소시키는 처리를 의미하고, '제 1 부호화'는 주파수 변환 기반의 영상 압축 방법에 의한 부호화 처리를 의미한다. 또한, '제 1 복호화'는 주파수 변환 기반의 영상 복원 방법에 의한 복호화 처리를 의미하고, 'AI 업스케일'은 AI 기반으로 영상의 해상도를 증가시키는 처리를 의미한다.
도 1은 일 실시예에 따른 AI(artificial intelligence) 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
전술한 바와 같이, 영상의 해상도가 급격히 커짐에 따라 부호화/복호화를 위한 정보 처리량이 많아지게 되고, 이에 따라 영상의 부호화 및 복호화 효율을 향상시키기 위한 방안이 필요하다.
도 1에 도시된 바와 같이, 본 개시의 일 실시예에 따르면, 해상도가 큰 원본 영상(105)을 AI 다운스케일(110)하여 제 1 영상(115)을 획득한다. 그리고, 상대적으로 작은 해상도의 제 1 영상(115)을 대상으로 하여 제 1 부호화(120) 및 제 1 복호화(130)를 수행하므로, 원본 영상(105)을 대상으로 하여 제 1 부호화(120) 및 제 1 복호화(130)를 수행하는 경우에 비해 비트레이트를 크게 감소시킬 수 있다.
도 1을 참조하여 상세히 설명하면, 일 실시예는 AI 부호화 과정에서, 원본 영상(105)을 AI 다운스케일(110)하여 제 1 영상(115)을 획득하고, 제 1 영상(115)을 제 1 부호화(120)한다. AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(130)를 통해 제 2 영상(135)을 획득하고, 제 2 영상(135)을 AI 업스케일(140)하여 제 3 영상(145)을 획득한다.
AI 부호화 과정을 좀 더 상세히 살펴보면, 원본 영상(105)을 입력받으면, 소정 해상도 및/또는 소정 화질의 제 1 영상(115)을 획득하기 위해 원본 영상(105)을 AI 다운스케일(110)한다. 이때, AI 다운스케일(110)은 AI 기반으로 수행되는데, AI 다운스케일(110)을 위한 AI는 제 2 영상(135)의 AI 업스케일(140)을 위한 AI와 연계되어 훈련되어야(joint trained) 한다. 왜냐하면, AI 다운스케일(110)을 위한 AI와 AI 업스케일(140)을 위한 AI가 분리되어 훈련되는 경우, AI 부호화 대상인 원본 영상(105)과 AI 복호화를 통해 복원된 제 3 영상(145) 사이의 차이가 커지게 되기 때문이다.
본 개시의 실시예에서는, AI 부호화 과정과 AI 복호화 과정에서 이러한 연계 관계를 유지하기 위해, AI 데이터를 이용할 수 있다. 따라서, AI 부호화 과정을 통해 획득된 AI 데이터는 업스케일 타겟을 나타내는 정보를 포함하여야 하고, AI 복호화 과정에서는 AI 데이터에 기초하여 확인되는 업스케일 타겟에 따라 제 2 영상(135)을 AI 업스케일(140)하여야 한다.
AI 다운스케일(110)을 위한 AI 및 AI 업스케일(140)을 위한 AI는 DNN(deep neural network)으로 구현될 수 있다. 도 11을 참조하여 후술하는 바와 같이, 제 1 DNN과 제 2 DNN은 소정 타겟 하에 손실 정보의 공유를 통해 연계 훈련되므로, AI 부호화 장치는 제 1 DNN과 2 DNN이 연계 훈련할 때 이용된 타겟 정보를 AI 복호화 장치로 제공하고, AI 복호화 장치는 제공받은 타겟 정보에 기초하여 제 2 영상(135)을 타겟하는 화질 및/또는 해상도로 AI 업스케일(140)할 수 있다.
도 1에 도시된 제 1 부호화(120) 및 제 1 복호화(130)에 대해 상세히 설명하면, 원본 영상(105)으로부터 AI 다운스케일(110)된 제 1 영상(115)은 제 1 부호화(120)를 통해 정보량이 감축될 수 있다. 제 1 부호화(120)는, 제 1 영상(115)을 예측하여 예측 데이터를 생성하는 과정, 제 1 영상(115)과 예측 데이터 사이의 차이에 해당하는 잔차 데이터를 생성하는 과정, 공간 영역 성분인 잔차 데이터를 주파수 영역 성분으로 변환(transformation)하는 과정, 주파수 영역 성분으로 변환된 잔차 데이터를 양자화(quantization)하는 과정 및 양자화된 잔차 데이터를 엔트로피 부호화하는 과정 등을 포함할 수 있다. 이와 같은 제 1 부호화 과정(120)은 MPEG-2, H.264 AVC(Advanced Video Coding), MPEG-4, HEVC(High Efficiency Video Coding), VC-1, VP8, VP9 및 AV1(AOMedia Video 1) 등 주파수 변환을 이용한 영상 압축 방법들 중의 하나를 통해 구현될 수 있다.
제 1 영상(115)에 대응하는 제 2 영상(135)은 영상 데이터의 제 1 복호화(130)를 통해 복원될 수 있다. 제 1 복호화(130)는, 영상 데이터를 엔트로피 복호화하여 양자화된 잔차 데이터를 생성하는 과정, 양자화된 잔차 데이터를 역양자화하는 과정, 주파수 영역 성분의 잔차 데이터를 공간 영역 성분으로 변환하는 과정, 예측 데이터를 생성하는 과정 및 예측 데이터와 잔차 데이터를 이용하여 제 2 영상(135)을 복원하는 과정 등을 포함할 수 있다. 이와 같은 제 1 복호화(130) 과정은 제 1 부호화(120) 과정에서 사용된 MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 등 주파수 변환을 이용한 영상 압축 방법들 중의 하나에 대응되는 영상 복원 방법을 통해 구현될 수 있다.
AI 부호화 과정을 통해 획득된 AI 부호화 데이터는, 제 1 영상(115)의 제 1 부호화(120) 결과 획득된 영상 데이터 및 원본 영상(105)의 AI 다운스케일(110)과 관련된 AI 데이터를 포함할 수 있다. 영상 데이터는 제 1 복호화(130) 과정에서 이용될 수 있으며, AI 데이터는 AI 업스케일(140) 과정에서 이용될 수 있다.
영상 데이터는 비트스트림 형태로 전송될 수 있다. 영상 데이터는 제 1 영상(115) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상(115)의 제 1 부호화(120) 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상(115)을 제 1 부호화(120)하는데 이용된 예측 모드(mode) 정보, 움직임 정보, 및 제 1 부호화(120)에서 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다. 영상 데이터는 MPEG-2, H.264 AVC, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 등 주파수 변환을 이용하는 영상 압축 방법 중 제 1 부호화(120) 과정에서 이용된 영상 압축 방법의 규칙, 예를 들어, 신택스(syntax)에 따라 생성될 수 있다.
AI 데이터는 제 2 DNN에 기반한 AI 업스케일(140)에 이용된다. 전술한 바와 같이, 제 1 DNN과 제 2 DNN은 연계 훈련되기 때문에, AI 데이터는 제 2 DNN을 통한 제 2 영상(135)의 정확한 AI 업스케일(140)이 수행될 수 있게 하는 정보를 포함한다. AI 복호화 과정에서는 AI 데이터에 기반하여 제 2 영상(135)을 타겟하는 해상도 및/또는 화질로 AI 업스케일(140)할 수 있다.
AI 데이터는 비트스트림의 형태로 영상 데이터와 함께 전송될 수 있다. 구현예에 따라, AI 데이터는 프레임이나 패킷 형태로 영상 데이터와 구분되어 전송될 수도 있다.
또는 구현예에 따라, AI 데이터는 영상 데이터에 포함되어 전송될 수도 있다.
영상 데이터와 AI 데이터는 동일한 네트워크 또는 서로 상이한 네트워크를 통해 전송될 수 있다.
도 2는 일 실시예에 따른 AI 복호화 장치(200)의 구성을 나타내는 블록도이다.
도 2를 참조하면, 일 실시예에 따른 AI 복호화 장치(200)는 수신부(210) 및 AI 복호화부(230)를 포함한다. AI 복호화부(230)는 파싱부(232), 제 1 복호화부(234), AI 업스케일부(236) 및 AI 설정부(238)를 포함할 수 있다.
도 2에는 수신부(210) 및 AI 복호화부(230)가 개별적인 장치로 도시되어 있으나, 수신부(210) 및 AI 복호화부(230)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 수신부(210) 및 AI 복호화부(230)는 전용 프로세서로 구현될 수도 있고, AP(application processor) 또는 CPU(central processing unit), GPU(graphic processing unit)와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
수신부(210) 및 AI 복호화부(230)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다. 일 실시예에서, 수신부(210)는 제 1 프로세서로 구현되고, 제 1 복호화부(234)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 파싱부(232), AI 업스케일부(236) 및 AI 설정부(238)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현될 수 있다.
수신부(210)는 AI 부호화 결과 획득된 AI 부호화 데이터를 수신한다. 일 예로, AI 부호화 데이터는 mp4, mov 등의 파일 형식을 갖는 비디오 파일일 수 있다.
수신부(210)는 네트워크를 통해 전달되는 AI 부호화 데이터를 수신할 수 있다. 수신부(210)는 AI 부호화 데이터를 AI 복호화부(230)로 출력한다.
일 실시예에서, AI 부호화 데이터는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체로부터 획득된 것일 수도 있다.
파싱부(232)는 AI 부호화 데이터를 파싱하여 제 1 영상(115)의 제 1 부호화 결과로 생성된 영상 데이터를 제 1 복호화부(234)로 전달하고, AI 데이터를 AI 설정부(238)로 전달한다.
일 실시예에서, 파싱부(232)는 AI 부호화 데이터 내에 서로 분리되어 포함된 영상 데이터와 AI 데이터를 파싱할 수 있다. 파싱부(232)는 AI 부호화 데이터 내의 헤더를 읽어 AI 부호화 데이터 내에 포함되어 있는 AI 데이터와 영상 데이터를 구분할 수 있다. 일 예에서, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다.
서로 분리된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 9를 참조하여 후술한다.
다른 실시예에서, 파싱부(232)는 AI 부호화 데이터에서 영상 데이터를 파싱하고, 영상 데이터로부터 AI 데이터를 추출한 후, AI 데이터를 AI 설정부(238)로 전달하고, 나머지 영상 데이터를 제 1 복호화부(234)로 전달할 수 있다. 즉, AI 데이터는 영상 데이터에 포함될 수 있는데, 예를 들어, AI 데이터는 영상 데이터에 해당하는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 포함될 수 있다. AI 데이터가 포함된 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 10을 참조하여 후술한다.
다른 실시예에서, 파싱부(232)는 영상 데이터에 해당하는 비트스트림을 제 1 복호화부(234)에서 처리될 비트스트림과 AI 데이터에 해당하는 비트스트림으로 분할하고, 분할된 각각의 비트스트림을 제 1 복호화부(234)와 AI 설정부(238)로 출력할 수 있다.
파싱부(232)는 AI 부호화 데이터에 포함된 영상 데이터가 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통해 획득된 영상 데이터인 것으로 확인할 수도 있다. 이 경우, 영상 데이터가 상기 확인된 코덱으로 처리될 수 있도록, 해당 정보를 제 1 복호화부(234)로 전달할 수 있다.
제 1 복호화부(234)는 파싱부(232)로부터 수신된 영상 데이터에 기초하여 제 1 영상(115)에 대응하는 제 2 영상(135)을 복원한다. 제 1 복호화부(234)에 의해 획득된 제 2 영상(135)은 AI 업스케일부(236)로 제공된다.
구현예에 따라, 예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등의 제 1 복호화 관련 정보가 제 1 복호화부(234)로부터 AI 설정부(238)로 제공될 수 있다. 제 1 복호화 관련 정보는 DNN 설정 정보를 획득하는데 이용될 수 있다.
AI 설정부(238)로 제공되는 AI 데이터는, 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 이때, 제 2 영상(135)의 업스케일 타겟은 제 1 DNN의 다운스케일 타겟에 대응하여야 한다. 따라서, AI 데이터는 제 1 DNN의 다운스케일 타겟을 확인할 수 있는 정보가 포함되어야 한다.
AI 데이터에 포함된 정보를 구체적으로 예시하면, 원본 영상(105)의 해상도와 제 1 영상(115)의 해상도의 차이 정보, 제 1 영상(115) 관련 정보가 있다.
차이 정보는, 원본 영상(105) 대비 제 1 영상(115)의 해상도 변환 정도에 대한 정보(예를 들어, 해상도 변환율 정보)로 표현될 수 있다. 그리고, 복원된 제 2 영상(135)의 해상도를 통해 제 1 영상(115)의 해상도를 알게 되고 이를 통해 해상도 변환 정도를 확인할 수 있기 때문에, 차이 정보는 원본 영상(105)의 해상도 정보만으로 표현될 수도 있다. 여기서 해상도 정보는 가로/세로의 화면 사이즈로 표현될 수도 있고, 비율(16:9, 4:3 등)과 한 축의 사이즈로 표현될 수도 있다. 또한, 기 설정된 해상도 정보가 있는 경우는 인덱스 또는 플래그의 형태로 표현될 수도 있다.
그리고, 제 1 영상(115) 관련 정보는, 제 1 영상(115)의 해상도, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(115)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
AI 설정부(238)는 AI 데이터에 포함된 차이 정보 및 제 1 영상(115) 관련 정보 중 적어도 하나에 기초하여 제 2 영상(135)의 업스케일 타겟을 결정할 수 있다. 업스케일 타겟은 예를 들어, 제 2 영상(135)을 어느 정도의 해상도로 업스케일하여야 하는지를 나타낼 수 있다. AI 업스케일부(236)는 업스케일 타겟이 결정되면, 업스케일 타겟에 대응하는 제 3 영상(145)을 획득하기 위해 제 2 DNN을 통해 제 2 영상(135)을 AI 업스케일한다.
AI 설정부(238)가 AI 데이터에 기초하여 업스케일 타겟을 결정하는 방법을 설명하기에 앞서, 제 2 DNN을 통한 AI 업스케일 과정에 대해 도 3 및 도 4를 참조하여 설명한다.
도 3은 제 2 영상(135)의 AI 업스케일을 위한 제 2 DNN(300)을 나타내는 예시적인 도면이고, 도 4는 도 3에 도시된 제 1 컨볼루션 레이어(310)에서의 컨볼루션 연산을 도시하고 있다.
도 3에 도시된 바와 같이, 제 2 영상(135)은 제 1 컨볼루션 레이어(310)로 입력된다. 도 3에 도시된 제 1 컨볼루션 레이어(310)에 표시된 3X3X4는 3 x 3의 크기의 4개의 필터 커널을 이용하여 1개의 입력 영상에 대해 컨볼루션 처리를 하는 것을 예시한다. 컨볼루션 처리 결과 4개의 필터 커널에 의해 4개의 특징 맵이 생성된다. 각 특징 맵은 제 2 영상(135)의 고유한 특성들을 나타낸다. 예를 들어, 각 특징 맵은 제 2 영상(135)의 수직 방향 특성, 수평 방향 특성 또는 에지 특성 등을 나타낼 수 있다.
도 4를 참조하여, 제 1 컨볼루션 레이어(310)에서의 컨볼루션 연산에 대해 상세히 설명한다.
제 1 컨볼루션 레이어(310)에서 이용되는 3 X 3의 크기를 갖는 필터 커널(430)의 파라미터들과 그에 대응하는 제 2 영상(135) 내 픽셀 값들 사이의 곱 연산 및 덧셈 연산을 통해 하나의 특징 맵(450)이 생성될 수 있다. 제 1 컨볼루션 레이어(310)에서는 4개의 필터 커널이 이용되므로, 4개의 필터 커널을 이용한 컨볼루션 연산 과정을 통해 4개의 특징 맵이 생성될 수 있다.
도 4에서 제 2 영상(135)에 표시된 I1 내지 I49는 제 2 영상(135)의 픽셀들을 나타내고, 필터 커널(430)에 표시된 F1 내지 F9는 필터 커널(430)의 파라미터들을 나타낸다. 또한, 특징 맵(450)에 표시된 M1 내지 M9는 특징 맵(450)의 샘플들을 나타낸다.
도 4는 제 2 영상(135)이 49개의 픽셀을 포함하는 것으로 예시하고 있으나, 이는 하나의 예시일 뿐이며, 제 2 영상(135)이 4K의 해상도를 갖는 경우, 예를 들어, 3840 X 2160개의 픽셀을 포함할 수 있다.
컨볼루션 연산 과정에서, 제 2 영상(135)의 I1, I2, I3, I8, I9, I10, I15, I16, I17의 픽셀 값들 각각과 필터 커널(430)의 F1, F2, F3, F4, F5, F6, F7, F8 및 F9 각각의 곱 연산이 수행되고, 곱 연산의 결과 값들을 조합(예를 들어, 덧셈 연산)한 값이 특징 맵(450)의 M1의 값으로 할당될 수 있다. 컨볼루션 연산의 스트라이드(stride)가 2라면, 제 2 영상(135)의 I3, I4, I5, I10, I11, I12, I17, I18, I19의 픽셀 값들 각각과 필터 커널(430)의 F1, F2, F3, F4, F5, F6, F7, F8 및 F9 각각의 곱 연산이 수행되고, 곱 연산의 결과 값들을 조합한 값이 특징 맵(450)의 M2의 값으로 할당될 수 있다.
필터 커널(430)이 제 2 영상(135)의 마지막 픽셀에 도달할 때까지 스트라이드에 따라 이동하는 동안 제 2 영상(135) 내 픽셀 값들과 필터 커널(430)의 파라미터들 사이의 컨볼루션 연산이 수행됨으로써, 소정 크기를 갖는 특징 맵(450)이 획득될 수 있다.
본 개시에 따르면, 제 1 DNN과 제 2 DNN의 연계 훈련을 통해 제 2 DNN의 파라미터들, 예를 들어, 제 2 DNN의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들(예를 들어, 필터 커널(430)의 F1, F2, F3, F4, F5, F6, F7, F8 및 F9)의 값이 최적화될 수 있다. AI 설정부(238)는 AI 데이터에 기초하여, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟을 결정하고, 결정된 업스케일 타겟에 대응하는 파라미터들을 제 2 DNN의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들로 결정할 수 있다.
제 1 DNN 및 제 2 DNN에 포함된 컨볼루션 레이어들은 도 4와 관련하여 설명한 컨볼루션 연산 과정에 따른 처리를 할 수 있으나, 도 4에서 설명한 컨볼루션 연산 과정은 하나의 예시일 뿐이며, 이에 한정되는 것은 아니다.
다시 도 3을 참조하면, 제 1 컨볼루션 레이어(310)에서 출력된 특징 맵들은 제 1 활성화 레이어(320)로 입력된다.
제 1 활성화 레이어(320)는 각각의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다. 제 1 활성화 레이어(320)는 시그모이드 함수(sigmoid function), Tanh 함수, ReLU(Rectified Linear Unit) 함수 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
제 1 활성화 레이어(320)에서 비선형 특성을 부여하는 것은, 제 1 컨볼루션 레이어(310)의 출력인, 특징 맵의 일부 샘플 값을 변경하여 출력하는 것을 의미한다. 이때, 변경은 비선형 특성을 적용하여 수행된다.
제 1 활성화 레이어(320)는 제 1 컨볼루션 레이어(310)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(330)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(320)에 의해 활성화되어 제 2 컨볼루션 레이어(330)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(320)에 의해 비활성화되어 제 2 컨볼루션 레이어(330)로 전달되지 않는다. 특징 맵들이 나타내는 제 2 영상(135)의 고유 특성이 제 1 활성화 레이어(320)에 의해 강조된다.
제 1 활성화 레이어(320)에서 출력된 특징 맵들(325)은 제 2 컨볼루션 레이어(330)로 입력된다. 도 3에 도시된 특징 맵들(325) 중 어느 하나는 도 4와 관련하여 설명한 특징 맵(450)이 제 1 활성화 레이어(320)에서 처리된 결과이다.
제 2 컨볼루션 레이어(330)에 표시된 3X3X4는 3 x 3의 크기의 4개의 필터 커널을 이용하여 입력된 특징 맵들(325)에 대해 컨볼루션 처리하는 것을 예시한다. 제 2 컨볼루션 레이어(330)의 출력은 제 2 활성화 레이어(340)로 입력된다. 제 2 활성화 레이어(340)는 입력 데이터에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(340)에서 출력된 특징 맵들(345)은 제 3 컨볼루션 레이어(350)로 입력된다. 도 3에 도시된 제 3 컨볼루션 레이어(350)에 표시된 3X3X1는 3 x 3의 크기의 1개의 필터 커널을 이용하여 1개의 출력 영상을 만들기 위해 컨볼루션 처리를 하는 것을 예시한다. 제 3 컨볼루션 레이어(350)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 생성한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(350)는 컨벌루션 연산을 통해 제 3 영상(145)을 출력할 수 있다.
제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 후술하는 바와 같이 복수 개일 수 있는데, 복수의 DNN 설정 정보는 제 1 DNN의 복수의 DNN 설정 정보와 연계되어야 한다. 제 2 DNN의 복수의 DNN 설정 정보와 제 1 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 1 DNN 및 제 2 DNN의 연계 학습을 통해 구현될 수 있다.
도 3은 제 2 DNN(300)이 세 개의 컨볼루션 레이어(310, 330, 350)와 두 개의 활성화 레이어(320, 340)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 2 DNN(300)은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 2 DNN(300)의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, AI 업스케일부(236)는 전술한 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU(Arithmetic logic unit)를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 제 2 영상(135) 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
이하에서, AI 설정부(238)가 업스케일 타겟을 결정하고, AI 업스케일부(236)가 업스케일 타겟에 맞춰 제 2 영상(135)을 AI 업스케일하는 방법을 설명한다.
일 실시예에서, AI 설정부(238)는 제 2 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다.
여기서, DNN 설정 정보는 제 2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다. 복수의 DNN 설정 정보는 다양한 업스케일 타겟에 각각 대응될 수 있으며, 특정 업스케일 타겟에 대응되는 DNN 설정 정보에 기반하여 제 2 DNN이 동작할 수 있다. DNN 설정 정보에 따라 제 2 DNN이 서로 다른 구조를 가질 수 있다. 예를 들어, 어느 DNN 설정 정보에 따라 제 2 DNN이 3개의 컨볼루션 레이어를 포함할 수 있고, 다른 DNN 설정 정보에 따라 제 2 DNN이 4개의 컨볼루션 레이어를 포함할 수 있다.
일 실시예에서, DNN 설정 정보는 제 2 DNN에서 사용되는 필터 커널의 파라미터만을 포함할 수도 있다. 이 경우, 제 2 DNN의 구조는 변경되지 않는 대신, DNN 설정 정보에 따라 내부의 필터 커널의 파라미터만이 달라질 수 있다.
AI 설정부(238)는 복수의 DNN 설정 정보 중 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다. 여기서 사용되는 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 3 영상(145)을 획득하기 위한 정보로, 제 1 DNN과 연계하여 훈련된 것이다.
예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 제 2 영상(135)의 해상도보다 2배 큰 해상도의 제 3 영상(145), 예를 들어, 2K (2048*1080)의 제 2 영상(135)보다 2배 큰 4K(4096*2160)의 제 3 영상(145)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 제 2 영상(135)의 해상도보다 4배 큰 해상도의 제 3 영상(145), 예를 들어, 2K (2048*1080)의 제 2 영상(135)보다 4배 큰 8K(8192*4320)의 제 3 영상(145)을 획득하기 위한 정보들을 포함할 수 있다.
복수의 DNN 설정 정보 각각은 AI 부호화 장치(700)의 제 1 DNN의 DNN 설정 정보와 연계되어 만들어진 것이며, AI 설정부(238)는 제 1 DNN의 DNN 설정 정보의 축소 비율에 대응되는 확대 비율에 따라 복수의 DNN 설정 정보 중 하나의 DNN 설정 정보를 획득한다. 이를 위해, AI 설정부(238)는 제 1 DNN의 정보를 확인하여야 한다. 제 1 DNN의 정보를 AI 설정부(238)가 확인하기 위해, 일 실시예에 따른 AI 복호화 장치(200)는 AI 부호화 장치(700)로부터 제 1 DNN의 정보를 포함하는 AI 데이터를 수신한다.
다시 말하면, AI 설정부(238)는 AI 부호화 장치(700)로부터 수신되는 정보들을 이용하여, 제 1 영상(115)을 획득하기 위해 이용된 제 1 DNN의 DNN 설정 정보가 타겟하는 정보를 확인하고, 그와 연계 훈련된 제 2 DNN의 DNN 설정 정보를 획득할 수 있는 것이다.
복수의 DNN 설정 정보 중 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보가 획득되면, DNN 설정 정보는 AI 업스케일부(236)로 전달되고, DNN 설정 정보에 따라 동작하는 제 2 DNN에 기초하여 입력 데이터가 처리될 수 있다.
예를 들어, AI 업스케일부(236)는 어느 하나의 DNN 설정 정보가 획득되면, 도 3에 도시된 제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350) 각각에 대해서, 각 레이어에 포함되는 필터 커널의 개수와 필터 커널의 파라미터들을, 상기 획득된 DNN 설정 정보에 포함된 값으로 설정한다.
구체적으로, AI 업스케일부(236)는 도 4에 도시된 제 2 DNN의 어느 하나의 컨볼루션 레이어에서 이용되는 3 X 3의 필터 커널의 파라미터들이 {1, 1, 1, 1, 1, 1, 1, 1, 1}이고, DNN 설정 정보의 변경이 있는 경우, 필터 커널의 파라미터들을 변경된 DNN 설정 정보에 포함된 파라미터들인 {2, 2, 2, 2, 2, 2, 2, 2, 2}로 교체할 수 있는 것이다.
AI 설정부(238)는 AI 데이터에 포함된 정보에 기초하여 복수의 DNN 설정 정보 중 제 2 영상(135)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있는데, DNN 설정 정보를 획득하는데 이용되는 AI 데이터에 대해 구체적으로 설명한다.
일 실시예에서, AI 설정부(238)는 AI 데이터에 포함된 차이 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(135)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. 예를 들어, 차이 정보에 기초하여 원본 영상(105)의 해상도(예를 들어, 4K(4096*2160))가 제 1 영상(115)의 해상도(예를 들어, 2K (2048*1080))보다 2배 큰 것으로 확인된 경우, AI 설정부(238)는 제 2 영상(135)의 해상도를 2배 증가시킬 수 있는 DNN 설정 정보를 획득할 수 있다.
다른 실시예에서, AI 설정부(238)는 AI 데이터에 포함된 제 1 영상(115) 관련 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(135)을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. AI 설정부(238)는 영상 관련 정보들과 DNN 설정 정보들 사이의 매핑 관계를 미리 결정하고, 제 1 영상(115) 관련 정보에 매핑된 DNN 설정 정보를 획득할 수 있다.
도 5는 여러 영상 관련 정보들과 여러 DNN 설정 정보들 사이의 매핑 관계를 나타내는 예시적인 도면이다.
도 5에 따른 실시예를 통해, 본 개시의 일 실시예의 AI 부호화/AI 복호화 과정은 해상도의 변화만을 고려하는 것이 아님을 알 수 있다. 도 5에 도시된 바와 같이, SD, HD, Full HD와 같은 해상도, 10Mbps, 15Mbps, 20Mbps와 같은 비트레이트, 그리고 AV1, H.264, HEVC와 같은 코덱 정보를 개별적으로 또는 모두 고려하여 DNN 설정 정보의 선택이 이루어질 수 있다. 이러한 고려를 위해서는 AI 훈련 과정에서 각각의 요소들을 고려한 훈련이 부호화, 복호화 과정에 연계되어 이루어져야 한다(도 11 참조).
따라서, 훈련 내용에 따라서 도 5에 도시된 바와 같이, 코덱 타입, 영상의 해상도 등을 포함하는 영상 관련 정보에 기반하여 복수의 DNN 설정 정보가 구비된 경우, AI 복호화 과정에서 전달받는 제 1 영상(115) 관련 정보에 기반하여 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다.
즉, AI 설정부(238)는 도 5에 도시된 표의 좌측에 도시된 영상 관련 정보와 표 우측의 DNN 설정 정보를 매칭하고 있음으로써, 영상 관련 정보에 따른 DNN 설정 정보를 사용할 수 있는 것이다.
도 5에 예시된 바와 같이, 제 1 영상(115) 관련 정보로부터 제 1 영상(115)의 해상도가 SD이고, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 10Mbps이고, 제 1 영상(115)이 AV1 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 A DNN 설정 정보를 획득할 수 있다.
또한, 제 1 영상(115) 관련 정보로부터 제 1 영상(115)의 해상도가 HD이고, 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 15Mbps이고, 제 1 영상(115)이 H.264 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 B DNN 설정 정보를 획득할 수 있다.
또한, 제 1 영상(115) 관련 정보로부터 제 1 영상(115)의 해상도가 Full HD이고, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 20Mbps이고, 제 1 영상(115)이 HEVC 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 C DNN 설정 정보를 획득하고, 제 1 영상(115)의 해상도가 Full HD이고, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 15Mbps이고, 제 1 영상(115)이 HEVC 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 D DNN 설정 정보를 획득할 수 있다. 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 20Mbps인지 또는 15Mbps인지에 따라 C DNN 설정 정보와 D DNN 설정 정보 중에서 어느 하나가 선택된다. 동일 해상도의 제 1 영상(115)을 동일 코덱으로 제 1 부호화하였을 때, 영상 데이터의 비트레이트가 서로 상이하다는 것은, 복원되는 영상의 화질이 서로 상이하다는 것을 의미한다. 따라서, 제 1 DNN과 제 2 DNN은 소정 화질에 기반하여 연계 훈련될 수 있으며, 이에 따라 AI 설정부(238)는 제 2 영상(135)의 화질을 나타내는, 영상 데이터의 비트레이트에 따라 DNN 설정 정보를 획득할 수 있다.
또 다른 실시예에서, AI 설정부(238)는 제 1 복호화부(234)로부터 제공되는 정보(예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등)와 AI 데이터에 포함된 제 1 영상(115) 관련 정보를 모두 고려하여 복수의 DNN 설정 정보 중 제 2 영상(135)을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수도 있다. 예를 들어, AI 설정부(238)는 제 1 복호화부(234)로부터 제 1 영상(115)의 제 1 부호화 과정에서 이용된 양자화 파라미터 정보를 전달받고, AI 데이터로부터 제 1 영상(115)의 부호화 결과 획득된 영상 데이터의 비트레이트를 확인하고, 양자화 파라미터 및 비트레이트에 대응하는 DNN 설정 정보를 획득할 수도 있다. 동일한 비트레이트라도 영상의 복잡도에 따라 복원 영상의 화질 정도에 차이가 있을 수 있으며, 비트레이트는 제 1 부호화되는 제 1 영상(115) 전체를 대표하는 값으로서 제 1 영상(115) 내에서도 각 프레임의 화질이 서로 다를 수 있다. 따라서, 제 1 복호화부(234)로부터 각 프레임 별로 획득할 수 있는 예측 모드 정보, 움직임 정보 및/또는 양자화 파라미터를 함께 고려하면, AI 데이터만 이용하는 것에 비해 제 2 영상(135)에 보다 적합한 DNN 설정 정보를 획득할 수 있다.
또한, 구현예에 따라, AI 데이터는 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다. DNN 설정 정보의 식별자는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로, 제 2 영상(135)을 AI 업스케일할 수 있도록, 제 1 DNN과 제 2 DNN 간 연계 훈련된 DNN 설정 정보의 쌍을 구분하기 위한 정보이다. AI 설정부(238)는 AI 데이터에 포함된 DNN 설정 정보의 식별자를 획득한 후, DNN 설정 정보의 식별자에 대응하는 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 사용하여 제 2 영상(135)을 AI 업스케일할 수 있다. 예를 들어, 제 1 DNN에 설정 가능한 복수의 DNN 설정 정보 각각을 가리키는 식별자와 제 2 DNN에 설정 가능한 복수의 DNN 설정 정보 각각을 가리키는 식별자가 미리 지정되어 있을 수 있다. 이 경우, 제 1 DNN 및 제 2 DNN 각각에 설정 가능한 DNN 설정 정보의 쌍에 대해 동일한 식별자가 지정될 수 있다. AI 데이터는 원본 영상(105)의 AI 다운스케일을 위해 제 1 DNN에 설정된 DNN 설정 정보의 식별자를 포함할 수 있다. AI 데이터를 수신한 AI 설정부(238)는 복수의 DNN 설정 정보 중 AI 데이터에 포함된 식별자가 가리키는 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 이용하여 제 2 영상(135)을 AI 업스케일할 수 있다.
또한, 구현예에 따라, AI 데이터는 DNN 설정 정보를 포함할 수도 있다. AI 설정부(238)는 AI 데이터에 포함된 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 사용하여 제 2 영상(135)을 AI 업스케일할 수도 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)들이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(238)는 AI 데이터에 포함된 정보에 기초하여 룩업 테이블 값들 중에서 선택된 일부를 조합하여 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 사용하여 제 2 영상(135)을 AI 업스케일할 수도 있다.
구현예에 따라, AI 설정부(238)는 업스케일 타겟에 대응되는 DNN의 구조가 결정되면, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
전술한 바와 같이, AI 설정부(238)는 제 1 DNN과 관련된 정보를 포함하는 AI 데이터를 통해 제 2 DNN의 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보로 세팅된 제 2 DNN을 통해 제 2 영상(135)을 AI 업스케일하는 데, 이는, 제 2 영상(135)의 특징을 직접 분석하여 업스케일하는 것과 비교하여 메모리 사용량과 연산량이 감소될 수 있다.
일 실시예에서, 제 2 영상(135)이 복수의 프레임으로 구성된 경우, AI 설정부(238)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득할 수 있고, 또는, 전체 프레임에 대해 공통된 DNN 설정 정보를 획득할 수도 있다.
도 6은 복수의 프레임으로 구성된 제 2 영상(135)을 도시하는 도면이다.
도 6에 도시된 바와 같이, 제 2 영상(135)은 t0 내지 tn에 대응하는 프레임들로 이루어질 수 있다.
일 예시에서, AI 설정부(238)는 AI 데이터를 통해 제 2 DNN의 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보에 기초하여 t0 내지 tn에 대응하는 프레임들을 AI 업스케일할 수 있다. 즉, t0 내지 tn에 대응하는 프레임들이 공통된 DNN 설정 정보에 기초하여 AI 업스케일될 수 있다.
다른 예시에서, AI 설정부(238)는 t0 내지 tn에 대응하는 프레임들 중 일부의 프레임들, 예를 들어, t0 내지 ta에 대응하는 프레임들에 대해 AI 데이터로부터 'A' DNN 설정 정보를 획득하고, ta+1 내지 tb에 대응하는 프레임들에 대해 AI 데이터로부터 'B' DNN 설정 정보획득할 수 있다. 또한, AI 설정부(238)는 tb+1 내지 tn에 대응하는 프레임들에 대해 AI 데이터로부터 'C' DNN 설정 정보획득할 수 있다. 다시 말하면, AI 설정부(238)는 복수의 프레임들 중 소정 개수의 프레임을 포함하는 그룹마다 DNN 설정 정보를 독립적으로 획득하고, AI 업스케일부(236)는그룹 각각에 포함된 프레임들을 독립적으로 획득한 DNN 설정 정보로 AI 업스케일할 수 있다.
또 다른 예시에서, AI 설정부(238)는 제 2 영상(135)을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 획득할 수도 있다. 예를 들어, 제 2 영상(135)이 3개의 프레임으로 구성되어 있는 경우, AI 설정부(238)는 첫 번째 프레임과 관련하여 DNN 설정 정보를 획득하고, 두 번째 프레임과 관련하여 DNN 설정 정보를 획득하고, 세 번째 프레임과 관련하여 DNN 설정 정보를 획득할 수 있다. 즉, 첫 번째 프레임, 두 번째 프레임 및 세 번째 프레임 각각에 대해 DNN 설정 정보가 독립적으로 획득될 수 있다. 전술한, 제 1 복호화부(234)로부터 제공되는 정보(예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등)와 AI 데이터에 포함된 제 1 영상(115) 관련 정보에 기초하여 DNN 설정 정보가 획득되는 방식에 따라, 제 2 영상(135)을 구성하는 프레임별로 DNN 설정 정보가 독립적으로 획득될 수 있다. 왜냐하면, 모드 정보, 양자화 파라미터 정보 등은 제 2 영상(135)을 구성하는 프레임마다 독립적으로 결정될 수 있기 때문이다.
또 다른 예시에서, AI 데이터는 AI 데이터에 기초하여 획득되는 DNN 설정 정보가 어느 프레임까지 유효한 것인지를 나타내는 정보를 포함할 수 있다. 예를 들어, AI 데이터 내에 DNN 설정 정보가 ta 프레임까지 유효하다는 정보가 포함되어 있는 경우, AI 설정부(238)는 AI 데이터에 기초하여 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 t0 내지 ta 프레임들을 해당 DNN 설정 정보로 AI 업스케일한다. 그리고, 다른 AI 데이터 내에 DNN 설정 정보가 tn 프레임까지 유효하다는 정보가 포함되어 있는 경우, AI 설정부(238)는 상기 다른 AI 데이터에 기초하여 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 획득한 DNN 설정 정보로 ta+1 내지 tn 프레임들을 AI 업스케일할 수 있다.
이하에서는, 도 7을 참조하여, 원본 영상(105)의 AI 부호화를 위한 AI 부호화 장치(700)에 대해 설명한다.
도 7은 일 실시예에 따른 AI 부호화 장치(700)의 구성을 나타내는 블록도이다.
도 7을 참조하면, AI 부호화 장치(700)는 AI 부호화부(710) 및 전송부(730)를 포함할 수 있다. AI 부호화부(710)는 AI 다운스케일부(712), 제 1 부호화부(714), 데이터 처리부(716) 및 AI 설정부(718)를 포함할 수 있다.
도 7은 AI 부호화부(710) 및 전송부(730)를 개별적인 장치로 도시하고 있으나, AI 부호화부(710) 및 전송부(730)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, AI 부호화부(710) 및 전송부(730)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다.
일 실시예에서, 제 1 부호화부(714)는 제 1 프로세서로 구성되고, AI 다운스케일부(712), 데이터 처리부(716) 및 AI 설정부(718)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 전송부(730)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현될 수 있다.AI 부호화부(710)는 원본 영상(105)의 AI 다운스케일 및 제 1 영상(115)의 제 1 부호화를 수행하고, AI 부호화 데이터를 전송부(730)로 전달한다. 전송부(730)는 AI 부호화 데이터를 AI 복호화 장치(200)로 전송한다.
영상 데이터는 제 1 영상(115)의 제 1 부호화 결과 획득된 데이터를 포함한다. 영상 데이터는 제 1 영상(115) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상(115)의 제 1 부호화 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상(115)을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상(115)을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다.
AI 데이터는, AI 업스케일부(236)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 일 예에서, AI 데이터는 원본 영상(105)과 제 1 영상(115) 사이의 차이 정보를 포함할 수 있다. 일 예에서, AI 데이터는 제 1 영상(115) 관련 정보를 포함할 수도 있다. 제 1 영상(115) 관련 정보는, 제 1 영상(115)의 해상도, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(115)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
일 실시예에서, AI 데이터는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)이 AI 업스케일될 수 있도록, 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다.
또한, 일 실시예에서, AI 데이터는 제 2 DNN에 세팅 가능한 DNN 설정 정보를 포함할 수도 있다.
AI 다운스케일부(712)는 제 1 DNN을 통해 원본 영상(105)으로부터 AI 다운스케일된 제 1 영상(115)을 획득할 수 있다. AI 다운스케일부(712)는 AI 설정부(718)로부터 제공된 DNN 설정 정보를 이용하여 원본 영상(105)을 AI 다운스케일할 수 있다. AI 설정부(718)는 미리 결정된 기준에 기초하여 원본 영상(105)의 다운스케일 타겟을 결정할 수 있다.
다운스케일 타겟에 부합하는 제 1 영상(115)의 획득을 위해, AI 설정부(718)는 제 1 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다. AI 설정부(718)는 복수의 DNN 설정 정보 중 다운스케일 타겟에 대응하는 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보를 AI 다운스케일부(712)로 제공한다.
상기 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 1 영상(115)을 획득하기 위해 훈련된 것일 수 있다. 예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 원본 영상(105)의 해상도보다 1/2배만큼 작은 해상도의 제 1 영상(115), 예를 들어, 4K(4096*2160)의 원본 영상(105)보다 1/2배 작은 2K (2048*1080)의 제 1 영상(115)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 원본 영상(105)의 해상도보다 1/4배만큼 작은 해상도의 제 1 영상(115), 예를 들어, 8K(8192*4320)의 원본 영상(105)보다 1/4배 작은 2K (2048*1080)의 제 1 영상(115)을 획득하기 위한 정보들을 포함할 수 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(718)는 다운스케일 타겟에 따라 룩업 테이블 값들 중에서 선택된 일부를 조합하여 획득한 DNN 설정 정보를 AI 다운스케일부(712)로 제공할 수도 있다.
구현예에 따라, AI 설정부(718)는 다운스케일 타겟에 대응되는 DNN의 구조를 결정하고, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
원본 영상(105)의 AI 다운스케일을 위한 복수의 DNN 설정 정보는, 제 1 DNN과 제 2 DNN이 연계 훈련됨으로써, 최적화된 값을 가질 수 있다. 여기서, 각 DNN 설정 정보는 제 1 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나를 포함한다.
AI 다운스케일부(712)는 원본 영상(105)의 AI 다운스케일을 위해 결정된 DNN 설정 정보로 제 1 DNN을 세팅하여, 소정 해상도 및/또는 소정 화질의 제 1 영상(115)을 제 1 DNN을 통해 획득할 수 있다. 복수의 DNN 설정 정보 중 원본 영상(105)의 AI 다운스케일을 위한 DNN 설정 정보가 획득되면, 제 1 DNN 내 각 레이어는 DNN 설정 정보에 포함된 정보들에 기초하여 입력된 데이터를 처리할 수 있다.
이하에서는, AI 설정부(718)가 다운스케일 타겟을 결정하는 방법에 대해 설명한다. 상기 다운스케일 타겟은 예를 들어, 원본 영상(105)으로부터 얼마나 해상도가 감소한 제 1 영상(115)을 획득해야 하는지를 나타낼 수 있다.
AI 설정부(718)는 하나 이상의 입력 정보를 획득한다. 일 실시예에서, 입력 정보는 제 1 영상(115)의 타겟 해상도, 영상 데이터의 타겟 비트레이트, 영상 데이터의 비트레이트 타입(예를 들어, variable bitrate 타입, constant bitrate 타입 또는 average bitrate 타입 등), AI 다운스케일이 적용되는 컬러 포맷(휘도 성분, 색차 성분, 레드 성분, 그린 성분 또는 블루 성분 등), 제 1 영상(115)의 제 1 부호화를 위한 코덱 타입, 압축 히스토리 정보, 원본 영상(105)의 해상도 및 원본 영상(105)의 타입 중 적어도 하나를 포함할 수 있다.
하나 이상의 입력 정보는 AI 부호화 장치(700)에 미리 저장되거나, 사용자로부터 입력받은 정보를 포함할 수 있다.
AI 설정부(718)는 입력 정보에 기초하여 AI 다운스케일부(712)의 동작을 제어한다. 일 실시예에서, AI 설정부(718)는 입력 정보에 따라 다운스케일 타겟을 결정하고, 결정된 다운스케일 타겟에 대응하는 DNN 설정 정보를 AI 다운스케일부(712)로 제공할 수 있다.
일 실시예에서, AI 설정부(718)는 입력 정보의 적어도 일부를 제 1 부호화부(714)로 전달하여 제 1 부호화부(714)가 특정 값의 비트레이트, 특정 타입의 비트레이트 및 특정 코덱으로 제 1 영상(115)을 제 1 부호화하게 할 수도 있다.
일 실시예에서, AI 설정부(718)는 압축률(예를 들어, 원본 영상(105)과 제 1 영상(115) 사이의 해상도 차이, 타겟 비트레이트), 압축 품질(예를 들어, 비트레이트 타입), 압축 히스토리 정보 및 원본 영상(105)의 타입 중 적어도 하나에 기초하여 다운스케일 타겟을 결정할 수 있다.
일 예에서, AI 설정부(718)는 미리 설정되거나, 사용자로부터 입력받은 압축률 또는 압축 품질 등에 기반하여 다운스케일 타겟을 결정할 수 있다.
다른 예로, AI 설정부(718)는 AI 부호화 장치(700)에 저장된 압축 히스토리 정보를 이용하여 다운스케일 타겟을 결정할 수도 있다. 예를 들어, AI 부호화 장치(700)가 이용할 수 있는 압축 히스토리 정보에 따르면, 사용자가 선호하는 부호화 품질 또는 압축률 등이 결정될 수 있으며, 압축 히스토리 정보에 기초하여 결정된 부호화 품질 등에 따라 다운스케일 타겟이 결정될 수 있다. 예를 들면, 압축 히스토리 정보에 따라 가장 많이 이용된 적이 있는 부호화 품질에 따라 제 1 영상(115)의 해상도, 화질 등이 결정될 수 있다.
또 다른 예로, AI 설정부(718)는 압축 히스토리 정보에 따라 소정의 임계 값보다 많이 이용된 적이 있는 부호화 품질(예를 들면, 소정의 임계값보다 많이 이용된 적이 있는 부호화 품질들의 평균 품질)에 기초하여 다운스케일 타겟을 결정할 수도 있다.
또 다른 예로, AI 설정부(718)는 원본 영상(105)의 해상도, 타입(예를 들어, 파일의 형식)등에 기초하여 다운스케일 타겟을 결정할 수도 있다.
일 실시예에서, 원본 영상(105)이 복수의 프레임으로 구성된 경우, AI 설정부(718)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득하고, 독립적으로 획득한 DNN 설정 정보를 AI 다운스케일부(712)로 제공할 수도 있다.
일 예시에서, AI 설정부(718)는 원본 영상(105)을 구성하는 프레임들을 소정 개수의 그룹으로 구분하고, 각 그룹별로 DNN 설정 정보를 독립적으로 획득할 수 있다. 각 그룹에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다. 그룹들에 포함된 프레임들의 개수는 그룹별로 동일하거나 상이할 수 있다.
다른 예시에서, AI 설정부(718)는 원본 영상(105)을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 결정할 수 있다. 각각의 프레임에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다.
이하에서는, AI 다운스케일의 기반이 되는 제 1 DNN(800)의 예시적인 구조에 대해 설명한다.
도 8은 원본 영상(105)의 AI 다운스케일을 위한 제 1 DNN(800)을 나타내는 예시적인 도면이다.
도 8에 도시된 바와 같이, 원본 영상(105)은 제 1 컨볼루션 레이어(810)로 입력된다. 제 1 컨볼루션 레이어(810)는 5 x 5의 크기의 32개의 필터 커널을 이용하여 원본 영상(105)에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 생성된 32개의 특징 맵은 제 1 활성화 레이어(820)로 입력된다. 제 1 활성화 레이어(820)는 32개의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다.
제 1 활성화 레이어(820)는 제 1 컨볼루션 레이어(810)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(830)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(820)에 의해 활성화되어 제 2 컨볼루션 레이어(830)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(820)에 의해 비활성화되어 제 2 컨볼루션 레이어(830)로 전달되지 않는다. 제 1 컨볼루션 레이어(810)로부터 출력되는 특징 맵들이 나타내는 정보가 제 1 활성화 레이어(820)에 의해 강조된다.
제 1 활성화 레이어(820)의 출력(825)이 제 2 컨볼루션 레이어(830)로 입력된다. 제 2 컨볼루션 레이어(830)는 5 x 5의 크기의 32개의 필터 커널을 이용하여 입력 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 출력된 32개의 특징 맵은 제 2 활성화 레이어(840)로 입력되고, 제 2 활성화 레이어(840)는 32개의 특징 맵에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(840)의 출력(845)은 제 3 컨볼루션 레이어(850)로 입력된다. 제 3 컨볼루션 레이어(850)는 5 x 5의 크기의 1개의 필터 커널을 이용하여 입력된 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 제 3 컨볼루션 레이어(850)로부터 1개의 영상이 출력될 수 있다. 제 3 컨볼루션 레이어(850)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 획득한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(850)는 컨벌루션 연산 결과를 통해 제 1 영상(115)을 출력할 수 있다.
제 1 DNN(800)의 제 1 컨볼루션 레이어(810), 제 2 컨볼루션 레이어(830) 및 제 3 컨볼루션 레이어(850)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 복수 개일 수 있는데, 복수의 DNN 설정 정보는 제 2 DNN의 복수의 DNN 설정 정보와 연계되어야 한다. 제 1 DNN의 복수의 DNN 설정 정보와 제 2 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 1 DNN 및 제 2 DNN의 연계 학습을 통해 구현될 수 있다.
도 8은 제 1 DNN(800)이 세 개의 컨볼루션 레이어(810, 830, 750)와 두 개의 활성화 레이어(820, 840)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 1 DNN(800)은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 1 DNN(800)의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, AI 다운스케일부(712)는 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 원본 영상(105) 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
다시 도 7을 참조하면, AI 설정부(718)는 AI 데이터를 데이터 처리부(716)로 전달한다. AI 데이터는, AI 업스케일부(236)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. AI 다운스케일부(712)로부터 제 1 영상(115)을 전달받은 제 1 부호화부(714)는 주파수 변환 기반의 영상 압축 방법에 따라 제 1 영상(115)을 제 1 부호화하여 제 1 영상(115)이 가지는 정보량을 감축시킬 수 있다. 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통한 제 1 부호화 결과, 영상 데이터가 획득된다. 영상 데이터는 소정의 코덱의 규칙, 즉 신택스에 따라 획득된다. 예를 들어, 영상 데이터는 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터, 제 1 영상(115)을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상(115)을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다. 제 1 부호화부(714)의 제 1 부호화 결과 획득된 영상 데이터는 데이터 처리부(716)로 제공된다.
데이터 처리부(716)는 제 1 부호화부(714)로부터 수신된 영상 데이터와 AI 설정부(718)로부터 수신된 AI 데이터를 포함하는 AI 부호화 데이터를 생성한다.
일 실시예에서, 데이터 처리부(716)는 영상 데이터와 AI 데이터를 각각 분리된 상태로 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다.
다른 실시예에서, 데이터 처리부(716)는 제 1 부호화부(714)에 의한 제 1 부호화 결과로 획득되는 영상 데이터 내에 AI 데이터를 포함시키고, 해당 영상 데이터를 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, 데이터 처리부(716)는 영상 데이터에 해당하는 비트스트림과 AI 데이터에 해당하는 비트스트림을 결합하여 하나의 비트스트림 형태의 영상 데이터를 생성할 수도 있다. 이를 위해, 데이터 처리부(716)는 AI 데이터를 0 또는 1의 값을 갖는 비트들, 즉 비트스트림으로 표현할 수 있다. 일 실시예에서, 데이터 처리부(716)는 제 1 부호화 결과로 획득되는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 AI 데이터에 해당하는 비트스트림을 포함시킬 수 있다.
AI 부호화 데이터는 전송부(730)로 전송된다. 전송부(730)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터를 전송한다.일 실시예에서, AI 부호화 데이터는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체에 저장될 수도 있다.
도 9는 일 실시예에 따른 AI 부호화 데이터(900)의 구조를 나타내는 도면이다.
전술한 바와 같이, AI 부호화 데이터(900) 내에 AI 데이터(912)와 영상 데이터(932)가 분리되어 포함될 수 있다. 여기서, AI 부호화 데이터(900)는 MP4, AVI, MKV, FLV 등의 컨테이너 포맷일 수 있다. AI 부호화 데이터(900)는 메타데이터 박스(910)와 미디어데이터 박스(930)로 구성될 수 있다.
메타데이터 박스(910)에는 미디어데이터 박스(930)에 포함된 영상 데이터(932)에 관한 정보가 포함된다. 예를 들어, 메타데이터 박스(910)에는 제 1 영상(115)의 종류, 제 1 영상(115)의 부호화에 사용된 코덱의 종류 및 제 1 영상(115)의 재생 시간 등에 관한 정보가 포함될 수 있다. 또한, 메타데이터 박스(910)에는 AI 데이터(912)가 포함될 수 있다. AI 데이터(912)는 소정 컨테이너 포맷에서 제공하는 부호화 방식에 따라 부호화되어, 메타데이터 박스(910)에 저장될 수 있다.
미디어데이터 박스(930)는 소정의 영상 압축 방식의 신택스에 따라 생성된 영상 데이터(932)를 포함할 수 있다.
도 10은 다른 실시예에 따른 AI 부호화 데이터(1000)의 구조를 나타내는 도면이다.
도 10을 참조하면, AI 데이터(1034)는 영상 데이터(1032)에 포함될 수도 있다. AI 부호화 데이터(1000)는 메타데이터 박스(1010)와 미디어데이터 박스(1030)를 포함할 수 있는데, AI 데이터(1034)가 영상 데이터(1032)에 포함된 경우, 메타데이터 박스(1010)에는 AI 데이터(1034)가 포함되지 않을 수 있다.
미디어데이터 박스(1030)에는 AI 데이터(1034)를 포함하는 영상 데이터(1032)가 포함된다. 일 예로, AI 데이터(1034)는 영상 데이터(1032)의 부가 정보 영역에 포함될 수 있다.
이하에서는, 도 11을 참조하여, 제 1 DNN(800)과 제 2 DNN(300)을 연계 훈련시키는 방법에 대해 설명한다.
도 11은 제 1 DNN(800) 및 제 2 DNN(300)을 훈련시키는 방법을 설명하기 위한 도면이다.
일 실시예에서 AI 부호화 과정을 통해 AI 부호화된 원본 영상(105)이 AI 복호화 과정을 통해 제 3 영상(145)으로 복원되는데, AI 복호화 결과 획득된 제 3 영상(145)과 원본 영상(105)과의 유사성을 유지하기 위해서는 AI 부호화 과정 및 AI 복호화 과정에 연관성이 필요하다. 즉, AI 부호화 과정에서 손실된 정보를 AI 복호화 과정에서 복원할 수 있어야 하는데, 이를 위해 제 1 DNN(800)과 제 2 DNN(300)의 연계 훈련이 요구된다.
정확한 AI 복호화를 위해서는 궁극적으로 도 11에 도시된 제 3 훈련 영상(1104)과 원본 훈련 영상(1101) 사이의 비교 결과에 대응하는 퀄리티 손실 정보(1130)를 감소시킬 필요가 있다. 따라서, 퀄리티 손실 정보(1130)는 제 1 DNN(800) 및 제 2 DNN(300)의 훈련 모두에 이용된다.
먼저, 도 11에 도시된 훈련 과정에 대해 설명한다.
도 11에서, 원본 훈련 영상(original training image)(1101)은 AI 다운스케일의 대상이 되는 영상이고, 제 1 훈련 영상(first training image)(1102)은 원본 훈련 영상(1101)로부터 AI 다운스케일된 영상이다. 또한, 제 3 훈련 영상(third training image)(1104)은 제 1 훈련 영상(1102)으로부터 AI 업스케일된 영상이다.
원본 훈련 영상(1101)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상을 포함한다. 일 실시예에서, 원본 훈련 영상(1101)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상으로부터 추출된 휘도 영상을 포함할 수도 있다. 또한, 일 실시예에서, 원본 훈련 영상(1101)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상에서 추출된 패치 영상을 포함할 수도 있다. 원본 훈련 영상(1101)이 복수의 프레임으로 이루어진 경우, 제 1 훈련 영상(1102), 제 2 훈련 영상 및 제 3 훈련 영상(1104) 역시 복수의 프레임으로 구성된다. 원본 훈련 영상(1101)의 복수의 프레임이 순차적으로 제 1 DNN(800)에 입력되면, 제 1 DNN(800) 및 제 2 DNN(300)을 통해 제 1 훈련 영상(1102), 제 2 훈련 영상 및 제 3 훈련 영상(1104)의 복수의 프레임이 순차적으로 획득될 수 있다.
제 1 DNN(800) 및 제 2 DNN(300)의 연계 훈련을 위해, 원본 훈련 영상(1101)이 제 1 DNN(800)으로 입력된다. 제 1 DNN(800)으로 입력된 원본 훈련 영상(1101)은 AI 다운스케일되어 제 1 훈련 영상(1102)으로 출력되고, 제 1 훈련 영상(1102)이 제 2 DNN(300)에 입력된다. 제 1 훈련 영상(1102)에 대한 AI 업스케일 결과 제 3 훈련 영상(1104)이 출력된다.
도 11을 참조하면, 제 2 DNN(300)으로 제 1 훈련 영상(1102)이 입력되고 있는데, 구현예에 따라, 제 1 훈련 영상(1102)의 제 1 부호화 및 제 1 복호화 과정을 거쳐 획득된 제 2 훈련 영상(second training image)이 제 2 DNN(300)으로 입력될 수도 있다. 제 2 훈련 영상을 제 2 DNN으로 입력시키기 위해 MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 중 어느 하나의 코덱이 이용될 수 있다. 구체적으로, 제 1 훈련 영상(1102)의 제 1 부호화 및 제 1 훈련 영상(1102)에 대응하는 영상 데이터의 제 1 복호화에, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 중 어느 하나의 코덱이 이용될 수 있다.
도 11을 참조하면, 제 1 DNN(800)을 통해 제 1 훈련 영상(1102)이 출력되는 것과 별개로, 원본 훈련 영상(1101)으로부터 레거시 다운스케일된 축소 훈련 영상(1103)이 획득된다. 여기서, 레거시 다운스케일은 바이리니어(bilinear) 스케일, 바이큐빅(bicubic) 스케일, 란조스(lanczos) 스케일 및 스테어 스탭(stair step) 스케일 중 적어도 하나를 포함할 수 있다.
원본 영상(105)의 구조적 특징을 기준으로 제 1 영상(115)의 구조적 특징이 크게 벗어나는 것을 방지하기 위해, 원본 훈련 영상(1101)의 구조적 특징을 보존하는 축소 훈련 영상(1103)을 획득하는 것이다.
훈련의 진행 전 제 1 DNN(800) 및 제 2 DNN(300)은 미리 결정된 DNN 설정 정보로 세팅될 수 있다. 훈련이 진행됨에 따라 구조적 손실 정보(1110), 복잡성 손실 정보(1120) 및 퀄리티 손실 정보(1130)가 결정될 수 있다.
구조적 손실 정보(1110)는 축소 훈련 영상(1103)과 제 1 훈련 영상(1102)의 비교 결과에 기초하여 결정될 수 있다. 일 예에서, 구조적 손실 정보(1110)는 축소 훈련 영상(1103)의 구조적 정보와 제 1 훈련 영상(1102)의 구조적 정보 사이의 차이에 해당할 수 있다. 구조적 정보는, 영상의 휘도, 대비, 히스토그램 등 영상으로부터 추출 가능한 다양한 특징을 포함할 수 있다. 구조적 손실 정보(1110)는 원본 훈련 영상(1101)의 구조적 정보가 제 1 훈련 영상(1102)에서 어느 정도로 유지되고 있는지를 나타낸다. 구조적 손실 정보(1110)가 작을수록 제 1 훈련 영상(1102)의 구조적 정보가 원본 훈련 영상(1101)의 구조적 정보와 유사해진다.
복잡성 손실 정보(1120)는 제 1 훈련 영상(1102)의 공간적 복잡도에 기반하여 결정될 수 있다. 일 예에서, 공간적 복잡도로서, 제 1 훈련 영상(1102)의 총 분산(total variance)값이 이용될 수 있다. 복잡성 손실 정보(1120)는 제 1 훈련 영상(1102)을 제 1 부호화하여 획득한 영상 데이터의 비트레이트와 관련된다. 복잡성 손실 정보(1120)가 작을수록 영상 데이터의 비트레이트가 작은 것으로 정의된다.
퀄리티 손실 정보(1130)는 원본 훈련 영상(1101)과 제 3 훈련 영상(1104)의 비교 결과에 기초하여 결정될 수 있다. 퀄리티 손실 정보(1130)는 원본 훈련 영상(1101)과 제 3 훈련 영상(1104)의 차이에 대한 L1-norm 값, L2-norm 값, SSIM(Structural Similarity) 값, PSNR-HVS(Peak Signal-To-Noise Ratio-Human Vision System) 값, MS-SSIM(Multiscale SSIM) 값, VIF(Variance Inflation Factor) 값 및 VMAF(Video Multimethod Assessment Fusion) 값 중 적어도 하나를 포함할 수 있다. 퀄리티 손실 정보(1130)는 제 3 훈련 영상(1104)이 원본 훈련 영상(1101)과 어느 정도로 유사한지를 나타낸다. 퀄리티 손실 정보(1130)가 작을수록 제 3 훈련 영상(1104)이 원본 훈련 영상(1101)에 더 유사해진다.
도 11을 참조하면, 구조적 손실 정보(1110), 복잡성 손실 정보(1120) 및 퀄리티 손실 정보(1130)가 제 1 DNN(800)의 훈련에 이용되고, 퀄리티 손실 정보(1130)는 제 2 DNN(300)의 훈련에 이용된다. 즉, 퀄리티 손실 정보(1130)는 제 1 DNN(800) 및 제 2 DNN(300)의 훈련에 모두 이용된다.
제 1 DNN(800)은 구조적 손실 정보(1110), 복잡성 손실 정보(1120) 및 퀄리티 손실 정보(1130)에 기초하여 결정된 최종 손실 정보가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다. 또한, 제 2 DNN(300)은 퀄리티 손실 정보(1130)가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다.
제 1 DNN(800) 및 제 2 DNN(300)의 훈련을 위한 최종 손실 정보는 아래의 수학식 1과 같이 결정될 수 있다.
[수학식 1]
Figure PCTKR2022012646-appb-img-000001
상기 수학식 1에서, LossDS는 제 1 DNN(800)의 훈련을 위해 감소 또는 최소화되어야 할 최종 손실 정보를 나타내고, LossUS는 제 2 DNN(300)의 훈련을 위해 감소 또는 최소화되어야 할 최종 손실 정보를 나타낸다. 또한, a, b, c, d는 미리 결정된 소정의 가중치에 해당할 수 있다.
즉, 제 1 DNN(800)은 수학식 1의 LossDS가 감소되는 방향으로 파라미터들을 갱신하고, 제 2 DNN(300)은 LossUS가 감소되는 방향으로 파라미터들을 갱신하게 된다. 훈련 과정에서 도출된 LossDS에 따라 제 1 DNN(800)의 파라미터들이 갱신되면, 갱신된 파라미터에 기초하여 획득되는 제 1 훈련 영상(1102)이 이전 훈련 과정에서의 제 1 훈련 영상(1102)과 달라지게 되고, 그에 따라 제 3 훈련 영상(1104) 역시 이전 훈련 과정에서의 제 3 훈련 영상(1104)과 달라지게 된다. 제 3 훈련 영상(1104)이 이전 훈련 과정에서의 제 3 훈련 영상(1104)과 달라지게 되면, 퀄리티 손실 정보(1130) 역시 새롭게 결정되며, 그에 따라 제 2 DNN(300)은 파라미터들을 갱신한다. 퀄리티 손실 정보(1130)가 새롭게 결정되면, LossDS 역시 새롭게 결정되므로, 제 1 DNN(800)은 새롭게 결정된 LossDS에 따라 파라미터들을 갱신한다. 즉, 제 1 DNN(800)의 파라미터 갱신은, 제 2 DNN(300)의 파라미터 갱신을 야기하고, 제 2 DNN(300)의 파라미터 갱신은 제 1 DNN(800)의 파라미터 갱신을 야기하는 것이다. 다시 말하면, 제 1 DNN(800) 및 제 2 DNN(300)은 퀄리티 손실 정보(1130)의 공유를 통해 연계 훈련되므로, 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 서로 연관성을 가지고 최적화될 수 있는 것이다.
수학식 1을 참조하면, LossUS가 퀄리티 손실 정보(1130)에 따라 결정되는 것을 알 수 있으나, 이는 하나의 예시이며, LossUS는 구조적 손실 정보(1110) 및 복잡성 손실 정보(1120) 중 적어도 하나와, 퀄리티 손실 정보(1130)에 기초하여 결정될 수도 있다.
앞서, AI 복호화 장치(200)의 AI 설정부(238) 및 AI 부호화 장치(700)의 AI 설정부(718)는 복수의 DNN 설정 정보를 저장하는 것으로 설명하였는데, AI 설정부(238) 및 AI 설정부(718)에 저장되는 복수의 DNN 설정 정보 각각을 훈련시키는 방법에 대해 설명한다.
수학식 1과 관련하여 설명한 바와 같이, 제 1 DNN(800)의 경우, 제 1 훈련 영상(1102)의 구조적 정보와 원본 훈련 영상(1101)의 구조적 정보 사이의 유사 정도(구조적 손실 정보(1110)), 제 1 훈련 영상(1102)의 제 1 부호화 결과 획득되는 영상 데이터의 비트레이트(복잡성 손실 정보(1120)) 및 제 3 훈련 영상(1104)과 원본 훈련 영상(1101) 사이의 차이(퀄리티 손실 정보(1130))를 고려하여 파라미터를 갱신하게 된다.
자세히 설명하면, 원본 훈련 영상(1101)의 구조적 정보와 유사하면서, 제 1 부호화를 하였을 때 획득되는 영상 데이터의 비트레이트가 작은 제 1 훈련 영상(1102)이 획득 가능하도록 하는 동시에, 제 1 훈련 영상(1102)을 AI 업스케일하는 제 2 DNN(300)이 원본 훈련 영상(1101)에 유사한 제 3 훈련 영상(1104)을 획득할 수 있도록, 제 1 DNN(800)의 파라미터가 갱신될 수 있다.
수학식 1의 a, b, c의 가중치가 조절됨으로써, 제 1 DNN(800)의 파라미터들이 최적화되는 방향이 상이해지게 된다. 예를 들어, b의 가중치를 높게 결정하는 경우, 제 3 훈련 영상(1104)의 퀄리티보다 비트레이트가 낮아지는 것에 더 중요도를 두고 제 1 DNN(800)의 파라미터가 갱신될 수 있다. 또한, c의 가중치를 높게 결정하는 경우, 비트레이트가 높아지는 것이나, 원본 훈련 영상(1101)의 구조적 정보가 유지되는 것보다 제 3 훈련 영상(1104)의 퀄리티가 증가하도록 하는 것에 더 중요도를 두고 제 1 DNN(800)의 파라미터가 갱신될 수 있다.
또한, 제 1 훈련 영상(1102)을 제 1 부호화하는데 이용되는 코덱의 타입에 따라 제 1 DNN(800)의 파라미터들이 최적화되는 방향이 상이해질 수 있다. 왜냐하면, 코덱의 종류에 따라, 제 2 DNN(300)으로 입력될 제 2 훈련 영상이 달라질 수 있기 때문이다.
즉, 가중치 a, 가중치 b, 가중치 c 및 제 1 훈련 영상(1102)의 제 1 부호화를 위한 코덱의 종류에 기반하여 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 연계하여 갱신될 수 있는 것이다. 따라서, 가중치 a, 가중치 b, 가중치 c 각각을 소정의 값으로 결정하고, 코덱의 종류를 소정의 종류로 결정한 후, 제 1 DNN(800)과 제 2 DNN(300)을 훈련시키면, 서로 연계되어 최적화된 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 결정될 수 있다.
그리고, 가중치 a, 가중치 b, 가중치 c 및 코덱의 종류를 변경한 후, 제 1 DNN(800)과 제 2 DNN(300)을 훈련시키면, 서로 연계되어 최적화된 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 결정될 수 있다. 다시 말하면, 가중치 a, 가중치 b, 가중치 c 및 코덱의 종류 각각의 값을 변경하면서 제 1 DNN(800)과 제 2 DNN(300)을 훈련시키면 서로 연계되어 훈련된 복수의 DNN 설정 정보가 제 1 DNN(800) 및 제 2 DNN(300)에서 결정될 수 있는 것이다.
앞서, 도 5와 관련하여 설명한 바와 같이, 제 1 DNN(800) 및 제 2 DNN(300)의 복수의 DNN 설정 정보들은 제 1 영상 관련 정보들에 매핑되어 있을 수 있다. 이러한 매핑 관계의 설정을 위해, 제 1 DNN(800)에서 출력되는 제 1 훈련 영상(1102)을 특정 비트레이트에 따라 특정 코덱으로 제 1 부호화하고, 제 1 부호화 결과 획득된 비트스트림을 제 1 복호화하여 획득한 제 2 훈련 영상을 제 2 DNN(300)으로 입력할 수 있다. 즉, 특정 해상도의 제 1 훈련 영상(1102)이 특정 코덱에 의해 특정 비트레이트로 제 1 부호화되도록 환경을 설정한 후, 제 1 DNN(800) 및 제 2 DNN(300)을 훈련시킴으로써, 제 1 훈련 영상(1102)의 해상도, 제 1 훈련 영상(1102)의 제 1 부호화에 이용된 코덱의 종류 및 제 1 훈련 영상(1102)의 제 1 부호화 결과 획득된 비트스트림의 비트레이트에 매핑된 DNN 설정 정보 쌍이 결정될 수 있는 것이다. 제 1 훈련 영상(1102)의 해상도, 제 1 훈련 영상(1102)의 제 1 부호화에 이용된 코덱의 종류 및 제 1 훈련 영상(1102)의 제 1 부호화에 따라 획득되는 비트스트림의 비트레이트를 다양하게 변경시킴으로써, 제 1 DNN(800) 및 제 2 DNN(300)의 복수의 DNN 설정 정보들과 제 1 영상 관련 정보들 사이의 매핑 관계가 결정될 수 있다.
도 12는 훈련 장치(1200)에 의한 제 1 DNN(800) 및 제 2 DNN(300)의 훈련 과정을 설명하기 위한 도면이다.
도 11과 관련하여 설명한 제 1 DNN(800) 및 제 2 DNN(300)의 훈련은 훈련 장치(1200)에 의해 수행될 수 있다. 훈련 장치(1200)는 제 1 DNN(800) 및 제 2 DNN(300)을 포함한다. 훈련 장치(1200)는 예를 들어, AI 부호화 장치(700) 또는 별도의 서버일 수 있다. 훈련 결과 획득된 제 2 DNN(300)의 DNN 설정 정보들은 AI 복호화 장치(200)에 저장된다.
도 12를 참조하면, 훈련 장치(1200)는 제 1 DNN(800) 및 제 2 DNN(300)의 DNN 설정 정보를 초기 세팅한다(S1240, S1245). 이에 의해, 제 1 DNN(800) 및 제 2 DNN(300)은 미리 결정된 DNN 설정 정보에 따라 동작할 수 있다. DNN 설정 정보는 제 1 DNN(800) 및 2 DNN(300)에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 컨볼루션 레이어별 필터 커널의 크기 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다.
훈련 장치(1200)는 원본 훈련 영상(1101)을 제 1 DNN(800)으로 입력한다(S1250). 원본 훈련 영상(1101)은 정지 영상 또는 동영상을 구성하는 적어도 하나의 프레임을 포함할 수 있다.
제 1 DNN(800)은 초기 세팅된 DNN 설정 정보에 따라 원본 훈련 영상(1101)을 처리하고, 원본 훈련 영상(1101)으로부터 AI 다운스케일된 제 1 훈련 영상(1102)을 출력한다(S1255). 도 12는 제 1 DNN(800)으로부터 출력된 제 1 훈련 영상(1102)이 제 2 DNN(300)으로 바로 입력되는 것으로 도시되어 있으나, 제 1 DNN(800)으로부터 출력된 제 1 훈련 영상(1102)이 훈련 장치(1200)에 의해 제 2 DNN(300)으로 입력될 수 있다. 또한, 훈련 장치(1200)는 제 1 훈련 영상(1102)을 소정의 코덱으로 제 1 부호화 및 제 1 복호화한 후, 제 2 훈련 영상을 제 2 DNN(300)으로 입력할 수 있다.
제 2 DNN(300)은 제 1 훈련 영상(1102) 또는 제 2 훈련 영상을 초기 세팅된 DNN 설정 정보에 따라 처리하고, 제 1 훈련 영상(1102) 또는 제 2 훈련 영상으로부터 AI 업스케일된 제 3 훈련 영상(1104)을 출력한다(S1260).
훈련 장치(1200)는 제 1 훈련 영상(1102)에 기초하여 복잡성 손실 정보(1120)를 산출한다(S1265).
훈련 장치(1200)는 축소 훈련 영상(1103)과 제 1 훈련 영상(1102)을 비교하여 구조적 손실 정보(1110)를 산출한다(S1270).
훈련 장치(1200)는 원본 훈련 영상(1101)과 제 3 훈련 영상(1104)을 비교하여 퀄리티 손실 정보(1130)를 산출한다(S1275).
제 1 DNN(800)은 최종 손실 정보에 기초한 역전사(back propagation) 과정을 통해 초기 세팅된 DNN 설정 정보를 갱신한다(S1280). 훈련 장치(1200)는 복잡성 손실 정보(1120), 구조적 손실 정보(1110) 및 퀄리티 손실 정보(1130)에 기초하여 제 1 DNN(800)의 훈련을 위한 최종 손실 정보를 산출할 수 있다.
제 2 DNN(300)은 퀄리티 손실 정보 또는 최종 손실 정보에 기초한 역전사 과정을 통해 초기 세팅된 DNN 설정 정보를 갱신한다(S1285). 훈련 장치(1200)는 퀄리티 손실 정보(1130)에 기초하여 제 2 DNN(300)의 훈련을 위한 최종 손실 정보를 산출할 수 있다.
이후, 훈련 장치(1200), 제 1 DNN(800) 및 제 2 DNN(300)은 최종 손실 정보들이 최소화될 때까지 S1250 내지 S1285 과정을 반복하면서 DNN 설정 정보를 갱신한다. 이 때, 각 반복 과정 동안 제 1 DNN(800) 및 제 2 DNN은 이전 과정에서 갱신된 DNN 설정 정보에 따라 동작한다.
아래의 표 1은 본 개시의 일 실시예에 따라 원본 영상(105)을 AI 부호화 및 AI 복호화한 경우와, HEVC로 원본 영상(105)을 부호화 및 복호화한 경우의 효과를 나타낸다.
[표 1]
Figure PCTKR2022012646-appb-img-000002
표 1에서 알 수 있듯이, 본 개시의 일 실시예에 따라 8K 해상도의 300개의 프레임들로 이루어진 컨텐츠들을 AI 부호화 및 AI 복호화한 경우의 주관적 화질이 HEVC로 부호화 및 복호화한 경우의 주관적 화질보다 높음에도, 비트레이트가 50% 이상 감소한 것을 알 수 있다.
한편, 여러 전자 장치들이 참여하는 화상 회의에서는 전자 장치들 간에 수많은 영상 데이터가 송수신되므로, 네트워크에 대해 가해지는 부하가 상당할 수 있다. 전술한 AI 기반의 다운스케일 및 업스케일을 화상 회의에 참여하는 전자 장치들이 수행한다면, 네트워크를 통해 송수신되는 데이터량이 상당히 감소될 수 있다.
이하에서는, 도 1 내지 도 12에서 전술된 AI 업스케일 기능 및 AI 다운스케일 기능을 기반으로 화상 회의에 참여하는 전자 장치 또는 서버에 대해 설명한다.
후술하는 전자 장치 및/또는 서버는 화상 회의 영상을 AI 업스케일 및/또는 AI 다운스케일을 수행함으로써, 네트워크를 통해 송수신되는 데이터량을 감소시킬 수 있다. 또한, 후술하는 전자 장치 및/또는 서버는 모든 화상 회의 영상을 일괄적으로 AI 다운스케일/AI 업스케일하는 것이 아니라, 화상 회의 참가자의 전자 장치의 중요도, 즉, 화상 회의 영상의 중요도에 따라 화상 회의 영상을 적응적으로 AI 업스케일 및/또는 AI 다운스케일을 수행함으로써, 원활한 화상 회의가 진행될 수 있게 한다.
구체적으로, 도 13 내지 도 24에서 후술되는 실시예들은 AI 다운스케일 또는 AI 업스케일 지원 여부에 따라, 그리고, 화상 회의에 참여하는 전자 장치의 중요도에 따라, 전자 장치 또는 화상 회의를 관리하는 서버가 화상 회의 영상을 AI 다운스케일 또는 AI 업스케일을 수행하는 방법에 관한 것이다.
도 13은 일 실시예에 따른 화상 회의시 화상 회의에 참여하는 다른 전자 장치의 중요도에 따라 화상 회의 영상을 AI 업스케일하는 전자 장치의 구성을 나타내는 블록도이다.
도 13을 참조하면, 전자 장치(1300)는 수신부(1310), AI 복호화부(1330), 및 디스플레이부(1350)을 포함할 수 있다. AI 복호화부(1330)는 파싱부(1331), 제 1 복호화부(1332), AI 업스케일부(1333), 및 AI 설정부(1334)를 포함할 수 있다.
도 13은 수신부(1310), AI 복호화부(1330), 및 디스플레이부(1350)를 개별적인 장치로 도시하고 있으나, 수신부(1310), AI 복호화부(1330), 및 디스플레이부(1350)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, 수신부(1310), AI 복호화부(1330), 및 디스플레이부(1350)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다.
일 실시예에서, 수신부(1310)는 제 1 프로세서로 구현되고, 제 1 복호화부(1332)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 파싱부(1331), AI 업스케일부(1333) 및 AI 설정부(1334)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현되고, 디스플레이부(1350)는 제 1 프로세서, 제 2 프로세서, 및 제 3 프로세서와 상이한 제 4 프로세서로 구현될 수 있다.
수신부(1310)는 화상 회의를 관리하는 서버로부터 AI 부호화 결과 획득된 AI 부호화 데이터와 화상 회의에 참여하는 다른 전자 장치의 중요도 정보를 수신한다. 일 예로, AI 부호화 데이터는 mp4, mov 등의 파일 형식을 갖는 비디오 파일일 수 있다. 수신부(1310)가 서버로부터 획득하는 AI 부호화 데이터는, 서버가 다른 전자 장치의 원본 영상을 AI 다운스케일한 제1 영상과 관련된 데이터이거나 다른 전자 장치가 원본 영상을 AI 다운스케일한 제1 영상과 관련된 데이터이다.
수신부(1310)는 통신 네트워크를 통해 화상 회의를 관리하는 서버로부터 전달되는 AI 부호화 데이터와 화상 회의에 참여하는 다른 전자 장치의 중요도 정보를 수신할 수 있다. 수신부(1310)는 AI 부호화 데이터 및 중요도 정보를 AI 복호화부(1330)로 출력한다. 중요도 정보는 AI 부호화 데이터의 AI 데이터에 포함되어 전송될 수 있다. 일 실시예에서, 중요도 정보는 AI 부호화 데이터와는 별개로 메타 데이터로서 서버 또는 다른 전자 장치로부터 수신될 수 있다.
파싱부(1331)는 AI 부호화 데이터를 파싱하여 화상 회의 영상의 제 1 부호화 결과로 생성된 영상 데이터를 제 1 복호화부(1332)로 전달하고, AI 데이터 및 중요도 정보를 AI 설정부(1334)로 전달한다.
일 실시예에서, 파싱부(1331)는 AI 부호화 데이터 내에 서로 분리되어 포함된 영상 데이터와 AI 데이터를 파싱할 수 있다. 파싱부(1331)는 AI 부호화 데이터 내의 헤더를 읽어 AI 부호화 데이터 내에 포함되어 있는 AI 데이터와 영상 데이터를 구분할 수 있다.
서로 분리된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 9를 참조하여 전술된 바 생략한다.
다른 실시예에서, 파싱부(1331)는 AI 부호화 데이터에서 영상 데이터를 파싱하고, 영상 데이터로부터 AI 데이터를 추출한 후, AI 데이터를 AI 설정부(1334)로 전달하고, 나머지 영상 데이터를 제 1 복호화부(1332)로 전달할 수 있다. 즉, AI 데이터는 영상 데이터에 포함될 수 있는데, 예를 들어, AI 데이터는 영상 데이터에 해당하는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 포함될 수 있다. AI 데이터가 포함된 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 10을 참조하여 전술된 바 생략한다.
다른 실시예에서, 파싱부(1831)는 영상 데이터에 해당하는 비트스트림을 제 1 복호화부(1332)에서 처리될 비트스트림과 AI 데이터에 해당하는 비트스트림으로 분할하고, 분할된 각각의 비트스트림을 제 1 복호화부(1332)와 AI 설정부(1334)로 출력할 수 있다.
파싱부(1331)는 AI 부호화 데이터에 포함된 영상 데이터가 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통해 획득된 영상 데이터인 것으로 확인할 수도 있다. 이 경우, 영상 데이터가 상기 확인된 코덱으로 처리될 수 있도록, 해당 정보를 제 1 복호화부(1332)로 전달할 수 있다.
제 1 복호화부(1332)는 파싱부(1331)로부터 수신된 영상 데이터에 기초하여 화상 회의 영상인 제 1 영상에 대응하는 제 2 영상을 복원한다. 제 1 복호화부(1332)에 의해 획득된 제 2 영상은 AI 업스케일부(1333)로 제공된다.
또한, AI 설정부(1334)로부터 중요도 정보도 AI 업스케일부(1333)로 제공된다.
AI 업스케일부(1333)는 중요도에 따라 제 2 영상을 그대로 디스플레이부(1350)에 제공하거나 제 2 영상을 AI 업스케일하여 획득된 제 3 영상을 디스플레이부(1350)에 제공한다.
중요도 정보는 화상 회의에 참여하는 전자 장치의 사용자가 발표자인지 청취자인지를 나타내는 정보이고, 화상 회의 영상에 대한 AI 업스케일 수행 여부를 결정하는데 이용되는 정보이다. 여기서, 발표자는 화상 회의에서 중요한 회의 내용을 설명하고, 화면 제어 권한을 가지는 참여자를 의미하고, 청취자는 화상 회의에서 발표자가 설명하는 내용을 단순히 청취하고, 화면 제어 권한이 없는 참여자를 의미한다. 따라서, 발표자의 화상 회의 영상에는 중요한 정보가 상대적으로 많이 포함되어 있으므로, 중요도가 높아 데이터 사용량을 줄이기 위해 다운스케일한 영상을 원본 영상의 화질로 복원하는 것이 중요하고, 청취자의 화상 회의 영상은 중요한 정보가 상대적으로 적게 포함되어 있으므로, 중요도가 낮아 다운스케일한 영상을 원본 영상으로 복원할 필요가 없다.
구체적으로, AI 업스케일부(1333)는 중요도 정보가 다른 전자 장치의 사용자가 발표자임을 나타내면 제 2 영상을 AI 업스케일하여 획득된 제 3 영상을 디스플레이부(1350)에 제공하고, 중요도 정보가 다른 전자 장치의 사용자가 청취자임을 나타내면, 제 2 영상을 디스플레이부(1350)에 제공한다. 즉, 발표자의 화상 회의 영상은 중요한 정보가 많이 포함되어 있으므로, 발표자의 전자 장치의 원본 영상에 대응하도록 AI 업스케일하여 획득된 제 3 영상이 디스플레이되고, 청취자의 화상 회의 영상은 발표자에 비해 중요하지 않으므로, 제 2 영상이 그대로 디스플레이된다.
일 실시예에 따라, 중요도 정보는 다른 전자 장치의 사용자가 발표자이면 1로 설정되고, 사용자가 청취자이면 0으로 설정되는 플래그 정보일 수 있다.
일 실시예에 따라, 화상 회의를 시작할 때, 화상 회의에 참여하는 다른 전자 장치는 다른 전자 장치의 중요도 정보를 생성하여 서버에 전송하고, 서버는 전자 장치(1300)가 중요도 정보를 이용할 수 있는 경우에 전자 장치(1300)에 중요도 정보를 전송할 수 있다. 또한, 화상 회의 도중에 다른 전자 장치의 중요도가 변경되는 입력이 수신되는 경우에 다른 전자 장치는 변경된 중요도 정보를 생성하거나 중요도 정보를 갱신하여 서버에 전송하고, 서버는 전자 장치(1300)가 중요도 정보를 이용할 수 있는 경우에 전자 장치(1300)에 중요도 정보를 전송할 수 있다. 즉, 중요도 정보는 항상 전송되는 것이 아니라, 화상 회의를 시작할 때와 중요도의 변경이 있을 때에 변경되거나 갱신된 중요도 정보가 전송될 수 있다. 이러한 경우에 전자 장치(1300)는 화상 회의가 시작될 때 서버를 통해 전송받은 다른 전자 장치의 중요도 정보를 획득하여 저장하고, 중요도 정보에 기초하여 AI 업스케일을 수행하다가, 다른 전자 장치의 중요도가 변경되면 변경된 다른 전자 장치의 중요도 정보를 서버로부터 획득하여 갱신하고, 갱신된 중요도 정보에 기초하여 AI 업스케일을 수행한다.
구현예에 따라, 예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등의 제 1 복호화 관련 정보가 제 1 복호화부(1332)로부터 AI 설정부(1334)로 제공될 수 있다. 제 1 복호화 관련 정보는 DNN 설정 정보를 획득하는데 이용될 수 있다.
AI 설정부(1334)로 제공되는 AI 데이터는, 제 2 영상을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 이때, 제 2 영상의 업스케일 타겟은 제 1 DNN의 다운스케일 타겟에 대응하여야 한다. 따라서, AI 데이터는 제 1 DNN의 다운스케일 타겟을 확인할 수 있는 정보가 포함되어야 한다.
AI 데이터에 포함된 정보를 구체적으로 예시하면, 화상 회의 시의 원본 영상의 해상도와 원본 영상이 AI 다운스케일된 제 1 영상의 해상도의 차이 정보, 제 1 영상 관련 정보가 있다.
차이 정보는, 원본 영상 대비 제 1 영상의 해상도 변환 정도에 대한 정보(예를 들어, 해상도 변환율 정보)로 표현될 수 있다. 그리고, 복원된 제 2 영상의 해상도를 통해 제 1 영상의 해상도를 알게 되고 이를 통해 해상도 변환 정도를 확인할 수 있기 때문에, 차이 정보는 원본 영상의 해상도 정보만으로 표현될 수도 있다. 여기서 해상도 정보는 가로/세로의 화면 사이즈로 표현될 수도 있고, 비율(16:9, 4:3 등)과 한 축의 사이즈로 표현될 수도 있다. 또한, 기 설정된 해상도 정보가 있는 경우는 인덱스 또는 플래그의 형태로 표현될 수도 있다.
그리고, 제 1 영상 관련 정보는, 제 1 영상의 해상도, 제 1 영상)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
AI 설정부(1334)는 AI 데이터에 포함된 차이 정보 및 제 1 영상 관련 정보 중 적어도 하나에 기초하여 제 2 영상의 업스케일 타겟을 결정할 수 있다. 업스케일 타겟은 예를 들어, 제 2 영상을 어느 정도의 해상도로 업스케일하여야 하는지를 나타낼 수 있다. AI 업스케일부(1333)는 업스케일 타겟이 결정되면, 업스케일 타겟에 대응하는 제 3 영상을 획득하기 위해 제 2 DNN을 통해 제 2 영상을 AI 업스케일한다.
이하에서, AI 설정부(1334)가 업스케일 타겟을 결정하고, AI 업스케일부(1333)가 업스케일 타겟에 맞춰 제 2 영상을 AI 업스케일하는 방법을 설명한다.
일 실시예에서, AI 설정부(1334)는 제 2 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다.
여기서, DNN 설정 정보는 제 2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다. 복수의 DNN 설정 정보는 다양한 업스케일 타겟에 각각 대응될 수 있으며, 특정 업스케일 타겟에 대응되는 DNN 설정 정보에 기반하여 제 2 DNN이 동작할 수 있다. DNN 설정 정보에 따라 제 2 DNN이 서로 다른 구조를 가질 수 있다. 예를 들어, 어느 DNN 설정 정보에 따라 제 2 DNN이 3개의 컨볼루션 레이어를 포함할 수 있고, 다른 DNN 설정 정보에 따라 제 2 DNN이 4개의 컨볼루션 레이어를 포함할 수 있다.
일 실시예에서, DNN 설정 정보는 제 2 DNN에서 사용되는 필터 커널의 파라미터만을 포함할 수도 있다. 이 경우, 제 2 DNN의 구조는 변경되지 않는 대신, DNN 설정 정보에 따라 내부의 필터 커널의 파라미터만이 달라질 수 있다.
AI 설정부(1335)는 복수의 DNN 설정 정보 중 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다. 여기서 사용되는 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 3 영상을 획득하기 위한 정보로, 제 1 DNN과 연계하여 훈련된 것이다.
예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 제 2 영상의 해상도보다 2배 큰 해상도의 제 3 영상, 예를 들어, 540p의 제 2 영상보다 2배 큰 1080p의 제 3 영상을 획득하기 위한 정보들 또는 제 2 영상의 해상도보다 4배 큰 해상도의 제 3 영상, 예를 들어, 270p의 제 2 영상보다 4배 큰 1080p의 제 3 영상을 획득하기 위한 정보들을 포함할 수 있다.
AI 다운스케일용 DNN의 훈련 방식과 AI 업스케일용 DNN의 훈련 방식은 도 11 및 도 12에서 구체적으로 전술된 바 생략한다. 다만, 각각의 DNN 훈련시에 화상 회의시에 이용되는 영상의 해상도를 고려하여 훈련될 수 있다. 예를 들어, 화상회의에서 이용되는 원본 영상의 크기가 1080p일 때, AI 다운스케일용 DNN은 원본 영상으로부터 원본 영상의 1/2 크기를 갖는 540p의 제1 영상 또는 원본 영상의 1/4 크기를 갖는 270p의 제1 영상을 출력하고, AI 업스케일용 DNN은 540p의 제 2 영상 또는 270p의 제2 영상으로부터 1080p의 제3 영상을 출력하도록 훈련될 수 있다.
복수의 DNN 설정 정보 각각은 다른 전자 장치 또는 서버의 제 1 DNN의 DNN 설정 정보와 연계되어 만들어진 것이며, AI 설정부(1334)는 제 1 DNN의 DNN 설정 정보의 축소 비율에 대응되는 확대 비율에 따라 복수의 DNN 설정 정보 중 하나의 DNN 설정 정보를 획득한다. 이를 위해, AI 설정부(1334)는 제 1 DNN의 정보를 확인하여야 한다. 제 1 DNN의 정보를 AI 설정부(1334)가 확인하기 위해, 일 실시예에 따른 전자 장치(1300)은 화상 회의를 관리하는 서버로부터 제 1 DNN의 정보를 포함하는 AI 데이터를 수신한다.
다시 말하면, AI 설정부(1334)는 서버로부터 수신되는 정보들을 이용하여, 제 1 영상을 획득하기 위해 이용된 제 1 DNN의 DNN 설정 정보가 타겟하는 정보를 확인하고, 그와 연계 훈련된 제 2 DNN의 DNN 설정 정보를 획득할 수 있는 것이다.
복수의 DNN 설정 정보 중 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보가 획득되면, DNN 설정 정보는 AI 업스케일부(1333)로 전달되고, DNN 설정 정보에 따라 동작하는 제 2 DNN에 기초하여 입력 데이터가 처리될 수 있다.
예를 들어, AI 업스케일부(1333)는 어느 하나의 DNN 설정 정보가 획득되면, 도 3에 도시된 제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350) 각각에 대해서, 각 레이어에 포함되는 필터 커널의 개수와 필터 커널의 파라미터들을, 상기 획득된 DNN 설정 정보에 포함된 값으로 설정한다.
구체적으로, AI 업스케일부(1333)는 도 4에 도시된 제 2 DNN의 어느 하나의 컨볼루션 레이어에서 이용되는 3 X 3의 필터 커널의 파라미터들이 {1, 1, 1, 1, 1, 1, 1, 1, 1}이고, DNN 설정 정보의 변경이 있는 경우, 필터 커널의 파라미터들을 변경된 DNN 설정 정보에 포함된 파라미터들인 {2, 2, 2, 2, 2, 2, 2, 2, 2}로 교체할 수 있는 것이다.
AI 설정부(1334)는 AI 데이터에 포함된 정보에 기초하여 복수의 DNN 설정 정보 중 제 2 영상을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있는데, DNN 설정 정보를 획득하는데 이용되는 AI 데이터에 대해 구체적으로 설명한다.
일 실시예에서, AI 설정부(1334)는 AI 데이터에 포함된 차이 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. 예를 들어, 차이 정보에 기초하여 원본 영상의 해상도(예를 들어, 1080p)가 제 1 영상의 해상도(예를 들어, 540p)보다 2배 큰 것으로 확인된 경우, AI 설정부(1835)는 제 2 영상의 해상도를 2배 증가시킬 수 있는 DNN 설정 정보를 획득할 수 있다.
다른 실시예에서, AI 설정부(1334)는 AI 데이터에 포함된 제 1 영상 관련 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. AI 설정부(1334)는 영상 관련 정보들과 DNN 설정 정보들 사이의 매핑 관계를 미리 결정하고, 제 1 영상 관련 정보에 매핑된 DNN 설정 정보를 획득할 수 있다.
AI 다운스케일을 위한 복수의 DNN 설정 정보와 AI 업스케일을 위한 복수의 DNN 설정 정보가 전술한 도 11 및 도 12와 관련하여 설명한 훈련 과정을 통해 획득될 수 있다. 구현예에 따라, AI 다운스케일을 위한 하나의 DNN 설정 정보와 AI 업스케일을 위한 하나의 DNN 설정 정보가 전술한 도 11 및 도 12와 관련하여 설명한 훈련 과정을 통해 획득될 수도 있다. 즉, 한쌍의 DNN 설정 정보가 AI 다운스케일 및 AI 업스케일을 위해 획득될 수 있고, 이 경우, AI 업스케일을 위한 하나의 DNN 설정 정보가 AI 설정부에 저장될 수 있다.
구체적으로, AI 설정부(1334)는 AI 데이터에 포함된 정보에 기초하여 540p의 다운스케일된 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 DNN 설정 정보를 획득할 수 있다. 이 경우, AI 데이터에 포함된 정보는 함께 전송되는 영상 데이터가 AI 다운스케일을 통해 획득된 영상에 대한 것임을 나타내는 정보이고, AI 설정부(1334)는 AI 설정부에 저장된 하나의 DNN 설정 정보를 AI 업스케일부(1333)에 제공한다.
AI 업스케일부(1333)는 AI 설정부(1334)로부터 제공된 DNN 설정 정보 및 중요도에 기초하여 AI 업스케일을 수행하여 제 3 영상을 획득하고, 제 3 영상을 디스플레이부(1350)에 제공한다.
일 실시예에서, AI 업스케일부(1333)는 AI 설정부(1334)로부터 제공된 DNN 설정 정보가 1080p의 원본 영상으로부터 다운스케일된 540p의 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 미리결정된 DNN 설정 정보(즉, 스케일링 배율이 2인 DNN 설정 정보)이고, 제 1 영상이 270p이고 원본 영상이 1080p이고 중요도가 높은 경우, 하나의 미리 결정된 DNN 설정 정보를 이용하여 AI 업스케일을 2번 수행하여 1080p의 제 3 영상을 획득하고, 제 3 영상을 디스플레이부(1350)에 제공한다. AI 업스케일을 2번 수행하는 이유는, 제 3 영상의 해상도를 원본 영상에 맞추기 위함이다.
다른 실시예에서, AI 업스케일부(1333)는 AI 설정부(1334)로부터 제공된 DNN 설정 정보가 540p의 다운스케일된 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 미리 결정된 DNN 설정 정보이고, 제 1 영상이 270p이고 원본 영상이 1080p이고 중요도가 낮은 경우, AI 업스케일을 수행하지 않고, 270p의 제 2 영상을 디스플레이부(1350)에 제공한다.
다른 실시예에서, AI 업스케일부(1333)는 AI 설정부(1334)로부터 제공된 DNN 설정 정보가 540p의 다운스케일된 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 미리 결정된 DNN 설정 정보이고, 제 1 영상이 270p이고 원본 영상이 1080p이고 중요도가 낮은 경우, 하나의 미리 결정된 DNN 설정 정보를 이용하여 AI 업스케일을 1번 수행하여 540p의 제 3 영상을 획득하고, 제 3 영상을 디스플레이부(1350)에 제공한다.
디스플레이부(1350)는 화상 회의에 참여하는 다른 전자 장치의 다운스케일된 영상에 대응하는 제 2 영상 또는 원본 영상에 대응하는 제 3 영상을 디스플레이한다.
도 14는 일 실시예에 따른 화상 회의시 화상 회의에 참여하는 전자 장치의 화상 회의 영상을 AI 다운스케일하는 전자 장치의 구성을 나타내는 블록도이다.
도 13의 전자 장치(1300)는 다른 전자 장치의 화상 회의 영상을 수신하여 다른 전자 장치의 중요도에 따라 AI 업스케일 수행 여부를 결정하여 AI 업스케일 수행하는 반면, 도 14의 전자 장치(1400)는 전자 장치(1400)의 화상 회의 영상을 AI 다운스케일하여 다른 전자 장치에 전송한다.
도 13의 전자 장치(1300)와 도 14의 전자 장치(1400)는 화상 회의에 참여하는 전자 장치 내에서 서로 다른 역할을 수행하는 구성들을 각각 나타내는 것으로, 도 13의 전자 장치(1300)와 도 14의 전자 장치(1400)는 동일한 전자 장치일 수 있다.
또한, 도 13의 전자 장치(1300)와 도 14의 전자 장치(1400)는 화상 회의에 참여하는 서로 다른 전자 장치일 수도 있다.
도 14의 전자 장치(1400)는 전술된 AI 부호화 장치(700)의 구성과 전체적으로 동일하고, 추가적으로 중요도 정보를 서버로 전송한다는 점에서 차이가 있다.
화상 회의에 참여하는 전자 장치(1400)는 데이터 사용량을 감소시키기 위해, 중요도 정보에 관계없이 AI 다운스케일하여 서버에 AI 다운스케일된 영상을 전송하지만, 전자 장치(1400)가 전송한 화상 회의 영상을 수신하는 전자 장치(1300) 또는 서버는 중요도에 기초하여 화상 회의 영상의 AI 업스케일 여부를 결정한다.
도 14를 참조하면, 전자 장치(1400)는 AI 부호화부(1410) 및 전송부(1430)를 포함할 수 있다. AI 부호화부(1410)는 AI 다운스케일부(1411), 제 1 부호화부(1412), 데이터 처리부(1413) 및 AI 설정부(1414)를 포함할 수 있다.
도 14는 AI 부호화부(1410) 및 전송부(1430)를 개별적인 장치로 도시하고 있으나, AI 부호화부(1410) 및 전송부(1430)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, AI 부호화부(1410) 및 전송부(1430)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다.
일 실시예에서, 제 1 부호화부(1412)는 제 1 프로세서로 구성되고, AI 다운스케일부(1411), 데이터 처리부(1413) 및 AI 설정부(1414)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 전송부(1430)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현될 수 있다.
AI 부호화부(1410)는 화상 회의에 참여하는 전자 장치(1400)의 원본 영상의 AI 다운스케일 및 AI 다운스케일된 제 1 영상의 제 1 부호화를 수행하고, AI 부호화 데이터 및 중요도 정보를 전송부(1430)로 전달한다. 전송부(1430)는 AI 부호화 데이터 및 중요도 정보를 화상 회의를 관리하는 서버로 전송한다.
영상 데이터는 제 1 영상의 제 1 부호화 결과 획득된 데이터를 포함한다. 영상 데이터는 제 1 영상 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상과 제 1 영상의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상의 제 1 부호화 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다.
AI 데이터는, 전자 장치(1300)의 AI 업스케일부(1333) 또는 서버(1500)의 AI 업스케일부(1533)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 일 예에서, AI 데이터는 원본 영상과 제 1 영상 사이의 차이 정보를 포함할 수 있다. 일 예에서, AI 데이터는 제 1 영상 관련 정보를 포함할 수도 있다. 제 1 영상 관련 정보는, 제 1 영상의 해상도, 제 1 영상의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
일 실시예에서, AI 데이터는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상이 AI 업스케일될 수 있도록, 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다.
또한, 일 실시예에서, AI 데이터는 제 2 DNN에 세팅 가능한 DNN 설정 정보를 포함할 수도 있다.
AI 다운스케일부(1411)는 제 1 DNN을 통해 원본 영상으로부터 AI 다운스케일된 제 1 영상을 획득할 수 있다. AI 다운스케일부(1411)는 AI 설정부(1414)로부터 제공된 DNN 설정 정보를 이용하여 원본 영상을 AI 다운스케일할 수 있다. AI 설정부(1414)는 미리 결정된 기준에 기초하여 원본 영상의 다운스케일 타겟을 결정할 수 있다.
다운스케일 타겟에 부합하는 제 1 영상의 획득을 위해, AI 설정부(1414)는 제 1 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다. AI 설정부(1414)는 복수의 DNN 설정 정보 중 다운스케일 타겟에 대응하는 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보를 AI 다운스케일부(1411)로 제공한다.
상기 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 1 영상을 획득하기 위해 훈련된 것일 수 있다. 예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 원본 영상의 해상도보다 1/2배만큼 작은 해상도의 제 1 영상, 예를 들어, 1080p의 원본 영상보다 1/2배 작은 540p의 제 1 영상을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 원본 영상의 해상도보다 1/4배만큼 작은 해상도의 제 1 영상, 예를 들어, 1080p의 원본 영상보다 1/4배 작은 270p의 제 1 영상을 획득하기 위한 정보들을 포함할 수 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(1414)는 다운스케일 타겟에 따라 룩업 테이블 값들 중에서 선택된 일부를 조합하여 획득한 DNN 설정 정보를 AI 다운스케일부(1411)로 제공할 수도 있다.
구현예에 따라, AI 설정부(1414)는 다운스케일 타겟에 대응되는 DNN의 구조를 결정하고, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
원본 영상의 AI 다운스케일을 위한 복수의 DNN 설정 정보는, 제 1 DNN과 제 2 DNN이 연계 훈련됨으로써, 최적화된 값을 가질 수 있다. 여기서, 각 DNN 설정 정보는 제 1 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나를 포함한다.
AI 다운스케일부(1411)는 원본 영상의 AI 다운스케일을 위해 결정된 DNN 설정 정보로 제 1 DNN을 세팅하여, 소정 해상도 및/또는 소정 화질의 제 1 영상을 제 1 DNN을 통해 획득할 수 있다. 복수의 DNN 설정 정보 중 원본 영상의 AI 다운스케일을 위한 DNN 설정 정보가 획득되면, 제 1 DNN 내 각 레이어는 DNN 설정 정보에 포함된 정보들에 기초하여 입력된 데이터를 처리할 수 있다.
구현예에 따라, AI 설정부(1414)는 제 1 영상의 획득을 위해, 제 1 DNN에 세팅 가능한 하나의 DNN 설정 정보를 저장할 수도 있다. 예를 들어, AI 설정부(1414)는 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보를 획득하고, 획득된 하나의 DNN 설정 정보를 AI 다운스케일부(1411)로 제공한다.
이하에서는, AI 설정부(1414)가 다운스케일 타겟을 결정하는 방법에 대해 설명한다. 상기 다운스케일 타겟은 예를 들어, 원본 영상으로부터 얼마나 해상도가 감소한 제 1 영상을 획득해야 하는지를 나타낼 수 있다.
AI 설정부(1414)는 하나 이상의 입력 정보를 획득한다. 일 실시예에서, 입력 정보는 제 1 영상의 타겟 해상도, 영상 데이터의 타겟 비트레이트, 영상 데이터의 비트레이트 타입(예를 들어, variable bitrate 타입, constant bitrate 타입 또는 average bitrate 타입 등), AI 다운스케일이 적용되는 컬러 포맷(휘도 성분, 색차 성분, 레드 성분, 그린 성분 또는 블루 성분 등), 제 1 영상의 제 1 부호화를 위한 코덱 타입, 압축 히스토리 정보, 원본 영상의 해상도 및 원본 영상의 타입 중 적어도 하나를 포함할 수 있다.
하나 이상의 입력 정보는 전자 장치(1400)에 미리 저장되거나, 사용자로부터 입력받은 정보를 포함할 수 있다.
AI 설정부(1414)는 입력 정보에 기초하여 AI 다운스케일부(1411)의 동작을 제어한다. 일 실시예에서, AI 설정부(1414)는 입력 정보에 따라 다운스케일 타겟을 결정하고, 결정된 다운스케일 타겟에 대응하는 DNN 설정 정보를 AI 다운스케일부(1411)로 제공할 수 있다.
일 실시예에서, AI 설정부(1414)는 입력 정보의 적어도 일부를 제 1 부호화부(1412)로 전달하여 제 1 부호화부(1412)가 특정 값의 비트레이트, 특정 타입의 비트레이트 및 특정 코덱으로 제 1 영상을 제 1 부호화하게 할 수도 있다.
일 실시예에서, AI 설정부(1414)는 압축률(예를 들어, 원본 영상과 제 1 영상 사이의 해상도 차이, 타겟 비트레이트), 압축 품질(예를 들어, 비트레이트 타입), 압축 히스토리 정보 및 원본 영상의 타입 중 적어도 하나에 기초하여 다운스케일 타겟을 결정할 수 있다.
일 예에서, AI 설정부(1414)는 미리 설정되거나, 사용자로부터 입력받은 압축률 또는 압축 품질 등에 기반하여 다운스케일 타겟을 결정할 수 있다.
다른 예로, AI 설정부(1414)는 전자 장치(1400)에 저장된 압축 히스토리 정보를 이용하여 다운스케일 타겟을 결정할 수도 있다. 예를 들어, 전자 장치(1400)가 이용할 수 있는 압축 히스토리 정보에 따르면, 사용자가 선호하는 부호화 품질 또는 압축률 등이 결정될 수 있으며, 압축 히스토리 정보에 기초하여 결정된 부호화 품질 등에 따라 다운스케일 타겟이 결정될 수 있다. 예를 들면, 압축 히스토리 정보에 따라 가장 많이 이용된 적이 있는 부호화 품질에 따라 제 1 영상의 해상도, 화질 등이 결정될 수 있다.
또 다른 예로, AI 설정부(1414)는 압축 히스토리 정보에 따라 소정의 임계 값보다 많이 이용된 적이 있는 부호화 품질(예를 들면, 소정의 임계값보다 많이 이용된 적이 있는 부호화 품질들의 평균 품질)에 기초하여 다운스케일 타겟을 결정할 수도 있다.
또 다른 예로, AI 설정부(1414)는 원본 영상의 해상도, 타입(예를 들어, 파일의 형식)등에 기초하여 다운스케일 타겟을 결정할 수도 있다.
일 실시예에서, 원본 영상이 복수의 프레임으로 구성된 경우, AI 설정부(718)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득하고, 독립적으로 획득한 DNN 설정 정보를 AI 다운스케일부(1411)로 제공할 수도 있다.
일 예시에서, AI 설정부(1414)는 원본 영상을 구성하는 프레임들을 소정 개수의 그룹으로 구분하고, 각 그룹별로 DNN 설정 정보를 독립적으로 획득할 수 있다. 각 그룹에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다. 그룹들에 포함된 프레임들의 개수는 그룹별로 동일하거나 상이할 수 있다.
다른 예시에서, AI 설정부(1414)는 원본 영상을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 결정할 수 있다. 각각의 프레임에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다.
AI 다운스케일의 기반이 되는 제 1 DNN의 예시적인 구조는 도 8에서 전술된 바 생략한다.
일 실시예에서, AI 다운스케일부(1411)는 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 원본 영상 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
다른 실시예에서, AI 다운스케일부(1411)는 AI 설정부(1414)로부터 제공된 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보에 기초하여 원본 영상을 AI 다운스케일한다. 또한, AI 다운스케일부(1411)는 AI 설정부(1414)로부터 중요도 정보를 추가로 제공받아 중요도가 낮은 원본 영상의 경우에는 데이터 사용량을 더 감소시키기 위해, 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보를 이용하여 AI 다운스케일을 2번 수행하여 270p의 제1 영상을 획득할 수 있다.
다른 실시예에서, AI 다운스케일부(1411)는 중요도에 관계 없이 AI 설정부(1414)로부터 제공된 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보에 기초하여 원본 영상을 2번 AI 다운스케일한다. 이러한 경우, 1080p의 원본 영상을 270p의 제1 영상으로 AI 다운스케일함으로써 데이터 사용량이 더 감소될 수 있다.
다시 도 14를 참조하면, AI 설정부(1414)는 AI 데이터를 데이터 처리부(1413)로 전달한다. AI 데이터는, AI 업스케일부(1333, 1533)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상을 AI 업스케일할 수 있게 하는 정보들을 포함한다. AI 다운스케일부(1411)로부터 제 1 영상을 전달받은 제 1 부호화부(1412)는 주파수 변환 기반의 영상 압축 방법에 따라 제 1 영상을 제 1 부호화하여 제 1 영상이 가지는 정보량을 감축시킬 수 있다. 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통한 제 1 부호화 결과, 영상 데이터가 획득된다. 영상 데이터는 소정의 코덱의 규칙, 즉 신택스에 따라 획득된다. 예를 들어, 영상 데이터는 제 1 영상과 제 1 영상의 예측 데이터 사이의 차이인 잔차 데이터, 제 1 영상을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다. 제 1 부호화부(1412)의 제 1 부호화 결과 획득된 영상 데이터는 데이터 처리부(1413)로 제공된다.
AI 설정부(1414)는 전자 장치(1400)의 사용자가 발표자인지 청취자인지를 나타내는 중요도에 대한 중요도 정보를 생성하여 데이터 처리부(1413)에 전송한다. AI 설정부(1414)는 중요도 정보를 AI 데이터에 포함하여 전송할 수 있다.
일 실시예에서, AI 설정부(1414)는 중요도 정보를 AI 부호화 데이터와는 별개의 메타 데이터로 생성하여 데이터 처리부(1413)에 전송한다.
데이터 처리부(1413)는 제 1 부호화부(1412)로부터 수신된 영상 데이터와 AI 설정부(1414)로부터 수신된 AI 데이터를 포함하는 AI 부호화 데이터를 생성한다.
일 실시예에서, 데이터 처리부(1413)는 영상 데이터와 AI 데이터를 각각 분리된 상태로 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다.
다른 실시예에서, 데이터 처리부(1413)는 제 1 부호화부(1412)에 의한 제 1 부호화 결과로 획득되는 영상 데이터 내에 AI 데이터를 포함시키고, 해당 영상 데이터를 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, 데이터 처리부(1413)는 영상 데이터에 해당하는 비트스트림과 AI 데이터에 해당하는 비트스트림을 결합하여 하나의 비트스트림 형태의 영상 데이터를 생성할 수도 있다. 이를 위해, 데이터 처리부(1413)는 AI 데이터를 0 또는 1의 값을 갖는 비트들, 즉 비트스트림으로 표현할 수 있다. 일 실시예에서, 데이터 처리부(1413)는 제 1 부호화 결과로 획득되는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 AI 데이터에 해당하는 비트스트림을 포함시킬 수 있다.
AI 부호화 데이터는 전송부(1430)로 전송된다. 전송부(1430)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터를 전송한다.
일 실시예에서, AI 부호화 데이터는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체에 저장될 수도 있다.
데이터 처리부(1413)는 중요도 정보가 포함된 AI 데이터에 기초한 AI 부호화 데이터를 전송부(1430)에 전송한다. 다른 실시예에 따라, 데이터 처리부(1413)는 중요도 정보를 AI 부호화 데이터와 함께 전송부(1430)에 전송한다. 전송부(1430)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터 및 중요도 정보를 전송한다.
일 실시예에 따라, 중요도 정보는 전자 장치(1400)가 화상 회의에 처음 참여할 때 생성되어 화상 회의를 관리하는 서버에 전송되고, 서버를 통해 중요도 정보를 이용할 수 있는 다른 전자 장치에 전송될 수 있다. 다시 말하면, 화상 회의 개설시, 서버는 화상 회의에 참여한 장치들의 중요도 정보를 생성하여 저장하고, 이후 장치들 사이에서 영상들이 송수신될 때 서버가 중요도 정보를 장치들로 배포할 수 있다. 일 예로, 제 1 장치에 대한 화상 회의 영상이 제 2 영상으로 전송될 때, 서버는 제 1 장치에 대한 중요도 정보를 제 2 영상으로 전송할 수 있다.
또한, 중요도 정보는 전자 장치(1400)의 중요도에 대한 변경이 있을 때, 변경되어 화상 회의를 관리하는 서버에 전송되고, 서버를 통해 중요도 정보를 이용할 수 있는 다른 전자 장치에 전송될 수 있다.
한편, 도 13의 전자 장치(1300)와 도 14의 전자 장치(1400)와 다르게, AI 업스케일 및 AI 다운스케일을 지원하지 않는 전자 장치는 AI 데이터를 생성하여 전송하거나 AI 데이터를 획득하여 처리할 수 없다. 따라서, AI 다운스케일 및 AI 업스케일을 지원하지 않고 화상 회의에 참여하는 전자 장치는 화상 회의 원본 영상을 그대로 부호화한 영상 데이터를 서버에 전송하고, 서버로부터 획득한 화상 회의 영상 데이터를 그대로 복호화하여 복원한 영상을 디스플레이한다.
한편, AI 다운스케일 및 AI 업스케일 미지원 전자 장치는 미지원 전자 장치의 중요도에 대한 중요도 정보를 메타 데이터로 영상 데이터와 별개로 전송하거나, 영상 데이터에 포함하여 전송할 수 있다.
이하에서, "제 1 전자 장치"는 화상 회의에 참여하여 화상 회의를 관리하는 서버에 화상 회의에 대한 영상을 전송하는 AI 다운스케일을 지원하는 전자 장치를 의미하고, "제 2 전자 장치"는 화상 회의에 참여하여 제 1 전자 장치 또는 제 3 전자 장치로부터 수신된 영상을 서버로부터 수신하는 전자 장치를 의미하고 "제 3 전자 장치"는 화상 회의에 참여하여 화상 회의를 관리하는 서버에 화상 회의에 대한 영상을 전송하는 AI 다운스케일을 지원하지 않는 전자 장치를 의미한다. 여기에서, "제 1 전자 장치", "제 2 전자 장치", "제 3 전자 장치"는 실시예를 설명하기 위한 것으로, 이에 한정되지 않는다.
또한, 이하에서, "제1 영상 데이터", "제2 영상 데이터", "제3 영상 데이터", "제4 영상 데이터", "제5 영상 데이터"등은 영상 데이터들을 구분하기 위한 것으로, 이에 한정되지 않는다.
도 15는 일 실시예에 따른 화상회의시 참석자의 전자 장치의 AI 업스케일 지원 여부 및 중요도 정보에 따라 화상회의 영상을 AI 업스케일하는 서버의 구성을 나타내는 블록도이다.
도 15를 참조하면, 서버(1500)는 수신부(1510), AI 복호화부(1530), 제 1 부호화부(1550)을 포함할 수 있다. AI 복호화부(1530)는 파싱부(1531), 제 1 복호화부(1532), AI 업스케일부(1533), AI 설정부(1534)를 포함할 수 있다.
도 15는 수신부(1510), AI 복호화부(1530), 제 1 부호화부(1550)를 개별적인 장치로 도시하고 있으나, 수신부(1510), AI 복호화부(1530), 제 1 부호화부(1550)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, 수신부(1510), AI 복호화부(1530), 제 1 부호화부(1550)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다.
일 실시예에서, 수신부(1510), 파싱부(1531)는 제 1 프로세서로 구현되고, 제 1 복호화부(1532)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, AI 업스케일부(1533), AI 설정부(1534)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현되고, 제 1 부호화부(1550)는 제 1 프로세서, 제 2 프로세서, 및 제 3 프로세서와 상이한 제 4 프로세서로 구현될 수 있다.
수신부(1510)는 화상 회의에 참여하는 제1 전자 장치로부터 AI 부호화 결과 획득된 AI 부호화 데이터와 제1 전자 장치의 중요도 정보를 수신한다. 일 예로, AI 부호화 데이터는 mp4, mov 등의 파일 형식을 갖는 비디오 파일일 수 있다. 수신부(1510)가 제1 전자 장치로부터 획득하는 AI 부호화 데이터는, 제1 전자 장치가 원본 영상을 AI 다운스케일한 제1 영상과 관련된 데이터이다.
수신부(1510)는 통신 네트워크를 통해 제1 전자 장치로부터 전달되는 AI 부호화 데이터와 제1 전자 장치의 중요도 정보를 수신할 수 있다. 수신부(1510)는 AI 부호화 데이터 및 중요도 정보를 AI 복호화부(1530)의 파싱부(1531)로 출력한다. 중요도 정보는 AI 부호화 데이터의 AI 데이터에 포함되어 전송될 수 있다. 일 실시예에서, 중요도 정보는 AI 부호화 데이터와는 별개로 메타 데이터로서 제1 전자 장치로부터 수신될 수 있다.
서버로부터 화상 회의 영상을 수신하는 제2 전자 장치가 AI 업스케일을 지원하면, 제1 전자 장치의 AI 부호화 데이터 및 중요도 정보는 서버(1500)를 통해 바이패스하여 제2 전자 장치에 전송된다. 즉, 서버는 단순히 파일을 전송하는 역할만 수행한다. 제2 전자 장치의 AI 업스케일 지원 여부는 제2 전자 장치로부터 서버에 전송되는 데이터에 AI 데이터가 포함되었는지 또는 AI 업스케일을 지원함을 나타내는 정보가 수신되는지 여부 등에 의해 결정될 수 있다.
파싱부(1531)는 AI 부호화 데이터를 파싱하여 화상 회의 영상의 제 1 부호화 결과로 생성된 영상 데이터를 제 1 복호화부(1532)로 전달하고, AI 데이터 및 중요도 정보를 AI 설정부(1534)로 전달한다. 제 1 전자 장치로부터 AI 데이터가 획득되므로, 제 1 전자 장치는 AI 다운스케일을 지원함을 알 수 있다.
일 실시예에서, 파싱부(1531)는 AI 부호화 데이터 내에 서로 분리되어 포함된 영상 데이터와 AI 데이터를 파싱할 수 있다. 파싱부(1531)는 AI 부호화 데이터 내의 헤더를 읽어 AI 부호화 데이터 내에 포함되어 있는 AI 데이터와 영상 데이터를 구분할 수 있다. 또한, 파싱부(1331)는 AI 데이터 내에 포함되어 있는 AI 업스케일과 관련된 AI 데이터와 화상 회의 영상에 대한 중요도 정보를 구분할 수 있다.
서로 분리된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 9를 참조하여 전술된 바 생략한다.
다른 실시예에서, 파싱부(1531)는 AI 부호화 데이터에서 영상 데이터를 파싱하고, 영상 데이터로부터 AI 데이터를 추출한 후, AI 데이터를 AI 설정부(1534)로 전달하고, 나머지 영상 데이터를 제 1 복호화부(1532)로 전달할 수 있다. 즉, AI 데이터는 영상 데이터에 포함될 수 있는데, 예를 들어, AI 데이터는 영상 데이터에 해당하는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 포함될 수 있다. AI 데이터가 포함된 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 10을 참조하여 전술된 바 생략한다.
다른 실시예에서, 파싱부(1531)는 영상 데이터에 해당하는 비트스트림을 제 1 복호화부(1532)에서 처리될 비트스트림과 AI 데이터에 해당하는 비트스트림으로 분할하고, 분할된 각각의 비트스트림을 제 1 복호화부(1532)와 AI 설정부(1534)로 출력할 수 있다.
파싱부(1531)는 AI 부호화 데이터에 포함된 영상 데이터가 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통해 획득된 영상 데이터인 것으로 확인할 수도 있다. 이 경우, 영상 데이터가 상기 확인된 코덱으로 처리될 수 있도록, 해당 정보를 제 1 복호화부(1532)로 전달할 수 있다.
제 1 복호화부(1532)는 파싱부(1531)로부터 수신된 영상 데이터에 기초하여 화상 회의 원본 영상이 AI 다운스케일된 제1 영상에 대응하는 제 2 영상을 복원한다. 제 1 복호화부(1532)에 의해 획득된 제 2 영상은 AI 업스케일부(1533)로 제공된다.
또한, AI 설정부(1534)로부터 중요도 정보도 AI 업스케일부(1533)로 제공된다.
AI 업스케일부(1533)는 중요도 정보에 따라 제 2 영상을 그대로 제 1 부호화부(1550)에 제공하거나 제 2 영상을 AI 업스케일하여 획득된 제 3 영상을 제 1 부호화부(1550)에 제공한다.
구체적으로, AI 업스케일부(1533)는 중요도 정보가 제1 전자 장치의 사용자가 발표자임을 나타내는 경우에는 제 2 영상을 AI 업스케일하여 획득된 제 3 영상을 제1 부호화부(1550)에 제공하고, 중요도 정보가 제1 전자 장치의 사용자가 청취자임을 나타내는 경우에는 제 2 영상을 제 1 부호화부(1550)에 제공한다.
일 실시예에 따라, 중요도 정보는 다른 전자 장치의 사용자가 발표자이면 1로 설정되고, 사용자가 청취자이면 0으로 설정되는 플래그 정보일 수 있다.
일 실시예에 따라, 서버(1500)는 화상 회의를 시작할 때, 화상 회의에 참여하는 제1 전자 장치로부터 제1 전자 장치의 중요도 정보를 획득하여 저장하고, 제2 전자 장치가 중요도 정보를 이용하는 경우, 서버(1500)는 중요도 정보를 제2 전자 장치에 전송하고, 중요도가 변경되는 경우에 서버(1500)는 제1 전자 장치로부터 변경된 중요도 정보를 획득하여 저장하고, 제2 전자 장치가 중요도 정보를 이용하는 경우, 서버(1500)는 중요도 정보를 제2 전자 장치에 전송할 수 있다. 즉, 중요도 정보는 항상 전송되는 것이 아니라, 화상 회의를 시작할 때와 중요도의 변경이 있을 때에 변경된 중요도 정보가 전송될 수 있다. 제2 전자 장치가 AI 업스케일을 지원하지 않는 경우에 서버(1500)는 화상 회의가 시작될 때 전송받은 제1 전자 장치의 중요도 정보를 획득하여 저장하고, 중요도 정보에 기초하여 AI 업스케일을 수행하다가, 제1 전자 장치의 중요도가 변경되면 변경된 제1 전자 장치의 중요도 정보를 획득하여 갱신하고, 갱신된 중요도 정보에 기초하여 AI 업스케일을 수행한다. 또한, 서버(1500)는 제2 전자 장치가 AI 업스케일을 지원하면, 화상 회의가 시작될 때 전송받은 제1 전자 장치의 중요도 정보 또는 변경된 제1 전자 장치의 중요도 정보를 제2 전자 장치에 전송한다.
구현예에 따라, 예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등의 제 1 복호화 관련 정보가 제 1 복호화부(1532)로부터 AI 설정부(1534)로 제공될 수 있다. 제 1 복호화 관련 정보는 DNN 설정 정보를 획득하는데 이용될 수 있다.
AI 설정부(1534)로 제공되는 AI 데이터는, 제 2 영상을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 이때, 제 2 영상의 업스케일 타겟은 제 1 DNN의 다운스케일 타겟에 대응하여야 한다. 따라서, AI 데이터는 제 1 DNN의 다운스케일 타겟을 확인할 수 있는 정보가 포함되어야 한다.
AI 데이터에 포함된 정보를 구체적으로 예시하면, 화상회의시의 원본 영상의 해상도와 원본 영상이 AI 다운스케일된 제 1 영상의 해상도의 차이 정보, 제 1 영상 관련 정보가 있다.
차이 정보는, 원본 영상 대비 제 1 영상의 해상도 변환 정도에 대한 정보(예를 들어, 해상도 변환율 정보)로 표현될 수 있다. 그리고, 복원된 제 2 영상의 해상도를 통해 제 1 영상의 해상도를 알게 되고 이를 통해 해상도 변환 정도를 확인할 수 있기 때문에, 차이 정보는 원본 영상의 해상도 정보만으로 표현될 수도 있다. 여기서 해상도 정보는 가로/세로의 화면 사이즈로 표현될 수도 있고, 비율(16:9, 4:3 등)과 한 축의 사이즈로 표현될 수도 있다. 또한, 기 설정된 해상도 정보가 있는 경우는 인덱스 또는 플래그의 형태로 표현될 수도 있다.
그리고, 제 1 영상 관련 정보는, 제 1 영상의 해상도, 제 1 영상)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
AI 설정부(1534)는 AI 데이터에 포함된 차이 정보 및 제 1 영상 관련 정보 중 적어도 하나에 기초하여 제 2 영상의 업스케일 타겟을 결정할 수 있다. 업스케일 타겟은 예를 들어, 제 2 영상을 어느 정도의 해상도로 업스케일하여야 하는지를 나타낼 수 있다. AI 업스케일부(1533)는 업스케일 타겟이 결정되면, 업스케일 타겟에 대응하는 제3 영상을 획득하기 위해 제 2 DNN을 통해 제 2 영상을 AI 업스케일한다.
이하에서, AI 설정부(1534)가 업스케일 타겟을 결정하고, AI 업스케일부(1533)가 업스케일 타겟에 맞춰 제 2 영상을 AI 업스케일하는 방법을 설명한다.
일 실시예에서, AI 설정부(1534)는 제 2 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다.
여기서, DNN 설정 정보는 제 2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다. 복수의 DNN 설정 정보는 다양한 업스케일 타겟에 각각 대응될 수 있으며, 특정 업스케일 타겟에 대응되는 DNN 설정 정보에 기반하여 제 2 DNN이 동작할 수 있다. DNN 설정 정보에 따라 제 2 DNN이 서로 다른 구조를 가질 수 있다. 예를 들어, 어느 DNN 설정 정보에 따라 제 2 DNN이 3개의 컨볼루션 레이어를 포함할 수 있고, 다른 DNN 설정 정보에 따라 제 2 DNN이 4개의 컨볼루션 레이어를 포함할 수 있다.
일 실시예에서, DNN 설정 정보는 제 2 DNN에서 사용되는 필터 커널의 파라미터만을 포함할 수도 있다. 이 경우, 제 2 DNN의 구조는 변경되지 않는 대신, DNN 설정 정보에 따라 내부의 필터 커널의 파라미터만이 달라질 수 있다.
AI 설정부(1534)는 복수의 DNN 설정 정보 중 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다. 여기서 사용되는 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 복원 영상을 획득하기 위한 정보로, 제 1 DNN과 연계하여 훈련된 것이다.
예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 제 2 영상의 해상도보다 2배 큰 해상도의 복원 영상, 예를 들어, 540p의 제 2 영상보다 2배 큰 1080p의 제 3 영상을 획득하기 위한 정보들 또는 제 2 영상의 해상도보다 4배 큰 해상도의 복원 영상, 예를 들어, 270p의 제 2 영상보다 4배 큰 1080p의 제 3 영상을 획득하기 위한 정보들을 포함할 수 있다.
AI 다운스케일용 DNN의 훈련 방식과 AI 업스케일용 DNN의 훈련 방식은 도 11 및 도 12에서 구체적으로 전술된 바 생략한다. 다만, 각각의 DNN 훈련시에 화상회의시에 이용되는 영상의 해상도를 고려하여 훈련될 수 있다. 예를 들어, 화상회의에서 이용되는 원본 영상의 크기가 1080p일 때, AI 다운스케일용 DNN은 원본 영상으로부터 주로 원본 영상의 1/2 크기를 갖는 540p의 제1 영상 또는 원본 영상의 1/4 크기의 270p의 제1 영상을 출력하고, AI 업스케일용 DNN은 540p의 제2 영상 또는 270p의 제2 영상으로부터 1080p의 제3 영상을 출력하도록 훈련될 수 있다.
복수의 DNN 설정 정보 각각은 다른 전자 장치의 제 1 DNN의 DNN 설정 정보와 연계되어 만들어진 것이며, AI 설정부(1534)는 제 1 DNN의 DNN 설정 정보의 축소 비율에 대응되는 확대 비율에 따라 복수의 DNN 설정 정보 중 하나의 DNN 설정 정보를 획득한다. 이를 위해, AI 설정부(1534)는 제 1 DNN의 정보를 확인하여야 한다. 제 1 DNN의 정보를 AI 설정부(1534)가 확인하기 위해, 일 실시예에 따른 서버(1500)는 화상 회의에 참여하는 전자 장치로부터 제 1 DNN의 정보를 포함하는 AI 데이터를 수신한다.
다시 말하면, AI 설정부(1534)는 화상 회의에 참여하는 전자 장치로부터 수신되는 정보들을 이용하여, 제 1 영상을 획득하기 위해 이용된 제 1 DNN의 DNN 설정 정보가 타겟하는 정보를 확인하고, 그와 연계 훈련된 제 2 DNN의 DNN 설정 정보를 획득할 수 있는 것이다.
복수의 DNN 설정 정보 중 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보가 획득되면, DNN 설정 정보는 AI 업스케일부(1533)로 전달되고, DNN 설정 정보에 따라 동작하는 제 2 DNN에 기초하여 입력 데이터가 처리될 수 있다.
예를 들어, AI 업스케일부(1533)는 어느 하나의 DNN 설정 정보가 획득되면, 도 3에 도시된 제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350) 각각에 대해서, 각 레이어에 포함되는 필터 커널의 개수와 필터 커널의 파라미터들을, 상기 획득된 DNN 설정 정보에 포함된 값으로 설정한다.
구체적으로, AI 업스케일부(1533)는 도 4에 도시된 제 2 DNN의 어느 하나의 컨볼루션 레이어에서 이용되는 3 X 3의 필터 커널의 파라미터들이 {1, 1, 1, 1, 1, 1, 1, 1, 1}이고, DNN 설정 정보의 변경이 있는 경우, 필터 커널의 파라미터들을 변경된 DNN 설정 정보에 포함된 파라미터들인 {2, 2, 2, 2, 2, 2, 2, 2, 2}로 교체할 수 있는 것이다.
AI 설정부(1534)는 AI 데이터에 포함된 정보에 기초하여 복수의 DNN 설정 정보 중 제 2 영상을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있는데, DNN 설정 정보를 획득하는데 이용되는 AI 데이터에 대해 구체적으로 설명한다.
일 실시예에서, AI 설정부(1534)는 AI 데이터에 포함된 차이 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. 예를 들어, 차이 정보에 기초하여 원본 영상의 해상도(예를 들어, 1080p)가 제 1 영상의 해상도(예를 들어, 540p)보다 2배 큰 것으로 확인된 경우, AI 설정부(1534)는 제 2 영상의 해상도를 2배 증가시킬 수 있는 DNN 설정 정보를 획득할 수 있다.
다른 실시예에서, AI 설정부(1534)는 AI 데이터에 포함된 제 1 영상 관련 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. AI 설정부(1534)는 영상 관련 정보들과 DNN 설정 정보들 사이의 매핑 관계를 미리 결정하고, 제 1 영상 관련 정보에 매핑된 DNN 설정 정보를 획득할 수 있다.
AI 다운스케일을 위한 복수의 DNN 설정 정보와 AI 업스케일을 위한 복수의 DNN 설정 정보가 전술한 도 11 및 도 12와 관련하여 설명한 훈련 과정을 통해 획득될 수 있다. 구현예에 따라, AI 다운스케일을 위한 하나의 DNN 설정 정보와 AI 업스케일을 위한 하나의 DNN 설정 정보가 전술한 도 11 및 도 12와 관련하여 설명한 훈련 과정을 통해 획득될 수도 있다. 즉, 한쌍의 DNN 설정 정보가 AI 다운스케일 및 AI 업스케일을 위해 획득될 수 있고, 이 경우, AI 업스케일을 위한 하나의 DNN 설정 정보가 AI 설정부에 저장될 수 있다.
구체적으로, AI 설정부(1534)는 AI 데이터에 포함된 정보에 기초하여 540p의 다운스케일된 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 DNN 설정 정보를 획득할 수 있다. 이 경우, AI 데이터 포함된 정보는 함께 전송되는 영상 데이터가 AI 다운스케일을 통해 획득된 영상에 대한 것임을 나타내는 정보이고, AI 설정부(1534)는 AI 설정부에 저장된 하나의 DNN 설정 정보를 AI 업스케일부(1533)에 제공한다.
AI 업스케일부(1533)는 AI 설정부(1534)로부터 제공된 DNN 설정 정보에 기초하여 AI 업스케일을 수행하여 제3 영상을 획득하고, 제3 영상을 제 1 부호화부(1550)에 제공한다.
일 실시예에서, AI 업스케일부(1533)는 AI 설정부(1534)로부터 제공된 DNN 설정 정보가 1080p의 원본 영상으로부터 다운스케일된 540p의 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 미리 결정된 DNN 설정 정보(즉, 스케일링 배율이 2인 DNN 설정 정보)이고, 제 1 영상이 270p이고 원본 영상이 1080p이고 중요도가 높은 경우, 하나의 미리결정된 DNN 설정 정보를 이용하여 AI 업스케일을 2번 수행하여 1080p의 제 3 영상을 획득하고, 제 3 영상을 제1 부호화부(1550)에 제공한다. AI 업스케일을 2번 수행하는 이유는, 제 3 영상의 해상도를 원본 영상에 맞추기 위함이다.
다른 실시예에서, AI 업스케일부(1533)는 AI 설정부(1534)로부터 제공된 DNN 설정 정보가 540p의 다운스케일된 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 미리결정된 DNN 설정 정보이고, 제 1 영상이 270p이고 원본 영상이 1080p이고 중요도가 낮은 경우, AI 업스케일을 수행하지 않고, 270p의 제 2 영상을 제1 부호화부(1550)에 제공한다.
다른 실시예에서, AI 업스케일부(1533)는 AI 설정부(1534)로부터 제공된 DNN 설정 정보가 540p의 다운스케일된 제 1 영상에 대응하는 제 2 영상을 1080p의 제3 영상으로 AI 업스케일하기 위한 하나의 미리결정된 DNN 설정 정보이고, 제 1 영상이 270p이고 원본 영상이 1080p이고 중요도가 낮은 경우, 하나의 미리결정된 DNN 설정 정보를 이용하여 AI 업스케일을 1번 수행하여 540p의 제 3 영상을 획득하고, 제 3 영상을 제1 부호화부(1550)에 제공한다.
또한, AI 업스케일부(1533)는 AI 설정부(1534)로부터 제공된 중요도 정보에 기초하여 AI 업스케일을 수행하지 않고, 제2 영상을 제 1 부호화부(1550)에 제공한다.
제 1 부호화부(1550)는 AI 업스케일부(1533)로부터 제공된, 화상 회의에 참가하는 제1 전자 장치의 다운스케일된 영상에 대응하는 제 2 영상을 제 1 부호화하여 제2 영상 데이터를 획득하거나 AI 업스케일부(1533)로부터 제공된, 원본 영상에 대응하는 제3 영상을 제 1 부호화한 제3 영상 데이터를 획득한다.
제 1 부호화부(1550)는 제2 영상 데이터 또는 제3 영상 데이터를 화상 회의에 참가하는 제2 전자 장치에 전송한다.
도 16은 일 실시예에 따른 화상 회의 영상을 AI 다운스케일하는 화상 회의를 관리하는 서버의 구성을 나타내는 블록도이다
도 16을 참조하면, 서버(1600)는 파싱부(1610), 제 1 복호화부(1620), AI 부호화부(1630), 및 전송부(1640)을 포함할 수 있다. AI 부호화부(1630)는 AI 다운스케일부(1631), 제 1 부호화부(1632), 데이터처리부(1633), AI 설정부(1634)를 포함할 수 있다.
도 16은 파싱부(1610), 제 1 복호화부(1620), AI 부호화부(1630), 및 전송부(1640)를 개별적인 장치로 도시하고 있으나, 파싱부(1610), 제 1 복호화부(1620), AI 부호화부(1630), 및 전송부(1640)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, 파싱부(1610), 제 1 복호화부(1620), AI 부호화부(1630), 및 전송부(1640)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다.
일 실시예에서, 파싱부(1610)는 제 1 프로세서로 구현되고, 제 1 복호화부(1620)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, AI 부호화부(1630)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현되고, 전송부(1640)는 제 1 프로세서, 제 2 프로세서, 및 제 3 프로세서와 상이한 제 4 프로세서로 구현될 수 있다.
파싱부(1610)는 제3 전자 장치로부터 제4 영상 데이터 및 중요도 정보를 획득한다. 제3 전자 장치가 AI 다운스케일을 지원하는 경우에는 서버(1600)가 AI 다운스케일을 수행할 필요가 없으므로, 서버(1600)가 제3 전자 장치로부터 획득하는 제4 영상 데이터는 원본 영상에 대한 영상 데이터이다.
제2 전자 장치가 AI 업스케일을 지원하면, 서버(1600)는 중요도 정보에 관계 없이 제3 전자 장치의 원본 영상을 AI 다운스케일한 제1 영상의 AI 부호화 데이터 및 중요도 정보를 제2 전자 장치에 전송한다.
제2 전자 장치가 AI 업스케일을 지원하지 않으면, 서버(1600)는 중요도 정보에 기초하여 제3 전자 장치의 원본 영상의 AI 다운스케일 수행 여부를 결정하고, 중요도가 높으면 제3 전자 장치의 원본 영상의 제4 영상 데이터 또는 원본 영상을 새롭게 제1 부호하하여 생성된 영상 데이터를 제2 전자 장치에 전송하고, 중요도가 낮으면 제3 전자 장치의 원본 영상을 AI 다운스케일한 영상의 제5 영상 데이터를 제2 전자 장치에 전송한다.
한편, 서버(1500)는 제2 전자 장치가 AI 업스케일을 지원하면, 제1 전자 장치로부터 획득된 획득된 AI 부호화 데이터를 그대로 제2 전자 장치에 전송하고, 제2 전자 장치가 AI 업스케일을 지원하지 않으면, 제1 전자 장치의 중요도에 따라 AI 업스케일을 수행하여 획득된 제3 영상에 대한 제3 영상 데이터를 제2 전자 장치에 전송하거나, AI 업스케일을 수행하지 않고 AI 다운스케일된 제2 영상에 대한 제2 영상 데이터를 제2 전자 장치에 전송한다.
또한, 서버(1600)는 제2 전자 장치가 AI 업스케일을 지원하면, 제3 전자 장치의 원본 영상을 AI 다운스케일하여 획득된 AI 부호화 데이터를 제2 전자 장치에 전송하거나, 제2 전자 장치가 AI 업스케일을 지원하지 않으면, 제3 전자 장치의 중요도에 따라 AI 다운스케일을 수행하여 획득된 제1 영상에 대한 제5 영상 데이터를 제2 전자 장치에 전송하거나, AI 다운스케일을 수행하지 않고, 원본 영상에 대응하는 제4 영상 데이터를 제2 전자 장치에 전송한다.
즉, 도 15의 서버(1500)와 도 16의 서버(1600)은 제1 전자 장치, 제2 전자 장치, 및 제3 전자 장치가 참여하는 화상 회의를 관리하는 서버 내의 서로 다른 역할을 수행하는 구성들을 나타내고, 동일한 서버이다.
파싱부(1610)는 AI 다운스케일을 수행하기 위해서는 영상 데이터를 영상으로 복호화할 필요가 있으므로, 원본 영상에 대한 제4 영상 데이터를 제 1 복호화부(1620)에 제공하고, 중요도 정보를 AI 설정부(1634)에 제공한다. 중요도 정보는 원본 영상에 대한 제4 영상 데이터에 포함되어 전송될 수 있다. 또한, 중요도 정보는 원본 영상에 대한 제4 영상 데이터와 별개로 메터데이터로 전송될 수 있다.
제 1 복호화부(1620)는 제3 전자 장치의 원본 영상에 대한 영상 데이터(제4 영상 데이터)를 복호화하여 화상 회의의 원본 영상을 복원하여 AI 다운스케일부(1631)에 제공한다.
AI 부호화부(1630)는 화상 회의에 참여하는 제2 전자 장치가 AI 업스케일을 지원하는 경우에 화상 회의에 참여하는 제3 전자 장치의 원본 영상의 AI 다운스케일 및 AI 다운스케일된 제 1 영상의 제 1 부호화를 수행하고, AI 부호화 데이터 및 중요도 정보를 전송부(1640)로 전달한다.
또한, AI 부호화부(1630)는 화상 회의에 참여하는 제2 전자 장치가 AI 업스케일을 지원하지 않는 경우에 파싱부(1610)로부터 수신한 중요도 정보에 기초하여 화상 회의에 참여하는 제3 전자 장치의 원본 영상의 AI 다운스케일 수행 여부를 결정하고, 중요도 정보에 따라 원본 영상 또는 AI 다운스케일된 제 1 영상의 제 1 부호화를 수행하고, AI 부호화 데이터 및 중요도 정보를 전송부(1640)로 전달한다. 이 때, AI 부호화 데이터는 원본 영상에 대한 제4 영상 데이터 또는 AI 다운스케일된 제 1 영상에 대한 제5 영상 데이터이고, AI 다운스케일에 관련된 AI 데이터는 포함하지 않는다. 제2 전자 장치는 AI 업스케일을 지원하지 않기 때문에 AI 데이터가 필요하지 않기 때문이다.
전송부(1640)는 AI 부호화 데이터 및 중요도 정보를 화상 회의에 참여하는 제2 전자 장치로 전송한다.
제4 영상 데이터는 원본 영상을 새롭게 제 1 부호화한 결과 획득된 데이터를 포함하고, 제5 영상 데이터는 제 1 영상의 제 1 부호화 결과 획득된 데이터를 포함한다. 제4 영상 데이터 또는 제5 영상 데이터는 각각 원본 영상 또는 제 1 영상 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 원본 영상과 원본 영상의 예측 데이터 사이의 차이인 잔차 데이터 또는 제 1 영상과 제 1 영상의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 제4 영상 데이터 또는 제5 영상 데이터는 각각 원본 영상 또는 제 1 영상의 제 1 부호화 과정에서 이용된 정보들을 포함한다. 예를 들어, 제4 영상 데이터 또는 제5 영상 데이터는 각각 원본 영상 또는 제 1 영상을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 원본 영상 또는 제 1 영상을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다.
AI 데이터는, 전자 장치(1300)의 AI 업스케일부(1333)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 일 예에서, AI 데이터는 원본 영상과 제 1 영상 사이의 차이 정보를 포함할 수 있다. 일 예에서, AI 데이터는 제 1 영상 관련 정보를 포함할 수도 있다. 제 1 영상 관련 정보는, 제 1 영상의 해상도, 제 1 영상의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
일 실시예에서, AI 데이터는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상이 AI 업스케일될 수 있도록, 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다.
또한, 일 실시예에서, AI 데이터는 제 2 DNN에 세팅 가능한 DNN 설정 정보를 포함할 수도 있다.
AI 다운스케일부(1631)는 제2 전자 장치가 AI 업스케일을 지원하면, 중요도 정보에 관계없이 제 1 DNN을 통해 원본 영상으로부터 AI 다운스케일된 제 1 영상을 획득할 수 있다. AI 다운스케일부(1631)는 AI 설정부(1634)로부터 제공된 DNN 설정 정보를 이용하여 원본 영상을 AI 다운스케일할 수 있다.
또한, AI 다운스케일부(1631)는 제2 전자 장치가 AI 업스케일을 지원하지 않으면, AI 설정부(1634)로부터 제공된 중요도 정보에 기초하여 AI 다운스케일 수행 여부를 결정한다.
AI 다운스케일부(1631)는 중요도가 제3 전자 장치의 사용자가 발표자임을 나타내면, AI 다운스케일을 수행하지 않고 원본 영상을 제 1 부호화부(1632)에 제공한다.
AI 다운스케일부(1631)는 중요도가 제3 전자 장치의 사용자가 참가자임을 나타내면, 제 1 DNN을 통해 원본 영상으로부터 AI 다운스케일된 제 1 영상을 획득할 수 있다. AI 다운스케일부(1631)는 AI 설정부(1634)로부터 제공된 DNN 설정 정보를 이용하여 원본 영상을 AI 다운스케일할 수 있다.
제2 전자 장치의 AI 업스케일 지원 여부는 서버(1600)가 제2 전자 장치로부터 AI 데이터를 획득하는지 여부 또는 제2 전자 장치로부터 획득되는 AI 업스케일 지원 정보에 기초하여 결정될 수 있다.
AI 설정부(1634)는 미리 결정된 기준에 기초하여 원본 영상의 다운스케일 타겟을 결정할 수 있다.
AI 설정부(1634)는 파싱부(1610)로부터 제공받은 중요도 정보를 AI 다운스케일부(1631)에 제공하여 AI 다운스케일 수행 여부를 결정하도록 할 수 있다.
다운스케일 타겟에 부합하는 제 1 영상의 획득을 위해, AI 설정부(1634)는 제 1 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다. AI 설정부(1634)는 복수의 DNN 설정 정보 중 다운스케일 타겟에 대응하는 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보를 AI 다운스케일부(1631)로 제공한다.
상기 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 1 영상을 획득하기 위해 훈련된 것일 수 있다. 예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 원본 영상)의 해상도보다 1/2배만큼 작은 해상도의 제 1 영상, 예를 들어, 1080p의 원본 영상보다 1/2배 작은 540p의 제 1 영상을 획득하기 위한 정보들 또는 1080p의 원본 영상보다 1/4배 작은 270p의 제 1 영상을 획득하기 위한 정보들을 포함할 수 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등) 이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(1634)는 다운스케일 타겟에 따라 룩업 테이블 값들 중에서 선택된 일부를 조합하여 획득한 DNN 설정 정보를 AI 다운스케일부(1631)로 제공할 수도 있다.
구현예에 따라, AI 설정부(1634)는 다운스케일 타겟에 대응되는 DNN의 구조를 결정하고, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
원본 영상의 AI 다운스케일을 위한 복수의 DNN 설정 정보는, 제 1 DNN과 제 2 DNN이 연계 훈련됨으로써, 최적화된 값을 가질 수 있다. 여기서, 각 DNN 설정 정보는 제 1 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나를 포함한다.
AI 다운스케일부(1631)는 원본 영상의 AI 다운스케일을 위해 결정된 DNN 설정 정보로 제 1 DNN을 세팅하여, 소정 해상도 및/또는 소정 화질의 제 1 영상을 제 1 DNN을 통해 획득할 수 있다. 복수의 DNN 설정 정보 중 원본 영상의 AI 다운스케일을 위한 DNN 설정 정보가 획득되면, 제 1 DNN 내 각 레이어는 DNN 설정 정보에 포함된 정보들에 기초하여 입력된 데이터를 처리할 수 있다.
구현예에 따라, AI 설정부(1634)는 제 1 영상의 획득을 위해, 제 1 DNN에 세팅 가능한 하나의 DNN 설정 정보를 저장할 수도 있다. 예를 들어, AI 설정부(1634)는 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보를 획득하고, 획득된 하나의 DNN 설정 정보를 AI 다운스케일부(1631)로 제공한다.
이하에서는, AI 설정부(1634)가 다운스케일 타겟을 결정하는 방법에 대해 설명한다. 상기 다운스케일 타겟은 예를 들어, 원본 영상으로부터 얼마나 해상도가 감소한 제 1 영상을 획득해야 하는지를 나타낼 수 있다.
AI 설정부(1634)는 하나 이상의 입력 정보를 획득한다. 일 실시예에서, 제 1 영상의 타겟 해상도, 영상 데이터의 타겟 비트레이트, 영상 데이터의 비트레이트 타입(예를 들어, variable bitrate 타입, constant bitrate 타입 또는 average bitrate 타입 등), AI 다운스케일이 적용되는 컬러 포맷(휘도 성분, 색차 성분, 레드 성분, 그린 성분 또는 블루 성분 등), 제 1 영상의 제 1 부호화를 위한 코덱 타입, 압축 히스토리 정보, 원본 영상의 해상도 및 원본 영상의 타입 중 적어도 하나를 포함할 수 있다.
하나 이상의 입력 정보는 서버(1600)에 미리 저장되거나, 사용자로부터 입력받은 정보를 포함할 수 있다.
AI 설정부(1634)는 입력 정보에 기초하여 AI 다운스케일부(1631)의 동작을 제어한다. 일 실시예에서, AI 설정부(1634)는 입력 정보에 따라 다운스케일 타겟을 결정하고, 결정된 다운스케일 타겟에 대응하는 DNN 설정 정보를 AI 다운스케일부(1631)로 제공할 수 있다.
일 실시예에서, AI 설정부(1634)는 입력 정보의 적어도 일부를 제 1 부호화부(1632)로 전달하여 제 1 부호화부(1632)가 특정 값의 비트레이트, 특정 타입의 비트레이트 및 특정 코덱으로 제 1 영상을 제 1 부호화하게 할 수도 있다.
일 실시예에서, AI 설정부(1634)는 압축률(예를 들어, 원본 영상과 제 1 영상사이의 해상도 차이, 타겟 비트레이트), 압축 품질(예를 들어, 비트레이트 타입), 압축 히스토리 정보 및 원본 영상의 타입 중 적어도 하나에 기초하여 다운스케일 타겟을 결정할 수 있다.
일 예에서, AI 설정부(1634)는 미리 설정되거나, 사용자로부터 입력받은 압축률 또는 압축 품질 등에 기반하여 다운스케일 타겟을 결정할 수 있다.
다른 예로, AI 설정부(1634)는 서버(1600)에 저장된 압축 히스토리 정보를 이용하여 다운스케일 타겟을 결정할 수도 있다. 예를 들어, 서버(1600)가 이용할 수 있는 압축 히스토리 정보에 따르면, 화상회의의 참석자가 선호하는 부호화 품질 또는 압축률 등이 결정될 수 있으며, 압축 히스토리 정보에 기초하여 결정된 부호화 품질 등에 따라 다운스케일 타겟이 결정될 수 있다. 예를 들면, 압축 히스토리 정보에 따라 가장 많이 이용된 적이 있는 부호화 품질에 따라 제 1 영상의 해상도, 화질 등이 결정될 수 있다.
또 다른 예로, AI 설정부(1634)는 압축 히스토리 정보에 따라 소정의 임계 값보다 많이 이용된 적이 있는 부호화 품질(예를 들면, 소정의 임계값보다 많이 이용된 적이 있는 부호화 품질들의 평균 품질)에 기초하여 다운스케일 타겟을 결정할 수도 있다.
또 다른 예로, AI 설정부(1634)는 원본 영상의 해상도, 타입(예를 들어, 파일의 형식)등에 기초하여 다운스케일 타겟을 결정할 수도 있다.
일 실시예에서, 원본 영상이 복수의 프레임으로 구성된 경우, AI 설정부(1634)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득하고, 독립적으로 획득한 DNN 설정 정보를 AI 다운스케일부(1631)로 제공할 수도 있다.
일 예시에서, AI 설정부(1634)는 원본 영상을 구성하는 프레임들을 소정 개수의 그룹으로 구분하고, 각 그룹별로 DNN 설정 정보를 독립적으로 획득할 수 있다. 각 그룹에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다. 그룹들에 포함된 프레임들의 개수는 그룹별로 동일하거나 상이할 수 있다.
다른 예시에서, AI 설정부(1634)는 원본 영상을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 결정할 수 있다. 각각의 프레임에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다.
AI 다운스케일의 기반이 되는 제 1 DNN의 예시적인 구조는 도 8에서 전술된 바 생략한다.
일 실시예에서, AI 다운스케일부(1631)는 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 원본 영상 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
다른 실시예에서, AI 다운스케일부(1631)는 AI 설정부(1634)로부터 제공된 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보에 기초하여 원본 영상을 AI 다운스케일한다. 또한, AI 다운스케일부(1631)는 AI 설정부(1634)로부터 중요도 정보를 추가로 제공받아 중요도가 낮은 원본 영상의 경우에는 데이터 사용량을 더 감소시키기 위해, 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보를 이용하여 AI 다운스케일을 2번 수행하여 270p의 제1 영상을 획득할 수 있다.
다른 실시예에서, AI 다운스케일부(1631)는 중요도에 관계없이 AI 설정부(1634)로부터 제공된 1080p의 원본 영상을 540p의 제1 영상으로 AI 다운스케일하는 하나의 DNN 설정 정보에 기초하여 원본 영상을 2번 AI 다운스케일한다. 이러한 경우, 1080p의 원본 영상을 270p의 제1 영상으로 AI 다운스케일함으로써 데이터 사용량이 더 감소될 수 있다.
다시 도 16을 참조하면, 제2 전자 장치가 AI 업스케일을 지원하면, AI 설정부(1634)는 AI 데이터를 데이터 처리부(1613)로 전달한다. AI 데이터는, 전자 장치의 AI 업스케일부(1333)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상을 AI 업스케일할 수 있게 하는 정보들을 포함한다. AI 다운스케일부(1631)로부터 제 1 영상을 전달받은 제 1 부호화부(1632)는 주파수 변환 기반의 영상 압축 방법에 따라 제 1 영상을 제 1 부호화하여 제 1 영상이 가지는 정보량을 감축시킬 수 있다. 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통한 제 1 부호화 결과, 영상 데이터가 획득된다. 영상 데이터는 소정의 코덱의 규칙, 즉 신택스에 따라 획득된다. 예를 들어, 영상 데이터는 제 1 영상과 제 1 영상의 예측 데이터 사이의 차이인 잔차 데이터, 제 1 영상을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다. 제 1 부호화부(1632)의 제 1 부호화 결과 획득된 영상 데이터는 데이터 처리부(1633)로 제공된다.
AI 설정부(1634)는 제3 전자 장치의 사용자가 발표자인지 청취자인지를 나타내는 중요도에 대한 중요도 정보를 획득하여 데이터 처리부(1633)에 전송한다. AI 설정부(1634)는 중요도 정보를 AI 데이터에 포함하여 전송할 수 있다.
일 실시예에서, AI 설정부(1634)는 중요도 정보를 AI 부호화 데이터와는 별개의 메타 데이터로 획득하여 데이터 처리부(1633)에 전송한다.
제 1 부호화부(1632)는 제2 전자 장치가 AI 업스케일을 지원하면, 제3 전자 장치에 대한 중요도에 관계없이, 원본 영상을 다운스케일용 DNN을 이용하여 AI 다운스케일하여 제 1 영상을 획득하고, 제 1 영상을 제1 부호화하여 획득한 제5 영상 데이터를 데이터 처리부(1633)에 전송한다.
또한, 제 1 부호화부(1632)는 제2 전자 장치가 AI 업스케일을 지원하지 않고 제3 전자 장치에 대한 중요도가 발표자임을 나타내면, 제4 영상 데이터 또는 원본 영상을 새롭게 부호화하여 생성한 영상 데이터를 데이터 처리부(1633)에 전송하고, 제2 전자 장치가 AI 업스케일을 지원하지 않고 제3 전자 장치에 대한 중요도가 청취자를 나타내면, 원본 영상을 다운스케일용 DNN을 이용하여 AI 다운스케일하여 제 1 영상을 획득하고, 제 1 영상을 제1 부호화한 제 5 영상데이터를 데이터 처리부(1633)에 전송한다.
데이터 처리부(1633)는 제2 전자 장치가 AI 업스케일을 지원하면, 제 1 부호화부(1632)로부터 수신된 제5 영상 데이터와 AI 설정부(1634)로부터 수신된 AI 데이터를 포함하는 AI 부호화 데이터를 생성한다. 또한, 데이터 처리부(1633)는 제2 전자 장치가 AI 업스케일을 지원하지 않으면 AI 데이터를 포함하지 않고, 제 1 부호화부(1632)로부터 수신된 제4 영상 데이터 또는 제5 영상 데이터 중 하나를 포함하는 AI 부호화 데이터를 생성한다.
일 실시예에서, 데이터 처리부(1633)는 영상 데이터와 AI 데이터를 각각 분리된 상태로 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다.
다른 실시예에서, 데이터 처리부(1633)는 제 1 부호화부(1632)에 의한 제 1 부호화 결과로 획득되는 영상 데이터 내에 AI 데이터를 포함시키고, 해당 영상 데이터를 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, 데이터 처리부(1633)는 영상 데이터에 해당하는 비트스트림과 AI 데이터에 해당하는 비트스트림을 결합하여 하나의 비트스트림 형태의 영상 데이터를 생성할 수도 있다. 이를 위해, 데이터 처리부(1413)는 AI 데이터를 0 또는 1의 값을 갖는 비트들, 즉 비트스트림으로 표현할 수 있다. 일 실시예에서, 데이터 처리부(1633)는 제 1 부호화 결과로 획득되는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 AI 데이터에 해당하는 비트스트림을 포함시킬 수 있다.
AI 부호화 데이터는 전송부(1640)로 전송된다. 전송부(1640)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터를 전송한다.
일 실시예에서, AI 부호화 데이터는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체에 저장될 수도 있다.
데이터 처리부(1633)는 중요도 정보가 포함된 AI 데이터에 기초한 AI 부호화 데이터를 전송부(1640)에 전송한다.
다른 실시예에 따라, 데이터 처리부(1633)는 중요도 정보를 AI 부호화 데이터와 함께 전송부(1640)에 전송한다. 전송부(1640)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터 및 중요도 정보를 전송한다.
일 실시예에 따라, 중요도 정보는 제3 전자 장치가 화상 회의에 처음 참여할 때 생성되어 서버(1600)에 전송되어 저장되고, 서버(1600)는 저장된 중요도 정보를 제2 전자 장치가 이용할 수 있는 경우 제2 전자 장치에 전송할 수 있다. 또한, 중요도 정보는 제3 전자 장치의 중요도에 대한 변경이 있을 때, 변경된 중요도 정보가 서버(1600)에 전송되어 저장되고, 서버(1600)는 변경된 중요도 정보를 제2 전자 장치가 이용할 수 있는 경우 제2 전자 장치에 전송할 수 있다.
또한, AI 설정부(1634)는 제2 전자 장치가 AI 업스케일을 지원하지 않으면, 중요도 정보 및 AI 데이터를 데이터 처리부(1633)에 전송하지 않는다. 이 경우 제2 전자 장치는 서버로부터 전송된 영상 데이터를 복호화하여 디스플레이할 뿐, 중요도와 AI 데이터에 기초하여 어떤 동작을 수행할 필요가 없기 때문이다.
데이터 처리부(1633)는 AI 데이터가 포함되지 않은 영상 데이터에 기초한 AI 부호화 데이터를 전송부(1640)에 전송한다. 전송부(1640)는 네트워크를 통해 원본 영상에 대한 제4 영상 데이터 또는 제1 영상에 대한 제5 영상 데이터를 제2 전자 장치에 전송한다.
이하에서는 도 17 내지 도 21을 참조하여, 화상 회의에 참여한 장치들 및 서버에 의해 화상 회의 영상이 송수신되는 과정을 설명한다.
도 17은 종래의 화상회의에서의 전자 장치와 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 17을 참고하면, 세 전자 장치 간의 화상 회의 시에 참여자(발표자) A의 전자 장치(1710), 참여자(청취자) B의 전자 장치(1720), 참여자(청취자) C의 전자 장치(1730)와 화상회의를 관리하는 서버(1750)은 모두 데이터의 AI 다운스케일 및 AI 업스케일이 이용되지 않고, 고정된 비트레이트와 해상도로 각 전자 장치의 화상 회의 영상이 서버를 통해 다른 전자 장치들에 전송되어 재생된다.
구체적으로, 발표자 A의 전자 장치가 발표자 A의 1080p의 해상도의 영상의 영상 데이터를 10Mbps로 서버에 전송하고, 서버가 다시 청취자 B 및 청취자 C의 전자 장치에 발표자 A의 1080p의 해상도의 영상의 영상 데이터를 10Mbps로 전송하고, 청취자 B의 전자 장치가 청취자B의 1080p의 해상도의 영상의 영상 데이터를 10Mbps로 서버에 전송하고, 서버가 다시 발표자 A 및 청취자 C의 전자 장치에 청취자B의 1080p의 해상도의 영상의 영상 데이터를 10Mbps로 전송하고, 청취자C의 전자 장치가 청취자C의 1080p의 해상도의 영상의 영상 데이터를 10Mbps로 서버에 전송하고, 서버가 다시 발표자 A 및 청취자B의 전자 장치에 참석자 C의 1080p의 해상도의 영상의 영상 데이터를 10Mbps로 전송한다. 종래의 화상 회의에서는 다수의 전자 장치가 서버와의 통신을 통해 고정된 비트레이트와 해상도로 화상 회의 영상을 전송하고 수신한다.
전술한 바와 같이, 종래 화상회의에서는 다수의 전자 장치가 고정된 비트레이트와 해상도로 영상 데이터를 송수신하기 때문에,고화질의 영상을 위해 데이터 사용량이 일정하게 유지되어야 하는 측면이 있다
도 18은 일 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치와 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 18을 참고하면, 세 전자 장치 간의 화상 회의시에 참여자(발표자) A의 전자 장치(1810), 참여자(청취자) B의 전자 장치(1820), 참여자(청취자) C의 전자 장치(1830)가 모두 AI 다운스케일 및 AI 업스케일을 지원하므로, 각 참석자의 화상 회의 영상이 AI 다운스케일되어 전송되고, 필요에 따라 AI 다운스케일된 영상을 AI 업스케일하여 디스플레이된다. 이에 따라 화상 회의에 참여하는 전자 장치들의 업로딩 및 다운로딩 데이터의 사용량이 감소되고 화질은 유지된다.
화상 회의의 참여자들의 전자 장치들은 화상 회의 영상을 AI 다운스케일하여 서버에 전송한다. 전자 장치들은 AI 다운스케일 및 AI 업스케일을 모두 지원하므로, 서버는 그대로 각각의 전자 장치의 AI 다운스케일된 영상을 다른 전자 장치들에 전송한다.
참여자 A는 발표자이므로, 청취자인 다른 참여자 B 및 C에 비해 영상의 화질이 중요하고, 발표자 A의 영상이 중요한 정보를 많이 가지고 있을 수 있으므로, 다른 청취자B, C의 전자 장치는 발표자 A의 전자 장치로부터 서버를 통해 바이패스로 전송된 발표자 A의 AI 다운스케일된 화상 회의 영상을 AI 업스케일하여 원래의 화질로 복원하여 디스플레이한다.
나머지 청취자들의 영상은 상대적으로 발표자의 영상보다 중요도가 낮으므로, 발표자 A의 전자 장치는 청취자 B와 C의 전자 장치로부터 서버를 통해 바이패스로 전송된 청취자 B와 C의 AI 다운스케일된 화상 회의 영상을 AI 업스케일하지 않고 그대로 디스플레이한다. 또한, 청취자 B와 C의 전자 장치는 각각 C와 B의 AI 다운스케일된 화상 회의 영상 각각을 AI 업스케일하지 않고 그대로 디스플레이한다.
구체적으로, 발표자 A의 전자 장치(1810)가 1080p 및 10Mbps의 화상 회의 영상에 AI 다운스케일을 적용하여 540p 및 5Mbps의 화상 회의 영상에 대한 영상 데이터 및 AI 데이터를 서버(1850)에 전송하고, 청취자 B의 전자 장치(1820)가 1080p 및 10Mbps의 화상 회의 영상에 AI 다운스케일을 적용하여 540p 및 5Mbps의 화상 회의 영상에 대한 영상 데이터 및 AI 데이터를 서버(1850)에 전송하고, 청취자 C의 전자 장치(1830)가 1080p 및 10Mbps의 화상 회의 영상에 AI 다운스케일을 적용하여 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터를 서버(1850)에 전송한다.
서버(1850)는 각 전자 장치들로부터 전송받은 AI 다운스케일된 영상에 대한 영상 데이터 및 AI 데이터를 그대로 다른 전자 장치들에게 전송한다. 즉, 서버(1850)는 발표자 A의 전자 장치(1810)에 청취자 B의 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터와 청취자 C의 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터를 전송하고, 청취자 B의 전자 장치(1820)에 발표자 A의 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터와 청취자 C의 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터를 전송하고, 청취자 C의 전자 장치(1830)에 발표자 A의 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터와 청취자 B의 540p 및 5Mbps의 영상에 대한 영상 데이터 및 AI 데이터를 전송한다.
발표자 A의 전자 장치(1810)에서는 발표자가 아닌 청취자 B와 C의 영상을 상대적으로 중요도가 낮으므로, 발표자 A의 전자 장치(1810)는 전송된 청취자 B의 540p 및 5Mbps의 영상과 청취자 C의 540p 및 5Mbps의 영상을 AI 업스케일하지 않고 그대로 디스플레이하고, 청취자 B의 전자 장치(1820)에서는 발표자인 참여자 A의 영상은 중요도가 높고, 청취자 C의 영상은 중요도가 낮으므로, 전송된 발표자 A의 540p 및 5Mbps의 영상은 AI 업스케일하여 1080p 및 10Mbps의 영상을 획득하여 디스플레이하고, 전송된 청취자 C의 540p 및 5Mbps의 영상은 AI 업스케일하지 않고 그대로 디스플레이하고, 청취자 C의 전자 장치(1830)에서는 발표자인 참여자 A의 영상은 중요도가 높고, 청취자 B의 영상은 중요도가 낮으므로, 전송된 발표자 A의 540p 및 5Mbps의 영상은 AI 업스케일하여 1080p 및 10Mbps의 영상을 획득하여 디스플레이하고, 전송된 청취자 B의 540p 및 5Mbps의 영상은 AI 업스케일하지 않고 그대로 디스플레이한다.
한편, 전자 장치의 중요도가 전자 장치의 입력에 의해 변경될 수 있다.
예를 들어, 청취자 B가 발표자 A가 발표하는 도중에 손들기 기능을 활성화하는 입력(예를 들어, 손들기 버튼을 클릭)을 실행함으로써 참여자 B의 중요도가 참여자 B가 발표자임을 나타내는 것으로 변경되고, 발표자 A의 중요도는 발표자 A가 청취자임을 나타내는 것으로 변경된다. 이러한 경우, 발표자가 된 참여자 B의 전자 장치(1820)는 발표자였던 참여자 A의 540p의 화상 회의 영상을 AI 업스케일하지 않고 그대로 디스플레이하고, 청취자 A의 전자 장치(1810)과 청취자 C의 전자 장치(1830)는 발표자로 변경된 참가자 B의 540p의 화상 회의 영상을 중요도 변경에 따라 AI 업스케일하여 1080p의 화상 회의 영상으로 디스플레이한다.
다른 예로, 청취자 B가 발표자 A가 발표하는 도중에 청취자 C의 화상 회의 영상을 확대하는 입력을 실행함으로써, 참여자 C의 중요도가 참여자 C가 발표자임을 나타내는 것으로 변경된다. 이러한 경우, 청취자 B의 전자 장치(1830)는 발표자로 변경된 참여자 C의 540p의 화상 회의 영상을 중요도 변경에 따라 AI 업스케일하여 1080p의 화상 회의 영상으로 디스플레이한다.
다른 예로, 발표자 A가 다른 참여자 B에게 발표 권한을 수여하는 입력을 실행한 경우에, 참여자 B가 발표자로 변경되어, 참여자 A의 전자 장치(1810) 및 참여자 C의 전자 장치(1830)는 발표자 B의 AI 다운스케일된 영상을 AI 업스케일하여 1080p의 화상 회의 영상으로 디스플레이한다.
다른 예로, 발표자로 설정된 전자 장치는 복수 개일 수 있다. 이런 경우에는 발표자로 설정된 모든 영상이 원본 영상으로 AI 업스케일될 수 있다.
다른 전자 장치의 중요도는 서버를 통해 다른 전자 장치로부터 획득되는 중요도 정보를 통해 결정된다. 중요도 정보는 다른 전자 장치로부터 획득되는 AI 데이터에 포함되어 전송되거나 따로 전송될 수 있다. 또한, 중요도 정보는 화상 회의를 시작할 때, 서버를 통해 전송되어 각 전자 장치에 저장되어 이용되고, 추후 중요도의 변경이 있을 때, 다시 서버를 통해 변경된 중요도 정보가 전송되어 각 전자 장치에 저장되어 이용될 수 있다.
중요도 정보는 전자 장치의 사용자가 발표자이면 1로 설정되고 사용자가 청취자이면 0으로 설정되어, 중요도 정보가 1을 나타내면 AI 업스케일을 수행하고, 중요도 정보가 0을 나타내면, AI 업스케일을 수행하지 않을 수 있다.
도 19는 일 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치, AI 다운스케일 및 AI 업스케일을 지원하지 않는 전자 장치와 AI 다운스케일 및 AI 업스케일을 지원하는 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 19에서 참여자(청취자) B의 전자 장치(1920)과 참여자(청취자) C의 전자 장치(1930)는 AI 다운스케일 및 AI 업스케일을 지원하지 않고, 참여자(발표자) A의 전자 장치(1910)는 AI 다운스케일 및 AI 업스케일을 지원하는 것으로 가정한다.
도 19를 참고하면, 화상 회의의 세 전자 장치 중 참여자(청취자) B의 전자 장치(1920)과 참여자(청취자) C의 전자 장치(1930)는 AI 다운스케일을 지원하지 않으므로, 청취자 B의 전자 장치(1920)와 청취자 C의 전자 장치(1930)는 화상 회의 원본 영상을 그대로 서버(1950)에 전송한다. 그러나, 참여자(발표자) A의 전자 장치(1910)는 AI 다운스케일을 지원하므로, 발표자 A의 전자 장치(1910)는 AI 다운스케일된 영상을 서버(1950)에 전송한다. 또한, 서버(1950)도 AI 다운스케일을 지원하므로, 서버(1950)는 전송받은 청취자 B의 전자 장치(1920)와 청취자 C의 전자 장치(1930)의 원본 영상들을 AI 다운스케일하여 AI 다운스케일된 영상을 획득하여 다른 참석자들에게 전송한다. 이에 따라 발표자 A의 전자 장치의 화상 회의 영상에 대한 업로딩 데이터의 사용량이 감소되고, 다른 청취자 B 및 C의 전자 장치의 화상 회의 영상에 대한 다운로딩 데이터의 사용량이 감소된다.
참여자 A는 발표자이므로 발표자 A의 전자 장치의 화상 회의 영상은 중요도가 높고 청취자인 참여자 B 및 C는 AI 업스케일을 지원하지 않으므로, 서버(1950)는 발표자 A의 전자 장치(1910)로부터 전송된 AI 다운스케일된 영상을 AI 업스케일하여 복원한 영상을 AI 업스케일을 지원하지 않는 청취자 B의 전자 장치(1920) 및 청취자 C의 전자 장치(1930)에 전송한다. 또한, 서버(1950)는 청취자 B의 전자 장치(1920)로부터 획득한 원본 영상을 AI 다운스케일하여 AI 다운스케일된 영상을 발표자 A의 전자 장치(1910) 및 청취자 C의 전자 장치(1930)에 전송하고, 서버(1950)는 청취자 C의 전자 장치(1930)로부터 획득한 원본 영상을 AI 다운스케일하여 AI 다운스케일된 영상을 발표자 A의 전자 장치(1910) 및 청취자 B의 전자 장치(1920)에 전송한다.
구체적으로, 발표자 A의 전자 장치(1910)가 1080p 및 10Mbps의 원본 영상에 AI 다운스케일을 적용하여 획득된 540p 및 5Mbps의 제1 영상에 대한 영상 데이터 및 AI 데이터를 서버(1950)에 전송하고, 청취자 B의 전자 장치(1920)가 1080p 및 10Mbps의 원본 영상에 대한 영상 데이터를 서버(1950)에 전송하고, 청취자 C의 전자 장치(1930)가 1080p 및 10Mbps의 원본 영상에 대한 영상 데이터를 서버(1950)에 전송한다.
서버(1950)는 청취자 B의 전자 장치의 1080p 및 10Mbps의 원본 영상을 540p 및 5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 제1 영상에 대한 영상 데이터 및 AI 데이터를 발표자 A의 전자 장치(1910)에 전송하고, 청취자 C의 1080p 및 10Mbps의 원본 영상을 540p 및 5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 제1 영상에 대한 영상 데이터 및 AI 데이터를 발표자 A의 전자 장치(1910)에 전송한다. 서버(1950)는 중요도가 높은 발표자인 참석자 A의 540p 및 5Mbps의 제1 영상을 서버가 1080p 및 10Mbps로 AI 업스케일하여 획득한 제3 영상에 대한 영상 데이터와 청취자 C의 전자 장치의 1080p 및 10Mbps의 원본 영상을 540p 및 5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 제1 영상에 대한 영상 데이터를 청취자 B의 전자 장치(1920)에 전송하고, 서버(1950)는 중요도가 높은 발표자인 발표자 A의 540p 및 5Mbps의 제1 영상을 1080p 및 10Mbps로 AI 업스케일하여 획득한 제3 영상에 대한 영상 데이터와 청취자 B의 전자 장치의 1080p 및 10Mbps의 원본 영상을 540p 및 5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 제1 영상에 대한 영상 데이터를 청취자 C의 전자 장치(1930)에 전송한다.
발표자 A의 전자 장치(1910)에서는 발표자가 아닌 청취자 B와 C의 영상은 상대적으로 중요도가 낮으므로, 발표자 A의 전자 장치(1910)는 중요도 정보에 기초하여 전송된 청취자 B의 540p 및 5Mbps의 제1 영상과 청취자 C의 540p 및 5Mbps의 제1 영상을 AI 업스케일을 수행하지 않고 디스플레이한다.
청취자 B의 전자 장치(1920)에서는 발표자인 참여자 A의 영상은 중요도가 높고, 청취자 C의 영상은 중요도가 낮으므로, 청취자 B의 전자 장치(1920)는 AI 업스케일을 지원하지 않는 청취자 B의 전자 장치(1920) 대신 서버(1950)가 발표자 A의 540p 및 5Mbps의 제1 영상을 AI 업스케일하여 획득된 1080p 및 10Mbps의 제3 영상의 영상 데이터를 전송받아 디스플레이하고, 청취자 C의 540p 및 5Mbps의 제1 영상의 영상 데이터를 전송받아 디스플레이한다.
청취자 C의 전자 장치(1930)에서는 발표자인 참여자 A의 영상은 중요도가 높고, 청취자 B의 영상은 중요도가 낮으므로, 청취자 C의 전자 장치(1930)는 AI 업스케일을 지원하지 않는 청취자 C의 전자 장치(1930) 대신 서버(1950)가 발표자 A의 540p 및 5Mbps의 제1 영상을 AI 업스케일하여 획득된 1080p 및 10Mbps의 제3 영상의 영상 데이터를 전송받아 디스플레이하고, 청취자 B의 540p 및 5Mbps의 제1 영상의 영상 데이터를 전송받아 디스플레이한다.
한편, 중요도가 변경되어 청취자 B가 발표자로 변경되고, 발표자 A가 청취자로변경되면, 발표자로 변경된 참여자 B의 전자 장치(1920)은 AI 업스케일을 지원하지 않으므로, 발표자 B의 1080p의 원본 영상은 청취자 C의 전자 장치(1930)에는 서버(1930)가 AI 다운스케일을 수행하지 않고 원본 영상의 영상 데이터를 그대로 전송하고, 청취자 A의 전자 장치(1910)에는 서버(1950)가 1080p의 원본 영상을 AI 다운스케일하여 획득된 540p의 제1 영상의 영상 데이터 및 AI 데이터가 전송된다. 청취자 C의 전자 장치(1930)는 원본 영상 데이터를 복원하여 1080p의 원본 영상을 디스플레이하고, 청취자 A의 전자 장치(1910)는 AI 다운스케일된 제1 영상을 중요도에 기초하여 AI 업스케일하여 복원된 1080p의 제3 영상을 디스플레이한다. 이러한 경우에 대한 구체적인 예시는 도 21을 통해 후술된다.
도 20은 다른 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치, AI 다운스케일 및 AI 업스케일을 지원하지 않는 전자 장치와 AI 다운스케일 및 AI 업스케일을 지원하는 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 20에서 참여자(청취자) B의 전자 장치(2020)과 참여자(청취자) C의 전자 장치(2030)는 AI 다운스케일 및 AI 업스케일을 지원하지 않고, 참여자(발표자) A의 전자 장치(2010)는 AI 다운스케일 및 AI 업스케일을 지원하는 것으로 가정한다.
도 20을 참고하면, 화상 회의의 세 전자 장치 중 참여자(발표자) A의 전자 장치(2010)와 화상회의를 관리하는 서버(2050)만 AI 다운스케일 및 AI 업스케일을 지원하고, 나머지 참여자(청취자) B의 전자 장치(2020)와 참여자(청취자) C의 전자 장치(2030)는 AI 다운스케일 및 AI 업스케일을 지원하지 않으므로, 청취자 B의 전자 장치(2020)와 청취자 C의 전자 장치(2030)는 원본 영상을 그대로 서버(2050)에 전송한다. 그러나, 발표자 A의 전자 장치(2010)는 AI 다운스케일된 영상을 서버(2050)에 전송하고, 서버(2050)도 전송받은 청취자 B의 전자 장치(2020)와 청취자 C의 전자 장치(2030)의 원본 영상들을 AI 다운스케일하여 AI 다운스케일된 영상을 획득하여 다른 참여자들에게 전송하여, 발표자인 참여자 A의 전자 장치의 업로딩 데이터의 사용량이 감소되고, 다른 참여자 B 및 C의 전자 장치들의 다운로딩 데이터의 사용량이 감소된다. 이 때, 발표자인 참여자 A의 영상은 중요도가 높으므로, 1/2만큼만 AI 다운스케일하고, 나머지 청취자 B 및 C는 상대적으로 중요도가 낮으므로, 1/4만큼 AI 다운스케일한다. 이에 따라 상대적으로 중요도가 높은 영상은 상대적으로 AI 다운스케일의 정도가 작으므로, 정보의 손실이 적어 중요한 정보가 더 잘 복원되고, 상대적으로 중요도 낮은 영상은 상대적으로 더 AI 다운스케일되어 데이터 사용량이 더 감소될 수 있다.
구체적으로, 발표자 A의 전자 장치(2010)가 1080p 및 10Mbps의 원본 영상에 AI 다운스케일이 적용된 540p 및 5Mbps의 제1 영상에 대한 영상 데이터 및 AI 데이터를 서버(2050)에 전송하고, 청취자 B의 전자 장치(1620)가 1080p 및 10Mbps의 원본 영상에 대한 영상 데이터를 서버(2050)에 전송하고, 청취자 C의 전자 장치(1630)가 1080p 및 10Mbps의 원본 영상에 대한 영상 데이터를 서버(2050)에 전송한다. 서버(2050)는 청취자 B의 1080p 및 10Mbps의 원본 영상을 270p 및 2.5Mbps의 제1 영상으로 AI 다운스케일하여 획득된 제1 영상의 영상 데이터 및 AI 데이터를 발표자 A의 전자 장치(2010)에 전송하고, 청취자 C의 1080p 및 10Mbps의 원본 영상을 270p 및 2.5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 영상 데이터 및 AI 데이터를 발표자 A의 전자 장치(2010)에 전송한다.
또한, 서버(2050)는 중요도가 높은 발표자인 참여자 A의 540p 및 5Mbps의 영상을 1080p 및 10Mbps로 AI 업스케일하여 획득한 제3 영상의 영상 데이터와 청취자 C의 270p 및 2.5Mbps의 제1 영상의 영상 데이터를 청취자 B의 전자 장치(2020)에 전송하고, 서버(2050)는 중요도가 높은 발표자인 참여자 A의 540p 및 5Mbps의 제1 영상을 1080p 및 10Mbps로 AI 업스케일하여 획득한 제3 영상의 영상 데이터와 청취자 B의 270p 및 2.5Mbps의 제1 영상의 영상 데이터를 청취자 C의 전자 장치(2030)에 전송한다.
발표자 A의 전자 장치(2010)에서는 발표자가 아닌 청취자 B와 C의 영상을 상대적으로 중요도가 낮으므로, 발표자 A의 전자 장치(2010)는 중요도 정보에 기초하여 전송된 청취자 B의 270p 및 2.5Mbps의 제1 영상과 청취자 C의 270p 및 2.5Mbps의 제1 영상을 AI 업스케일하지 않고 디스플레이하고, 청취자 B의 전자 장치(2020)에서는 발표자인 참여자 A의 영상은 중요도가 높고, 청취자 C의 영상은 중요도가 낮으므로, AI 업스케일을 지원하지 않는 청취자 B의 전자 장치(2020)는 청취자 B의 전자 장치(2020) 대신 서버(2050)가 참석자 A의 540p 및 5Mbps의 제1 영상을 AI 업스케일하여 획득된 1080p 및 10Mbps의 제3 영상의 영상 데이터를 전송받아 디스플레이하고, 전송받은 청취자 C의 270p 및 2.5Mbps의 제1 영상의 영상 데이터릍 전송받아 디스플레이하고, 청취자 C의 전자 장치(2030)에서는 발표자인 참여자 A의 영상은 중요도가 높고, 청취자 B의 영상은 중요도가 낮으므로, AI 업스케일을 지원하지 않는 청취자 C의 전자 장치(2030)는 청취자 C의 전자 장치(2030) 대신 서버(2050)가 발표자 A의 540p 및 5Mbps의 제1 영상을 AI 업스케일하여 획득된 1080p 및 10Mbps의 제3 영상의 영상 데이터를 전송받아 디스플레이하고, 전송된 청취자 B의 270p 및 2.5Mbps의 제1 영상의 영상 데이터를 전송받아 디스플레이한다.
다른 예로, 도 18와 같이 모든 참여자의 전자 장치가 AI 다운스케일 및 AI 업스케일을 지원하는 경우에도 중요도에 따라 AI 다운스케일의 정도가 달라질 수 있다. 즉, 중요도가 높은 발표자의 영상은 1/2만큼 AI 다운스케일되고, 중요도가 낮은 청취자영상은 1/4만큼 AI 다운스케일된다. 이 때, 중요도가 높은 발표자의 영상은 원본 영상으로 복원되고 중요도가 낮은 청취자의 영상은 2배 큰 1/2의 해상도의 영상으로 복원될 수 있다.
도 21은 다른 실시예에 따른 화상회의에서의 AI 다운스케일 및 AI 업스케일을 지원하는 전자 장치, AI 다운스케일 및 AI 업스케일을 지원하지 않는 전자 장치와 AI 다운스케일 및 AI 업스케일을 지원하는 서버 사이의 데이터 전송 관계를 설명하기 위한 도면이다.
도 21에서 참여자(발표자) B의 전자 장치(2120)과 참여자(청취자) C의 전자 장치(2130)는 AI 다운스케일 및 AI 업스케일을 지원하지 않고, 참여자(청취자) A의 전자 장치(2110)는 AI 다운스케일 및 AI 업스케일을 지원하는 것으로 가정한다.
도 21을 참고하면, 화상 회의의 세 전자 장치 중 참여자(청취자) A의 전자 장치(2110)와 화상회의에 이용되는 서버(2150)만 AI 다운스케일 및 AI 업스케일을 지원하고, 나머지 참여자(발표자) B의 전자 장치(2120)와 참여자(청취자) C의 전자 장치(2130)는 AI 다운스케일 및 AI 업스케일을 지원하지 않으므로, 발표자 B의 전자 장치(2120)와 청취자 C의 전자 장치(1730)는 원본 영상을 그대로 서버(2150)에 전송한다. 그러나, 청취자 A의 전자 장치(2110)은 AI 다운스케일된 영상을 서버(2150)에 전송하고, 서버(2150)도 전송받은 발표자 B의 전자 장치(2120)와 청취자 C의 전자 장치(2130)의 원본 영상들을 AI 다운스케일하여 AI 다운스케일된 영상을 획득하여 다른 참여자들에게 전송하여, 참여자 A의 전자 장치의 업로딩 데이터의 사용량이 감소되고, 다른 참여자 B 및 C의 전자 장치들의 다운로딩 데이터의 사용량이 감소된다.
이 때, 청취자 A의 전자 장치(2110)는 AI 다운스케일을 지원하므로, 청취자 A의 화상 회의 영상은 청취자 A의 전자 장치(2110)에서 AI 다운스케일되어 AI 다운스케일된 영상이 서버(2150)에 전송되고, 발표자 B의 전자 장치(2120)와 청취자 C의 전자 장치(2130)는 AI 다운스케일을 지원하지 않으므로, 발표자 B의 원본 영상과 청취자 C의 원본 영상이 서버(2150)에 전송된다.
서버(2150)는 청취자 A의 전자 장치(2110)로부터 전송된 AI 다운스케일된 영상을 발표자 B의 전자 장치(2120) 및 청취자 C의 전자 장치(2130)에 전송하고, 서버(2150)는 청취자 C의 전자 장치(2130)로부터 전송된 원본 영상을 서버(2150)가 AI 다운스케일한 제1 영상을 청취자 A의 전자 장치(2110) 및 발표자 B의 전자 장치(2120)에 전송한다. 참여자 B는 발표자이므로 중요도가 높으므로, 서버(2150)는 발표자 B의 전자 장치(2120)로부터 전송된 원본 영상을 서버(2150)가 AI 다운스케일한 영상을 AI 업스케일을 지원하는 청취자 A의 전자 장치(2110)에 전송하고, 서버(2150)는 발표자 B의 전자 장치(2120)로부터 전송된 원본 영상을 AI 업스케일을 지원하지 않는 청취자 C의 전자 장치(1730)에 그대로 전송한다.
구체적으로, 청취자 A의 전자 장치(2110)는 1080p 및 10Mbps의 원본 영상에 AI 다운스케일이 적용된 540p 및 5Mbps의 제1 영상에 대한 영상 데이터 및 AI 데이터를 서버(2150)에 전송하고, 발표자 B의 전자 장치(2120)는 1080p 및 10Mbps의 원본 영상에 대한 영상 데이터를 서버(1750)에 전송하고, 발표자 C의 전자 장치(2130)는 1080p 및 10Mbps의 원본 영상에 대한 영상 데이터를 서버(1750)에 전송한다.
서버(2150)는 발표자 B의 1080p 및 10Mbps의 원본 영상을 540p 및 5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 제1 영상의 영상 데이터 및 AI 데이터를 청취자 A의 전자 장치(2110)에 전송하고, 청취자 C의 1080p 및 10Mbps의 원본 영상을 540p 및 5Mbps의 제1 영상으로 AI 다운스케일하여 획득한 제1 영상의 영상 데이터 및 AI 데이터를 청취자 A의 전자 장치(2110)에 전송한다.
서버(2150)는 청취자 A의 540p 및 5Mbps의 제1 영상의 영상 데이터와 청취자 C의 540p 및 5Mbps의 제1 영상의 영상 데이터를 발표자 B의 전자 장치(2120)에 전송하고, 서버(2150)는 청취자 A의 540p 및 5Mbps의 제1 영상의 영상 데이터와 중요도가 높은 발표자인 참여자 B의 1080p 및 10Mbps의 원본 영상의 영상 데이터를 AI 다운스케일 하지 않고, 청취자 C의 전자 장치(1730)에 전송한다.
청취자 A의 전자 장치(2110)에서는 AI 업스케일이 지원되므로, 서버(2150)가 AI 다운스케일하여 전송한 발표자 B의 540p 및 5Mbps의 제1 영상이 중요도 정보에 기초하여 AI 업스케일된 1080p 및 10Mbps의 제3 영상과 서버(2150)가 AI 다운스케일하여 전송한 청취자 C의 540p 및 5Mbps의 제1 영상이 중요도 정보에 기초하여 AI 업스케일되지 않은 제1 영상이 디스플레이된다.
발표자 B의 전자 장치(2120)에서는 AI 업스케일이 지원되지 않으므로, 청취자 A의 전자 장치(2110)가 AI 다운스케일하여 전송한 청취자 A의 540p 및 5Mbps의 제1 영상과 서버(2150)가 AI 다운스케일하여 전송한 청취자 C의 540p 및 5Mbps의 제1 영상이 디스플레이된다.
청취자 C의 전자 장치(2120)에서는 AI 업스케일이 지원되지 않으므로, 청취자 A의 전자 장치(2110)가 AI 다운스케일하여 전송한 참석자 A의 540p 및 5Mbps의 제1 영상과 발표자 B의 1080p 및 10Mbps의 원본 영상이 디스플레이된다.
전술된 전자 장치는 스마트폰, 태블릿 PC, 웨어러블 기기, 노트북, 및 데스크탑 PC 등 영상을 재생할 수 있는 다양한 종류의 기기를 포함할 수 있다.
도 22는 화상 회의에 참여하는 전자 장치에 디스플레이되는 화상 회의 영상의 배치 및 중요도를 설명하기 위한 도면이다.
도 22를 참고하면, 일 실시예에 따라, 화상 회의에 참여하는 전자 장치가 3개이고, 화상 회의의 유형이 발표인 경우에, 화상 회의에서 발표자는 중요도가 높은 것으로 결정되고, 화상회의 참여자의 전자 장치(2200)에서 발표자의 영상은 제일 큰 영역(2201)에 디스플레이되고, 나머지 청취자들의 영상은 나머지 영역들(2202, 2203)에 디스플레이된다.
다른 실시예에 따라, 화상 회의에 참여하는 전자 장치가 4개이고, 화상 회의의 유형이 토론인 경우에, 화상 회의에 참여하는 전자 장치의 중요도는 동등하게 모두 발표자인 것으로 결정되어, 화상 회의에 참여하는 전자장치(2250)에서 화상 회의 영상들은 동등한 영역들(2251, 2252, 2253, 2254)에 디스플레이된다.
다른 실시예에 따라 화상 회의에 참여하는 전자 장치가 4개이고, 화상회의의 타입이 발표인 경우에, 화상회의에서 발표자는 중요도가 높은 것으로 결정되고, 화상 회의에 참여하는 전자장치(2250)에서 화상 회의 영상은 동등한 영역들(2251, 2252, 2253, 2254)에 디스플레이되면서 발표자의 화상 회의 영상의 화질은 다른 청취자의 화상 회의 영상의 화질보다 높게 디스플레이된다.
도 23은 일 실시예에 따른 화상 회의시 화상 회의에 참여하는 전자 장치가 다른 전자 장치의 중요도에 따라 화상 회의 영상을 AI 업스케일하는 방법을 설명하기 위한 순서도이다.
S2310 단계에서, 화상 회의에 참여 중인 다른 전자 장치와 관련된 제 1 영상에 대한 제 1 부호화 결과로 생성된 영상 데이터, 및 원본 영상으로부터 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 서버로부터 획득한다.
일 실시예에 따라, 제 1 영상은 원본 영상으로부터 서버에 의해 AI 다운스케일된 영상 또는 원본 영상으로부터 다른 전자 장치에 의해 AI 다운스케일된 영상 중 하나일 수 있다.
S2320 단계에서, 영상 데이터를 제 1 복호화하여 제 1 영상에 대응되는 제 2 영상을 획득한다.
S2330 단계에서, 다른 전자 장치에 대한 중요도에 기초하여, 제 2 영상에 대한 AI 업스케일의 수행 여부를 결정한다.
일 실시예에 따라, 중요도는 AI 데이터로부터 확인될 수 있다.
일 실시예에 따라, 중요도가 다른 전자 장치의 사용자가 발표자임을 나타내면, AI 업스케일을 수행하는 것으로 결정되고, 중요도가 다른 전자 장치의 사용자가 청취자임을 나타내면, AI 업스케일을 수행하지 않는 것으로 결정될 수 있다.
일 실시예에 따라, 중요도가 발표자임을 나타내면, AI 업스케일을 수행하는 것으로 결정되고, 화상 회의 도중에, 중요도가 청취자로 변경되면, AI 업스케일을 수행하기 않는 것으로 결정될 수 있다.
S2340 단계에서, AI 업스케일을 수행하는 것으로 결정되면, 업스케일용 DNN을 통해 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 제 3 영상을 디스플레이에 제공한다.
S2350 단계에서, AI 업스케일을 수행하지 않는 것으로 결정되면, 제 2 영상을 디스플레이에 제공한다.
일 실시예에 따라, 화상 회의를 처음 개설한 전자 장치의 사용자에 대한 중요도는 발표자로 초기 설정될 수 있다.
일 실시예에 따라, 중요도는 중요도가 높으면 발표자로 설정되고, 중요도가 낮으면 청취자로 설정될 수 있다.
일 실시예에 따라, 중요도는 화상 회의에 참여하는 전자 장치 또는 다른 전자 장치가 수신하는 입력에 의해 변경될 수 있다.
일 실시예에 따라, 다른 전자 장치가 수신하는 입력은 다른 전자 장치의 손들기 기능을 활성화하는 입력 또는 다른 전자 장치가 발표 권한을 요청하는 입력 중 하나이고, 전자 장치가 수신하는 입력은 다른 전자 장치에 대한 화상 회의 영상을 확대하는 입력일 수 있다.
일 실시예에 따라, 전자 장치 또는 다른 전자 장치가 수신하는 입력은 화상 회의의 유형을 변경하는 입력일 수 있다.
일 실시예에 따라, 중요도는 화상 회의 참가자 수 및 화상 회의의 유형 중 적어도 하나에 따라 결정될 수 있다.
일 실시예에 따라, 화상 회의의 유형은 발표, 토론 중 하나일 수 있다.
일 실시예에 따라, 원본 영상의 크기는 1080p이고, 제 1 영상의 크기는 540p일 수 있다.
일 실시예에 따라, 원본 영상의 크기는 1080p이고, 제 1 영상의 크기는 270p일 수 있다.
일 실시예에 따라, 원본 영상의 크기는 1080p이고, 중요도가 전자 장치의 사용자가 발표자임을 나타내면, 제 1 영상의 크기는 540p이고, 중요도가 사용자가 청취자임을 나타내면, 제 1 영상의 크기는 270p일 수 있다.
일 실시예에 따라, 다운스케일용 DNN의 DNN 설정 정보는, 다운스케일용 DNN과 제 1 영상의 AI 업스케일을 위한 업스케일용 DNN의 연계 훈련을 통해 획득될 수 있다.
일 실시예에 따라, 복수의 DNN 설정 정보 중 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를, AI 데이터에 기초하여 획득하고, 업스케일용 DNN은 획득된 DNN 설정 정보로 동작할 수 있다.
일 실시예에 따라, 전자 장치에 저장된 제 2 영상의 AI 업스케일을 위한 하나의 DNN 설정 정보를 AI 데이터에 기초하여 획득하고, 업스케일용 DNN은 획득된 DNN 설정 정보로 동작할 수 있다.
도 24는 일 실시예에 따른 화상 회의를 관리하는 서버가 화상 회의에 참여하는 전자 장치로부터 AI 다운스케일된 영상을 획득하고, 전자 장치의 중요도 정보에 따라 AI 업스케일 지원 여부를 결정하여 화상 회의 영상을 AI 업스케일하여 다른 전자 장치에 전송하는 방법을 설명하기 위한 순서도이다.
S2410 단계에서, 서버(1500)는 화상 회의에 참여한 제1 전자 장치로부터 제 1 영상에 대한 제1 부호화 결과로 생성된 제1 영상데이터 및 원본 영상으로부터 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 획득한다. 제1 전자 장치는 AI 다운스케일과 관련된 AI 데이터를 전송하므로, 제1 전자 장치가 AI 다운스케일을 지원하는 전자 장치임을 알 수 있다.
S2420 단계에서, 서버(1500)는 제1 영상 데이터를 제 1 복호화하여 제 1 영상에 대응되는 제 2 영상을 획득한다.
S2430 단계에서, 서버(1500)는 중요도가 제1 전자 장치의 사용자가 청취자임을 나타내면, 제 2 영상을 제 1 부호화하여 획득한 제2 영상 데이터를 제2 전자 장치에 전송한다.
S2430 단계에서, 서버(1500)는 중요도가 제1 전자 장치의 사용자가 발표자임을 나타내면, 업스케일용 DNN을 통해 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하여 제 3 영상을 제 1 부호화하여 획득한 제3 영상 데이터를 제2 전자 장치에 전송한다. 제2 전자 장치는 서버(1500)가 대신 AI 업스케일 수행 여부를 결정하여 AI 업스케일을 수행하므로, AI 업스케일을 지원하지 않는 전자 장치이다.
일 실시예에 따라, 제1 전자 장치에 대한 중요도는 AI 데이터로부터 확인될 수 있다.
일 실시예에 따라, 화상 회의를 개설한 전자 장치의 사용자에 대한 중요도는 발표자로 초기 설정될 수 있다.
일 실시예에 따라, 중요도는 화상회의에 참여하는 제1 전자 장치 또는 제2 전자 장치가 수신하는 입력에 의해 변경될 수 있다.
일 실시예에 따라, 제2 전자 장치가 수신하는 입력은 제2 전자 장치의 손들기 기능을 활성화하는 입력, 또는 제2 전자 장치가 발표 권한을 요청하는 입력 중 하나이고, 제1 전자 장치가 수신하는 입력은 제2 전자 장치에 대한 화상 회의 영상을 확대하는 입력일 수 있다.
일 실시예에 따라, 제1 전자 장치 또는 제2 전자 장치가 수신하는 입력은 화상 회의의 유형을 변경하는 동작일 수 있다.
일 실시예에 따라, 중요도는 화상 회의 참가자 수 및 화상 회의의 유형 중 적어도 하나에 따라 결정될 수 있다.
일 실시예에 따라, 화상 회의의 유형은 발표, 토론 중 하나일 수 있다.
일 실시예에 따라, 원본 영상의 크기는 1080p이고, 제 1 영상의 크기는 540p일 수 있다.
일 실시예에 따라, 원본 영상의 크기는 1080p이고, 제 1 영상의 크기는 270p일 수 있다.
일 실시예에 따라, 원본 영상의 크기는 1080p이고, 중요도가 제1 전자 장치의 사용자가 발표자임을 나타내면, 제 1 영상의 크기는 540p이고, 중요도가 사용자가 참가자임을 나타내면, 제 1 영상의 크기는 270p일 수 있다.
일 실시예에 따라, 제 1 전자 장치는 AI 다운스케일을 지원하고, 제 2 전자 장치는 AI 업스케일을 지원하지 않을 수 있다.
일 실시예에 따라, 서버(1600)는 제3 전자 장치로부터 원본 영상에 대한 제 1 부호화 결과로 생성된 제4 영상 데이터를 획득할 수 있다. 서버(1600)는 제4 영상 데이터를 제1 복호화하여 원본 영상을 획득할 수 있다. 서버(1600)는 제3 전자 장치에 대한 중요도가 청취자임을 나타내면, 원본 영상을 다운스케일용 DNN을 이용하여 AI 다운스케일하여 제 1 영상을 획득하고, 제 1 영상을 제1 부호화한 제5 영상데이터를 제2 전자 장치에 전송하고, 제 3 전자 장치에 대한 중요도가 발표자임을 나타내면, 제4 영상 데이터 또는 원본 영상을 새롭게 제1 부호화한 영상 데이터를 제2 전자 장치에 전송할 수 있다. 이 경우, 제 3 전자 장치는 AI 다운스케일을 지원하지 않고, 제 2 전자 장치는 AI 업스케일을 지원하지 않는다.
다른 실시예에 따라, 서버(1600)는 제2 전자 장치가 AI 업스케일을 지원하면, 원본 영상을 다운스케일용 DNN을 이용하여 AI 다운스케일하여 제 1 영상을 획득하고, 제 1 영상을 제1 부호화한 제5 영상 데이터와 상기 AI 다운스케일과 관련된 AI 데이터를 제2 전자 장치에 전송할 수 있다.
일 실시예에 따라, 다운스케일용 DNN의 DNN 설정 정보는, 다운스케일용 DNN과 제 1 영상의 AI 업스케일을 위한 업스케일용 DNN의 연계 훈련을 통해 획득될 수 있다.
일 실시예에 따라, 복수의 DNN 설정 정보 중 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를, AI 데이터에 기초하여 획득하고, 업스케일용 DNN은 획득된 DNN 설정 정보로 동작할 수 있다.
일 실시예에 따라, 서버에 저장된 제 2 영상의 AI 업스케일을 위한 하나의 DNN 설정 정보를 AI 데이터에 기초하여 획득하고, 업스케일용 DNN은 획득된 DNN 설정 정보로 동작할 수 있다.
일 실시예에 따라, 제2 전자 장치의 AI 업스케일 지원 여부는 제2 전자 장치로부터 획득되는 AI 데이터의 유무에 의해 결정될 수 있다.
일 실시예에 따라, 제2 전자 장치의 AI 업스케일 지원 여부는 제2 전자 장치로부터 획득되는 AI 다운스케일 지원 정보에 의해 결정될 수 있다.
한편, 상술한 본 개시의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램 또는 인스트럭션으로 작성가능하고, 작성된 프로그램 또는 인스트럭션은 매체에 저장될 수 있다.
매체는 컴퓨터로 실행 가능한 프로그램 또는 인스트럭션을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
한편, 상술한 DNN과 관련된 모델은, 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(예를 들어, 명령어(instruction)를 포함하는 프로그램 모듈)로 구현되는 경우, DNN 모델은 컴퓨터로 읽을 수 있는 판독 가능한 기록매체에 저장될 수 있다.
또한, DNN 모델은 하드웨어 칩 형태로 집적되어 전술한 AI 복호화 장치(200) 또는 AI 부호화 장치(600)의 일부가 될 수도 있다. 예를 들어, DNN 모델은 인공 지능을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예를 들어, CPU 또는 애플리케이션 프로세서) 또는 그래픽 전용 프로세서(예를 들어, GPU)의 일부로 제작될 수도 있다.
또한, DNN 모델은 다운로드 가능한 소프트웨어 형태로 제공될 수도 있다. 컴퓨터 프로그램 제품은 제조사 또는 전자 마켓을 통해 전자적으로 배포되는 소프트웨어 프로그램 형태의 상품(예를 들어, 다운로드 가능한 애플리케이션)을 포함할 수 있다. 전자적 배포를 위하여, 소프트웨어 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사 또는 전자 마켓의 서버, 또는 중계 서버의 저장매체가 될 수 있다.
이상, 본 개시의 기술적 사상을 바람직한 실시예를 들어 상세하게 설명하였으나, 본 개시의 기술적 사상은 상기 실시예들에 한정되지 않고, 본 개시의 기술적 사상의 범위 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 여러 가지 변형 및 변경이 가능하다.

Claims (14)

  1. AI(artificial intelligence)를 이용하여 화상 회의에 참여하는 전자 장치에 있어서,
    디스플레이;
    상기 전자 장치에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 화상 회의에 참여 중인 다른 전자 장치와 관련된 제 1 영상에 대한 제 1 부호화 결과로 생성되는 영상 데이터, 및 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 서버로부터 획득하고,
    상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하고,
    상기 다른 전자 장치에 대한 중요도에 기초하여, 상기 제 2 영상에 대한 AI 업스케일의 수행 여부를 결정하고,
    상기 AI 업스케일을 수행하는 것으로 결정되면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고,
    상기 제 3 영상을 상기 디스플레이에 제공하고,
    상기 AI 업스케일을 수행하지 않는 것으로 결정되면, 상기 제 2 영상을 상기 디스플레이에 제공하는, 전자 장치.
  2. 제 1 항에 있어서,
    상기 다른 전자 장치에 대한 상기 중요도는 상기 AI 다운스케일과 관련된 상기 AI 데이터로부터 확인되는, 전자 장치.
  3. 제 1 항에 있어서,
    상기 제 1 영상은, 상기 원본 영상으로부터 상기 서버에 의해 AI 다운스케일된 영상 또는 상기 원본 영상으로부터 상기 다른 전자 장치에 의해 AI 다운스케일된 영상인, 전자 장치.
  4. 제 1 항에 있어서,
    상기 다른 전자 장치에 대한 상기 중요도가 상기 다른 전자 장치의 사용자가 발표자임을 나타내면, 상기 AI 업스케일을 수행하는 것으로 결정되고,
    상기 다른 전자 장치에 대한 상기 중요도가 상기 다른 전자 장치의 상기 사용자가 청취자임을 나타내면, 상기 AI 업스케일을 수행하지 않는 것으로 결정되는, 전자 장치.
  5. 제 4 항에 있어서,
    상기 다른 전자 장치에 대한 상기 중요도가 상기 다른 전자 장치의 사용자가 상기 발표자임을 나타내면, 상기 AI 업스케일을 수행하는 것으로 결정되고,
    상기 화상 회의 도중에, 상기 다른 전자 장치에 대한 상기 중요도가 상기 다른 전자 장치의 사용자가 상기 청취자임을 나타내는 것으로 변경되면, 상기 AI 업스케일을 수행하기 않는 것으로 결정되는, 전자 장치.
  6. 제 1 항에 있어서,
    상기 화상 회의를 개설한 전자 장치의 사용자에 대한 중요도는 발표자로 초기 설정되는, 전자 장치.
  7. AI(artificial intelligence)를 이용하여 화상 회의에 참여하는 전자 장치의 화상 회의 영상 처리 방법에 있어서,
    상기 화상 회의에 참여 중인 다른 전자 장치와 관련된 제 1 영상에 대한 제 1 부호화 결과로 생성되는 영상 데이터, 및 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 서버로부터 획득하는 단계;
    상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하는 단계;
    상기 다른 전자 장치에 대한 중요도에 기초하여, 상기 제 2 영상에 대한 AI 업스케일의 수행 여부를 결정하는 단계;
    상기 AI 업스케일을 수행하는 것으로 결정되면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 상기 제 3 영상을 상기 디스플레이에 제공하는 단계; 및
    상기 AI 업스케일을 수행하지 않는 것으로 결정되면, 상기 제 2 영상을 상기 디스플레이에 제공하는 단계를 포함하는, 화상 회의 영상 처리 방법.
  8. AI(artificial intelligence)를 이용하여 화상 회의를 관리하는 서버에 있어서,
    상기 서버에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 화상 회의에 참여한 제1 전자 장치로부터 제 1 영상에 대한 제 1 부호화 결과로 생성된 제1 영상 데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터를 획득하고,
    상기 제1 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응되는 제 2 영상을 획득하고,
    상기 제1 전자 장치에 대한 중요도가 상기 제1 전자 장치의 사용자가 청취자임을 나타내면, 상기 제2 영상을 제1 부호화하여 획득한 제 2 영상 데이터를 제2 전자 장치에 전송하고,
    상기 제1 전자 장치에 대한 상기 중요도가 상기 제1 전자 장치의 상기 사용자가 발표자임을 나타내면, 업스케일용 DNN을 통해 상기 제 2 영상을 AI 업스케일하여 제 3 영상을 획득하고, 상기 제 3 영상을 제1 부호화하여 획득한 제 3 영상 데이터를 상기 제2 전자 장치에 전송하는, 서버.
  9. 제 8 항에 있어서,
    상기 제1 전자 장치에 대한 상기 중요도는 상기 AI 다운스케일과 관련된 상기 AI 데이터로부터 확인되는, 서버.
  10. 제 8 항에 있어서,
    상기 제1 전자 장치는 AI 다운스케일을 지원하는 것인, 서버.
  11. 제 8 항에 있어서,
    상기 제2 전자 장치는 AI 업스케일을 지원하지 않는 것인, 서버.
  12. 제 8 항에 있어서,
    제3 전자 장치로부터 원본 영상에 대한 제 1 부호화 결과로 생성된 제 4 영상 데이터를 획득하고,
    상기 제 4 영상 데이터를 제 1 복호화하여 상기 원본 영상을 획득하고,
    상기 제3 전자 장치에 대한 중요도가 상기 제3 전자 장치의 사용자가 상기 청취자임을 나타내면, 상기 원본 영상을 다운스케일용 DNN을 이용하여 AI 다운스케일하여 제 1 영상을 획득하고, 제 1 영상을 제1 부호화한 제 5 영상데이터를 상기 제2 전자 장치에 전송하고,
    상기 제 3 전자 장치에 대한 상기 중요도가 상기 제3 전자 장치의 상기 사용자가 상기 발표자임을 나타내면, 상기 제 4 영상 데이터를 상기 제2 전자 장치에 전송하는, 서버.
  13. 제 12 항에 있어서,
    상기 제3 전자 장치는 AI 다운스케일을 지원하지 않는 것인, 서버.
  14. 제 12 항에 있어서,
    상기 제 2 전자 장치가 AI 업스케일을 지원하면, 상기 프로세서는 상기 원본 영상을 상기 다운스케일용 DNN을 이용하여 AI 다운스케일하여 제 1 영상을 획득하고, 상기 제 1 영상을 제1 부호화한 제4 영상 데이터 및 상기 AI 다운스케일과 관련된 상기 AI 데이터를 상기 제2 전자 장치에 전송하는, 서버.
PCT/KR2022/012646 2021-08-25 2022-08-24 화상회의시 ai(artificial intelligence)를 이용한 다운스케일 및 업스케일 방법 및 장치 WO2023027503A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202280057322.2A CN117859321A (zh) 2021-08-25 2022-08-24 在视频会议期间使用人工智能（ai）进行缩小和放大的方法和设备
EP22861712.2A EP4362454A4 (en) 2021-08-25 2022-08-24 METHOD AND DEVICE FOR SCALE REDUCTION AND SCALE ENLARGEMENT USING ARTIFICIAL INTELLIGENCE (AI) DURING VIDEO CONFERENCE
US17/895,561 US20230085530A1 (en) 2021-08-25 2022-08-25 Method and apparatus for artificial intelligence downscaling and upscaling during video conference

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210112653A KR20230030435A (ko) 2021-08-25 2021-08-25 화상회의시 AI(artificial intelligence)를 이용한 다운스케일 및 업스케일 방법 및 장치
KR10-2021-0112653 2021-08-25

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/895,561 Continuation US20230085530A1 (en) 2021-08-25 2022-08-25 Method and apparatus for artificial intelligence downscaling and upscaling during video conference

Publications (1)

Publication Number Publication Date
WO2023027503A1 true WO2023027503A1 (ko) 2023-03-02

Family

ID=85321942

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/012646 WO2023027503A1 (ko) 2021-08-25 2022-08-24 화상회의시 ai(artificial intelligence)를 이용한 다운스케일 및 업스케일 방법 및 장치

Country Status (5)

Country Link
US (1) US20230085530A1 (ko)
EP (1) EP4362454A4 (ko)
KR (1) KR20230030435A (ko)
CN (1) CN117859321A (ko)
WO (1) WO2023027503A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180082672A (ko) * 2017-01-09 2018-07-19 한국전자통신연구원 영상 회의 방청 서비스 제공 방법 및 장치
JP2020053741A (ja) * 2018-09-25 2020-04-02 京セラドキュメントソリューションズ株式会社 テレビ会議装置及びテレビ会議プログラム
KR20200044666A (ko) * 2018-10-19 2020-04-29 삼성전자주식회사 데이터 스트리밍 방법 및 장치
KR20200140368A (ko) * 2018-05-07 2020-12-15 애플 인크. 화상 회의를 위한 보충 콘텐츠를 이용한 비디오 스트림들의 수정
KR20210050186A (ko) * 2019-10-28 2021-05-07 삼성전자주식회사 영상의 ａｉ 부호화 및 ａｉ 복호화 방법, 및 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR102015005929B1 (pt) * 2015-03-17 2021-11-30 Samsung Eletrônica Da Amazônia Ltda Sistema e método para composição e compressão de vídeo com base em contexto a partir de objetos com resolução espacial normalizada
WO2020080873A1 (en) * 2018-10-19 2020-04-23 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US10944996B2 (en) * 2019-08-19 2021-03-09 Intel Corporation Visual quality optimized video compression
KR20210067788A (ko) * 2019-11-29 2021-06-08 삼성전자주식회사 전자 장치, 시스템 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180082672A (ko) * 2017-01-09 2018-07-19 한국전자통신연구원 영상 회의 방청 서비스 제공 방법 및 장치
KR20200140368A (ko) * 2018-05-07 2020-12-15 애플 인크. 화상 회의를 위한 보충 콘텐츠를 이용한 비디오 스트림들의 수정
JP2020053741A (ja) * 2018-09-25 2020-04-02 京セラドキュメントソリューションズ株式会社 テレビ会議装置及びテレビ会議プログラム
KR20200044666A (ko) * 2018-10-19 2020-04-29 삼성전자주식회사 데이터 스트리밍 방법 및 장치
KR20210050186A (ko) * 2019-10-28 2021-05-07 삼성전자주식회사 영상의 ａｉ 부호화 및 ａｉ 복호화 방법, 및 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4362454A4 *

Also Published As

Publication number Publication date
EP4362454A4 (en) 2024-06-19
CN117859321A (zh) 2024-04-09
US20230085530A1 (en) 2023-03-16
KR20230030435A (ko) 2023-03-06
EP4362454A1 (en) 2024-05-01

Similar Documents

Publication Publication Date Title
WO2021086016A2 (en) Apparatus and method for performing artificial intelligence (ai) encoding and ai decoding on image
WO2020080765A1 (en) Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
WO2020080873A1 (en) Method and apparatus for streaming data
WO2020080827A1 (en) Ai encoding apparatus and operation method of the same, and ai decoding apparatus and operation method of the same
WO2021033867A1 (en) Decoding apparatus and operating method of the same, and artificial intelligence (ai) up-scaling apparatus and operating method of the same
WO2020246756A1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image
EP3868096A1 (en) Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
WO2020080698A1 (ko) 영상의 주관적 품질을 평가하는 방법 및 장치
EP3811618A1 (en) Method and apparatus for streaming data
WO2021251611A1 (en) Apparatus and method for performing artificial intelligence encoding and decoding on image by using low-complexity neural network
WO2021107275A1 (en) Electronic apparatus, system and controlling method thereof
WO2021107406A1 (en) Electronic device, control method thereof, and system
WO2021177652A1 (ko) 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
WO2021172834A1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image by using pre-processing
WO2020080782A1 (en) Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
WO2021242066A1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image
EP3868097A1 (en) Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
WO2021091178A1 (en) Artificial intelligence (ai) encoding apparatus and operating method thereof and ai decoding apparatus and operating method thereof
WO2021086032A1 (en) Image encoding method and apparatus and image decoding method and apparatus
WO2021162446A1 (en) Method and apparatus for streaming vr image
WO2020080709A1 (en) Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
WO2020251278A1 (ko) 크로마 양자화 파라미터 데이터 기반 영상 디코딩 방법 및 그 장치
WO2019031735A1 (en) IMAGE PROCESSING APPARATUS, IMAGE PROCESSING METHOD, AND IMAGE DISPLAY SYSTEM
WO2021054697A1 (ko) 영상의 ａｉ 부호화 방법 및 장치, 영상의 ａｉ 복호화 방법 및 장치
WO2020080751A1 (ko) 부호화 방법 및 그 장치, 복호화 방법 및 그 장치

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: 22861712

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022861712

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022861712

Country of ref document: EP

Effective date: 20240126

WWE Wipo information: entry into national phase

Ref document number: 202280057322.2

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE