WO2023058813A1 - 영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램 - Google Patents

영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램 Download PDF

Info

Publication number
WO2023058813A1
WO2023058813A1 PCT/KR2021/016165 KR2021016165W WO2023058813A1 WO 2023058813 A1 WO2023058813 A1 WO 2023058813A1 KR 2021016165 W KR2021016165 W KR 2021016165W WO 2023058813 A1 WO2023058813 A1 WO 2023058813A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
frame
similar
displaying
present
Prior art date
Application number
PCT/KR2021/016165
Other languages
English (en)
French (fr)
Inventor
이미수
송형규
최홍섭
Original Assignee
주식회사 마인즈랩
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 주식회사 마인즈랩 filed Critical 주식회사 마인즈랩
Publication of WO2023058813A1 publication Critical patent/WO2023058813A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • 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
    • 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
    • H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
    • H04N21/4307—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/62—Control of parameters via user interfaces

Definitions

  • the present invention relates to a method, apparatus, and computer program for providing a guide for capturing a background image in providing an image in which voice and lip shape are synchronized.
  • the present invention is to solve the above problems, and to create a more natural image.
  • an object of the present invention is to create an image that can be naturally connected to an existing image by providing a degree of matching with an existing image in real time when capturing an image.
  • the present invention is intended to allow a natural transition between the avatar's idle video and the avatar's utterance video.
  • the present invention intends to generate an avatar image with a natural mouth shape without taking a picture by a real person.
  • the present invention is intended to minimize the use of server resources and network resources used in image generation despite the use of an artificial neural network.
  • a method for providing an image capturing guide for capturing an image connectable to one or more stored images includes displaying a first image being captured in real time; Searching for one or more similar images including a similar frame that is a frame similar to a first frame of the first image among one or more stored images; and displaying a similar frame of each of the one or more similar images.
  • the displaying of the first image may include obtaining a user's input for an interface for selecting an image type to be photographed; and displaying a photographing guideline according to the image type on the first image.
  • the video type includes a standby video type, which is an image of a waiting state of an avatar, and a speech video type, which is an image of a shooting state of the avatar speaking.
  • a guideline in which the movement area of the avatar is extended can be displayed compared to when the video type is the standby video type.
  • the displaying of the similar frame may include displaying an image object corresponding to each of the one or more similar images; and displaying a similar frame including a thumbnail on the image object for each similar image.
  • a position at which the similar frame is displayed on the image object may be a position corresponding to a relative position of the similar frame in the similar image.
  • the displaying of the similar frame may further include displaying a degree of similarity between the first frame and the similar frame adjacent to the video object for each similar image.
  • the method of providing the image capturing guide may include, after the step of displaying the similar frame, obtaining a user's input for selecting one of the one or more similar images; and providing an interface for capturing the first image according to the selected similarity image.
  • the interface includes a frame selection interface displaying an object corresponding to the selected similarity image and a thumbnail object displaying a frame selected on the object corresponding to the selected similarity image; It may include an image providing interface for providing a comparison image displayed by overlapping silhouettes, and a guide providing interface for providing a shooting guide including a comparison result between the first frame and the selected frame.
  • the interface compares and displays a first set value, which is a set value of the image capture device when capturing the first frame, and a second set value, which is a set value of the image capture device when capturing the selected frame, and displays the first set value.
  • a set value display interface displaying a difference between the value and the second set value to be distinguished may be further included.
  • the setting value display interface may include a histogram item displaying an overlapping first histogram, which is a histogram of the first frame, and a second histogram, which is a second histogram, of the selected frame.
  • An apparatus for providing an image capturing guide for capturing an image connectable to one or more stored images displays a first image being captured in real time, and displays a first image among one or more stored images.
  • One or more similar images including similar frames similar to the first frame may be searched for, and similar frames of each of the one or more similar images may be displayed.
  • the device may obtain a user's input for an interface for selecting an image type to be captured, and display a capturing guideline according to the image type on the first image.
  • the video type includes a standby video type in which an avatar's state of speech is photographed and a speech video type in which an image of the avatar's speech is photographed. Guidelines in which the movement area of the avatar is extended can be displayed compared to the case of this standby image type.
  • the device may display an image object corresponding to each of the one or more similar images, and display a similar frame including a thumbnail on the image object for each similar image.
  • a position at which the similar frame is displayed on the image object may be a position corresponding to a relative position of the similar frame in the similar image.
  • the device may display a degree of similarity between the first frame and the similar frame adjacent to the image object for each similar image.
  • the device may obtain a user's input for selecting one of the one or more similarity images and provide an interface for capturing the first image according to the selected similarity image.
  • the interface includes a frame selection interface displaying an object corresponding to the selected similarity image and a thumbnail object displaying a frame selected on the object corresponding to the selected similarity image; It may include an image providing interface for providing a comparison image displayed by overlapping silhouettes, and a guide providing interface for providing a shooting guide including a comparison result between the first frame and the selected frame.
  • the interface compares and displays a first set value, which is a set value of the image capture device when capturing the first frame, and a second set value, which is a set value of the image capture device when capturing the selected frame, and displays the first set value.
  • a set value display interface displaying a difference between the value and the second set value to be distinguished may be further included.
  • the setting value display interface may include a histogram item displaying an overlapping first histogram, which is a histogram of the first frame, and a second histogram, which is a second histogram, of the selected frame.
  • a more natural person image can be created.
  • the degree of matching with the existing image is provided in real time, so that an image that can be naturally connected to the existing image can be generated.
  • switching between the avatar's idle video and the avatar's utterance video can be made naturally.
  • an avatar image having a natural mouth shape can be generated without taking a picture of a real person.
  • FIG. 1 is a diagram schematically showing the configuration of an image generating system according to an embodiment of the present invention.
  • Figure 2 is a diagram schematically showing the configuration of the server 100 according to an embodiment of the present invention.
  • FIG. 3 is a diagram schematically illustrating the configuration of a user terminal 200 according to an embodiment of the present invention.
  • 4 and 5 are diagrams for explaining an exemplary structure of an artificial neural network learned by the server 100 according to an embodiment of the present invention.
  • FIG. 6 is a diagram illustrating a plurality of idle images IG1 and a plurality of action images IG2 stored in the memory 130 of the server 100 according to an embodiment of the present invention.
  • 7 and 8 are diagrams for explaining a process in which the server 100 determines at least one candidate frame 411, 412, or 413 according to an embodiment of the present invention.
  • FIG. 9 is a diagram illustrating a similarity calculation result 431 when the similarity between the frame 414 constituting the standby image 410 and the frame 421 of the second image is high.
  • FIG. 10 is a diagram illustrating a similarity calculation result 432 when the similarity between the frame 415 constituting the standby image 410 and the frame 422 of the second image is small.
  • FIG. 11 is a diagram showing the configuration of a transition image 440 generated by the server 100 according to an embodiment of the present invention.
  • FIG. 12 is an example of a screen 510 displaying a shooting guide on the user terminal 200 according to an embodiment of the present invention.
  • FIG. 13 is an example of a screen 530 on which an interface for capturing a first image according to a similar image is displayed on the user terminal 200 according to an embodiment of the present invention.
  • FIG. 14 is a flowchart illustrating a method of providing an image capturing guide performed by the user terminal 200 according to an embodiment of the present invention.
  • a method for providing an image capturing guide for capturing an image connectable to one or more stored images includes displaying a first image being captured in real time; Searching for one or more similar images including a similar frame that is a frame similar to a first frame of the first image among one or more stored images; and displaying a similar frame of each of the one or more similar images.
  • FIG. 1 is a diagram schematically showing the configuration of an image generating system according to an embodiment of the present invention.
  • An image generating system may provide an image capturing guide for capturing an image connectable to one or more stored images.
  • that the images are 'connectable' may mean that the poses of the avatars in the two images to be connected are similar, so there is no rapid change in the images even when the two images are connected. For example, if the postures of the avatars in each of the last frame of the first image and the first frame of the second image are similar to each other with their hands together in the middle, the last frame of the first image and the first frame of the second image can be connected. It may correspond to an image (or frame).
  • the image generation system may provide a similar image to the selected image by checking the possibility of connection between stored images.
  • the image generating system may generate or provide a transition image by connecting two connectable images.
  • a lip image (generated by a server) and an image including a face (stored in a memory of an image receiving device) are overlapped in an image receiving device (eg, a user terminal).
  • an image receiving device eg, a user terminal
  • the server of the image generating system may generate sequential lip images from the voice to be used as the voice of the target object, and the image receiving device overlaps and displays sequential lip images and images including the face so that the shape of the mouth and the voice match image can be displayed.
  • the transition image generated according to the above process may be used as a background image of the lip image.
  • 'artificial neural networks' such as the first artificial neural network and the second artificial neural network are neural networks learned with learning data according to use, and artificial neural networks learned by machine learning or deep learning techniques can mean The structure of such a neural network will be described later with reference to FIGS. 4 and 5 .
  • a 'first image' may mean a real-time image of a target object.
  • the 'target object' may correspond to the real thing of the avatar.
  • a target object in a photographed image of a 'target object' may be referred to as an avatar.
  • an image generating system may include a server 100 , a user terminal 200 , a service server 300 and a communication network 400 .
  • the server 100 may provide the user terminal 200 with data necessary for providing a shooting guide according to a request of the user terminal 200 .
  • the server 100 may retrieve an image similar to the first image being captured from memory in real time and provide the same to the user terminal 200 .
  • the server 100 generates a lip image from the target voice using the learned first artificial neural network, and transmits the generated lip image to the user terminal 200 and/or the service server 300.
  • the server 100 generates a lip image from the target voice using the learned first artificial neural network, and transmits the generated lip image to the user terminal 200 and/or the service server 300.
  • the server 100 may generate a lip image corresponding to the voice for each frame of the video, and may generate lip sync data including identification information of the frame, the generated lip image, and location information of the lip image within the frame.
  • the server 100 may provide the generated lip sync data to the user terminal 200 and/or the service server 300 .
  • FIG. 2 is a diagram schematically showing the configuration of the server 100 according to an embodiment of the present invention.
  • a server 100 may include a communication unit 110 , a first processor 120 , a memory 130 and a second processor 140 .
  • the server 100 may further include an input/output unit, a program storage unit, and the like.
  • the communication unit 110 includes hardware and software necessary for the server 100 to transmit/receive signals such as control signals or data signals with other network devices such as the user terminal 200 and/or the service server 300 through wired or wireless connections. It may be a device that includes
  • the first processor 120 may be a device that searches one or more similar images including frames similar to the first frame according to a request of the user terminal 200 . Also, the first processor 120 may be a device that controls a series of processes of generating output data from input data using learned artificial neural networks. For example, the first processor 120 may be a device that controls a process of generating a lip image corresponding to the acquired voice using the learned first artificial neural network.
  • the processor may mean, for example, a data processing device embedded in hardware having a physically structured circuit to perform functions expressed by codes or instructions included in a program.
  • a data processing device built into the hardware, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated (ASIC) Circuit) and FPGA (Field Programmable Gate Array), but the scope of the present invention is not limited thereto.
  • the memory 130 performs a function of temporarily or permanently storing data processed by the server 100 .
  • the memory may include magnetic storage media or flash storage media, but the scope of the present invention is not limited thereto.
  • the memory 130 may temporarily and/or permanently store data constituting the learned artificial neural network (eg, coefficients).
  • the memory 130 may store learning data for learning an artificial neural network or data received from the service server 300 .
  • this is illustrative and the spirit of the present invention is not limited thereto.
  • the second processor 140 may refer to a device that performs calculations under the control of the first processor 120 described above.
  • the second processor 140 may be a device having higher computational power than the above-described first processor 120 .
  • the second processor 140 may be configured as a graphics processing unit (GPU).
  • GPU graphics processing unit
  • the number of second processors 140 may be plural or singular.
  • the user terminal 200 may be a device that provides an image capturing guide for capturing an image that can be connected to one or more stored images.
  • a user terminal 200 may include a communication unit 210, a third processor 220, a memory 230, and a fourth processor 240. Also, although not shown in the drawing, the user terminal 200 according to an embodiment of the present invention may further include an input/output unit, a program storage unit, and the like.
  • the communication unit 210 includes hardware and software necessary for the user terminal 200 to transmit/receive signals such as control signals or data signals with other network devices such as the server 100 and/or the service server 300 through wired or wireless connections. It may be a device that includes
  • the third processor 220 may provide an image capturing guide for capturing an image connectable to one or more stored images. For example, the third processor 220 displays a first image being captured in real time, and among one or more images stored in the server 100, one or more similar frames including a frame similar to the first frame of the first image being captured are displayed. You can search the video. Also, the third processor 220 may display similar frames of each of one or more searched similar images.
  • the processor may mean, for example, a data processing device embedded in hardware having a physically structured circuit to perform functions expressed by codes or instructions included in a program.
  • a data processing device built into the hardware, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated (ASIC) Circuit) and FPGA (Field Programmable Gate Array), but the scope of the present invention is not limited thereto.
  • the memory 230 performs a function of temporarily or permanently storing data processed by the user terminal 200 .
  • the memory may include magnetic storage media or flash storage media, but the scope of the present invention is not limited thereto.
  • the memory 230 may temporarily and/or permanently store the first image being captured in real time. However, this is illustrative and the spirit of the present invention is not limited thereto.
  • the fourth processor 240 may refer to a device that performs calculations under the control of the aforementioned third processor 220 .
  • the fourth processor 240 may be a device having higher computational power than the aforementioned third processor 220 .
  • the fourth processor 240 may be configured as a graphics processing unit (GPU).
  • GPU graphics processing unit
  • the fourth processor 240 may be plural or singular.
  • the user terminal 200 may mean portable terminals 201 , 202 , and 203 or may mean a computer 204 .
  • the user terminal 200 may further include a display means for displaying content and an input means for acquiring a user's input for such content in order to perform the above-described functions.
  • the input means and the display means may be configured in various ways.
  • the input means may include, but is not limited to, a keyboard, a mouse, a trackball, a microphone, a button, a touch panel, and the like.
  • such a user terminal 200 may be sometimes named and described as a 'image capturing guide providing device'.
  • the service server 300 receives lip sync data including a lip image generated by the server 100 and data related to a transition image (eg, identification information of a frame included in the transition image), It may be a device that generates an output frame using this and provides it to another device (eg, the user terminal 200).
  • the service server 300 receives the artificial neural network trained by the server 100, and according to a request from another device, lip sync data and data related to a transition image (eg, included in the transition image) It may be a device that provides identification information of a frame to be used.
  • the communication network 400 may refer to a communication network that mediates data transmission and reception between components of an image generating system.
  • the communication network 400 may be a wired network such as LANs (Local Area Networks), WANs (Wide Area Networks), MANs (Metropolitan Area Networks), ISDNs (Integrated Service Digital Networks), wireless LANs, CDMA, Bluetooth, satellite communication, etc.
  • LANs Local Area Networks
  • WANs Wide Area Networks
  • MANs Metropolitan Area Networks
  • ISDNs Integrated Service Digital Networks
  • wireless LANs Code Division Multiple Access
  • CDMA Code Division Multiple Access
  • Bluetooth satellite communication
  • 4 and 5 are diagrams for explaining an exemplary structure of an artificial neural network learned by the server 100 according to an embodiment of the present invention.
  • An artificial neural network may be an artificial neural network based on a Convolutional Neural Network (CNN) model as shown in FIG. 4 .
  • the CNN model may be a hierarchical model used to finally extract features of input data by alternately performing a plurality of operation layers (Convolutional Layer, Pooling Layer).
  • the server 100 may build or train an artificial neural network model by processing learning data according to a supervised learning technique. A detailed description of how the server 100 trains the artificial neural network will be described later.
  • the server 100 uses a plurality of learning data to input any one input data to the artificial neural network so that the generated output value approaches the value marked in the corresponding learning data.
  • the artificial neural network may be trained by repeatedly performing a process of updating the weight of each node.
  • the server 100 may update weights (or coefficients) of each layer and/or each node according to a back propagation algorithm.
  • the server 100 generates a convolution layer for extracting feature values of input data and a pooling layer constituting a feature map by combining the extracted feature values. can do.
  • the server 100 combines the generated feature maps to generate a fully connected layer preparing to determine a probability that input data corresponds to each of a plurality of items.
  • the server 100 may calculate an output layer including output corresponding to input data.
  • input data is divided into 5X7 blocks, 5X3 unit blocks are used to create a convolution layer, and 1X4 or 1X2 unit blocks are used to create a pooling layer.
  • 5X7 blocks 5X3 unit blocks are used to create a convolution layer
  • 1X4 or 1X2 unit blocks are used to create a pooling layer.
  • this is an example and the spirit of the present invention is not limited thereto. Accordingly, the type of input data and/or the size of each block may be configured in various ways.
  • such an artificial neural network is a function defining the type of model of the artificial neural network, the coefficient of at least one node constituting the artificial neural network, the weight of the node, and the relationship between a plurality of layers constituting the artificial neural network in the memory 130 described above. It can be stored in the form of coefficients of Of course, the structure of the artificial neural network may also be stored in the memory 130 in the form of source codes and/or programs.
  • An artificial neural network according to an embodiment of the present invention may be an artificial neural network based on a Recurrent Neural Network (RNN) model as shown in FIG. 5 .
  • RNN Recurrent Neural Network
  • an artificial neural network according to such a recurrent neural network (RNN) model includes an input layer L1 including at least one input node N1 and a hidden layer L2 including a plurality of hidden nodes N2. ) and an output layer L3 including at least one output node N3.
  • RNN recurrent neural network
  • the hidden layer L2 may include one or more fully connected layers.
  • the artificial neural network may include a function (not shown) defining a relationship between each hidden layer.
  • At least one output node N3 of the output layer L3 may include an output value generated by the artificial neural network from an input value of the input layer L1 under the control of the server 100 .
  • a value included in each node of each layer may be a vector.
  • each node may include a weight corresponding to the importance of the corresponding node.
  • the artificial neural network includes a first function F1 defining the relationship between the input layer L1 and the hidden layer L2 and a second function F2 defining the relationship between the hidden layer L2 and the output layer L3.
  • a first function F1 defining the relationship between the input layer L1 and the hidden layer L2
  • a second function F2 defining the relationship between the hidden layer L2 and the output layer L3.
  • the first function F1 may define a connection relationship between the input node N1 included in the input layer L1 and the hidden node N2 included in the hidden layer L2.
  • the second function F2 may define a connection relationship between the hidden node N2 included in the hidden layer L2 and the output node N3 included in the output layer L3.
  • Functions between the first function F1, the second function F2, and the hidden layer may include a recurrent neural network model that outputs a result based on an input of a previous node.
  • the first function F1 and the second function F2 may be learned based on a plurality of learning data.
  • functions between the plurality of hidden layers may also be learned in addition to the first function F1 and the second function F2 described above.
  • An artificial neural network according to an embodiment of the present invention may be learned in a supervised learning method based on labeled learning data.
  • the server 100 uses a plurality of learning data and inputs any one of the input data to the artificial neural network so that the generated output value approaches the value marked in the corresponding training data.
  • the artificial neural network can be trained by repeatedly performing a process of updating F1, F2, functions between hidden layers, etc.
  • the server 100 may update the aforementioned functions (F1, F2, functions between hidden layers, etc.) according to a back propagation algorithm.
  • F1, F2, functions between hidden layers, etc. a back propagation algorithm
  • FIGS. 4 and 5 The type and/or structure of the artificial neural network described in FIGS. 4 and 5 is exemplary, and the spirit of the present invention is not limited thereto. Accordingly, artificial neural networks of various types of models may correspond to 'artificial neural networks' described throughout the specification.
  • a 'transition image' is a background image displayed together with a lip image generated by the server 100, and may be an image containing a process or appearance of an avatar transitioning.
  • the transition image is an image in which an image of an avatar's waiting state is connected to an image of an avatar's speaking state, and may be an image to be reproduced together with a lip image generated by the server 100 .
  • the transition video may be a video in which the first video in which the avatar's speech is filmed and the second video in which the avatar's speech is filmed are connected. It may be a linked video.
  • the lip image generated by the server 100 may be displayed overlapping an image portion in which the speech of the avatar is photographed among the transition images.
  • the server 100 In general, it is not required that the content of the avatar's speech and the avatar's speech gesture (for example, body movements) are necessarily related, so it is unnatural to display any mouth shape overlapping on the image in which the avatar makes the speech gesture. This is not big Therefore, the server 100 according to an embodiment of the present invention generates a transition image in which the avatar's speaking state is switched from a photographed image of the avatar's standby state at a time when the avatar's speech is required, and the avatar's speech It is possible to provide a natural and intended speech image by overlapping and displaying the lip image for the part where the figure is photographed.
  • the server 100 selects one of a plurality of standby images IG1 and a plurality of action images IG2 according to a given situation and provides the selected one to an external device such as the service server 300.
  • the server 100 may select one of the plurality of idle images IG1 and provide the selected one of the plurality of standby images IG1 to the second user terminal (not shown) in a situation where there is no user manipulation of the second user terminal (not shown).
  • the second user terminal may display the standby image received from the server 100 so that a more natural standby screen may be provided.
  • a natural image such as a 'natural idle screen' is an image in which an avatar moves naturally over time.
  • the avatar when it is a person, it may be an image in which a person blinks his eyes or moves his body minutely according to breathing. Accordingly, an image composed of a single frame or a single image may not correspond to a natural image described in the present invention.
  • the server 100 selects a behavioral image that can be naturally connected to a standby image displayed on a second user terminal (not shown) from among a plurality of behavioral images IG2. 2 can be provided to the user terminal (not shown). At this time, the server 100 may generate a lip image to be displayed on the provided action image and provide it to the second user terminal (not shown).
  • the current service server 300 provides the standby image 410 to the second user terminal (not shown), and the action image 420 among the plurality of action images IG2 according to a process described later. ) is selected.
  • the server 100 selects at least one candidate for comparison of similarity with at least one frame constituting each of the plurality of action images IG2 among at least one frame constituting the idle image 410. frame can be determined.
  • 7 and 8 are diagrams for explaining a process in which the server 100 determines at least one candidate frame 411, 412, or 413 according to an embodiment of the present invention.
  • the server 100 is configured to perform a predetermined time period from the first time point t1 when the need to switch the idle video 410 occurs (eg, T seconds after the first time point t1). At least one frame 411 of the waiting image 410 corresponding to the interval up to the second time point t2) may be determined as at least one candidate frame. For example, when a user's manipulation of a second user terminal (not shown) is performed at a first point in time and a situation in which an avatar needs to be uttered is issued accordingly, the server 100 operates from the first point in time to the second point in time t2 ), at least one frame 411 corresponding to within may be determined as at least one candidate frame. In this case, the server 100 may provide a video in which the avatar speaks at the latest at the second time point t2.
  • the server 100 may determine the first frame 412 of the standby image 410 and the last frame 413 of the standby image 410 as at least one candidate frame. For example, if each of the plurality of waiting images IG1 is composed of a relatively short time length and the avatar's pose is static at the beginning and end of the video, the first frame 412 and the last frame 413 are divided into at least one It may be more preferable to determine the candidate frame.
  • the candidate frame determination schemes shown in FIGS. 7 and 8 are exemplary, and the spirit of the present invention is not limited thereto.
  • the server 100 may calculate a similarity between at least one frame constituting the idle image 410 and at least one frame constituting each of the plurality of action images IG2. For example, the server 100 may calculate a similarity by comparing at least one candidate frame 411, 412, or 413 determined according to the above-described process with at least one frame constituting each of the plurality of action images IG2.
  • FIG. 9 is a diagram illustrating a similarity calculation result 431 when the similarity between the frame 414 constituting the standby image 410 and the frame 421 of the second image is high.
  • the server 100 may calculate a difference value between pixels of the two frames 414 and 421 as a similarity calculation result 431 .
  • a portion having a difference in pixel values between the two frames 414 and 421 may be displayed to correspond to the degree of difference.
  • FIG. 10 is a diagram illustrating a similarity calculation result 432 when the similarity between the frame 415 constituting the standby image 410 and the frame 422 of the second image is small.
  • the server 100 may calculate a difference between pixels of the two frames 415 and 422 as the similarity calculation result 432 .
  • a portion having a difference in pixel values between the two frames 415 and 422 may be displayed to correspond to the degree of difference.
  • the server 100 refers to the degree of similarity calculated according to the above process, and converts the standby video 410 to the action video 420 among at least one frame of the standby video 410.
  • a first concatenated frame which is a frame used at a viewpoint, may be determined.
  • the server 100 selects at least one of the action image 420 to be used for conversion and the action image 420 to be used for conversion among the plurality of action images IG2 by referring to the degree of similarity.
  • a second concatenated frame which is a frame used at a transition time, may be determined.
  • the server 100 may determine the first connection frame and the second connection frame according to various criteria.
  • the server 100 selects a combination (or set) of frames having the highest similarity, that is, a frame combination (or set) of a frame of the waiting image 410 and a frame of the action image 420 having the highest similarity. It is possible to determine the frame of the first linking frame and the frame of the action image 420 as the second linking frame. According to this method, the most natural video conversion is possible.
  • the server 100 selects a combination including the frame of the standby video 410 at the earliest (or earliest) time among the frame combinations whose similarity exceeds the threshold similarity, and selects the frame of the standby video 410 at this time.
  • the server 100 connects a third image including at least some frames of the idle image 410 and a fourth image including at least some frames of the action image 420 to be used for transition. You can create a transition video.
  • FIG. 11 is a diagram showing the configuration of a transition image 440 generated by the server 100 according to an embodiment of the present invention.
  • the transition image 440 includes the third image 416 including at least some frames of the waiting image 410 and the fourth image 423 including at least some frames of the action image 420 to be used for transition. It may be a video linked to .
  • the third image 416 is an image composed of at least some frames of the waiting image 410, and may be an image of which the first connected frame 417 determined according to the above process is the last frame.
  • the fourth image 423 is an image composed of at least some frames of the action image 420 to be used for conversion, and may be an image having the second connection frame 424 as a first frame.
  • the server 100 may transmit configuration information of the transition image generated according to the above process to the service server 300 and/or a second user terminal (not shown).
  • the server 100 may generate configuration information of transition images such that identification information of frames included in each of the third image 416 and the fourth image 423 is included and transmitted to the second user terminal (not shown).
  • the second user terminal (not shown) receiving the configuration information of the transition image may display the transition image together with the separately received lip image.
  • a transition image may be generated according to the above-described process even when switching from a standby video to a standby video, a transition from a motion video to a standby video, or a transition from a motion video to a motion video.
  • the first artificial neural network of the server 100 may be learned based on mouth shape images collected through a lip reading process and voice data related to the mouth shape images.
  • the server 100 may use the model learned through the lip reading process as the first artificial neural network.
  • this is illustrative and the spirit of the present invention is not limited thereto.”
  • Video shooting guide providing process by user terminal 200
  • the server 100 uses a plurality of idle images IG1 and a plurality of action images IG2 shown in FIG. 6 to generate a transition image 440 as shown in FIG.
  • the degree of similarity may be determined according to the similarity comparison process described in FIGS. 9 and 10 .
  • the plurality of idle images IG1 and the plurality of action images IG2 shown in FIG. 6 may be generated according to a photographing process described below.
  • FIG. 12 is an example of a screen 510 displaying a shooting guide on the user terminal 200 according to an embodiment of the present invention.
  • the user terminal 200 may display the first image being captured in real time.
  • the user terminal 200 may display a first image, which is a real-time image of a target object, on the real-time image display area 511 as shown in FIG. 12 .
  • the user terminal 200 according to an embodiment of the present invention may be connected to one or more image acquisition devices, receive a first image from one or more connected connection acquisition devices, and display the first image.
  • the user terminal 200 may display a shooting guide line 512 on the first image displayed in the real-time image display area 511 .
  • the 'shooting guideline' may be for displaying (limiting) an approximate position or movement area of the avatar 513 on the first image.
  • the shooting guide line 512 includes lines 512b and 512f for displaying (limiting) the movement area of the body of the avatar 513, and displaying (limiting) the movement area of the head of the avatar 513. It may include lines 512c and 512d for displaying, and a line 512a for displaying (limiting) the height of the avatar 513.
  • the user terminal 200 may provide an interface 514 for selecting an image type to be photographed and obtain a user's input for the interface 514 . Also, the user terminal 200 may display a guide line according to the selected image type on the first image.
  • the video type provided by the interface 514 may include a 'waiting video type', which is an image of the avatar 513 in standby, and a 'speech video type', which is an image of the avatar 513 speaking. there is.
  • the user terminal 200 when the video type selected in the interface 514 is the speech video type, guideline in which the motion area of the avatar 513 is extended compared to when the video type is the waiting video type. can be displayed. In other words, when the video type is the waiting video type, the user terminal 200 may display a guideline in which the movement area of the avatar 513 is more restricted (that is, the movement area is narrower).
  • the present invention allows the user and/or the target object to appropriately modify the position or pose of the target object by referring to the guideline on the first image, which is a real-time image.
  • the user terminal 200 may search for one or more similar images including similar frames that are similar to the first frame of the first image among one or more stored images.
  • the 'first frame' is a frame selected from the first image according to a predetermined criterion, and may be, for example, a frame of the current view or a frame before a predetermined time interval from the current view.
  • the user terminal 200 may transmit the first frame to the server 100 and search for one or more similar images including frames similar thereto. That is, the user terminal 200 may transmit a search request for a frame similar to the first frame to the server. In this case, the server 100 may search for a similar image including a similar frame according to the process described in FIGS. 9 to 10 and provide it to the user terminal 200 .
  • the user terminal 200 may search for a similar image including a frame similar to the first frame among a plurality of idle images and a plurality of action images stored in the memory 230 .
  • the user terminal 200 can provide all types of images as similar images without distinction of image type.
  • both action images and waiting images may be provided as search results.
  • the user terminal 200 may search for a similar image by referring to a user's input to the interface 514 .
  • the user terminal 200 may provide only images of the same type as the type selected in the interface 514 as similar images, or may provide only images of a type opposite to the selected type as similar images.
  • the user terminal 200 may display similar frames of one or more similar images.
  • the user terminal 200 according to an embodiment of the present invention may display image objects 515, 516, 517, and 518 corresponding to one or more similar images, respectively, as shown in FIG. 12 .
  • the user terminal 200 may display similar frames including thumbnails on image objects displayed for each similar image.
  • the user terminal 200 may set the displayed position of the similar frame on the displayed image object to correspond to the relative position of the similar frame in the similar image. For example, if the similar frame 519 is positioned approximately in the middle of the similar video in 'idle video 3', the user terminal 200 considers the position of the frame and places the similar frame 519 in the middle of the video object 515. can be displayed on
  • the user terminal 200 may display a degree of similarity between the first frame and similar frames for each similar image searched for. For example, as shown in FIG. 12 , the user terminal 200 may display a similarity 520 adjacent to the video object 515 for 'standby video 3'.
  • the user terminal 200 may obtain a user's input for selecting one of one or more similar images.
  • the user terminal 200 may obtain a user's input for selecting a similar image by acquiring a user's input for selecting one of the image objects 515, 516, 517, and 518 corresponding to each similar image. there is.
  • the user terminal 200 according to an embodiment of the present invention may provide an interface for capturing a first image according to the selected similar image.
  • the first image 'following' the similar image may mean that the pose of the avatar in the similar image is similar to that of the avatar in the first image.
  • FIG. 13 is an example of a screen 530 on which an interface for capturing a first image according to a similar image is displayed on the user terminal 200 according to an embodiment of the present invention.
  • An interface for capturing a first image is a frame selection interface ( 537) may be included.
  • the user terminal 200 may change the silhouette of the avatar provided to the image providing interface 531 according to the frame selected by the user in the frame selection interface 537 .
  • An interface for capturing a first image includes a first frame (a frame of a real-time image) including the appearance of the real-time avatar 532 and an avatar within a frame selected by the frame selection interface 537.
  • An image providing interface 531 providing a comparison image displayed by overlapping the silhouette 533 of the image may be included.
  • a target object (model) and/or a cinematographer may correct a pose in real time according to the displayed silhouette 533 so that a first image closer to the selected frame may be captured.
  • An interface for capturing a first image may include a guide providing interface 535 that provides a capturing guide including a comparison result between the first frame and the selected frame.
  • the user terminal 200 may generate a guide for making the first image and the selected similar image more similar to each other and display the guide on the interface 535 .
  • the user terminal 200 may compare the appearance of the avatar 532 with the silhouette 533 on the interface 531, generate a guide for modifying the appropriate position/pose of the avatar, and display the guide on the interface 535. .
  • the user terminal 200 generates a guide for modifying the lighting or camera setting parameters (items recorded on metadata such as sensitivity, aperture value, magnification, etc.) through comparison, and displays them on the interface 535.
  • a guide for modifying the lighting or camera setting parameters (items recorded on metadata such as sensitivity, aperture value, magnification, etc.) through comparison, and displays them on the interface 535.
  • An interface for capturing a first image includes a first set value, which is a set value of an image capture device when capturing a first frame, and a second set value, which is a set value of the image capture device when capturing a selected frame.
  • a set value display interface 536 for comparing and displaying set values may be further included.
  • the setting value display interface 536 may include a histogram item for overlapping and displaying a first histogram, which is the histogram of the first frame, and a second histogram, which is the second histogram, of the selected frame.
  • the setting value display interface 536 may further include an aperture value, shutter speed, and light sensitivity in addition to the histogram item.
  • the setting value display interface 536 may display the difference between the first setting value and the second setting value to be distinguished. For example, as shown in FIG. 13 , when both frames are photographed with different aperture values, the user terminal 200 may display the aperture item to be distinguished from the other items.
  • FIG. 14 is a flowchart illustrating a method of providing an image capturing guide performed by the user terminal 200 according to an embodiment of the present invention.
  • description will be made with reference to FIGS. 1 to 13, but overlapping descriptions will be omitted.
  • the user terminal 200 may display the first image being captured in real time (S1410).
  • the user terminal 200 may display a first image, which is a real-time image of a target object, on the real-time image display area 511 as shown in FIG. 12 .
  • the user terminal 200 may be connected to one or more image acquisition devices, receive a first image from one or more connected connection acquisition devices, and display the first image.
  • the user terminal 200 may display a shooting guide line 512 on the first image displayed in the real-time image display area 511 .
  • the 'shooting guideline' may be for displaying (limiting) an approximate position or movement area of the avatar 513 on the first image.
  • the shooting guide line 512 includes lines 512b and 512f for displaying (limiting) the movement area of the body of the avatar 513, and displaying (limiting) the movement area of the head of the avatar 513. It may include lines 512c and 512d for displaying, and a line 512a for displaying (limiting) the height of the avatar 513.
  • the user terminal 200 may provide an interface 514 for selecting an image type to be photographed and obtain a user's input for the interface 514 . Also, the user terminal 200 may display a guide line according to the selected image type on the first image.
  • the video type provided by the interface 514 may include a 'waiting video type', which is an image of the avatar 513 in standby, and a 'speech video type', which is an image of the avatar 513 speaking. there is.
  • the user terminal 200 when the video type selected in the interface 514 is the speech video type, guideline in which the motion area of the avatar 513 is extended compared to when the video type is the waiting video type. can be displayed. In other words, when the video type is the waiting video type, the user terminal 200 may display a guideline in which the movement area of the avatar 513 is more restricted (that is, the movement area is narrower).
  • the present invention allows the user and/or the target object to appropriately modify the position or pose of the target object by referring to the guideline on the first image, which is a real-time image.
  • the user terminal 200 may search for one or more similar images including a similar frame, which is a frame similar to the first frame of the first image, among one or more stored images.
  • a similar frame which is a frame similar to the first frame of the first image, among one or more stored images.
  • the 'first frame' is a frame selected from the first image according to a predetermined criterion, and may be, for example, a frame of a current view or a frame before a predetermined time interval from the current view.
  • the user terminal 200 may transmit the first frame to the server 100 and search for one or more similar images including frames similar thereto. That is, the user terminal 200 may transmit a search request for a frame similar to the first frame to the server. In this case, the server 100 may search for a similar image including a similar frame according to the process described in FIGS. 9 to 10 and provide it to the user terminal 200 .
  • the user terminal 200 may search for a similar image including a frame similar to the first frame among a plurality of idle images and a plurality of action images stored in the memory 230 .
  • the user terminal 200 can provide all types of images as similar images without distinction of image type.
  • both action images and waiting images may be provided as search results.
  • the user terminal 200 may search for a similar image by referring to a user's input to the interface 514 .
  • the user terminal 200 may provide only images of the same type as the type selected in the interface 514 as similar images, or may provide only images of a type opposite to the selected type as similar images.
  • the user terminal 200 may display similar frames of one or more similar images.
  • the user terminal 200 according to an embodiment of the present invention may display image objects 515, 516, 517, and 518 corresponding to one or more similar images, respectively, as shown in FIG. 12. .
  • the user terminal 200 may display similar frames including thumbnails on image objects displayed for each similar image.
  • the user terminal 200 may set the displayed position of the similar frame on the displayed image object to correspond to the relative position of the similar frame in the similar image. For example, if the similar frame 519 is positioned approximately in the middle of the similar video in 'idle video 3', the user terminal 200 considers the position of the frame and places the similar frame 519 in the middle of the video object 515. can be displayed on
  • the user terminal 200 may display a degree of similarity between the first frame and similar frames for each similar image searched for. For example, as shown in FIG. 12 , the user terminal 200 may display a similarity 520 adjacent to the video object 515 for 'standby video 3'.
  • the user terminal 200 may obtain a user's input for selecting one of one or more similar images (S1440). For example, the user terminal 200 may select images corresponding to each similar image. A user's input for selecting a similar image may be obtained by obtaining a user's input for selecting one of the objects 515 , 516 , 517 , and 518 .
  • the user terminal 200 may provide an interface for capturing a first image following the selected similarity image (S1450).
  • the first image 'following' the similarity image is the similarity image It may mean that the pose of the avatar in is similar to the pose of the avatar in the first image.
  • FIG. 13 is an example of a screen 530 on which an interface for capturing a first image according to a similar image is displayed on the user terminal 200 according to an embodiment of the present invention.
  • An interface for capturing a first image is a frame selection interface ( 537) may be included.
  • the user terminal 200 may change the silhouette of the avatar provided to the image providing interface 531 according to the frame selected by the user in the frame selection interface 537 .
  • An interface for capturing a first image includes a first frame (a frame of a real-time image) including the appearance of the real-time avatar 532 and an avatar within a frame selected by the frame selection interface 537.
  • An image providing interface 531 providing a comparison image displayed by overlapping the silhouette 533 of the image may be included.
  • a target object (model) and/or a cinematographer may correct a pose in real time according to the displayed silhouette 533 so that a first image closer to the selected frame may be captured.
  • An interface for capturing a first image may include a guide providing interface 535 that provides a capturing guide including a comparison result between the first frame and the selected frame.
  • the user terminal 200 may generate a guide for making the first image and the selected similar image more similar to each other and display the guide on the interface 535 .
  • the user terminal 200 may compare the appearance of the avatar 532 with the silhouette 533 on the interface 531, generate a guide for modifying the appropriate position/pose of the avatar, and display the guide on the interface 535. .
  • the user terminal 200 generates a guide for modifying the lighting or camera setting parameters (items recorded on metadata such as sensitivity, aperture value, magnification, etc.) through comparison, and displays them on the interface 535.
  • a guide for modifying the lighting or camera setting parameters (items recorded on metadata such as sensitivity, aperture value, magnification, etc.) through comparison, and displays them on the interface 535.
  • An interface for capturing a first image includes a first set value, which is a set value of an image capture device when capturing a first frame, and a second set value, which is a set value of the image capture device when capturing a selected frame.
  • a set value display interface 536 for comparing and displaying set values may be further included.
  • the setting value display interface 536 may include a histogram item for overlapping and displaying a first histogram, which is the histogram of the first frame, and a second histogram, which is the second histogram, of the selected frame.
  • the setting value display interface 536 may further include an aperture value, shutter speed, and light sensitivity in addition to the histogram item.
  • the setting value display interface 536 may display the difference between the first setting value and the second setting value to be distinguished. For example, as shown in FIG. 13 , when both frames are photographed with different aperture values, the user terminal 200 may display the aperture item to be distinguished from the other items.
  • Embodiments according to the present invention described above may be implemented in the form of a computer program that can be executed on a computer through various components, and such a computer program may be recorded on a computer-readable medium.
  • the medium may store a program executable by a computer.
  • 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.
  • the computer program may be specially designed and configured for the present invention, or may be known and usable to those skilled in the art of computer software.
  • An example of a computer program may include not only machine language code generated by a compiler but also high-level language code that can be executed by a computer using an interpreter or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명의 일 실시예에 따른 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공하는 방법은, 실시간으로 촬영중인 제1 영상을 표시하는 단계; 저장된 하나 이상의 영상 중 상기 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색하는 단계; 및 상기 하나 이상의 유사 영상 각각의 유사 프레임을 표시하는 단계;를 포함할 수 있다.

Description

영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램
본 발명은 음성과 입술 모양이 동기화된 영상을 제공함에 있어서 배경이 되는 영상의 촬영을 위한 가이드를 제공하는 방법, 장치 및 컴퓨터 프로그램에 관한것이다.
정보통신 기술의 발달로 많은 애플리케이션에 인공 지능 기술의 도입이 이루어지고 있다. 종래에는 특정 인물이 특정 주제에 대해 이야기하는 영상을 생성하기 위해서는 해당 인물이 실제로 해당 주제의 이야기를 하는 영상을 카메라 등으로 획득하는 방법만이 유일하였다.
또한 일부 종래기술에 있어서 영상 합성 기술 등을 이용하여 특정 인물의 이미지나 영상에 기반하여 합성된 영상을 생성하기도 하였으나, 이와 같은 영상은 여전히 영상의 전환이 매끄럽지 않거나 인물의 입모양 등이 부자연스러운 문제점이 있었다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 보다 자연스러운 영상을 생성하고자 한다.
특히 본 발명은 영상의 촬영 시 기존 영상과 일치하는 정도를 실시간으로 제공함으로써 기존 영상과 자연스럽게 연결될 수 있는 영상을 생성할 수 있도록 하고자 한다.
또한 본 발명은 아바타의 대기 영상과 아바타의 발화 영상 간의 전환이 자연스럽게 이루어지도록 하고자 한다.
또한 본 발명은 실제 인물에 의한 촬영 없이도, 입모양이 자연스러운 아바타 영상을 생성하고자 한다.
또한 본 발명은 인공 신경망의 사용에도 불구하고 영상의 생성에 있어서 사용되는 서버의 리소스와 네트워크 리소스의 사용을 최소화하고자 한다.
본 발명의 일 실시예에 따른 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공하는 방법은, 실시간으로 촬영중인 제1 영상을 표시하는 단계; 저장된 하나 이상의 영상 중 상기 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색하는 단계; 및 상기 하나 이상의 유사 영상 각각의 유사 프레임을 표시하는 단계;를 포함할 수 있다.
상기 제1 영상을 표시하는 단계는 촬영하고자 하는 영상 타입을 선택하는 인터페이스에 대한 사용자의 입력을 획득하는 단계; 및 상기 제1 영상 상에 상기 영상 타입에 따른 촬영 가이드라인을 표시하는 단계;를 더 포함할 수 있다.
상기 영상 타입은 아바타의 대기 모습이 촬영된 영상인 대기 영상 타입 및 상기 아바타의 발화 모습이 촬영된 영상인 발화 영상 타입을 포함하고, 상기 촬영 가이드라인을 표시하는 단계는 상기 영상 타입이 상기 발화 영상 타입일 경우 상기 영상 타입이 대기 영상 타입일 때 보다 상기 아바타의 움직임 영역이 확장된 가이드라인을 표시할 수 있다.
상기 유사 프레임을 표시하는 단계는 상기 하나 이상의 유사 영상 각각에 대응되는 영상 객체를 표시하는 단계; 및 유사 영상 별로 상기 영상 객체 상에 섬네일을 포함하는 유사 프레임을 표시하는 단계를 더 포함할 수 있다. 이때 상기 영상 객체 상에서 상기 유사 프레임이 표시되는 위치는 상기 유사 영상에서 상기 유사 프레임의 상대적 위치에 대응되는 위치일 수 있다.
상기 유사 프레임을 표시하는 단계는 상기 유사 영상 별로 상기 영상 객체에 인접하여 상기 제1 프레임과 유사 프레임 간의 유사도를 표시하는 단계;를 더 포함할 수 있다.
상기 영상 촬영 가이드를 제공하는 방법은 상기 유사 프레임을 표시하는 단계 이후에, 상기 하나 이상의 유사 영상 중 어느 하나를 선택하는 사용자의 입력을 획득하는 단계; 및 상기 선택 된 유사 영상에 따르는 상기 제1 영상을 촬영하기 위한 인터페이스를 제공하는 단계;를 더 포함할 수 있다.
상기 인터페이스는 상기 선택된 유사 영상에 대응되는 객체와 상기 선택된 유사 영상에 대응되는 객체 상에 선택된 프레임 표시하는 섬네일 객체를 표시하는 프레임 선택 인터페이스, 상기 제1 프레임과 상기 선택 인터페이스에 선택된 프레임 내에서 아바타의 실루엣을 오버랩 하여 표시하는 비교 영상을 제공하는 영상 제공 인터페이스 및 상기 제1 프레임과 상기 선택된 프레임의 비교 결과를 포함하는 촬영 가이드를 제공하는 가이드 제공 인터페이스를 포함할 수 있다.
상기 인터페이스는 상기 제1 프레임의 촬영 시 영상 획득 장치의 설정값인 제1 설정값과 상기 선택된 프레임의 촬영 시 상기 영상 획득 장치의 설정값인 제2 설정값을 비교하여 표시하되, 상기 제1 설정값 및 상기 제2 설정값의 차이점이 구분되도록 표시하는 설정값 표시 인터페이스를 더 포함할 수 있다.
상기 설정값 표시 인터페이스는 상기 제1 프레임의 히스토그램인 제1 히스토그램과 상기 선택된 프레임의 제2 히스트로그램인 제2 히스토그램을 오버랩하여 표시하는 히스토그램 항목을 포함할 수 있다.
본 발명의 일 실시예에 따른 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공하는 장치는, 실시간으로 촬영중인 제1 영상을 표시하고, 저장된 하나 이상의 영상 중 상기 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색하고, 상기 하나 이상의 유사 영상 각각의 유사 프레임을 표시할 수 있다.
상기 장치는 촬영하고자 하는 영상 타입을 선택하는 인터페이스에 대한 사용자의 입력을 획득하고, 상기 제1 영상 상에 상기 영상 타입에 따른 촬영 가이드라인을 표시할 수 있다.
상기 영상 타입은 아바타의 대기 모습이 촬영된 영상인 대기 영상 타입 및 상기 아바타의 발화 모습이 촬영된 영상인 발화 영상 타입을 포함하고, 상기 장치는 상기 영상 타입이 상기 발화 영상 타입일 경우 상기 영상 타입이 대기 영상 타입일 때 보다 상기 아바타의 움직임 영역이 확장된 가이드라인을 표시할 수 있다.
상기 장치는 상기 하나 이상의 유사 영상 각각에 대응되는 영상 객체를 표시하고, 유사 영상 별로 상기 영상 객체 상에 섬네일을 포함하는 유사 프레임을 표시할 수 있다. 이때 상기 영상 객체 상에서 상기 유사 프레임이 표시되는 위치는 상기 유사 영상에서 상기 유사 프레임의 상대적 위치에 대응되는 위치일 수 있다.
상기 장치는 상기 유사 영상 별로 상기 영상 객체에 인접하여 상기 제1 프레임과 유사 프레임 간의 유사도를 표시할 수 있다.
상기 장치는 상기 하나 이상의 유사 영상 중 어느 하나를 선택하는 사용자의 입력을 획득하고, 상기 선택 된 유사 영상에 따르는 상기 제1 영상을 촬영하기 위한 인터페이스를 제공할 수 있다.
상기 인터페이스는 상기 선택된 유사 영상에 대응되는 객체와 상기 선택된 유사 영상에 대응되는 객체 상에 선택된 프레임 표시하는 섬네일 객체를 표시하는 프레임 선택 인터페이스, 상기 제1 프레임과 상기 선택 인터페이스에 선택된 프레임 내에서 아바타의 실루엣을 오버랩 하여 표시하는 비교 영상을 제공하는 영상 제공 인터페이스 및 상기 제1 프레임과 상기 선택된 프레임의 비교 결과를 포함하는 촬영 가이드를 제공하는 가이드 제공 인터페이스를 포함할 수 있다.
상기 인터페이스는 상기 제1 프레임의 촬영 시 영상 획득 장치의 설정값인 제1 설정값과 상기 선택된 프레임의 촬영 시 상기 영상 획득 장치의 설정값인 제2 설정값을 비교하여 표시하되, 상기 제1 설정값 및 상기 제2 설정값의 차이점이 구분되도록 표시하는 설정값 표시 인터페이스를 더 포함할 수 있다.
상기 설정값 표시 인터페이스는 상기 제1 프레임의 히스토그램인 제1 히스토그램과 상기 선택된 프레임의 제2 히스트로그램인 제2 히스토그램을 오버랩하여 표시하는 히스토그램 항목을 포함할 수 있다.
본 발명에 따르면 보다 자연스러운 인물 영상을 생성할 수 있다.
특히 본 발명에 따르면 영상의 촬영 시 기존 영상과 일치하는 정도를 실시간으로 제공함으로써 기존 영상과 자연스럽게 연결될 수 있는 영상을 생성할 수 있도록 한다.
또한 본 발명에 따르면 아바타의 대기 영상과 아바타의 발화 영상 간의 전환이 자연스럽게 이루어지도록 할 수 있다.
또한 본 발명은 실제 인물에 의한 촬영 없이도, 입모양이 자연스러운 아바타 영상을 생성할 수 있다.
아울러 본 발명에 따르면 인공 신경망의 사용에도 불구하고 영상의 생성에 있어서 사용되는 서버의 리소스와 네트워크 리소스의 사용을 최소화 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상 생성 시스템의 구성을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 서버(100)의 구성을 개략적으로 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 사용자 단말(200)의 구성을 개략적으로 도시한 도면이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 서버(100)에 의해 학습된 인공 신경망의 예시적인 구조를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 서버(100)의 메모리(130)에 저장되는 복수의 대기 영상(IG1) 및 복수의 행동 영상(IG2)을 도시한 도면이다.
도 7 및 도 8은 본 발명의 일 실시예에 따른 서버(100)가 적어도 하나의 후보 프레임(411 또는 412, 413)을 결정하는 과정을 설명하기 위한 도면이다.
도 9는 대기 영상(410)을 구성하는 프레임(414)과 제2 영상의 프레임(421)의 유사도가 큰 경우의 유사도 산출 결과(431)를 도시한 도면이다.
도 10은 대기 영상(410)을 구성하는 프레임(415)과 제2 영상의 프레임(422)의 유사도가 작은 경우의 유사도 산출 결과(432)를 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 서버(100)가 생성한 전환 영상(440)의 구성을 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 사용자 단말(200)에 촬영 가이드가 표시된 화면(510)의 예시이다.
도 13은 본 발명의 일 실시예에 따른 사용자 단말(200)에 유사 영상에 따르는 제1 영상을 촬용하기 위한 인터페이스가 표시된 화면(530)의 예시이다.
도 14는 본 발명의 일 실시예에 따른 사용자 단말(200)에 의해 수행되는 영상 촬영 가이드 제공 방법을 설명하기 위한 흐름도이다.
본 발명의 일 실시예에 따른 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공하는 방법은, 실시간으로 촬영중인 제1 영상을 표시하는 단계; 저장된 하나 이상의 영상 중 상기 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색하는 단계; 및 상기 하나 이상의 유사 영상 각각의 유사 프레임을 표시하는 단계;를 포함할 수 있다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 형태는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
도 1은 본 발명의 일 실시예에 따른 영상 생성 시스템의 구성을 개략적으로 도시한 도면이다.
본 발명의 일 실시예에 따른 영상 생성 시스템은 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공할 수 있다.
본 발명에서 영상이 '연결 가능한'것은 연결하고자 하는 두 영상 내에서의 아바타의 포즈가 유사하여 두 영상을 연결하여도 영상에 급격한 변화가 없는 것을 의미할 수 있다. 가령 제1 영상의 마지막 프레임과 제2 영상의 첫 번째 프레임 각각에서의 아바타의 자세가 모두 손을 가운데로 모으고 있는 자세로 유사한 경우 제1 영상의 마지막 프레임과 제2 영상의 첫 번째 프레임은 연결 가능한 영상(또는 프레임)에 해당할 수 있다.
한편 본 발명의 일 실시예에 따른 영상 생성 시스템은 저장된 영상 간에도 연결 가능성을 확인하여 선택된 영상에 대해 유사한 영상을 제공할 수도 있다. 물론 본 발명의 일 실시예에 따른 영상 생성 시스템은 연결 가능한 두 개의 영상을 연결한 전환 영상을 생성하거나 제공할 수도 있다.
본 발명의 일 실시예에 따른 영상 생성 시스템은 입술 이미지(서버에 의해 생성된)와 얼굴을 포함하는 영상(영상 수신 장치의 메모리에 저장된)이 영상 수신 장치(예를 들어 사용자 단말)에서 오버랩 되어 표시되도록 할 수 있다.
이때 영상 생성 시스템의 서버는 대상 객체의 목소리로 사용할 음성으로부터 순차적인 입술 이미지를 생성할 수 있고, 영상 수신 장치는 순차적인 입술 이미지와 얼굴을 포함하는 영상을 오버랩 하여 표시함으로써 입모양과 음성이 일치되는 영상을 표시할 수 있다. 상술한 과정에 따라 생성되는 전환 영상은 입술 이미지의 배경 영상으로써 사용될 수 있다.
본 발명에서 제1 인공 신경망 및 제2 인공 신경망과 같은 '인공 신경망'은 용도에 따른 학습 데이터로 학습된 신경망으로, 머신 러닝(Machine Learning) 또는 딥러닝(Deep Learning) 기법에 의해 학습된 인공 신경망을 의미할 수 있다. 이와 같은 신경망의 구조에 대해서는 도 4 내지 도 5를 참조하여 후술한다.
본 발명에서 '제1 영상'은 대상 객체를 촬영하는 실시간 영상을 의미할 수 있다. 이때 '대상 객체'는 아바타의 실물에 해당할 수 있다. 따라서 본 발명에서 '대상 객체'를 촬영한 영상 속에서의 대상 객체는 아바타로 지칭될 수 있다.
본 발명의 일 실시예에 따른 영상 생성 시스템은 도 1에 도시된 바와 같이 서버(100), 사용자 단말(200), 서비스 서버(300) 및 통신망(400)을 포함할 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 사용자 단말(200)의 요청에 따라 촬영 가이드를 제공하는데 필요한 데이터를 사용자 단말(200)에 제공할 수 있다. 가령 서버(100)는 실시간으로 촬영 중인 제1 영상과 유사한 영상을 메모리에서 검색하여 사용자 단말(200)에 제공할 수 있다.
한편 본 발명의 일 실시예에 따른 서버(100)는 학습된 제1 인공 신경망을 이용하여 대상 음성으로부터 입술 이미지를 생성하고, 생성된 입술 이미지를 사용자 단말(200) 및/또는 서비스 서버(300)에 제공할 수 있다.
이때 서버(100)는 영상의 프레임 별로 음성에 대응되는 입술 이미지를 생성하고, 프레임의 식별 정보, 생성된 입술 이미지, 입술 이미지의 프레임 내에서의 위치 정보를 포함하는 립싱크 데이터를 생성할 수 있다.
또한 서버(100)는 생성된 립싱크 데이터를 사용자 단말(200) 및/또는 서비스 서버(300)에 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 서버(100)의 구성을 개략적으로 도시한 도면이다. 도 2를 참조하면, 본 발명의 일 실시예에 따른 서버(100)는 통신부(110), 제1 프로세서(120), 메모리(130) 및 제2 프로세서(140)를 포함할 수 있다. 또한 도면에는 도시되지 않았으나, 본 발명의 일 실시예에 따른 서버(100)는 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.
통신부(110)는 서버(100)가 사용자 단말(200) 및/또는 서비스 서버(300)와 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
제1 프로세서(120)는 사용자 단말(200)의 요청에 따라 제1 프레임과 유사한 프레임을 포함하는 하나 이상의 유사 영상을 검색하는 장치일 수 있다. 또한 제1 프로세서(120)는 학습된 인공 신경망들을 이용하여 입력 데이터로부터 출력 데이터를 생성하는 일련의 과정을 제어하는 장치일 수 있다. 가령 제1 프로세서(120)는 학습된 제1 인공 신경망을 이용하여 획득된 음성에 대응되는 입술 이미지를 생성하는 과정을 제어하는 장치일 수 있다.
이때 프로세서(Processor)는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(130)는 서버(100)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가령 메모리(130)는 학습된 인공 신경망을 구성하는 데이터들(가령 계수들)을 일시적 및/또는 영구적으로 저장할 수 있다. 물론 메모리(130)는 인공 신경망을 학습하기 위한 학습 데이터 또는 서비스 서버(300)로부터 수신된 데이터를 저장할 수도 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
제2 프로세서(140)는 전술한 제1 프로세서(120)의 제어에 따라 연산을 수행하는 장치를 의미할 수 있다. 이때 제2 프로세서(140)는 전술한 제1 프로세서(120)보다 높은 연산 능력을 갖는 장치일 수 있다. 가령 제2 프로세서(140)는 GPU(Graphics Processing Unit)로 구성될 수 있다. 다만 이는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 본 발명의 일 실시예에서, 제2 프로세서(140)는 복수일 수도 있고, 단수일 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공하는 장치일 수 있다.
도 3은 본 발명의 일 실시예에 따른 사용자 단말(200)의 구성을 개략적으로 도시한 도면이다. 도 3을 참조하면, 본 발명의 일 실시예에 따른 사용자 단말(200)은 통신부(210), 제3 프로세서(220), 메모리(230) 및 제4 프로세서(240)를 포함할 수 있다. 또한 도면에는 도시되지 않았으나, 본 발명의 일 실시예에 따른 사용자 단말(200)은 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.
통신부(210)는 사용자 단말(200)이 서버(100) 및/또는 서비스 서버(300)와 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
본 발명의 일 실시예에서 제3 프로세서(220)는 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공할 수 있다. 가령 제3 프로세서(220)는 실시간으로 촬영중인 제1 영상을 표시하고, 서버(100)에 저장된 하나 이상의 영상 중 촬영중인 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색할 수 있다. 또한 제3 프로세서(220)는 검색 된 하나 이상의 유사 영상 각각의 유사 프레임을 표시할 수도 있다.
이때 프로세서(Processor)는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(230)는 사용자 단말(200)이 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가령 메모리(230)는 실시간으로 촬영중인 제1 영상을 일시적 및/또는 영구적으로 저장할 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
제4 프로세서(240)는 전술한 제3 프로세서(220)의 제어에 따라 연산을 수행하는 장치를 의미할 수 있다. 이때 제4 프로세서(240)는 전술한 제3 프로세서(220)보다 높은 연산 능력을 갖는 장치일 수 있다. 가령 제4 프로세서(240)는 GPU(Graphics Processing Unit)로 구성될 수 있다. 다만 이는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 본 발명의 일 실시예에서, 제4 프로세서(240)는 복수일 수도 있고, 단수일 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 도 1에 도시된 바와 같이, 휴대용 단말(201, 202, 203)을 의미할 수도 있고, 컴퓨터(204)를 의미할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 상술한 기능을 수행하기 위해 콘텐츠 등을 표시하기 위한 표시수단, 이러한 콘텐츠에 대한 사용자의 입력을 획득하기 위한 입력수단을 더 구비할 수 있다. 이 때 입력수단 및 표시수단은 다양하게 구성될 수 있다. 가령 입력수단은 키보드, 마우스, 트랙볼, 마이크, 버튼, 터치패널 등을 포함할 수 있으나 이에 한정되지 않는다.
본 발명에서 이와 같은 사용자 단말(200)은 때때로 '영상 촬영 가이드 제공 장치'로 명명되어 설명될 수 있다.
본 발명의 일 실시예에서 서비스 서버(300)는 서버(100)로부터 생성된 입술 이미지를 포함하는 립싱크 데이터 및 전환 영상과 관련된 데이터(예를 들어 전환 영상에 포함되는 프레임의 식별 정보)를 수신하고 이를 이용하여 출력 프레임을 생성한 뒤 다른 장치(예를 들어 사용자 단말(200))에 제공하는 장치일 수 있다.
본 발명의 다른 실시예에서, 서비스 서버(300)는 서버(100)에 의해 학습된 인공 신경망을 수신하여, 다른 장치의 요청에 따라 립싱크 데이터 및 전환 영상과 관련된 데이터(예를 들어 전환 영상에 포함되는 프레임의 식별 정보)를 제공하는 장치일 수도 있다.
본 발명의 일 실시예에 따른 통신망(400)은 영상 생성 시스템의 각 구성 간의 데이터 송수신을 매개하는 통신망을 의미할 수 있다. 가령 통신망(400)은 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 서버(100)에 의해 학습된 인공 신경망의 예시적인 구조를 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 인공 신경망은 도 4에 도시된 바와 같은 합성 곱 신경망(CNN: Convolutional Neural Network) 모델에 따른 인공 신경망일 수 있다. 이때 CNN 모델은 복수의 연산 레이어(Convolutional Layer, Pooling Layer)를 번갈아 수행하여 최종적으로는 입력 데이터의 특징을 추출하는 데 사용되는 계층 모델일 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 학습 데이터를 지도학습(Supervised Learning) 기법에 따라 처리하여 인공 신경망 모델을 구축하거나 학습시킬 수 있다. 서버(100)가 인공 신경망을 학습시키는 방법에 대한 상세한 설명은 후술한다.
본 발명의 일 실시예에 따른 서버(100)는 복수의 학습 데이터를 이용하여, 어느 하나의 입력 데이터를 인공 신경망에 입력하여 생성된 출력 값이 해당 학습 데이터에 표지된 값에 근접하도록 각 레이어 및/또는 각 노드의 가중치를 갱신하는 과정을 반복하여 수행함으로써 인공 신경망을 학습시킬 수 있다.
이때 본 발명의 일 실시예에 따른 서버(100)는 역전파(Back Propagation) 알고리즘에 따라 각 레이어 및/또는 각 노드의 가중치(또는 계수)를 갱신할 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 입력 데이터의 특징 값을 추출하기 위한 컨볼루션 레이어(Convolution layer), 추출된 특징 값을 결합하여 특징 맵을 구성하는 풀링 레이어(pooling layer)를 생성할 수 있다.
또한 본 발명의 일 실시예에 따른 서버(100)는 생성된 특징 맵을 결합하여, 입력 데이터가 복수의 항목 각각에 해당할 확률을 결정할 준비를 하는 풀리 커넥티드 레이어(Fully Conected Layer)를 생성할 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 입력 데이터에 대응되는 출력을 포함하는 아웃풋 레이어(Output Layer)를 산출할 수 있다.
도 4에 도시된 예시에서는, 입력 데이터가 5X7 형태의 블록으로 나누어지며, 컨볼루션 레이어의 생성에 5X3 형태의 단위 블록이 사용되고, 풀링 레이어의 생성에 1X4 또는 1X2 형태의 단위 블록이 사용되는 것으로 도시되었지만, 이는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 입력 데이터의 종류 및/또는 각 블록의 크기는 다양하게 구성될 수 있다.
한편 이와 같은 인공 신경망은 전술한 메모리(130)에 인공 신경망의 모델의 종류, 인공 신경망을 구성하는 적어도 하나의 노드의 계수, 노드의 가중치 및 인공 신경망을 구성하는 복수의 레이어 간의 관계를 정의하는 함수의 계수들의 형태로 저장될 수 있다. 물론 인공 신경망의 구조 또한 메모리(130)에 소스코드 및/또는 프로그램의 형태로 저장될 수 있다.
본 발명의 일 실시예에 따른 인공 신경망은 도 5에 도시된 바와 같은 순환 신경망(Recurrent Neural Network, RNN) 모델에 따른 인공 신경망일 수 있다.
도 5를 참조하면, 이와 같은 순환 신경망(RNN) 모델에 따른 인공 신경망은 적어도 하나의 입력 노드(N1)를 포함하는 입력 레이어(L1), 복수의 히든 노드(N2)를 포함하는 히든 레이어(L2) 및 적어도 하나의 출력 노드(N3)를 포함하는 출력 레이어(L3)를 포함할 수 있다.
히든 레이어(L2)는 도시된 바와 같이 전체적으로 연결된(Fully Connected) 하나 이상의 레이어를 포함할 수 있다. 히든 레이어(L2)가 복수의 레이어를 포함하는 경우, 인공 신경망은 각각의 히든 레이어 사이의 관계를 정의하는 함수(미도시)를 포함할 수 있다.
출력 레이어(L3)의 적어도 하나의 출력 노드(N3)는 서버(100)의 제어에 따라 인공 신경망이 입력 레이어(L1)의 입력 값으로부터 생성한 출력 값을 포함할 수 있다.
한편 각 레이어의 각 노드에 포함되는 값은 벡터일 수 있다. 또한 각 노드는 해당 노드의 중요도에 대응되는 가중치를 포함할 수도 있다.
한편 인공 신경망은 입력 레이어(L1)와 히든 레이어(L2)의 관계를 정의하는 제1 함수(F1) 및 히든 레이어(L2)와 출력 레이어(L3)의 관계를 정의하는 제2 함수(F2)를 포함할 수 있다.
제1 함수(F1)는 입력 레이어(L1)에 포함되는 입력 노드(N1)와 히든 레이어(L2)에 포함되는 히든 노드(N2)간의 연결관계를 정의할 수 있다. 이와 유사하게, 제2 함수(F2)는 히든 레이어(L2)에 포함되는 히든 노드(N2)와 출력 레이어(L3)에 포함되는 출력 노드(N3)간의 연결관계를 정의할 수 있다.
이와 같은 제1 함수(F1), 제2 함수(F2) 및 히든 레이어 사이의 함수들은 이전 노드의 입력에 기초하여 결과물을 출력하는 순환 신경망 모델을 포함할 수 있다.
서버(100)에 의해 인공 신경망이 학습되는 과정에서, 복수의 학습 데이터에 기초하여 제1 함수(F1) 및 제2 함수(F2)가 학습될 수 있다. 물론 인공 신경망이 학습되는 과정에서 전술한 제1 함수(F1) 및 제2 함수(F2) 외에 복수의 히든 레이어 사이의 함수들 또한 학습될 수 있다.
본 발명의 일 실시예에 따른 인공 신경망은 표지(Labeled)된 학습 데이터를 기반으로 지도학습(Supervised Learning) 방식으로 학습될 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 복수의 학습 데이터를 이용하여, 어느 하나의 입력 데이터를 인공 신경망에 입력하여 생성된 출력 값이 해당 학습 데이터에 표지된 값에 근접하도록 전술한 함수들(F1, F2, 히든 레이어 사이의 함수들 등)을 갱신하는 과정을 반복하여 수행함으로써 인공 신경망을 학습시킬 수 있다.
이때 본 발명의 일 실시예에 따른 서버(100)는 역전파(Back Propagation) 알고리즘에 따라 전술한 함수들(F1, F2, 히든 레이어 사이의 함수들 등)을 갱신할 수 있다. 다만 이는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
도 4 및 도 5에서 설명한 인공 신경망의 종류 및/또는 구조는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 다양한 종류의 모델의 인공 신경망이 명세서를 통하여 설명하는 '인공 신경망'에 해당할 수 있다.
이하에서는 서버(100)에 의해 수행되는 전환 영상 생성 과정을 먼저 설명하고, 사용자 단말(200)에 의해 수행되는 영상 촬영 가이드 제공 과정을 나중에 설명한다.
서버(100)에 의한 전환 영상 과정
본 발명에서 '전환 영상'은 서버(100)에 의해 생성된 입술 이미지와 함께 표시되는 배경 이미지로, 아바타의 상태가 전환되는 과정이나 모습이 담긴 영상일 수 있다. 가령 전환 영상은 아바타의 대기 모습이 촬영된 영상과 아바타의 발화 모습이 촬영된 영상이 연결된 영상으로, 서버(100)에 의해 생성된 입술 이미지와 함께 재생하기 위한 영상일 수 있다. 물론 전환 영상은 아바타의 발화 모습이 촬영된 첫 번째 영상과 아바타의 발화 모습이 촬영된 두 번째 영상이 연결된 영상일 수도 있고, 아바타의 발화 모습이 촬영된 영상과 아바타의 대기 모습이 촬영된 영상이 연결된 영상일 수도 있다.
한편 서버(100)에 의해 생성된 입술 이미지는 전환 영상 중 아바타의 발화 모습이 촬영된 영상 부분에 오버랩 되어 표시될 수 있다.
일반적으로 아바타의 발화 내용과 아바타의 발화 제스쳐(예를 들어 몸동작 등)가 반드시 관련성이 있을 것을 요하지는 않기에, 단지 아바타가 발화 제스쳐를 취하는 영상 상에 어떠한 입모양을 오버랩 하여 표시하여도 부자연스러움이 크지 않다. 따라서 본 발명의 일 실시예에 따른 서버(100)는 아바타의 발화가 필요한 시점에서 아바타의 대기 모습이 촬영된 영상에서 아바타의 발화 모습이 촬영된 영상으로 전환되는 전환 영상을 생성하고, 아바타의 발화 모습이 촬영된 부분에 대한 입술 이미지를 오버랩하여 표시되도록 함으로써 자연스러우면서도 의도된 발화 영상을 제공할 수 있다.
도 6은 본 발명의 일 실시예에 따른 서버(100)의 메모리(130)에 저장되는 복수의 대기 영상(IG1) 및 복수의 행동 영상(IG2)을 도시한 도면이다. 본 발명의 일 실시예에 따른 서버(100)는 주어진 상황에 따라 복수의 대기 영상(IG1) 및 복수의 행동 영상(IG2)중 어느 하나를 선택하여 서비스 서버(300)와 같은 외부 장치에 제공할 수 있다. 가령 서버(100)는 제2 사용자 단말(미도시)에 대한 유저의 조작이 없는 상황에서 복수의 대기 영상(IG1) 중 어느 하나를 선택하여 제2 사용자 단말(미도시)에 제공할 수 있다. 이때 제2 사용자 단말(미도시)은 서버(100)로부터 수신된 대기 영상을 표시함으로써 보다 자연스러운 대기 화면이 제공되도록 할 수 있다.
본 발명에서 '자연스러운 대기 화면'과 같은 자연스러운 영상은 아바타가 시간의 흐름에 따라 자연스럽게 동작하는 영상으로, 가령 아바타가 사람인 경우 사람이 눈을 깜박이거나 호흡에 따라 신체가 미세하게 움직이는 영상일 수 있다. 따라서 단일 프레임이나 단일 이미지로 구성된 영상은 본 발명에서 설명하는 자연스러운 영상에 해당하지 않을 수 있다.
한편 서버(100)는 아바타의 발화가 필요한 상황이 발생된 경우, 복수의 행동 영상(IG2)중 제2 사용자 단말(미도시)에 표시되고 있는 대기 영상과 자연스러운 연결이 가능한 행동 영상을 선택하여 제2 사용자 단말(미도시)에 제공할 수 있다. 이때 서버(100)는 제공되는 행동 영상 상에 표시될 입술 이미지를 생성하여 제2 사용자 단말(미도시)에 제공할 수 있다.
이하에서는 설명의 편의를 위해 현재 서비스 서버(300)가 제2 사용자 단말(미도시)에 대기 영상(410)을 제공하고 있으며, 후술하는 과정에 따라 복수의 행동 영상(IG2)중 행동 영상(420)이 선택됨을 전제로 설명한다.
본 발명의 일 실시예에 따른 서버(100)는 대기 영상(410)을 구성하는 적어도 하나의 프레임 중 복수의 행동 영상(IG2) 각각을 구성하는 적어도 하나의 프레임과 유사도를 비교할 대상인 적어도 하나의 후보 프레임을 결정할 수 있다.
도 7 및 도 8은 본 발명의 일 실시예에 따른 서버(100)가 적어도 하나의 후보 프레임(411 또는 412, 413)을 결정하는 과정을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 서버(100)는 대기 영상(410)의 전환 필요성이 발생된 제1 시점(t1)으로부터 소정의 시구간(예를 들어 제1 시점(t1)으로부터 T초 이후인 제2 시점(t2)까지의 구간) 내에 해당하는 대기 영상(410)의 적어도 하나의 프레임(411)을 적어도 하나의 후보 프레임으로 결정할 수 있다. 예를 들어 제1 시점에 제2 사용자 단말(미도시)에 대한 유저의 조작이 수행되었고 이에 따라 아바타의 발화가 필요한 상황이 발행된 경우, 서버(100)는 제1 시점으로부터 제2 시점(t2) 이내에 해당하는 적어도 하나의 프레임(411)을 적어도 하나의 후보 프레임으로 결정할 수 있다. 이러한 경우 서버(100)는 늦어도 제2 시점(t2)에는 아바타의 발화가 이루어지는 영상을 제공할 수 있다.
한편 본 발명의 다른 실시예에 따른 서버(100)는 대기 영상(410)의 첫 프레임(412)과 대기 영상(410)의 마지막 프레임(413)을 적어도 하나의 후보 프레임으로 결정할 수도 있다. 가령 복수의 대기 영상(IG1) 각각이 상대적으로 짧은 시간 길이로 구성되고, 영상의 시작과 끝 부분에서 아바타의 포즈가 정적인 경우 이와 같이 첫 프레임(412)과 마지막 프레임(413)을 적어도 하나의 후보 프레임으로 결정하는 것이 보다 바람직할 수 있다.
한편 도 7 및 도 8에 도시된 후보 프레임 결정 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 서버(100)는 대기 영상(410)을 구성하는 적어도 하나의 프레임과 복수의 행동 영상(IG2) 각각을 구성하는 적어도 하나의 프레임 간의 유사도를 산출할 수 있다. 가령 서버(100)는 전술한 과정에 따라 결정된 적어도 하나의 후보 프레임(411 또는 412, 413)을 복수의 행동 영상(IG2) 각각을 구성하는 적어도 하나의 프레임과 비교하여 유사도를 산출할 수 있다.
도 9는 대기 영상(410)을 구성하는 프레임(414)과 제2 영상의 프레임(421)의 유사도가 큰 경우의 유사도 산출 결과(431)를 도시한 도면이다.
본 발명의 일 실시예에 따른 서버(100)는 도 9에 도시된 바와 같이 두 프레임(414, 421)의 픽셀 간의 차이값을 유사도 산출 결과(431)로써 산출할 수 있다. 산출 결과(431)에는 두 프레임(414, 421) 간의 픽셀 값이 차이가 있는 부분이 차이 정도에 대응되도록 표시될 수 있다.
도 10은 대기 영상(410)을 구성하는 프레임(415)과 제2 영상의 프레임(422)의 유사도가 작은 경우의 유사도 산출 결과(432)를 도시한 도면이다.
전술한 바와 같이 본 발명의 일 실시예에 따른 서버(100)는 두 프레임(415, 422)의 픽셀 간의 차이값을 유사도 산출 결과(432)로써 산출할 수 있다. 산출 결과(432)에는 두 프레임(415, 422) 간의 픽셀 값이 차이가 있는 부분이 차이 정도에 대응되도록 표시될 수 있다.
도 9의 산출 결과(431)와 도 10의 산출 결과(432)를 비교해 보면, 도 10의 산출 결과(432)에 보다 많은 픽셀들이 차이가 있는 것으로 나타난 것을 확인할 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 상술한 과정에 따라 산출된 유사도를 참조하여 대기 영상(410)의 적어도 하나의 프레임 중 대기 영상(410)에서 행동 영상(420)으로 전환되는 전환 시점에 사용하는 프레임인 제1 연결 프레임을 결정할 수 있다. 이와 유사하게, 본 발명의 일 실시예에 따른 서버(100)는 유사도를 참조하여 복수의 행동 영상(IG2) 중 전환에 사용할 행동 영상(420) 및 전환에 사용할 행동 영상(420)의 적어도 하나의 프레임 중 전환 시점에 사용하는 프레임인 제2 연결 프레임을 결정할 수 있다.
이때 서버(100)는 다양한 기준에 따라 제1 연결 프레임 및 제2 연결 프레임을 결정할 수 있다.
가령 서버(100)는 유사도가 가장 높은 프레임 조합, 즉 유사도가 가장 높은 대기 영상(410)의 프레임과 행동 영상(420)의 프레임 조합(또는 세트)을 선택하고, 이 때의 대기 영상(410)의 프레임을 제1 연결 프레임으로, 행동 영상(420)의 프레임을 제2 연결 프레임으로 결정할 수 있다. 이와 같은 방식에 따를 경우 가장 자연스러운 영상 전환이 가능하다.
또한 서버(100)는 유사도가 임계 유사도를 초과하는 프레임 조합들 중 가장 이른(또는 빠른) 시점의 대기 영상(410)의 프레임을 포함하는 조합을 선택하고, 이 때의 대기 영상(410)의 프레임을 제1 연결 프레임으로, 행동 영상(420)의 프레임을 제2 연결 프레임으로 결정할 수도 있다. 이와 같은 방식에 따를 경우 빠른 응답 속도를 제공할 수 있다.
다만 상술한 2 가지 방식은 모두 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니며, 유사도에 기반하여 프레임 조합을 결정하는 방식은 본 발명에 해당할 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 대기 영상(410)의 적어도 일부 프레임을 포함하는 제3 영상과 전환에 사용할 행동 영상(420)의 적어도 일부 프레임을 포함하는 제4 영상을 연결한 전환 영상을 생성할 수 있다.
도 11은 본 발명의 일 실시예에 따른 서버(100)가 생성한 전환 영상(440)의 구성을 도시한 도면이다.
전술한 바와 같이 전환 영상(440)은 대기 영상(410)의 적어도 일부 프레임을 포함하는 제3 영상(416)과 전환에 사용할 행동 영상(420)의 적어도 일부 프레임을 포함하는 제4 영상(423)을 연결한 영상일 수 있다.
이때 제3 영상(416)은 대기 영상(410)의 적어도 일부 프레임으로 구성된 영상으로 상술한 과정에 따라 결정된 제1 연결 프레임(417)을 마지막 프레임으로 하는 영상일 수 있다. 또한 제4 영상(423)은 전환에 사용할 행동 영상(420)의 적어도 일부 프레임으로 구성된 영상으로 제2 연결 프레임(424)을 첫 프레임으로 하는 영상일 수 있다.
본 발명의 일 실시예에 따른 서버(100)는 상술한 과정에 따라 생성된 전환 영상의 구성 정보를 서비스 서버(300) 및/또는 제2 사용자 단말(미도시)에 전송할 수 있다. 가령 서버(100)는 제3 영상(416) 및 상기 제4 영상(423) 각각에 포함되는 프레임의 식별 정보가 포함되도록 전환 영상의 구성 정보를 생성하여 제2 사용자 단말(미도시) 에 전송할 수 있다. 물론 전환 영상의 구성 정보를 수신 받은 제2 사용자 단말(미도시)은 별도로 수신되는 입술 이미지와 함께 전환 영상을 표시할 수 있다.
한편 상술한 도 6 내지 도 11에서는 대기 영상에서 동작 영상으로 전환되는 경우만을 예시적으로 설명하였으나, 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 대기 영상에서 대기 영상으로 전환되는 경우나, 동작 영상에서 대기 영상으로 전환되는 경우 그리고 동작 영상에서 동작 영상으로 전환되는 경우에도 상술한 과정에 따라 전환 영상이 생성될 수 있다.
한편 본 발명의 일 실시예에서 서버(100)는 제1 인공 신경망은 립리딩 과정을 통하여 수집된 입모양 영상과 해당 입모양 영상과 관련된 음성 데이터에 기반하여 학습된 것 일 수 있다.
본 발명의 선택적 실시예에서, 서버(100)는 립리딩 과정을 통하여 학습된 모델을 제1 인공 신경망으로써 사용할 수도 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다."
사용자 단말(200)에 의한 영상 촬영 가이드 제공 과정
본 발명의 일 실시예에 따른 서버(100)는 도 11에 도시된 바와 같은 전환 영상(440)의 생성을 위해 도 6에 도시된 복수의 대기 영상(IG1)과 복수의 행동 영상(IG2)들의 유사도를 도 9 및 도 10에서 설명한 유사도 비교 과정에 따라 판단할 수 있다.
이하에서는 도 6에 도시된 복수의 대기 영상(IG1)과 복수의 행동 영상(IG2)들의 촬영 과정에 있어서 사용자 단말(200)이 촬영 가이드를 제공하는 과정을 중심으로 설명한다. 도 6에 도시된 복수의 대기 영상(IG1)과 복수의 행동 영상(IG2)은 이하에서 설명하는 촬영 과정에 따라 생성된 것 일 수 있다.
도 12는 본 발명의 일 실시예에 따른 사용자 단말(200)에 촬영 가이드가 표시된 화면(510)의 예시이다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 실시간으로 촬영중인 제1 영상을 표시할 수 있다. 가령 사용자 단말(200)은 도 12에 도시된 바와 같이 실시간 영상 표시 영역(511) 상에 대상 객체에 대한 실시간 영상인 제1 영상을 표시할 수 있다. 이를 위해 본 발명의 일 실시예에 따른 사용자 단말(200)은 하나 이상의 영상 획득 장치와 연결되고, 연결된 하나 이상의 연결 획득 장치로부터 제1 영상을 수신하여 표시할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 실시간 영상 표시 영역(511)에 표시되는 제1 영상 상에 촬영 가이드 라인(512)을 표시할 수 있다. 이때 '촬영 가이드 라인'은 제1 영상 상에서 아바타(513)의 대략적인 위치 또는 움직임 영역을 표시(제한)하기 위한 것일 수 있다. 가령 촬영 가이드 라인(512)은 도 12에 도시된 바와 같이 아바타(513) 신체의 움직임 영역을 표시(제한)하기 위한 라인(512b, 512f), 아바타(513) 머리의 움직임 영역을 표시(제한)하기 위한 라인(512c, 512d) 및 아바타(513)의 높이를 표시(제한)하기 위한 라인(512a)을 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 촬영하고자 하는 영상 타입을 선택하는 인터페이스(514)를 제공하고, 이에 대한 사용자의 입력을 획득할 수 있다. 또한 사용자 단말(200)은 선택된 영상 타입에 따른 가이드 라인을 제1 영상 상에 표시할 수 있다. 가령 인터페이스(514)에서 제공되는 영상 타입은 아바타(513)의 대기 모습이 촬영되는 영상인 '대기 영상 타입' 및 아바타(513)의 발화 모습이 촬영되는 영상인 '발화 영상 타입'을 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 인터페이스(514)에서 선택된 영상 타입이 발화 영상 타입일 경우, 영상 타입이 대기 영상 타입일 때 보다 아바타(513)의 움직임 영역이 확장된 가이드라인을 표시할 수 있다. 바꾸어말하면 사용자 단말(200)은 영상 타입이 대기 영상 타입일 경우 아바타(513)의 움직임 영역이 보다 제한된(즉 움직입 영역이 좁은) 가이드라인을 표시할 수 있다.
이에 따라 본 발명은 사용자 및/또는 대상 객체는 실시간 영상인 제1 영상 상의 가이드라인을 참조하여 대상 객체의 위치나 포즈 등을 적절하게 수정할 수 있도록 한다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 저장된 하나 이상의 영상 중 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색할 수 있다. 이때 '제1 프레임'은 제1 영상에서 소정의 기준에 따라 선택된 프레임으로 가령 현재 시점의 프레임이거나 현재 시점으로부터 소정의 시간 간격 이전의 프레임일 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 서버(100)로 제1 프레임을 전송하고 그와 유사한 프레임을 포함하는 하나 이상의 유사 영상을 검색하도록 할 수 있다. 즉 사용자 단말(200)은 서버로 제1 프레임과 유사한 프레임의 검색 요청을 전송할 수 있다. 이러한 경우 서버(100)는 도 9 내지 도 10에서 설명한 과정에 따라 유사한 프레임을 포함하는 유사 영상을 검색하고, 이를 사용자 단말(200)에 제공할 수 있다.
본 발명의 다른 실시예에서, 사용자 단말(200)은 메모리(230)에 저장된 복수의 대기 영상 및 복수의 행동 영상중에서 제1 프레임과 유사한 프레임을 포함하는 유사 영상을 검색할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 영상 타입의 구분 없이 모든 타입의 영상을 유사 영상으로써 제공할 수 있다. 바꾸어말하면 행동 영상 및 대기 영상 모두 검색 결과로써 제공될 수 있다.
본 발명의 선택적 실시예에서, 본 발명의 일 실시예에 따른 사용자 단말(200)은 인터페이스(514)에 대한 사용자의 입력을 참조하여 유사 영상을 검색할 수도 있다. 가령 사용자 단말(200)은 인터페이스(514)에서 선택된 타입과 동일한 타입의 영상만을 유사 영상으로 제공할 수도 있고, 선택된 타입과 반대 타입의 영상만을 유사 영상으로 제공할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 하나 이상의 유사 영상 각각의 유사 프레임을 표시할 수 있다. 가령 본 발명의 일 실시예에 따른 사용자 단말(200)은 도 12에 도시된 바와 같이 검색된 하나 이상의 유사 영상 각각에 대응되는 영상 객체(515, 516, 517, 518)를 표시할 수 있다.
또한 본 발명의 일 실시예에 따른 사용자 단말(200)은 유사 영상 별로 표시된 영상 객체 상에 섬네일을 포함하는 유사 프레임을 표시 할 수 있다. 이때 사용자 단말(200)은 표시된 영상 객체 상에서 유사 프레임이 표시되는 위치가 유사 영상에서 유사 프레임의 상대적 위치에 대응되도록 할 수 있다. 가령 '대기 영상 3'에서 유사 프레임(519)이 대략 유사 영상의 중간에 위치하는 경우, 사용자 단말(200)은 이와 같은 프레임의 위치를 고려하여 유사 프레임(519)을 영상 객체(515)의 중간에 표시할 수 있다.
한편 본 발명의 일 실시예에 따른 사용자 단말(200)은 검색된 유사 영상 별로 제1 프레임과 유사 프레임 간의 유사도를 표시할 수도 있다. 가령 사용자 단말(200)은 도 12에 도시된 바와 같이 '대기 영상 3'에 대한 영상 객체(515)에 인접하여 유사도(520)를 표시할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 하나 이상의 유사 영상 중 어느 하나를 선택하는 사용자의 입력을 획득할 수 있다. 가령 사용자 단말(200)은 유사 영상 각각에 대응되는 영상 객체(515, 516, 517, 518) 중 어느 하나를 선택하는 사용자의 입력을 획득하는 방식으로 유사 영상을 선택하는 사용자의 입력을 획득할 수 있다. 이때 본 발명의 일 실시예에 따른 사용자 단말(200)은 선택 된 유사 영상에 따르는 제1 영상을 촬영하기 위한 인터페이스를 제공할 수 있다. 여기서 유사 영상에 '따르는' 제1 영상은 유사 영상에서의 아바타의 포즈와 제1 영상에서의 아바타의 포즈가 유사한 것을 의미할 수 있다.
도 13은 본 발명의 일 실시예에 따른 사용자 단말(200)에 유사 영상에 따르는 제1 영상을 촬용하기 위한 인터페이스가 표시된 화면(530)의 예시이다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 선택된 유사 영상에 대응되는 객체(539)와 객체(539) 상에 선택된 프레임 표시하는 섬네일 객체(538)를 표시하는 프레임 선택 인터페이스(537)를 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 프레임 선택 인터페이스(537)에서 사용자가 선택한 프레임에 따라 영상 제공 인터페이스(531)에 제공되는 아바타의 실루엣이 변경되도록 할 수 있다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 실시간 아바타(532)의 외형을 포함하는 제1 프레임(실시간 영상의 프레임)과 프레임 선택 인터페이스(537)에서 선택된 프레임 내에서의 아바타의 실루엣(533)을 오버랩 하여 표시하는 비교 영상을 제공하는 영상 제공 인터페이스(531)를 포함할 수 있다. 대상 객체(모델) 및/또는 촬영 감독 등은 표시된 실루엣(533)에 따라 포즈를 실시간으로 수정함으로써 선택된 프레임에 보다 근접하는 제1 영상을 촬영하도록 할 수 있다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 제1 프레임과 선택된 프레임의 비교 결과를 포함하는 촬영 가이드를 제공하는 가이드 제공 인터페이스(535)를 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 제1 영상과 선택된 유사 영상을 보다 유사하게 하기 위한 가이드를 생성하여 인터페이스(535)에 표시할 수 있다. 가령 사용자 단말(200)은 인터페이스(531)에서 아바타(532)의 외형과 실루엣(533)을 비교하고 아바타의 적절한 위치/포즈 등을 수정하기 위한 가이드를 생성하여 인터페이스(535)에 표시할 수 있다.
또한 사용자 단말(200)은 조명이나 카메라의 설정 파라미터(감도, 조리개 값, 배율 등과 같이 메타데이터상에 기록되는 항목들)의 비교를 통해 이를 수정하기 위한 가이드를 생성하여 인터페이스(535)에 표시할 수도 있다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 제1 프레임의 촬영 시 영상 획득 장치의 설정값인 제1 설정값과 선택된 프레임의 촬영 시 상기 영상 획득 장치의 설정값인 제2 설정값을 비교하여 표시하는 설정값 표시 인터페이스(536)를 더 포함할 수 있다. 가령 설정값 표시 인터페이스(536)에는 제1 프레임의 히스토그램인 제1 히스토그램과 선택된 프레임의 제2 히스트로그램인 제2 히스토그램을 오버랩하여 표시하는 히스토그램 항목을 포함할 수 있다. 물론 설정값 표시 인터페이스(536)에는 히스토그램 항목 외에도 조리개 값, 셔터 속도 및 감광도 등이 더 포함될 수 있다.
한편 설정값 표시 인터페이스(536)는 제1 설정값 및 제2 설정값의 차이점이 구분되도록 표시 할 수 있다. 가령 도 13에 도시된 바와 같이 양 프레임의 촬영 시 조리개 값이 상이한 경우, 사용자 단말(200)은 조리개 항목이 나머지 항목과 구분되도록 표시할 수 있다.
도 14는 본 발명의 일 실시예에 따른 사용자 단말(200)에 의해 수행되는 영상 촬영 가이드 제공 방법을 설명하기 위한 흐름도이다. 이하에서는 도 1 내지 도 13을 함께 참조하여 설명하되, 중복되는 설명은 생략한다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 실시간으로 촬영중인 제1 영상을 표시할 수 있다.(S1410)
도 12는 본 발명의 일 실시예에 따른 사용자 단말(200)에 촬영 가이드가 표시된 화면(510)의 예시이다. 가령 사용자 단말(200)은 도 12에 도시된 바와 같이 실시간 영상 표시 영역(511) 상에 대상 객체에 대한 실시간 영상인 제1 영상을 표시할 수 있다. 이를 위해 본 발명의 일 실시예에 따른 사용자 단말(200)은 하나 이상의 영상 획득 장치와 연결되고, 연결된 하나 이상의 연결 획득 장치로부터 제1 영상을 수신하여 표시할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 실시간 영상 표시 영역(511)에 표시되는 제1 영상 상에 촬영 가이드 라인(512)을 표시할 수 있다. 이때 '촬영 가이드 라인'은 제1 영상 상에서 아바타(513)의 대략적인 위치 또는 움직임 영역을 표시(제한)하기 위한 것일 수 있다. 가령 촬영 가이드 라인(512)은 도 12에 도시된 바와 같이 아바타(513) 신체의 움직임 영역을 표시(제한)하기 위한 라인(512b, 512f), 아바타(513) 머리의 움직임 영역을 표시(제한)하기 위한 라인(512c, 512d) 및 아바타(513)의 높이를 표시(제한)하기 위한 라인(512a)을 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 촬영하고자 하는 영상 타입을 선택하는 인터페이스(514)를 제공하고, 이에 대한 사용자의 입력을 획득할 수 있다. 또한 사용자 단말(200)은 선택된 영상 타입에 따른 가이드 라인을 제1 영상 상에 표시할 수 있다. 가령 인터페이스(514)에서 제공되는 영상 타입은 아바타(513)의 대기 모습이 촬영되는 영상인 '대기 영상 타입' 및 아바타(513)의 발화 모습이 촬영되는 영상인 '발화 영상 타입'을 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 인터페이스(514)에서 선택된 영상 타입이 발화 영상 타입일 경우, 영상 타입이 대기 영상 타입일 때 보다 아바타(513)의 움직임 영역이 확장된 가이드라인을 표시할 수 있다. 바꾸어말하면 사용자 단말(200)은 영상 타입이 대기 영상 타입일 경우 아바타(513)의 움직임 영역이 보다 제한된(즉 움직입 영역이 좁은) 가이드라인을 표시할 수 있다.
이에 따라 본 발명은 사용자 및/또는 대상 객체는 실시간 영상인 제1 영상 상의 가이드라인을 참조하여 대상 객체의 위치나 포즈 등을 적절하게 수정할 수 있도록 한다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 저장된 하나 이상의 영상 중 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색할 수 있다.(S1420) 이때 '제1 프레임'은 제1 영상에서 소정의 기준에 따라 선택된 프레임으로 가령 현재 시점의 프레임이거나 현재 시점으로부터 소정의 시간 간격 이전의 프레임일 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 서버(100)로 제1 프레임을 전송하고 그와 유사한 프레임을 포함하는 하나 이상의 유사 영상을 검색하도록 할 수 있다. 즉 사용자 단말(200)은 서버로 제1 프레임과 유사한 프레임의 검색 요청을 전송할 수 있다. 이러한 경우 서버(100)는 도 9 내지 도 10에서 설명한 과정에 따라 유사한 프레임을 포함하는 유사 영상을 검색하고, 이를 사용자 단말(200)에 제공할 수 있다.
본 발명의 다른 실시예에서, 사용자 단말(200)은 메모리(230)에 저장된 복수의 대기 영상 및 복수의 행동 영상중에서 제1 프레임과 유사한 프레임을 포함하는 유사 영상을 검색할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 영상 타입의 구분 없이 모든 타입의 영상을 유사 영상으로써 제공할 수 있다. 바꾸어말하면 행동 영상 및 대기 영상 모두 검색 결과로써 제공될 수 있다.
본 발명의 선택적 실시예에서, 본 발명의 일 실시예에 따른 사용자 단말(200)은 인터페이스(514)에 대한 사용자의 입력을 참조하여 유사 영상을 검색할 수도 있다. 가령 사용자 단말(200)은 인터페이스(514)에서 선택된 타입과 동일한 타입의 영상만을 유사 영상으로 제공할 수도 있고, 선택된 타입과 반대 타입의 영상만을 유사 영상으로 제공할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 하나 이상의 유사 영상 각각의 유사 프레임을 표시할 수 있다. (S1430) 가령 본 발명의 일 실시예에 따른 사용자 단말(200)은 도 12에 도시된 바와 같이 검색된 하나 이상의 유사 영상 각각에 대응되는 영상 객체(515, 516, 517, 518)를 표시할 수 있다.
또한 본 발명의 일 실시예에 따른 사용자 단말(200)은 유사 영상 별로 표시된 영상 객체 상에 섬네일을 포함하는 유사 프레임을 표시 할 수 있다. 이때 사용자 단말(200)은 표시된 영상 객체 상에서 유사 프레임이 표시되는 위치가 유사 영상에서 유사 프레임의 상대적 위치에 대응되도록 할 수 있다. 가령 '대기 영상 3'에서 유사 프레임(519)이 대략 유사 영상의 중간에 위치하는 경우, 사용자 단말(200)은 이와 같은 프레임의 위치를 고려하여 유사 프레임(519)을 영상 객체(515)의 중간에 표시할 수 있다.
한편 본 발명의 일 실시예에 따른 사용자 단말(200)은 검색된 유사 영상 별로 제1 프레임과 유사 프레임 간의 유사도를 표시할 수도 있다. 가령 사용자 단말(200)은 도 12에 도시된 바와 같이 '대기 영상 3'에 대한 영상 객체(515)에 인접하여 유사도(520)를 표시할 수도 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 하나 이상의 유사 영상 중 어느 하나를 선택하는 사용자의 입력을 획득할 수 있다.(S1440) 가령 사용자 단말(200)은 유사 영상 각각에 대응되는 영상 객체(515, 516, 517, 518) 중 어느 하나를 선택하는 사용자의 입력을 획득하는 방식으로 유사 영상을 선택하는 사용자의 입력을 획득할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 선택 된 유사 영상에 따르는 제1 영상을 촬영하기 위한 인터페이스를 제공할 수 있다.(S1450) 여기서 유사 영상에 '따르는' 제1 영상은 유사 영상에서의 아바타의 포즈와 제1 영상에서의 아바타의 포즈가 유사한 것을 의미할 수 있다.
도 13은 본 발명의 일 실시예에 따른 사용자 단말(200)에 유사 영상에 따르는 제1 영상을 촬용하기 위한 인터페이스가 표시된 화면(530)의 예시이다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 선택된 유사 영상에 대응되는 객체(539)와 객체(539) 상에 선택된 프레임 표시하는 섬네일 객체(538)를 표시하는 프레임 선택 인터페이스(537)를 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 프레임 선택 인터페이스(537)에서 사용자가 선택한 프레임에 따라 영상 제공 인터페이스(531)에 제공되는 아바타의 실루엣이 변경되도록 할 수 있다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 실시간 아바타(532)의 외형을 포함하는 제1 프레임(실시간 영상의 프레임)과 프레임 선택 인터페이스(537)에서 선택된 프레임 내에서의 아바타의 실루엣(533)을 오버랩 하여 표시하는 비교 영상을 제공하는 영상 제공 인터페이스(531)를 포함할 수 있다. 대상 객체(모델) 및/또는 촬영 감독 등은 표시된 실루엣(533)에 따라 포즈를 실시간으로 수정함으로써 선택된 프레임에 보다 근접하는 제1 영상을 촬영하도록 할 수 있다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 제1 프레임과 선택된 프레임의 비교 결과를 포함하는 촬영 가이드를 제공하는 가이드 제공 인터페이스(535)를 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 제1 영상과 선택된 유사 영상을 보다 유사하게 하기 위한 가이드를 생성하여 인터페이스(535)에 표시할 수 있다. 가령 사용자 단말(200)은 인터페이스(531)에서 아바타(532)의 외형과 실루엣(533)을 비교하고 아바타의 적절한 위치/포즈 등을 수정하기 위한 가이드를 생성하여 인터페이스(535)에 표시할 수 있다.
또한 사용자 단말(200)은 조명이나 카메라의 설정 파라미터(감도, 조리개 값, 배율 등과 같이 메타데이터상에 기록되는 항목들)의 비교를 통해 이를 수정하기 위한 가이드를 생성하여 인터페이스(535)에 표시할 수도 있다.
본 발명의 일 실시예에 따른 제1 영상을 촬영하기 위한 인터페이스는 제1 프레임의 촬영 시 영상 획득 장치의 설정값인 제1 설정값과 선택된 프레임의 촬영 시 상기 영상 획득 장치의 설정값인 제2 설정값을 비교하여 표시하는 설정값 표시 인터페이스(536)를 더 포함할 수 있다. 가령 설정값 표시 인터페이스(536)에는 제1 프레임의 히스토그램인 제1 히스토그램과 선택된 프레임의 제2 히스트로그램인 제2 히스토그램을 오버랩하여 표시하는 히스토그램 항목을 포함할 수 있다. 물론 설정값 표시 인터페이스(536)에는 히스토그램 항목 외에도 조리개 값, 셔터 속도 및 감광도 등이 더 포함될 수 있다.
한편 설정값 표시 인터페이스(536)는 제1 설정값 및 제2 설정값의 차이점이 구분되도록 표시 할 수 있다. 가령 도 13에 도시된 바와 같이 양 프레임의 촬영 시 조리개 값이 상이한 경우, 사용자 단말(200)은 조리개 항목이 나머지 항목과 구분되도록 표시할 수 있다.
이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 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.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 저장된 하나 이상의 영상과 연결 가능한 영상을 촬영하기 위한 영상 촬영 가이드를 제공하는 방법에 있어서,
    실시간으로 촬영중인 제1 영상을 표시하는 단계;
    저장된 하나 이상의 영상 중 상기 제1 영상의 제1 프레임과 유사한 프레임인 유사 프레임을 포함하는 하나 이상의 유사 영상을 검색하는 단계; 및
    상기 하나 이상의 유사 영상 각각의 유사 프레임을 표시하는 단계;를 포함하는, 영상 촬영 가이드 제공 방법.
  2. 청구항 1에 있어서
    상기 제1 영상을 표시하는 단계는
    촬영하고자 하는 영상 타입을 선택하는 인터페이스에 대한 사용자의 입력을 획득하는 단계; 및
    상기 제1 영상 상에 상기 영상 타입에 따른 촬영 가이드라인을 표시하는 단계;를 더 포함하는, 영상 촬영 가이드 제공 방법.
  3. 청구항 2에 있어서
    상기 영상 타입은 아바타의 대기 모습이 촬영된 영상인 대기 영상 타입 및 상기 아바타의 발화 모습이 촬영된 영상인 발화 영상 타입을 포함하고,
    상기 촬영 가이드라인을 표시하는 단계는
    상기 영상 타입이 상기 발화 영상 타입일 경우 상기 영상 타입이 대기 영상 타입일 때 보다 상기 아바타의 움직임 영역이 확장된 가이드라인을 표시하는, 영상 촬영 가이드 제공 방법.
  4. 청구항 1에 있어서
    상기 유사 프레임을 표시하는 단계는
    상기 하나 이상의 유사 영상 각각에 대응되는 영상 객체를 표시하는 단계; 및
    유사 영상 별로 상기 영상 객체 상에 섬네일을 포함하는 유사 프레임을 표시하는 단계로써, 상기 영상 객체 상에서 상기 유사 프레임이 표시되는 위치는 상기 유사 영상에서 상기 유사 프레임의 상대적 위치에 대응되는;를 더 포함하는, 영상 촬영 가이드 제공 방법.
  5. 청구항 4에 있어서
    상기 유사 프레임을 표시하는 단계는
    상기 유사 영상 별로 상기 영상 객체에 인접하여 상기 제1 프레임과 유사 프레임 간의 유사도를 표시하는 단계;를 더 포함하는, 영상 촬영 가이드 제공 방법.
  6. 청구항 1에 있어서
    상기 영상 촬영 가이드를 제공하는 방법은
    상기 유사 프레임을 표시하는 단계 이후에,
    상기 하나 이상의 유사 영상 중 어느 하나를 선택하는 사용자의 입력을 획득하는 단계; 및
    상기 선택 된 유사 영상에 따르는 상기 제1 영상을 촬영하기 위한 인터페이스를 제공하는 단계;를 더 포함하는, 영상 촬영 가이드 제공 방법.
  7. 청구항 6에 있어서
    상기 인터페이스는
    상기 선택된 유사 영상에 대응되는 객체와 상기 선택된 유사 영상에 대응되는 객체 상에 선택된 프레임 표시하는 섬네일 객체를 표시하는 프레임 선택 인터페이스,
    상기 제1 프레임과 상기 선택 인터페이스에 선택된 프레임 내에서 아바타의 실루엣을 오버랩 하여 표시하는 비교 영상을 제공하는 영상 제공 인터페이스 및
    상기 제1 프레임과 상기 선택된 프레임의 비교 결과를 포함하는 촬영 가이드를 제공하는 가이드 제공 인터페이스를 포함하는, 영상 촬영 가이드 제공 방법.
  8. 청구항 7에 있어서
    상기 인터페이스는
    상기 제1 프레임의 촬영 시 영상 획득 장치의 설정값인 제1 설정값과 상기 선택된 프레임의 촬영 시 상기 영상 획득 장치의 설정값인 제2 설정값을 비교하여 표시하되, 상기 제1 설정값 및 상기 제2 설정값의 차이점이 구분되도록 표시하는 설정값 표시 인터페이스를 더 포함하는, 영상 촬영 가이드 제공 방법.
  9. 청구항 8에 있어서
    상기 설정값 표시 인터페이스는
    상기 제1 프레임의 히스토그램인 제1 히스토그램과 상기 선택된 프레임의 제2 히스트로그램인 제2 히스토그램을 오버랩하여 표시하는 히스토그램 항목을 포함하는, 영상 촬영 가이드 제공 방법.
  10. 컴퓨터를 이용하여
    청구항 1 내지 청구항 9 중 어느 한 항의 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램.
PCT/KR2021/016165 2021-10-06 2021-11-08 영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램 WO2023058813A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0132688 2021-10-06
KR1020210132688A KR102604672B1 (ko) 2021-10-06 2021-10-06 영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
WO2023058813A1 true WO2023058813A1 (ko) 2023-04-13

Family

ID=85804418

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/016165 WO2023058813A1 (ko) 2021-10-06 2021-11-08 영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램

Country Status (2)

Country Link
KR (1) KR102604672B1 (ko)
WO (1) WO2023058813A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017094527A1 (ja) * 2015-12-04 2017-06-08 日本電産株式会社 動画生成システムおよび動画表示システム
US20180240279A1 (en) * 2017-02-22 2018-08-23 Adobe Systems Incorporated Multi-Video Registration for Video Synthesis
JP6524997B2 (ja) * 2014-03-27 2019-06-05 ノーリツプレシジョン株式会社 画像処理装置
JP2021022912A (ja) * 2019-07-30 2021-02-18 国立大学法人 東京大学 映像合成装置
KR102281298B1 (ko) * 2020-04-22 2021-07-23 이정현 인공지능 기반 동영상 합성을 위한 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6524997B2 (ja) * 2014-03-27 2019-06-05 ノーリツプレシジョン株式会社 画像処理装置
WO2017094527A1 (ja) * 2015-12-04 2017-06-08 日本電産株式会社 動画生成システムおよび動画表示システム
US20180240279A1 (en) * 2017-02-22 2018-08-23 Adobe Systems Incorporated Multi-Video Registration for Video Synthesis
JP2021022912A (ja) * 2019-07-30 2021-02-18 国立大学法人 東京大学 映像合成装置
KR102281298B1 (ko) * 2020-04-22 2021-07-23 이정현 인공지능 기반 동영상 합성을 위한 시스템 및 방법

Also Published As

Publication number Publication date
KR20230049473A (ko) 2023-04-13
KR102604672B1 (ko) 2023-11-23

Similar Documents

Publication Publication Date Title
WO2020159232A1 (en) Method, apparatus, electronic device and computer readable storage medium for image searching
WO2020105948A1 (en) Image processing apparatus and control method thereof
WO2019103484A1 (ko) 인공지능을 이용한 멀티모달 감성인식 장치, 방법 및 저장매체
WO2019132518A1 (en) Image acquisition device and method of controlling the same
WO2018128362A1 (en) Electronic apparatus and method of operating the same
EP3545436A1 (en) Electronic apparatus and method of operating the same
WO2020235852A1 (ko) 특정 순간에 관한 사진 또는 동영상을 자동으로 촬영하는 디바이스 및 그 동작 방법
WO2017164640A1 (en) System and method for editing video contents automatically technical field
WO2020241934A1 (ko) 멀티 센서를 동기화시켜 위치를 추정하는 방법 및 이를 구현하는 로봇
WO2016126083A1 (ko) 주변 상황 정보를 통지하기 위한 방법, 전자 장치 및 저장 매체
WO2020101420A1 (ko) 증강현실 기기의 광학 특성 측정 방법 및 장치
WO2022025441A1 (ko) 전방위 이미지 촬영 어셈블리 및 이에 의해 수행되는 방법
WO2023171981A1 (ko) 감시카메라 관리 장치
WO2021025509A1 (en) Apparatus and method for displaying graphic elements according to object
WO2019190142A1 (en) Method and device for processing image
WO2022031041A1 (ko) 단말에 3d 캐릭터 이미지를 제공하는 엣지 데이터 네트워크 및 그 동작 방법
WO2022092451A1 (ko) 딥러닝을 이용한 실내 위치 측위 방법
WO2022010177A1 (en) Device and method for generating summary video
EP3707678A1 (en) Method and device for processing image
EP3545685A1 (en) Method and apparatus for filtering video
WO2023058813A1 (ko) 영상 촬영 가이드 제공 방법, 장치 및 컴퓨터 프로그램
WO2023058812A1 (ko) 영상 전환 방법, 장치 및 컴퓨터 프로그램
WO2022225375A1 (ko) 병렬처리 파이프라인을 이용한 다중 dnn 기반 얼굴 인식 방법 및 장치
EP4352690A1 (en) Method and system for automatically capturing and processing an image of a user
WO2021158040A1 (ko) 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE