WO2024014777A1 - 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치 - Google Patents

비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치 Download PDF

Info

Publication number
WO2024014777A1
WO2024014777A1 PCT/KR2023/009474 KR2023009474W WO2024014777A1 WO 2024014777 A1 WO2024014777 A1 WO 2024014777A1 KR 2023009474 W KR2023009474 W KR 2023009474W WO 2024014777 A1 WO2024014777 A1 WO 2024014777A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
data
viewpoint
coordinate system
converted
Prior art date
Application number
PCT/KR2023/009474
Other languages
English (en)
French (fr)
Inventor
최성광
Original Assignee
주식회사 브이알크루
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 브이알크루 filed Critical 주식회사 브이알크루
Publication of WO2024014777A1 publication Critical patent/WO2024014777A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Definitions

  • This disclosure relates to image processing and more specifically to visual localization.
  • GNSS Global Navigation Satellite System
  • VPS Vehicle Positioning System
  • VPS technology can also be expressed as visual localization technology, which refers to a technology that estimates the current location or pose of a device using images taken indoors or outdoors.
  • Pose estimation of a device refers to determining the translation and rotation information of a dynamically changing camera viewpoint. This camera pose estimation technology is being used in a variety of fields such as mixed reality, augmented reality, robot navigating, and 3-Dimensional Scene Reconstruction.
  • US registered patent US10,977,554 has been issued.
  • This disclosure was made in response to the above-described background technology, and is intended to efficiently generate learning data in a model for estimating camera pose.
  • the present disclosure is intended to increase the accuracy of camera pose estimation and efficiently use time and/or resources required for camera pose estimation.
  • a method performed by a computing device includes: acquiring a first image and a first depth map from an imaging device; Obtaining transformed 3D data including a transformed image and a transformed depth map by applying a viewpoint transformation to the first image and the first depth map; Acquiring first feature points corresponding to the converted image using a pre-trained artificial intelligence-based first feature point acquisition model; Obtaining restored 3D data by applying viewpoint inverse transformation to the converted image including the converted depth map and the first feature points; Based on the restored 3D data, it may include generating labeling information corresponding to the first image.
  • obtaining the first image and the first depth map from the photographing device includes obtaining the first image, the first depth map, and camera information of the photographing device from the photographing device. can do.
  • the step of acquiring the converted 3D data including the converted image and the converted depth map is: converting the first image having a pixel coordinate system into a normalized coordinate system using the camera information. converting; Converting the first image having the normalized coordinate system into a three-dimensional camera coordinate system using the obtained depth map; and obtaining the transformed 3D data including the transformed image and the transformed depth map by applying viewpoint transformation to the first image having the camera coordinate system.
  • the viewpoint transformation is performed by converting the converted first image to be based on a three-dimensional camera coordinate system indicating the location of the photographing device and the direction in which the photographing device is looking from a first coordinate value on the camera coordinate system. It can be converted to a second coordinate value that is different from the first coordinate value.
  • the viewpoint transformation may include a rotation matrix and a translation vector.
  • the viewpoint transformation can be performed using a rotation matrix and translation vector.
  • the step of obtaining the transformed 3D data includes applying a plurality of viewpoint transformations in which at least one of the rotation matrix and the translation vector is different from the first image and the first depth map, by applying a plurality of viewpoint transformations to the first image and the first depth map. It may include obtaining a plurality of converted 3D data including converted images and a plurality of converted depth maps.
  • the step of generating labeling information corresponding to the first image includes generating the labeling information corresponding to the first image based on a plurality of restored 3D data corresponding to each of the plurality of converted 3D data. May include steps.
  • a unique transformation matrix may be applied to each pixel of the first image.
  • the first image may be acquired from the photographing device in an unlabeled state.
  • Generating labeling information corresponding to the first image may include generating the labeling information indicating feature points corresponding to the first image.
  • the first feature point acquisition model corresponds to a pre-trained model based on supervised learning to recognize as a feature point a point where the amount of change in at least one of color or geometric pattern in the object exceeds a predetermined threshold. It can be.
  • the viewpoint inverse transformation includes a rotation matrix (R -1 ) corresponding to the inverse of the rotation matrix (R) used in the viewpoint transformation, and a translation vector used in the viewpoint transformation.
  • the translational vector (-R -1 * T) corresponding to the inverse of (T) can be used.
  • the step of acquiring first feature points corresponding to the converted image includes: using the converted depth map, converting the converted 3D data having a 3D camera coordinate system into a normalized coordinate system to create a 2D image. acquiring data; Obtaining the converted image by converting the two-dimensional data having the normalized coordinate system into a pixel coordinate system based on camera information of the photographing device obtained from the photographing device; and inputting the converted image into the first feature point acquisition model to obtain first feature points corresponding to the converted image.
  • the step of acquiring the restored 3D data includes: obtaining the converted image including the first feature points by combining the first feature points with the converted image; Converting the converted image including the first feature points into a normalized coordinate system using camera information of the photographing device obtained from the photographing device; Converting the converted image including the first feature points having the normalized coordinate system into a three-dimensional camera coordinate system using the converted depth map; and obtaining the restored 3D data by applying viewpoint inverse transformation to the converted image including the first feature points having the 3D camera coordinate system.
  • generating labeling information corresponding to the image includes: applying a reconstructed depth map in the reconstructed 3D data to the reconstructed 3D data. , obtaining 2D reconstructed data having a 2D normalized coordinate system from the reconstructed 3D data having a 3D camera coordinate system; and a reconstructed image by converting the two-dimensional reconstructed data into a pixel coordinate system based on applying camera information of the photographing device obtained from the photographing device to the two-dimensional reconstructed data having the two-dimensional normalized coordinate system.
  • Obtaining a It may include generating labeling information corresponding to the first image based on the reconstructed image having the pixel coordinate system.
  • the method uses a first training dataset including the first image and labeling information corresponding to the first image to generate first input data corresponding to a first viewpoint of the photographing device. And it further includes training a second feature point acquisition model to output feature points corresponding to the second input data corresponding to the second viewpoint, where the first viewpoint and the second viewpoint are different from each other. You can have a viewpoint.
  • the step of training the second feature point acquisition model includes: generating second training data having the second viewpoint by applying the viewpoint transformation to the first training data having the first viewpoint. steps; Inputting the first learning data into the second feature point acquisition model to obtain second feature points corresponding to the first learning data; acquiring third feature points corresponding to the second learning data by inputting the second learning data into the second feature point acquisition model; Restoring the viewpoint of the second learning data in which the third feature points are reflected to the first viewpoint by applying the viewpoint inverse transformation to the second learning data in which the third feature points are reflected; And it will include the step of training the second feature point acquisition model based on comparing the position information of the third feature points in the second learning data restored to the first viewpoint with the position information of the second feature points. You can.
  • the step of training the second feature point acquisition model is such that the position information of the third feature points in the second learning data restored to the first viewpoint is the same as the position information of the second feature points. It can be based on a set loss function.
  • a computer program stored on a computer-readable storage medium when executed by a computing device, causes the computing device to perform the following operations, which operations include: obtaining a first image and a first depth map from an imaging device; Obtaining transformed 3D data including a transformed image and a transformed depth map by applying viewpoint transformation to the first image and the first depth map; An operation of acquiring first feature points corresponding to the converted image using a pre-trained artificial intelligence-based first feature point acquisition model; Obtaining restored 3D data by applying viewpoint inverse transformation to the converted image including the converted depth map and the first feature points; Based on the restored 3D data, the method may include generating labeling information corresponding to the first image.
  • a computing device includes at least one processor; and memory.
  • the at least one processor is configured to: obtain a first image and a first depth map from an imaging device; Obtaining transformed 3D data including a transformed image and a transformed depth map by applying viewpoint transformation to the first image and the first depth map; An operation of acquiring first feature points corresponding to the converted image using a pre-trained artificial intelligence-based first feature point acquisition model; Obtaining restored 3D data by applying viewpoint inverse transformation to the converted image including the converted depth map and the first feature points; Based on the restored 3D data, an operation of generating labeling information corresponding to the first image may be performed.
  • a method, apparatus, and computer program according to an embodiment of the present disclosure can efficiently generate training data in a model for estimating a camera pose.
  • a method, device, and computer program according to an embodiment of the present disclosure can increase the accuracy of camera pose estimation and efficiently use time and/or resources required for camera pose estimation.
  • FIG. 1 schematically shows a block diagram of a computing device according to an embodiment of the present disclosure.
  • Figure 2 is a schematic diagram illustrating a network function according to an embodiment of the present disclosure.
  • Figure 3 exemplarily shows a method of generating labeling information for an image based on viewpoint transformation according to an embodiment of the present disclosure.
  • Figure 4 exemplarily shows a method of generating labeling information for an image based on viewpoint transformation according to an embodiment of the present disclosure.
  • Figure 5 exemplarily illustrates viewpoint conversion according to an embodiment of the present disclosure.
  • FIG. 6 exemplarily illustrates transformation of coordinate systems based on viewpoint transformation according to an embodiment of the present disclosure.
  • Figure 7 exemplarily shows a learning method of a second feature point acquisition model according to an embodiment of the present disclosure.
  • FIG. 8 shows a brief, general schematic diagram of an example computing environment in which embodiments of the present disclosure may be implemented.
  • a component may be, but is not limited to, a process running on a processor, a processor, an object, a thread of execution, a program, and/or a computer.
  • an application running on a computing device and the computing device can be a component.
  • One or more components may reside within a processor and/or thread of execution.
  • a component may be localized within one computer.
  • a component may be distributed between two or more computers. Additionally, these components can execute from various computer-readable media having various data structures stored thereon.
  • Components can transmit signals, for example, with one or more data packets (e.g., data and/or signals from one component interacting with other components in a local system, a distributed system, to other systems and over a network such as the Internet). Depending on the data being transmitted, they may communicate through local and/or remote processes.
  • data packets e.g., data and/or signals from one component interacting with other components in a local system, a distributed system, to other systems and over a network such as the Internet.
  • a network such as the Internet
  • the term “or” is intended to mean an inclusive “or” and not an exclusive “or.” That is, unless otherwise specified or clear from context, “X utilizes A or B” is intended to mean one of the natural implicit substitutions. That is, either X uses A; X uses B; Or, if X uses both A and B, “X uses A or B” can apply to either of these cases. Additionally, the term “and/or” as used herein should be understood to refer to and include all possible combinations of one or more of the related listed items.
  • the term “at least one of A or B” should be interpreted to mean “a case containing only A,” “a case containing only B,” and “a case of combining A and B.”
  • N such as first, second, or third
  • first and second may be the same or different from each other.
  • Terms expressed as 1-1, 1-2, and 2-1, 2-2 may also be used to distinguish a plurality of entities.
  • visual localization refers to a technology for estimating the current location or pose of a device using images taken indoors or outdoors.
  • Pose estimation of a device refers to determining the translation and rotation information of a dynamically changing camera viewpoint.
  • the first image in the present disclosure includes, for example, an image captured by a photographing device, and the pose of the device corresponding to the first image is determined using the first image and a reference image stored in a server, etc. Or it can be estimated.
  • a reference image in the present disclosure may include a pre-stored image used for pose estimation of the device that captured the first image.
  • Reference images may include actual images taken in a specific area to implement, for example, augmented reality or virtual reality.
  • this reference image may be stored on computing device 100 or another computing device. Metadata mapped to the reference image can also be used to estimate the pose of the device.
  • Metadata may be used in performing visual localization in this disclosure.
  • metadata may include additional information other than the image, such as information related to the device, pixel coordinate information of feature points, descriptor of feature points, landmark information obtained from the image, character information obtained from the image, etc. .
  • additional information such as information related to the device, pixel coordinate information of feature points, descriptor of feature points, landmark information obtained from the image, character information obtained from the image, etc.
  • by using various forms of metadata comparison between images captured by a photographing device and pre-stored reference images can be made more smoothly, and further, in an accurate manner using fewer computing resources. Camera pose estimation can be performed.
  • Viewpoint transformation in the present disclosure may mean changing the location and/or viewing direction of a photographing device that photographs a specific object.
  • viewpoint transformation may mean transformation of the visual localization value of the shooting device.
  • viewpoint transformation converts the first image converted to be based on a three-dimensional camera coordinate system indicating the location of the photographing device and the direction in which the photographing device is looking from a first coordinate value on the camera coordinate system to the first coordinate value. This may mean converting to a different second coordinate value.
  • viewpoint transformation when performing viewpoint transformation, at least one of a rotation matrix and a translation vector may be used.
  • FIG. 1 schematically shows a block diagram of a computing device 100 according to an embodiment of the present disclosure.
  • Computing device 100 may include a processor 110 and a memory 130.
  • the configuration of the computing device 100 shown in FIG. 1 is only a simplified example.
  • the computing device 100 may include different configurations for performing the computing environment of the computing device 100, and only some of the disclosed configurations may configure the computing device 100.
  • the computing device 100 in the present disclosure may refer to any type of node constituting a system for implementing embodiments of the present disclosure.
  • Computing device 100 may refer to any type of user terminal or any type of server.
  • the components of the computing device 100 described above are exemplary and some may be excluded or additional components may be included.
  • an output unit (not shown) and an input unit (not shown) may be included within the scope of the computing device 100.
  • the client's device in the present disclosure may mean a device for acquiring an image.
  • the first image may be included in information captured by the client device.
  • the query image captured by the client device may be used, for example, for comparison with a reference image within the server, and thus the pose of the client device at the time of capture may be determined.
  • the computing device 100 in the present disclosure may perform technical features according to embodiments of the present disclosure, which will be described later.
  • the computing device 100 may generate and/or augment data for learning an artificial intelligence-based model.
  • Computing device 100 in the present disclosure obtains a first image and a first depth map from an imaging device, and applies a viewpoint transformation to the first image and the first depth map, thereby producing a transformed image and a transformed depth map.
  • Obtain converted 3D data including, acquire first feature points corresponding to the converted image using a pre-trained artificial intelligence-based first feature point acquisition model, and obtain the converted depth map and the first feature point.
  • Obtaining restored 3D data by applying viewpoint inverse transformation to the converted image containing feature points, and generating labeling information corresponding to the first image based on the restored 3D data. can do.
  • the computing device 100 can automatically generate accurate labeling information corresponding to the captured first image.
  • a feature point extraction model that provides constant feature points and descriptors can be constructed even if the viewpoint for shooting changes.
  • the processor 110 may consist of at least one core, including a central processing unit (CPU) and a general purpose graphics processing unit (GPGPU) of the computing device 100. , may include a processor for data analysis and/or processing, such as a tensor processing unit (TPU).
  • CPU central processing unit
  • GPU general purpose graphics processing unit
  • TPU tensor processing unit
  • the processor 110 reads the computer program stored in the memory 130 and uses methods of visual localization according to an embodiment of the present disclosure (e.g., a methodology for building a feature point extraction model and/or a methodology for generating learning data for a feature point extraction model). ) can be performed.
  • the processor 110 reads the computer program stored in the memory 130 and uses methods of visual localization according to an embodiment of the present disclosure (e.g., a methodology for building a feature point extraction model and/or learning data for a feature point extraction model). creation methodology) can be performed.
  • the processor 110 may perform an operation for learning a neural network.
  • the processor 110 is used for learning neural networks, such as processing input data for learning in deep learning (DL), extracting features from input data, calculating errors, and updating the weights of the neural network using backpropagation. Calculations can be performed.
  • At least one of the CPU, GPGPU, and TPU of the processor 110 may process learning of the network function.
  • CPU and GPGPU can work together to process learning of network functions and data classification using network functions.
  • processors of a plurality of computing devices may be used together to process learning of a network function and data classification using a network function.
  • a computer program executed in a computing device according to an embodiment of the present disclosure may be a CPU, GPGPU, or TPU executable program. Operations for a neural network according to an embodiment of the present disclosure will be described later with reference to FIG. 2.
  • processor 110 may typically handle overall operations of computing device 100.
  • the processor 110 processes data, information, or signals input or output through components included in the computing device 100 or runs an application program stored in the storage to provide information or information appropriate to the user. Functions can be provided or processed.
  • the memory 130 may store any type of information generated or determined by the processor 110 and any type of information received by the computing device 100.
  • the memory 130 may be a storage medium that stores computer software that allows the processor 110 to perform operations according to embodiments of the present disclosure.
  • the memory 130 may refer to computer readable media for storing software code required to perform embodiments of the present disclosure, data to be executed by the code, and execution results of the code.
  • the memory 130 may refer to any type of storage medium.
  • the memory 130 may be a flash memory type or a hard disk type.
  • multimedia card micro type card type memory (e.g. SD or XD memory, etc.), RAM (Random Access Memory), SRAM (Static Random Access Memory), ROM (Read-Only) Memory, ROM), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory), magnetic memory, magnetic disk, and optical disk.
  • the computing device 100 may operate in connection with web storage that performs a storage function of the memory 130 on the Internet.
  • the description of the memory described above is merely an example, and the memory 130 used in the present disclosure is not limited to the examples described above.
  • the communication unit (not shown) in the present disclosure can be configured regardless of the communication mode, such as wired or wireless, and can be used in various communication networks such as a personal area network (PAN) and a wide area network (WAN). It can be configured.
  • the network unit 150 can operate based on the well-known World Wide Web (WWW), and is a wireless transmission technology used for short-distance communication such as Infrared Data Association (IrDA) or Bluetooth. You can also use .
  • WWW World Wide Web
  • IrDA Infrared Data Association
  • Bluetooth Bluetooth
  • Computing device 100 in the present disclosure may include any type of user terminal and/or any type of server. Accordingly, embodiments of the present disclosure may be performed by a server and/or a user terminal.
  • a user terminal may include any type of terminal capable of interacting with a server or other computing device.
  • User terminals include, for example, mobile phones, smart phones, laptop computers, personal digital assistants (PDAs), slate PCs, tablet PCs, and ultrabooks. It can be included.
  • the photographing device in the present disclosure may include the user terminal described above.
  • the imaging device may include modules for generating a depth map. Accordingly, the imaging device may generate an image and/or a depth map and transmit it to the computing device 100.
  • a photographing device may refer to any type of equipment for detecting an optical image, converting it into an electrical signal, and transmitting it to the computing device 100.
  • the imaging device may include at least one of a camera, scanner, Lidar, and/or vision sensor.
  • the computing device 100 may include a photographing device or may be linked to an external device wirelessly or wired.
  • Servers may include any type of computing system or computing device, such as, for example, microprocessors, mainframe computers, digital processors, portable devices, and device controllers.
  • the above-described server may include a storage unit (not shown) that stores and manages a reference image, metadata corresponding to the reference image, 3D map, etc.
  • This storage may be included within the server or may exist under the management of the server.
  • the storage unit may be implemented in a form that exists outside the server and can communicate with the server. In this case, the storage may be managed and controlled by an external server that is different from the server.
  • the computing device 100 may acquire feature points using various artificial intelligence-based models.
  • the computing device 100 may acquire a feature point corresponding to the first image using a feature point acquisition model, which is an artificial intelligence-based model.
  • the feature point acquisition model may include a neural network built through deep learning or machine learning.
  • the feature point acquisition model may acquire feature points from the image and/or depth map included in the input data.
  • an image in the present disclosure may include at least one red-green-blue (RGB) image and/or at least one grayscale image.
  • RGB red-green-blue
  • the depth map in the present disclosure may include an image or information indicating the relative distances of each pixel present in a specific image. Accordingly, the depth map may include information related to the distance from the location where the image is taken to the surface of the subject.
  • Figure 2 is a schematic diagram showing a network function according to an embodiment of the present disclosure.
  • a feature point acquisition model (eg, a first feature point acquisition model and/or a second feature point acquisition model) may correspond to an artificial intelligence-based model that will be described in detail below.
  • a neural network can generally consist of a set of interconnected computational units, which can be referred to as nodes. These nodes may also be referred to as neurons.
  • a neural network consists of at least one node. Nodes (or neurons) that make up neural networks may be interconnected by one or more links.
  • one or more nodes connected through a link may form a relative input node and output node relationship.
  • the concepts of input node and output node are relative, and any node in an output node relationship with one node may be in an input node relationship with another node, and vice versa.
  • input node to output node relationships can be created around links.
  • One or more output nodes can be connected to one input node through a link, and vice versa.
  • the value of the data of the output node may be determined based on the data input to the input node.
  • the link connecting the input node and the output node may have a weight. Weights may be variable and may be varied by the user or algorithm in order for the neural network to perform the desired function. For example, when one or more input nodes are connected to one output node by respective links, the output node is set to the values input to the input nodes connected to the output node and the links corresponding to each input node. The output node value can be determined based on the weight.
  • one or more nodes are interconnected through one or more links to form an input node and output node relationship within the neural network.
  • the characteristics of the neural network can be determined according to the number of nodes and links within the neural network, the correlation between the nodes and links, and the value of the weight assigned to each link. For example, if the same number of nodes and links exist and two neural networks with different weight values of the links exist, the two neural networks may be recognized as different from each other.
  • a neural network may consist of a set of one or more nodes.
  • a subset of nodes that make up a neural network can form a layer.
  • Some of the nodes constituting the neural network may form one layer based on the distances from the first input node.
  • a set of nodes with a distance n from the initial input node may constitute n layers.
  • the distance from the initial input node can be defined by the minimum number of links that must be passed to reach the node from the initial input node.
  • this definition of a layer is arbitrary for explanation purposes, and the order of a layer within a neural network may be defined in a different way than described above.
  • a layer of nodes may be defined by distance from the final output node.
  • the initial input node may refer to one or more nodes in the neural network through which data is directly input without going through links in relationships with other nodes.
  • a neural network network in the relationship between nodes based on links, it may mean nodes that do not have other input nodes connected by links.
  • the final output node may refer to one or more nodes that do not have an output node in their relationship with other nodes among the nodes in the neural network.
  • hidden nodes may refer to nodes constituting a neural network other than the first input node and the last output node.
  • the neural network according to an embodiment of the present disclosure is a neural network in which the number of nodes in the input layer may be the same as the number of nodes in the output layer, and the number of nodes decreases and then increases again as it progresses from the input layer to the hidden layer. You can.
  • the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes in the input layer may be less than the number of nodes in the output layer, and the number of nodes decreases as it progresses from the input layer to the hidden layer. there is.
  • the neural network according to another embodiment of the present disclosure may be a neural network in which the number of nodes in the input layer may be greater than the number of nodes in the output layer, and the number of nodes increases as it progresses from the input layer to the hidden layer. You can.
  • a neural network according to another embodiment of the present disclosure may be a neural network that is a combination of the above-described neural networks.
  • a deep neural network may refer to a neural network that includes multiple hidden layers in addition to the input layer and output layer. Deep neural networks allow you to identify latent structures in data. In other words, it is possible to identify the potential structure of a photo, text, video, voice, or music (e.g., what object is in the photo, what the content and emotion of the text are, what the content and emotion of the voice are, etc.) . Deep neural networks include convolutional neural network (CNN), recurrent neural network (RNN), auto encoder, restricted Boltzmann machine (RBM), and deep trust network ( It may include deep belief network (DBN), Q network, U network, Siamese network, generative adversarial network (GAN), etc. The description of the deep neural network described above is only an example and the present disclosure is not limited thereto.
  • a neural network may be trained in at least one of supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning.
  • Learning of a neural network may be a process of applying knowledge for the neural network to perform a specific operation to the neural network.
  • Neural networks can be trained to minimize output errors.
  • neural network learning learning data is repeatedly input into the neural network, the output of the neural network and the error of the target for the learning data are calculated, and the error of the neural network is transferred from the output layer of the neural network to the input layer in the direction of reducing the error. This is the process of updating the weight of each node in the neural network through backpropagation.
  • learning data in which the correct answer is labeled for each learning data is used i.e., labeled learning data
  • the correct answer may not be labeled in each learning data.
  • the training data may be data in which each training data is labeled with a category. Labeled training data is input to the neural network, and the error can be calculated by comparing the output (category) of the neural network with the label of the training data.
  • the error can be calculated by comparing the input training data with the neural network output. The calculated error is backpropagated in the reverse direction (i.e., from the output layer to the input layer) in the neural network, and the connection weight of each node in each layer of the neural network can be updated according to backpropagation. The amount of change in the connection weight of each updated node may be determined according to the learning rate.
  • the neural network's calculation of input data and backpropagation of errors can constitute a learning cycle (epoch).
  • the learning rate may be applied differently depending on the number of repetitions of the learning cycle of the neural network. For example, in the early stages of neural network training, a high learning rate can be used to increase efficiency by allowing the neural network to quickly achieve a certain level of performance, and in the later stages of training, a low learning rate can be used to increase accuracy.
  • the training data can generally be a subset of real data (i.e., the data to be processed using the learned neural network), and thus the error for the training data is reduced, but the error for the real data is reduced. There may be an incremental learning cycle.
  • Overfitting is a phenomenon in which errors in actual data increase due to excessive learning on training data. For example, a phenomenon in which a neural network that learned a cat by showing a yellow cat fails to recognize that it is a cat when it sees a non-yellow cat may be a type of overfitting. Overfitting can cause errors in machine learning algorithms to increase. To prevent such overfitting, various optimization methods can be used. To prevent overfitting, methods such as increasing the learning data, regularization, dropout to disable some of the network nodes during the learning process, and use of a batch normalization layer can be applied. You can.
  • a computer-readable medium storing a data structure according to an embodiment of the present disclosure is disclosed.
  • Data structure can refer to the organization, management, and storage of data to enable efficient access and modification of data.
  • Data structure can refer to the organization of data to solve a specific problem (e.g., retrieving data, storing data, or modifying data in the shortest possible time).
  • a data structure may be defined as a physical or logical relationship between data elements designed to support a specific data processing function.
  • Logical relationships between data elements may include connection relationships between user-defined data elements.
  • Physical relationships between data elements may include actual relationships between data elements that are physically stored in a computer-readable storage medium (e.g., a persistent storage device).
  • a data structure may specifically include a set of data, relationships between data, and functions or instructions applicable to the data. Effectively designed data structures allow computing devices to perform computations while minimizing the use of the computing device's resources. Specifically, computing devices can increase the efficiency of operations, reading, insertion, deletion, comparison, exchange, and search through effectively designed data structures.
  • Data structures can be divided into linear data structures and non-linear data structures depending on the type of data structure.
  • a linear data structure may be a structure in which only one piece of data is connected to another piece of data.
  • Linear data structures may include List, Stack, Queue, and Deque.
  • a list can refer to a set of data that has an internal order.
  • the list may include a linked list.
  • a linked list may be a data structure in which data is connected in such a way that each data is connected in a single line with a pointer. In a linked list, a pointer may contain connection information to the next or previous data.
  • a linked list can be expressed as a singly linked list, a doubly linked list, or a circularly linked list.
  • a stack may be a data listing structure that allows limited access to data.
  • a stack can be a linear data structure in which data can be processed (for example, inserted or deleted) at only one end of the data structure.
  • Data stored in the stack may have a data structure (LIFO-Last in First Out) where the later it enters, the sooner it comes out.
  • a queue is a data listing structure that allows limited access to data. Unlike the stack, it can be a data structure (FIFO-First in First Out) where data stored later is released later.
  • a deck can be a data structure that can process data at both ends of the data structure.
  • a non-linear data structure may be a structure in which multiple pieces of data are connected behind one piece of data.
  • Nonlinear data structures may include graph data structures.
  • a graph data structure can be defined by vertices and edges, and an edge can include a line connecting two different vertices.
  • Graph data structure may include a tree data structure.
  • a tree data structure may be a data structure in which there is only one path connecting two different vertices among a plurality of vertices included in the tree. In other words, it may be a data structure that does not form a loop in the graph data structure.
  • Data structures may include neural networks. And the data structure including the neural network may be stored in a computer-readable medium. Data structures including neural networks also include data preprocessed for processing by a neural network, data input to the neural network, weights of the neural network, hyperparameters of the neural network, data acquired from the neural network, activation functions associated with each node or layer of the neural network, neural network It may include a loss function for learning.
  • a data structure containing a neural network may include any of the components disclosed above.
  • the data structure including the neural network includes data preprocessed for processing by the neural network, data input to the neural network, weights of the neural network, hyperparameters of the neural network, data acquired from the neural network, activation functions associated with each node or layer of the neural network, neural network It may be configured to include all or any combination of the loss function for learning.
  • a data structure containing a neural network may include any other information that determines the characteristics of the neural network.
  • the data structure may include all types of data used or generated in the computational process of a neural network and is not limited to the above.
  • Computer-readable media may include computer-readable recording media and/or computer-readable transmission media.
  • a neural network can generally consist of a set of interconnected computational units, which can be referred to as nodes. These nodes may also be referred to as neurons.
  • a neural network consists of at least one node.
  • the data structure may include data input to the neural network.
  • a data structure containing data input to a neural network may be stored in a computer-readable medium.
  • Data input to the neural network may include learning data input during the neural network learning process and/or input data input to the neural network on which training has been completed.
  • Data input to the neural network may include data that has undergone pre-processing and/or data subject to pre-processing.
  • Preprocessing may include a data processing process to input data into a neural network. Therefore, the data structure may include data subject to preprocessing and data generated by preprocessing.
  • the above-described data structure is only an example and the present disclosure is not limited thereto.
  • the data structure may include the weights of the neural network.
  • weights and parameters may be used interchangeably.
  • the data structure including the weights of the neural network may be stored in a computer-readable medium.
  • a neural network may include multiple weights. Weights may be variable and may be varied by the user or algorithm in order for the neural network to perform the desired function. For example, when one or more input nodes are connected to one output node by respective links, the output node is set to the values input to the input nodes connected to the output node and the links corresponding to each input node. Based on the weight, the data value output from the output node can be determined.
  • the above-described data structure is only an example and the present disclosure is not limited thereto.
  • the weights may include weights that are changed during the neural network learning process and/or weights for which neural network learning has been completed.
  • Weights that change during the neural network learning process may include weights that change at the start of the learning cycle and/or weights that change during the learning cycle.
  • the above-described data structure is only an example and the present disclosure is not limited thereto.
  • the data structure including the weights of the neural network may be stored in a computer-readable storage medium (e.g., memory, hard disk) after going through a serialization process.
  • Serialization can be the process of converting a data structure into a form that can be stored on the same or a different computing device and later reorganized and used.
  • Computing devices can transmit and receive data over a network by serializing data structures.
  • Data structures containing the weights of a serialized neural network can be reconstructed on the same computing device or on a different computing device through deserialization.
  • the data structure including the weights of the neural network is not limited to serialization.
  • the data structure including the weights of the neural network is a data structure to increase computational efficiency while minimizing the use of computing device resources (e.g., in non-linear data structures, B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree) may be included.
  • computing device resources e.g., in non-linear data structures, B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree.
  • the data structure may include hyper-parameters of a neural network. And the data structure including the hyperparameters of the neural network can be stored in a computer-readable medium.
  • a hyperparameter may be a variable that can be changed by the user. Hyperparameters include, for example, learning rate, cost function, number of learning cycle repetitions, weight initialization (e.g., setting the range of weight values subject to weight initialization), Hidden Unit. It may include a number (e.g., number of hidden layers, number of nodes in hidden layers).
  • the above-described data structure is only an example and the present disclosure is not limited thereto.
  • Figure 3 exemplarily shows a method of generating labeling information for an image based on viewpoint transformation according to an embodiment of the present disclosure.
  • the flowchart shown in FIG. 3 may be performed, for example, by computing device 100.
  • computing device 100 may obtain a first image and a first depth map from a photography device (310).
  • computing device 100 may provide an augmented reality and/or virtual reality platform.
  • the computing device 100 may estimate the current location and direction of the photographing device by obtaining photographed data from the photographing device.
  • Computing device 100 may allow a client to enjoy activities on an augmented reality and/or virtual reality platform by estimating the location and orientation of the imaging device.
  • the first image acquired by the photographing device may include a two-dimensional RGB image or a grayscale image.
  • the first depth map acquired by the photographing device may include an image or information indicating the relative distances of each pixel present in a specific image. Accordingly, this depth map may include information related to the distance from the location of the imaging device that captures the image to the surface of the subject.
  • computing device 100 may obtain additional information of the photographing device (eg, camera information of the photographing device). For example, additional information about the imaging device may be acquired together when acquiring the first image and the first depth map. Additional information may include location information of the photographing device. Location information is, for example, geodetic datum or geodetic system (or geodetic reference datum, geodetic reference system, or geodetic reference frame), spatial reference system (SRS) or coordinate reference system (CRS) used in a specific region or country. , or may include coordinate values and/or direction values for a geographic coordinate system (GCS), etc. Other examples of location information may include GPS.
  • GPS geographic coordinate system
  • the additional information about the photographing device may further include hardware-related information of the photographing device, such as focal length, principal point, resolution, etc.
  • the additional information of the device includes preliminary estimation information about the camera pose of the device calculated from the value of the IMU (Inertial Measurement Unit) of the device. It can be included.
  • the preliminary estimation information about the camera pose of the photographing device may include an approximate camera pose estimated using IMU information, and this preliminary estimation information may include approximate position information and direction information about the device.
  • the candidate group of reference images to be matched with the captured image can be reduced, so comparison between the captured image and the reference image stored in the server (or computing device) can be efficiently performed. Accordingly, resource-efficient visual localization can be achieved.
  • the methodology for visual localization is specifically described in Korean Patent Application Nos. 10-2022-0081908 and 10-2022-0078715, which are incorporated by reference in their entirety into this patent application.
  • the computing device 100 uses additional information of the photographing device to determine candidate reference images that are subject to feature point matching among a plurality of reference images in a database, and the determined candidate reference images.
  • Visual localization including pose estimation for the camera of the photographing device, can be performed based on feature point matching between the captured images and the photographed image.
  • the additional information of the device may further include camera information of the photographing device, and an example of such camera information may include intrinsic parameters of the camera.
  • computing device 100 may perform viewpoint transformation using internal parameters.
  • This viewpoint transformation may include transformation in a three-dimensional coordinate system.
  • the computing device 100 may determine a pose estimation algorithm used to perform the visual localization among a plurality of pose estimation algorithms based on the camera information of the photographing device. For example, pose estimation for a device (eg, camera) may estimate 6DoF in a direction that minimizes reprojection error.
  • pose estimation for a device eg, camera
  • 6DoF 6DoF in a direction that minimizes reprojection error.
  • the pose estimation algorithm uses the Direct Linear Transformation (DLT) methodology to determine the elements of the rotation matrix and the translation vector.
  • DLT Direct Linear Transformation
  • the reprojection error equation which includes the elements of (vector) elements and the internal parameters of the camera as unknowns, can be changed to a linear equation and the rotation matrix, translation vector, and camera matrix can be estimated through QR decomposition.
  • the pose estimation algorithm uses the Perspective-n-Point (PnP) methodology to transform the reprojection error, a non-linear equation, into a linear equation, which is different from DLT.
  • PnP Perspective-n-Point
  • pose estimation can be performed by directly solving the reprojection error, which is a non-linear equation, using the Gauss-Newton methodology or the Levenberg-Marquardt methodology.
  • representative PnP methodologies may include P3P, EPnP, and SQPnP methodologies.
  • the DLT and PnP methodologies described above may introduce RANSAC to minimize camera pose errors resulting from inaccuracies in the 3D coordinates of reference feature points or inaccuracies in feature points.
  • the technique according to an embodiment of the present disclosure can apply the camera pose estimation algorithm differently depending on the presence or absence of camera information, for example, DLT or PnP depending on the presence or absence of camera information.
  • camera pose estimation can be performed.
  • the computing device 100 may obtain transformed 3D data including a transformed image and a transformed depth map by applying viewpoint transformation to the first image and the first depth map (320) ).
  • Viewpoint conversion in the present disclosure may mean changing the viewpoint of the imaging device.
  • viewpoint transformation may include changing the location and viewing direction of the imaging device.
  • Viewpoint transformation in the present disclosure may mean changing a three-dimensional value in the three-dimensional camera coordinate system of the photographing device.
  • the viewpoint transformation converts the converted first image to be based on a three-dimensional camera coordinate system indicating the location of the photographing device and the direction in which the photographing device is looking from a first coordinate value on the camera coordinate system that is different from the first coordinate value. This may mean converting to a second coordinate value.
  • This viewpoint transformation can be performed using a rotation matrix and translation vector. If at least one of the rotation matrix and translation vector is different, different viewpoint transformations may be achieved.
  • computing device 100 may apply a plurality of viewpoint transformations to the first image and the first depth map where at least one of the rotation matrix and the translation vector is different, thereby creating a plurality of transformed images and a plurality of transformed depths. It may include obtaining a plurality of converted 3D data including maps. In this example, the computing device 100 may acquire a plurality of viewpoint converted data corresponding to the captured first image.
  • viewpoint transformation a unique transformation matrix may be applied to each pixel of the first image.
  • viewpoint transformation may be performed for each pixel on the first image through viewpoint transformation.
  • viewpoint transformation may mean transformation between two coordinate values in a camera coordinate system.
  • viewpoint transformation may correspond to a warp operation on two-dimensional data and/or three-dimensional data.
  • the computing device 100 may obtain various captured data whose viewpoints have been transformed by applying a plurality of viewpoint transformations to the captured data acquired by the photographing device.
  • the converted 3D data may include an image to which viewpoint transformation has been applied and a depth map to which viewpoint transformation has been applied.
  • computing device 100 may convert a first image having a first coordinate system into a second coordinate system and convert a first image having a second coordinate system into a third coordinate system.
  • Viewpoint transformation may be applied to the first image having the third coordinate system, and the viewpoint transformed first image may be acquired based on the third coordinate system.
  • the first coordinate system, the second coordinate system, and the third coordinate system may mean coordinate systems in which factors constituting the coordinate system are different from each other.
  • at least one of the first coordinate system and the second coordinate system may correspond to a two-dimensional coordinate system and the third coordinate system may correspond to a three-dimensional coordinate system.
  • the computing device 100 can perform three-dimensional viewpoint transformation through transformation from the first coordinate system to the second coordinate system and from the second coordinate system to the third coordinate system.
  • the computing device 100 may convert the first image having a pixel coordinate system into a normalized coordinate system using camera information.
  • the computing device 100 may convert the first image having the normalized coordinate system into a three-dimensional camera coordinate system using the acquired depth map.
  • the computing device 100 may obtain the transformed 3D data including the transformed image and the transformed depth map by applying viewpoint transformation to the first image having the camera coordinate system.
  • the pixel coordinate system may refer to a coordinate system indicating the location of a pixel on an image obtained when a photographing device captures the image.
  • the camera coordinate system may refer to a coordinate system determined by the location of the photographing device and the direction in which it is looking. For example, in the camera coordinate system, the direction the camera faces can be set to the Z-axis.
  • the normalized coordinate system may refer to coordinates obtained when points are projected onto a plane with a Z value of 1 in the camera coordinate system.
  • the origin in the normalized coordinate system may correspond to (0,0,1) in the camera coordinate system.
  • Projection in a normalized coordinate system may mean projection along a line segment connecting the center point of the photographing device and the position of a point in a plane space where the Z value of the camera coordinate system is 1.
  • conversion from a normalized coordinate system to a pixel coordinate system may be performed using camera information (eg, internal parameters of the camera including focal length, principal point, skew parameter, etc.).
  • camera information eg, internal parameters of the camera including focal length, principal point, skew parameter, etc.
  • the value in the pixel coordinate system can be obtained by multiplying the camera information in the normalized coordinate system by the corresponding camera matrix.
  • the focal length determines the difference in scale between the normalized coordinate system and the camera coordinate system
  • the principal point moves the origin of the pixel coordinate system to the upper left on the image plane
  • the skew parameter determines the horizontal and vertical dimensions of the image. It shows asymmetry.
  • the computing device 100 may acquire first feature points corresponding to the converted image using a pre-trained artificial intelligence-based first feature point acquisition model (330).
  • the first feature point acquisition model may correspond to a pre-trained model based on supervised learning to recognize as a feature point a point where the amount of change in at least one of color or geometric pattern in the subject exceeds a predetermined threshold. You can.
  • the computing device 100 uses a pre-trained first feature point acquisition model to generate at least one feature point and/or at least one descriptor corresponding to each of the at least one feature point from the first image. It can be obtained.
  • a feature point may be the coordinates for each characteristic part or point in an image.
  • the descriptor may include at least one of information about the directionality and size of each feature point, and/or the relationship between pixels surrounding each feature point.
  • the feature point acquisition model corresponds to a pre-trained model based on supervised learning to recognize as a feature point a point where the amount of change in at least one of color or geometric pattern in an object in the image exceeds a predetermined threshold. It can be.
  • the feature point acquisition model may correspond to a pre-trained model using an image-based neural network.
  • the feature point acquisition model may correspond to a pre-trained model using a Transformer-based neural network.
  • the computing device 100 may acquire feature points (and descriptors) for an image on which viewpoint conversion has been performed.
  • the computing device 100 may obtain two-dimensional data by converting the transformed three-dimensional data having a three-dimensional camera coordinate system into a normalized coordinate system using a depth map transformed based on viewpoint transformation. there is.
  • the computing device 100 may obtain the converted image by converting the two-dimensional data having the normalized coordinate system into a pixel coordinate system based on camera information of the photographing device obtained from the photographing device.
  • the computing device 100 may input the converted image into the first feature point acquisition model to obtain first feature points corresponding to the converted image.
  • the first feature point acquisition model may be operated by inputting an image having a coordinate system different from the coordinate system used to perform viewpoint transformation.
  • the coordinate system used as an input by the first feature point acquisition model may correspond to a two-dimensional coordinate system
  • the coordinate system to which viewpoint transformation is applied may correspond to a three-dimensional coordinate system.
  • the first feature point acquisition model can operate in a pixel coordinate system and the viewpoint transformation can be applied in a 3D camera coordinate system.
  • the computing device 100 performs transformation from the third coordinate system in which the viewpoint transformation was performed to the second coordinate system, and converts the result of the transformation from the second coordinate system to the first coordinate system into the first feature point acquisition model. It can be used as input data.
  • the first feature point acquisition model may output feature points (and/or descriptors) corresponding to input data having this first coordinate system.
  • the output of the first feature point acquisition model may include feature points and descriptors expressed in the image having the first coordinate system.
  • the first coordinate system, the second coordinate system, and the third coordinate system may mean coordinate systems in which the components constituting the coordinate system are different.
  • at least one of the first and second coordinate systems may include a two-dimensional coordinate system
  • the third coordinate system may include a three-dimensional coordinate system.
  • the computing device 100 may obtain restored 3D data by applying viewpoint inverse transformation to the converted image including the converted depth map and the first feature points (340).
  • viewpoint inverse-transformation may refer to a transformation corresponding to the inverse of a viewpoint transformation. For example, when viewpoint transformation and viewpoint inverse transformation are performed on a specific image with a specific viewpoint, the specific image with a specific viewpoint can be restored.
  • the viewpoint inverse transformation comprises a rotation matrix (R-1) corresponding to the inverse of the rotation matrix (R) used in the viewpoint transformation, and a translation vector (T You can use the translational vector (-R-1 * T) corresponding to the inverse of ).
  • the viewpoint inverse transformation may be applied to a coordinate system that is different from the coordinate system in which the first feature point acquisition model is operable.
  • the viewpoint inverse transformation may be applied in a three-dimensional camera coordinate system, and the first feature acquisition model may be operable in a two-dimensional pixel coordinate system.
  • the viewpoint inversion can be applied in the same coordinate system as the viewpoint transformation is applicable.
  • the process of viewpoint inverse transformation can be applied to the output of the first feature point acquisition model.
  • computing device 100 performs transformation from the first coordinate system corresponding to the output of the first feature point acquisition model to the second coordinate system, and from the second coordinate system to the third coordinate system. After performing the transformation, viewpoint inverse transformation can be applied to the data.
  • the first coordinate system, the second coordinate system, and the third coordinate system may mean coordinate systems in which elements constituting the coordinate system are different from each other.
  • at least one of the first and second coordinate systems may include a two-dimensional coordinate system
  • the third coordinate system may include a three-dimensional coordinate system.
  • the computing device 100 may obtain the converted image including the first feature points by combining the first feature points with the converted image.
  • the computing device 100 may convert the converted image including the first feature points into a normalized coordinate system using camera information of the photographing device obtained from the photographing device. Using the converted depth map, the converted image including the first feature points having the normalized coordinate system can be converted into a three-dimensional camera coordinate system.
  • the computing device 100 may obtain the restored 3D data by applying viewpoint inverse transformation to the converted image including the first feature points having the 3D camera coordinate system.
  • the computing device 100 may generate labeling information corresponding to the first image based on the restored 3D data (350).
  • the first image captured by the imaging device may be acquired in an unlabeled state.
  • the computing device 100 may generate labeling information indicating feature points corresponding to the first image using the restored 3D data.
  • the computing device 100 applies a reconstructed depth map in the reconstructed 3D data to the reconstructed 3D data, thereby normalizing the reconstructed 3D data having a 3D camera coordinate system to 2D.
  • Two-dimensional restored data with a coordinate system can be obtained.
  • the computing device 100 converts the two-dimensional restored data into a pixel coordinate system based on applying camera information of the photographing device obtained from the photographing device to the two-dimensional reconstructed data having a two-dimensional normalized coordinate system. , a restored image can be obtained.
  • the computing device 100 may generate labeling information corresponding to the first image based on the reconstructed image having the pixel coordinate system.
  • a coordinate system change may be made for the result of the viewpoint inverse transformation corresponding to a three-dimensional coordinate system.
  • a transformation can be made from a third coordinate system to a second coordinate system and a transformation from the second coordinate system to a first coordinate system.
  • the first coordinate system may correspond to a coordinate system that can be used as an input to the first feature point acquisition model.
  • the result converted to the first coordinate system may represent a first image including feature points (and/or descriptors).
  • results converted to the first coordinate system may include a plurality of images. Feature points and descriptors corresponding to each of the plurality of images may be included.
  • the optimal feature points for the first image can be determined as labeling information (i.e., correct answer information) through a combination of feature points included in a plurality of images.
  • viewpoint transformation may be applied to the captured first image and the first depth map to generate a plurality of transformed data.
  • the computing device 100 may input the converted image included in the plurality of converted data into a pre-trained first feature point extraction model to obtain a plurality of data in which the first feature points are reflected.
  • the computing device 100 may perform restoration of the first images in which the first feature points are reflected by applying viewpoint inverse transformation to a plurality of data in which the first feature points are reflected, and the computing device 100 may perform restoration of the first images in which the first feature points are reflected.
  • the feature points for the first image can be generated as labeling information. In this way, more accurate labeling information for the first image can be generated. Additionally, in this way, labeling information for the first image can be automatically generated.
  • the computing device 100 applies a first coordinate system transformation to the photographed data, applies a viewpoint transformation to the result of the coordinate system transformation, applies a second coordinate system transformation to the result of the viewpoint transformation, and applies the coordinate system transformation to the result of the coordinate system transformation.
  • Obtain feature points corresponding to the results apply the third coordinate system transformation to the photographed data reflecting the feature points, apply viewpoint inverse transformation to the coordinate system transformed result, and apply fourth coordinate system transformation to the result of viewpoint inverse transformation.
  • learning data including labeling information for the photographed data can be automatically generated.
  • the coordinate system transformation directions of the first coordinate system transformation and the third coordinate system transformation may correspond to each other
  • the coordinate system transformation directions of the second coordinate system transformation and the fourth coordinate system transformation may correspond to each other.
  • the computing device 100 uses a learning dataset including a first image and labeling information for the first image to learn a second feature point extraction model that extracts constant feature points even if the viewpoint changes. You can.
  • the learning process for the second feature point extraction model will be described later in FIG. 7.
  • the labeling information generation method can obtain more accurate feature points for the captured image as labeling information, more robust learning of the feature point extraction model used in performing visual localization can be achieved. there is. Furthermore, more accurate inference may be possible based on more robust learning of the feature point extraction model used to perform visual localization.
  • Figure 4 exemplarily shows a method of generating labeling information for an image based on viewpoint transformation according to an embodiment of the present disclosure.
  • the methods shown in FIG. 4 may be performed, for example, by computing device 100.
  • viewpoint transformation 430 may be applied to the first image 410 and the first depth map 420 corresponding to the subject acquired from the photographing device.
  • the computing device 100 may acquire the first image 410 and the first depth map 420 obtained from the photographing device.
  • the computing device 100 may function as a photographing device.
  • the viewpoint transformation 430 may include changing the first image 410 and the first depth map 420 acquired according to the first viewpoint to a second viewpoint on the three-dimensional camera coordinate system. You can. According to the viewpoint conversion 430, the converted first image 440a and the converted first depth map 440b may be obtained. For example, a viewpoint transformation 430 is applied to the first image 410 to produce a transformed first image 440a, and a viewpoint transformation 430 is applied to the first depth map 420. is applied to generate the converted first depth map 440b.
  • the converted first image 440a may be input to the first feature point acquisition model 450.
  • the first feature point acquisition model 450 is a pre-trained model based on artificial intelligence and can determine feature points on the input image.
  • the first feature point acquisition model 450 may recognize a point where the amount of change in at least one of the color or geometric pattern of the subject exceeds a predetermined threshold as a feature point.
  • the first feature point acquisition model 450 can recognize a plurality of feature points that can determine the appearance of a subject included in an input image.
  • the first feature point acquisition model 450 may receive the converted first image 440a as input and output first feature points 460.
  • the first feature points 460 may include feature points in the first image 440a that has undergone viewpoint conversion of the captured first image 410.
  • the first feature point acquisition model 450 may include a machine learning-based neural network capable of extracting feature points from the image.
  • the first feature point acquisition model 450 may correspond to a model pre-trained using a supervised learning method based on a learning data set that uses the vertices of geometric patterns as ground truth for feature points.
  • computing device 100 may apply viewpoint inverse transformation 470 to the transformed first image 440a including first feature points 460 and the transformed first depth map 440b.
  • the first feature points 460 extracted by the first feature point acquisition model 450 may be reflected on the converted first image 440a.
  • Viewpoint inverse transformation 470 may be applied to the transformed first image 440a and the transformed first depth map 440b including the first feature points 460, and this viewpoint inverse transformation 470 is applied to the viewpoint It may mean the inverse of transformation 430.
  • restored 3D data 480 may be generated.
  • the restored 3D data 480 may correspond to the first image 410 including first feature points.
  • the restored 3D data 480 may include a first depth map 420.
  • the restored 3D data 480 may include a first image 410 including first feature points and a first depth map 420.
  • the computing device 100 may generate labeling information 490 for the first image 410 based on feature points included in the restored 3D data 480.
  • Labeling information 490 may include information about feature points corresponding to the first image 410.
  • the labeling information 490 may include information about feature points and/or information about descriptors obtained by performing viewpoint transformation 430 and inverse viewpoint transformation 470 of the first image 410. This labeling information 490 may be included in the learning data set used in the learning process of the second feature point acquisition model.
  • information 420, 440b related to the depth map may be used in viewpoint transformation 430 and viewpoint inverse transformation 440b.
  • viewpoint transformation 430 and viewpoint inverse transformation 440b on 3D camera coordinates can be performed efficiently.
  • the viewpoint transformation 430 includes a plurality of transformed first images 440a and a plurality of transformed first depth maps 440b for the first image 410 and the first depth map 420. can be created.
  • multiple different viewpoint transforms 430 may be used, and multiple different viewpoint inverse transforms 470 may be used.
  • the restored 3D data 480 may include a plurality of sets of feature points corresponding to the first image 410, and based on the plurality of sets of feature points, the first image 410 Labeling information 490 may be generated. Labeling information 490 corresponding to the first image 410 may be generated based on a plurality of restored 3D data 480 corresponding to each of the plurality of converted 3D data 440a and 440b.
  • all feature points of a plurality of sets corresponding to the first image 410 may be used as labeling information 490.
  • some of the feature points of the plurality of sets corresponding to the first image 410 may be used as labeling information 490.
  • overlapping feature points may be used as labeling information 490.
  • the technique according to an embodiment of the present disclosure is a feature point obtained by applying a plurality of viewpoint transformations 430 and a plurality of viewpoint inverse transformations 480 to the photographed data 410 and 420. Since labeling information 490 can be generated based on For example, the accuracy of feature point information and descriptor information) can also be improved. Accordingly, a second feature point acquisition model that can output feature points and descriptors with high consistency even if the viewpoint changes can be created.
  • Figure 5 exemplarily illustrates viewpoint conversion according to an embodiment of the present disclosure.
  • an image and depth map for the subject 510 may be acquired by an imaging device having a first viewpoint 530 on three-dimensional camera coordinates.
  • camera information about the photographing device having the first viewpoint 530 on 3D camera coordinates may be additionally obtained.
  • the first viewpoint 530 may correspond to the first camera coordinate system 550.
  • the image and depth map for the subject 510 with the first viewpoint 530 are converted into the image and depth map for the subject 510 with the second viewpoint 520.
  • the changed image and depth map may correspond to the second camera coordinate system 540.
  • the second viewpoint 520 may correspond to the second camera coordinate system 540.
  • viewpoint conversion may be performed by Equation 1 below.
  • Equation 1 represents the camera coordinate value at the second viewpoint 520 corresponding to the second camera coordinate system 540.
  • R in Equation 1 may represent a rotation matrix and T may represent a translation vector.
  • the viewpoint transformation may be different depending on the values of R and T.
  • R and T may refer to factors for expressing relative camera poses for viewpoint conversion.
  • Viewpoint transformation can be achieved by multiplying by the rotation matrix R and summing the translation vector T. The result of this viewpoint transformation This can be obtained.
  • Equation 2 exemplarily represents the matrix operation of viewpoint transformation according to Equation 1.
  • Each of X 1 , Y 1 , and Z 1 in the first matrix, which is the result of the operation in Equation 2 may represent the
  • Each of X 2 , Y 2 , and Z 2 in the second matrix that is the target of calculation may represent X-axis, Y-axis, and Z-axis values in the first camera coordinate system 550.
  • the elements of r 11 , r 12 , r 13 , r 21 , r 22 , r 23 , r 31 , r 32 and r 33 included in the third matrix representing the viewpoint transformation in Equation 2 are the rotation of the viewpoint transformation. It means matrix.
  • r 11 , r 2 1 and r 31 are calculated with X 2 , which is the value of the It can be calculated with Y 2 , which is the value of the Y-axis, and r 13 , r 23 , and r 33 among the rotation matrices can be calculated with Z 2 , which is the value of the Z-axis in the first camera coordinate system 550 .
  • the magnitude of the value of r nk in the third matrix and the quantitative value of the rotation in the viewpoint transformation may be correlated. The larger the value of r nk , the higher the intensity of rotational motion.
  • n and k are natural numbers with values from 1 to 3.
  • t 1 , t 2 , and t 3 in the third matrix of Equation 2 may mean elements representing translational vectors.
  • the magnitudes of t 1 , t 2 and t 3 and the quantitative value of translation in viewpoint translation can be correlated.
  • the larger the value of t n the higher the intensity of translational motion.
  • element 1 in the first matrix, element 1 in the second matrix, and elements (0, 0, 0, 1) in the third matrix are used to express the sum of translational vectors in the form of a product. These are the elements used.
  • n is a natural number with values from 1 to 3.
  • the first matrix of X 1 , Y 1 and Z 1 is the product of the third matrix of r nk and the second matrix of It can also be expressed as a sum of translation matrices.
  • viewpoint transformation may be performed on a three-dimensional camera coordinate system, and inverse transformation of the viewpoint may mean the inverse of the transformation shown in FIG. 5.
  • viewpoint transformation between two 3D camera coordinate systems can be implemented using a rotation matrix containing reflection that changes the direction of the axis and a translation vector containing a 3D vector that generates translational motion.
  • This viewpoint transformation may operate based on, for example, Euclidean transformation, Rigid transformation, and/or Isometry transformation.
  • the viewpoint can be converted from the first image based on the first camera coordinate system 550 to the first image based on the second camera coordinate system 540.
  • FIG. 6 exemplarily illustrates transformation of coordinate systems based on viewpoint transformation according to an embodiment of the present disclosure.
  • Figure 6 exemplarily shows processes in which coordinate systems are changed when performing viewpoint transformation.
  • there may be three different coordinate systems (eg, a first coordinate system, a second coordinate system, and a third coordinate system).
  • the computing device 100 performs a coordinate system transformation in a first direction having directions from a first coordinate system to a second coordinate system and a third coordinate system, and a coordinate system transformation in a second direction having directions from a third coordinate system to a second coordinate system and the first coordinate system. It can be done.
  • coordinate system transformation in the first direction and coordinate system transformation in the second direction may be performed alternately.
  • the pattern of performing coordinate system transformation in the first direction and coordinate system transformation in the second direction may be repeated twice.
  • feature points (and/or descriptors) for an image captured by a photographing device may be obtained.
  • a plurality of viewpoint transformations may be applied to the image captured by the photographing device, and feature points (and/or descriptors) corresponding to the images according to the plurality of viewpoint transformations sets) can be obtained.
  • optimal feature points for an image captured by a photographing device can be determined. In this way, the computing device 100 can automatically and accurately generate labeling information for images captured by the photographing device.
  • the first pixel coordinate system 610 may represent the coordinate system of the first image captured by the photographing device.
  • the computing device 100 may convert the first pixel coordinate system 610 into the first normalized coordinate system 620 using camera information of the photographing device.
  • a photographing device capable of supporting virtual reality or augmented reality has camera information including camera internal parameters, and the computing device 100 uses the camera information of the photographing device to create a first pixel coordinate system 610.
  • the first image of can be converted to the first image of the first normalized coordinate system 620.
  • the depth map 625 acquired together with the first image may be used to convert the first image of the first normalized coordinate system 620 into the first image of the first camera coordinate system 630.
  • the depth map 625 may represent the Z value of a feature point.
  • Information according to the depth map 625 can be used to express the first image in three dimensions.
  • Information according to the depth map 625 may be used to express feature points in three dimensions.
  • the computing device 100 may convert the first image of the first normalized coordinate system 620 into the first image of the first camera coordinate system 630 using the depth map 625.
  • a viewpoint transformation 635 may be applied to the first image in the first camera coordinate system 630.
  • the first image of the second camera coordinate system 640 may be obtained according to the result of applying the viewpoint transformation 635.
  • the second camera coordinate system 640 has the same coordinate system as the first camera coordinate system 630, but coordinate values within the coordinate system may be different from those of the first camera coordinate system 630.
  • an area within the image (and/or depth map) to which rotation and/or translation can be applied to minimize image loss during the viewpoint transformation 635 may be predetermined. Within that region, rotation matrices and translation vectors can be determined, for example based on random sampling.
  • a projection may be applied to the first image in the second camera coordinate system 640.
  • Projection means transforming the first image in the second camera coordinate system 640 into a first image in the normalized coordinate system 650 using a transformed depth map (i.e., a viewpoint transformed depth map).
  • Projection may mean dividing the first image in the second camera coordinate system 640 by the converted depth value.
  • projection may include dividing the location of each point of the first image in the second camera coordinate system 640 into each transformed depth map.
  • the computing device 100 may acquire the first image of the second pixel coordinate system 660 from the first image of the second normalized coordinate system 650 using the camera information 655 of the photographing device.
  • the first image of the second pixel coordinate system 660 corresponds to a two-dimensional image to which three-dimensional viewpoint transformation has been applied.
  • the first image of the second pixel coordinate system 660 is an image of the same dimension (eg, two-dimensional) as the first image of the first pixel coordinate system 660.
  • the first image of the second pixel coordinate system 660 may have coordinate values that are different from the coordinate values of the first image of the first pixel coordinate system 660.
  • the expression different coordinate systems may mean that the factors constituting the coordinate system (eg, the number of axes and/or the direction of the axes, etc.) are different.
  • the expression different coordinate values may mean that the position values of coordinates expressed within the same coordinate system are different.
  • the computing device 100 may perform feature point extraction for the first image in the second pixel coordinate system 660. This feature point extraction may be performed using a first feature point extraction model. The result of conversion from the first image in the pixel coordinate system 610 to the first image in the second pixel coordinate system 660 may be used as an input to the first feature point extraction model.
  • the first image of the second camera coordinate system 640 may be acquired in the opposite direction from the first image of the second pixel coordinate system 660 including the feature points, and the first image of the second camera coordinate system 640 may be obtained.
  • 1 Viewpoint inverse transformation may be performed on the image. After the viewpoint inverse transformation is performed, a first image of the first camera coordinate system 640 including feature points may be obtained. Then, conversion to the first normal coordinate system 620 and the first pixel coordinate system 610 is performed, and feature points for the first image of the first pixel coordinate system 610 can be obtained. Multiple sets of feature points may be obtained for a plurality of images in the first pixel coordinate system 610 (i.e., multiple images that have been viewpoint-transformed and viewpoint-de-transformed from the first image). Based on these feature points, labeling information corresponding to the first image can be obtained.
  • Figure 7 exemplarily shows a learning method of a second feature point acquisition model according to an embodiment of the present disclosure.
  • viewpoint transformation 430 may be performed on the first depth map 420 and the first image 410, which are acquired by the imaging device.
  • viewpoint conversion 430 For specific features of the viewpoint conversion 430, refer to the details described in FIGS. 3 to 6 for convenience of explanation.
  • a transformed first image 440a and a transformed first depth map 440b may be obtained.
  • the converted first image 440a can be used as an input to the second feature point acquisition model 710.
  • the second feature point acquisition model 710 may refer to an artificial intelligence-based feature point extraction model that has a neural network structure corresponding to the first feature point acquisition model described above.
  • the operation of the second feature point acquisition model 710 may include viewpoint inverse transformation. Accordingly, feature points for the transformed first image 440a are obtained and view-point inverse transformation is applied to the first image including the feature points, thereby generating second feature points 720b.
  • the first image 410 may be used as an input to the second feature point acquisition model 710.
  • the second feature point acquisition model 710 generates second feature points 720b in response to the converted first image 440a, and generates second feature points in response to the first image 410a. (720a) can be generated.
  • Second feature points 720a and 720b generated in response to different input images may be compared.
  • the loss function of the second feature point acquisition model may be determined so that the two sets of feature points 720a and 720b are equal to each other. In this way, learning of the second feature point acquisition model can be achieved.
  • the second feature point acquisition model 710 generates 2-1 descriptors corresponding to the second feature points 720b in response to the converted first image 440a, and the first image 410a ), 2-2 descriptors corresponding to the second feature points 720a may be generated.
  • the 2-1 descriptors and the second 2-2 descriptors generated in response to different input images may be compared.
  • the loss function of the second feature point acquisition model may be determined so that the two sets of descriptors are equal to each other. In this way, learning of the second feature point acquisition model can be achieved.
  • the computing device 100 uses a first learning dataset including a first image and labeling information corresponding to the first image to generate first input data corresponding to the first viewpoint of the photographing device.
  • the second feature point acquisition model may be trained so that feature points corresponding to each other are output for the second input data corresponding to the second viewpoint. Since this second feature point acquisition model can be learned using the labeling information of the first image, which is obtained using the first feature point acquisition model, viewpoint transformation, and viewpoint-inverse transformation, the learning of the second feature point acquisition model Accuracy can be increased, and the learning process of the second feature point acquisition model can be automated. Accordingly, the second feature point acquisition model can operate as a feature point extraction model that is robust to changes in the viewpoint.
  • computing device 100 generates second training data having a second viewpoint different from the first viewpoint by applying a viewpoint transformation to the first training data having the first viewpoint, and generating the first training data having a second viewpoint different from the first viewpoint.
  • the viewpoint of the second learning data in which the third characteristic points are reflected can be restored to the first viewpoint by obtaining the viewpoints and applying viewpoint inverse transformation to the second learning data in which the third characteristic points are reflected.
  • the computing device 100 may learn the second feature point acquisition model based on comparing the position information of the third feature points and the position information of the second feature points in the second learning data restored to the first viewpoint. .
  • the computing device 100 creates a second feature point acquisition model based on a loss function set such that the position information of the third feature points in the second learning data restored to the first viewpoint is the same as the position information of the second feature points. You can learn about.
  • the computing device 100 is based on a loss function set such that descriptors corresponding to the third feature points and descriptors corresponding to the second feature points in the second learning data restored to the first viewpoint are the same.
  • the second feature point acquisition model can be trained.
  • FIG. 8 shows a brief, general schematic diagram of an example computing environment in which embodiments of the present disclosure may be implemented.
  • a component, module, or unit in the present disclosure includes routines, procedures, programs, components, data structures, etc. that perform a specific task or implement a specific abstract data type. Additionally, one of ordinary skill in the art will understand that the methods presented in this disclosure can be used in uni-processor or multiprocessor computing devices, minicomputers, mainframe computers, as well as personal computers, handheld computing devices, microprocessor-based or programmable consumer electronics, etc. ( It will be fully appreciated that each of these may be implemented with other computer system configurations, including those capable of operating in conjunction with one or more associated devices.
  • Embodiments described in this disclosure can also be practiced in distributed computing environments where certain tasks are performed by remote processing devices that are linked through a communications network.
  • program modules may be located in both local and remote memory storage devices.
  • Computer-readable media can be any medium that can be accessed by a computer, and such computer-readable media includes volatile and non-volatile media, transitory and non-transitory media, removable and non-transitory media. Includes removable media.
  • Computer-readable media may include computer-readable storage media and computer-readable transmission media.
  • Computer-readable storage media refers to volatile and non-volatile media, transient and non-transitory media, removable and non-removable, implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Includes media.
  • Computer readable storage media may include RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital video disk (DVD) or other optical disk storage, magnetic cassette, magnetic tape, magnetic disk storage or other magnetic storage. This includes, but is not limited to, a device, or any other medium that can be accessed by a computer and used to store desired information.
  • a computer-readable transmission medium typically implements computer-readable instructions, data structures, program modules, or other data on a modulated data signal, such as a carrier wave or other transport mechanism. Includes all information delivery media.
  • modulated data signal refers to a signal in which one or more of the characteristics of the signal have been set or changed to encode information within the signal.
  • computer-readable transmission media includes wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared, and other wireless media. Combinations of any of the above are also intended to be included within the scope of computer-readable transmission media.
  • An example environment 2000 is shown that implements various aspects of the invention, including a computer 2002, which includes a processing unit 2004, a system memory 2006, and a system bus 2008. do.
  • Computer 200 herein may be used interchangeably with computing device.
  • System bus 2008 couples system components, including but not limited to system memory 2006, to processing unit 2004.
  • Processing unit 2004 may be any of a variety of commercially available processors. Dual processors and other multiprocessor architectures may also be used as processing units 2004.
  • System bus 2008 may be any of several types of bus structures that may further be interconnected to a memory bus, peripheral bus, and local bus using any of a variety of commercial bus architectures.
  • System memory 2006 includes read only memory (ROM) 2010 and random access memory (RAM) 2012.
  • the basic input/output system (BIOS) is stored in non-volatile memory (2010), such as ROM, EPROM, and EEPROM, and is a basic input/output system (BIOS) that helps transfer information between components within the computer (2002), such as during startup. Contains routines.
  • RAM 2012 may also include high-speed RAM, such as static RAM for caching data.
  • Computer 2002 may also read from or use an internal hard disk drive (HDD) 2014 (e.g., EIDE, SATA), magnetic floppy disk drive (FDD) 2016 (e.g., removable diskette 2018). (for writing to), SSDs, and optical disk drives (2020) (e.g., for reading CD-ROM disks (2022) or for reading from or writing to other high-capacity optical media, such as DVDs).
  • HDD hard disk drive
  • FDD magnetic floppy disk drive
  • SSDs for writing to
  • optical disk drives (2020) e.g., for reading CD-ROM disks (2022) or for reading from or writing to other high-capacity optical media, such as DVDs.
  • the hard disk drive 2014, magnetic disk drive 2016, and optical disk drive 2020 are connected to a system bus 2008 by a hard disk drive interface 2024, magnetic disk drive interface 2026, and optical drive interface 2028, respectively. ) can be connected to.
  • the interface 2024 for implementing an external drive includes, for example, at least one or both of
  • drives and their associated computer-readable media provide non-volatile storage of data, data structures, computer-executable instructions, and the like.
  • drive and media correspond to storing any data in a suitable digital format.
  • computer-readable storage media refers to removable optical media such as HDDs, removable magnetic disks, and CDs or DVDs, those skilled in the art will also understand removable optical media such as zip drives, magnetic cassettes, flash memory cards, cartridges, etc. It will be appreciated that other types of computer-readable storage media may also be used in the exemplary operating environment and that any such media may contain computer-executable instructions for performing the methods of the invention. .
  • a number of program modules may be stored in the drive and RAM 2012, including an operating system 2030, one or more application programs 2032, other program modules 2034, and program data 2036. All or portions of the operating system, applications, modules and/or data may also be cached in RAM 2012. It will be appreciated that the invention may be implemented on various commercially available operating systems or combinations of operating systems.
  • a user may enter commands and information into the computer 2002 through one or more wired/wireless input devices, such as a pointing device such as a keyboard 2038 and a mouse 2040.
  • Other input devices may include microphones, IR remote controls, joysticks, game pads, stylus pens, touch screens, etc.
  • input device interface 2042 which is often connected to the system bus 2008, but may also include a parallel port, an IEEE 1394 serial port, a game port, a USB port, an IR interface, It can be connected by other interfaces, etc.
  • a monitor 2044 or other type of display device is also connected to system bus 2008 through an interface, such as a video adapter 2046.
  • computers typically include other peripheral output devices (not shown) such as speakers, printers, etc.
  • Computer 2002 may operate in a networked environment using logical connections to one or more remote computers, such as remote computer(s) 2048, via wired and/or wireless communications.
  • Remote computer(s) 2048 may be a workstation, server computer, router, personal computer, portable computer, microprocessor-based entertainment device, peer device, or other conventional network node, and generally refers to computer 2002.
  • memory storage device 2050 is shown, although it includes many or all of the components described.
  • the logical connections depicted include wired/wireless connections to a local area network (LAN) 2052 and/or a larger network, such as a wide area network (WAN) 2054.
  • LAN and WAN networking environments are common in offices and companies and facilitate enterprise-wide computer networks, such as intranets, all of which can be connected to a worldwide computer network, such as the Internet.
  • computer 2002 When used in a LAN networking environment, computer 2002 is connected to local network 2052 through wired and/or wireless communications network interfaces or adapters 2056. Adapter 2056 may facilitate wired or wireless communication to LAN 2052, which also includes a wireless access point installed thereon for communicating with wireless adapter 2056.
  • the computer 2002 When used in a WAN networking environment, the computer 2002 may include a modem 2058, connected to a communication server on the WAN 2054, or other means of establishing communication over the WAN 2054, such as via the Internet. has Modem 2058, which may be internal or external and a wired or wireless device, is coupled to system bus 2008 via serial port interface 2042.
  • program modules described for computer 2002, or portions thereof may be stored in remote memory/storage device 2050. It will be appreciated that the network connections shown are exemplary and that other means of establishing a communications link between computers may be used.
  • Computer 1602 may be associated with any wireless device or object deployed and operating in wireless communications, such as a printer, scanner, desktop and/or portable computer, portable data assistant (PDA), communications satellite, wirelessly detectable tag. Performs actions to communicate with any device or location and telephone. This includes at least Wi-Fi and Bluetooth wireless technologies. Accordingly, communication may be a predefined structure as in a conventional network or may simply be ad hoc communication between at least two devices.
  • wireless communications such as a printer, scanner, desktop and/or portable computer, portable data assistant (PDA), communications satellite, wirelessly detectable tag.
  • PDA portable data assistant

Landscapes

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

Abstract

본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법이 개시된다. 상기 방법은: 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵(depth map)을 획득하는 단계, 상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트(viewpoint) 변환(transformation)을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 단계, 사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점(interest point)들을 획득하는 단계, 상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환(inverse transformation)을 적용함으로써, 복원된 3차원 데이터를 획득하는 단계 및 상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링(labeling) 정보를 생성하는 단계를 포함할 수 있다. 대표도는 도 3일 수 있다.

Description

비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치
본 개시내용은 영상 처리에 관한 것으로 보다 구체적으로 비주얼 로컬라이제이션에 관한 것이다.
위치 기반 서비스(Location Based Services)에 대한 수요가 증가함에 따라 정확한 위치 정보에 대한 필요성이 높아졌다. 모바일 디바이스 및 모바일 플랫폼 상에서 위치를 확인하는 가장 일반적인 방법은 GNSS(Global Navigation Satellite System)이다. 하지만, 실내 환경에서 GNSS 신호는 장애물에 의해 차단될 수 있기 때문에, 실외 환경에서만 용이하게 사용될 수 있다는 제한 사항이 존재한다.
실내에서의 위치 인식을 수행하기 위한 다양한 기술들이 제안되었지만 다수의 실내 위치 인식 기법들은 무선신호를 이용한 핑거 프린팅(Finger Printing) 기반 위치 인식 알고리즘을 넘어서지 못하고 있는 것이 현실이다. 이러한 방법에서는 수집된 Wi-Fi RSS(수신 신호 강도) 또는 MFS(자기장 강도)와 관련된 데이터가 핑거 프린팅 데이터 베이스의 데이터와 비교된다. 핑거 프린팅 기반 시스템은 구축하기 쉽다는 장점이 있지만, 신호 패턴 자체가 시스템 환경 변화에 영향을 받기 때문에 양호한 성능을 유지하기가 어려울 수 있다. 이런 핑거 프린팅 기반 시스템의 결함을 극복하기 위해 Optical, RFID(Radio Frequency Identification), Bluetooth Beacons, ZigBee, Pseudo Satellite 등을 포함한 많은 대안이 제안되었지만, 이러한 대안들 또한 복잡한 실내 환경 상에서 높은 정확도를 달성하기는 어렵다는 평가를 받고 있다.
최근에는 실내 환경에서도 높은 정확성을 가지는 위치 추정을 구현하기 위한 대안으로 VPS(Visual Positioning System: 시각적 위치결정 시스템)에 대한 연구가 활발하게 이루어지고 있다. VPS 기술은 비주얼 로컬라이제이션(Visual localization) 기술로도 표현될 수 있으며, 이러한 비주얼 로컬라이제이션은 실내 또는 실외에서 촬영된 이미지를 사용하여 디바이스의 현재 위치 또는 포즈(pose)를 추정하는 기술을 의미한다. 디바이스(혹은 카메라)의 포즈 추정(Pose estimation)이란 동적으로 변하는 카메라 시점의 이동(Translation) 및 회전(Rotation) 정보 등을 결정하는 것이다. 혼합현실(Mixed reality), 증강현실(Augmented Reality), 로봇 내비게이팅(Robot navigating) 및 3D 장면 재구성(3-Dimensional Scene Reconstruction) 등 다양한 활용 분야로 이러한 카메라 포즈 추정 기술이 활용되고 있다. 이와 관련해서 미국 등록특허 US10,977,554이 안출되어 있다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 카메라 포즈를 추정하기 위한 모델에서 학습 데이터를 효율적으로 생성하기 위함이다. 본 개시는 카메라 포즈 추정의 정확도를 높이고 카메라 포즈 추정에 소요되는 시간 및/또는 리소스를 효율적으로 사용하기 위함이다.
본 개시의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위한 본 개시의 몇몇 실시예에 따라, 컴퓨팅 장치에 의해 수행되는 방법이 개시된다. 상기 방법은: 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵(depth map)을 획득하는 단계; 상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트(viewpoint) 변환(transformation)을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 단계; 사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 단계; 상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환(inverse transformation)을 적용함으로써, 복원된 3차원 데이터를 획득하는 단계; 상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링(labeling) 정보를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하는 단계는, 상기 촬영 디바이스로부터 상기 제 1 이미지, 상기 제 1 깊이 맵 및 상기 촬영 디바이스의 카메라 정보를 획득하는 단계를 포함할 수 있다. 상기 변환된 이미지 및 상기 변환된 깊이 맵을 포함하는 상기 변환된 3차원 데이터를 획득하는 단계는: 상기 카메라 정보를 이용하여, 픽셀(pixel) 좌표계를 가지는 상기 제 1 이미지를 정규화(normalized) 좌표계로 변환하는 단계; 상기 획득된 깊이 맵을 이용하여, 상기 정규화 좌표계를 가지는 상기 제 1 이미지를 3차원의 카메라 좌표계로 변환하는 단계; 및 상기 카메라 좌표계를 가지는 상기 제 1 이미지에 뷰포인트 변환을 적용함으로써, 상기 변환된 이미지 및 상기 변환된 깊이 맵을 포함하는 상기 변환된 3차원 데이터를 획득하는 단계를 포함할 수 있다.
일 실시예에서, 상기 뷰포인트 변환은, 상기 촬영 디바이스의 위치 및 상기 촬영 디바이스가 바라보는 방향을 나타내는 3차원의 카메라 좌표계에 기반하도록 변환된 상기 제 1 이미지를 상기 카메라 좌표계 상에서 제 1 좌표값으로부터 상기 제 1 좌표값과 상이한 제 2 좌표값으로 변환할 수 있다.
일 실시예에서, 상기 뷰포인트 변환은, 회전 매트릭스(rotation matrix) 및 병진 벡터(translation vector)를 포함할 수 있다. 상기 뷰포인트 변환은 회전 매트릭스 및 병진 벡터를 활용하여 수행될 수 있다.
일 실시예에서, 상기 변환된 3차원 데이터를 획득하는 단계는, 상기 회전 매트릭스 및 상기 병진 벡터 중 적어도 하나가 상이한 복수의 뷰포인트 변환들을 상기 제 1 이미지 및 상기 제 1 깊이 맵에 적용함으로써, 복수의 변환된 이미지들 및 복수의 변환된 깊이 맵들을 포함하는 복수의 변환된 3차원 데이터를 획득하는 단계를 포함할 수 있다. 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 단계는, 상기 복수의 변환된 3차원 데이터 각각에 대응되는 복수의 복원된 3차원 데이터에 기초하여 상기 제 1 이미지에 대응되는 상기 라벨링 정보를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 뷰포인트 변환에서, 상기 제 1 이미지의 픽셀들 각각에 고유의 변환 행렬이 적용될 수 있다.
일 실시예에서, 상기 제 1 이미지는 라벨링되지 않은 상태로 상기 촬영 디바이스로부터 획득될 수 있다. 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 단계는, 상기 제 1 이미지에 대응되는 특징점들을 나타내는 상기 라벨링 정보를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 제 1 특징점 획득 모델은, 객체에서의 색상 또는 기하학적 패턴 중 적어도 하나에 대한 변화량이 사전결정된 임계치를 초과하는 포인트를 특징점으로 인식하도록 지도 학습에 기반하여 사전 학습된 모델에 대응될 수 있다.
일 실시예에서, 상기 뷰포인트 역-변환은, 상기 뷰포인트 변환에서 사용되는 회전 매트릭스(R)의 역(inverse)에 대응되는 회전 매트릭스(R-1) 및 상기 뷰포인트 변환에서 사용되는 병진 벡터(T)의 역에 대응되는 병진 벡터(-R-1 * T)를 사용할 수 있다.
일 실시예에서, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 단계는: 상기 변환된 깊이 맵을 이용하여, 3차원 카메라 좌표계를 가지는 상기 변환된 3차원 데이터를 정규화 좌표계로 변환하여 2차원 데이터를 획득하는 단계; 상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보에 기초하여, 상기 정규화 좌표계를 가지는 상기 2차원 데이터를 픽셀 좌표계로 변환함으로써, 상기 변환된 이미지를 획득하는 단계; 및 상기 변환된 이미지를 상기 제 1 특징점 획득 모델에 입력하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 단계를 포함할 수 있다.
일 실시예에서, 상기 복원된 3차원 데이터를 획득하는 단계는: 상기 제 1 특징점들을 상기 변환된 이미지에 결합함으로써 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 획득하는 단계; 상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보를 이용하여, 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 정규화 좌표계로 변환하는 단계; 상기 변환된 깊이 맵을 사용하여, 상기 정규화 좌표계를 가지는 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 3차원의 카메라 좌표계로 변환하는 단계; 및 상기 3차원의 카메라 좌표계를 가지는 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환(inverse transformation)을 적용함으로써, 상기 복원된 3차원 데이터를 획득하는 단계를 포함할 수 있다.
일 실시예에서, 상기 복원된 3차원 데이터에 기초하여, 상기 이미지에 대응되는 라벨링 정보를 생성하는 단계는: 상기 복원된 3차원 데이터에서의 복원된 깊이 맵을 상기 복원된 3차원 데이터에 적용함으로써, 3차원 카메라 좌표계를 가지는 상기 복원된 3차원 데이터를 2차원의 정규화 좌표계를 가지는 2차원 복원된 데이터를 획득하는 단계; 및 상기 2차원의 정규화 좌표계를 가지는 상기 2차원 복원된 데이터에 상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보를 적용하는 것에 기초하여 상기 2차원 복원된 데이터를 픽셀 좌표계로 변환함으로써, 복원된 이미지를 획득하는 단계; 상기 픽셀 좌표계를 가지는 상기 복원된 이미지에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 방법은, 상기 제 1 이미지 및 상기 제 1 이미지에 대응되는 라벨링 정보를 포함하는 제 1 학습 데이터셋을 이용하여, 상기 촬영 디바이스의 제 1 뷰포인트에 대응되는 제 1 입력 데이터 및 제 2 뷰포인트에 대응되는 제 2 입력 데이터에 대해서 서로 대응되는 특징점들이 출력되도록 제 2 특징점 획득 모델을 학습시키는 단계를 더 포함하며, 여기서 상기 제 1 뷰포인트와 상기 제 2 뷰포인트는 서로 상이한 뷰포인트를 가질 수 있다.
일 실시예에서, 상기 제 2 특징점 획득 모델을 학습시키는 단계는: 상기 제 1 뷰포인트를 가지는 상기 제 1 학습 데이터에 상기 뷰포인트 변환을 적용함으로써 상기 제 2 뷰포인트를 가지는 제 2 학습 데이터를 생성하는 단계; 상기 제 1 학습 데이터를 상기 제 2 특징점 획득 모델에 입력하여 상기 제 1 학습 데이터에 대응되는 제 2 특징점들을 획득하는 단계; 상기 제 2 학습 데이터를 상기 제 2 특징점 획득 모델에 입력하여 상기 제 2 학습 데이터에 대응되는 제 3 특징점들을 획득하는 단계; 상기 제 3 특징점들이 반영된 상기 제 2 학습 데이터에 상기 뷰포인트 역-변환을 적용함으로써 상기 제 3 특징점들이 반영된 상기 제 2 학습 데이터의 뷰포인트를 상기 제 1 뷰포인트로 복원하는 단계; 및 상기 제 1 뷰포인트로 복원된 상기 제 2 학습 데이터에서의 제 3 특징점들의 위치 정보와 상기 제 2 특징점들의 위치 정보를 비교하는 것에 기초하여, 상기 제 2 특징점 획득 모델을 학습시키는 단계를 포함할 수 있다.
일 실시예에서, 상기 제 2 특징점 획득 모델을 학습시키는 단계는, 상기 제 1 뷰포인트로 복원된 상기 제 2 학습 데이터에서의 제 3 특징점들의 위치 정보와 상기 제 2 특징점들의 위치 정보가 동일해지도록 설정된 손실함수에 기초할 수 있다.
일 실시예에서, 컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행 시 상기 컴퓨팅 장치로 하여금 이하의 동작들을 수행하도록 하며, 상기 동작들은: 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하는 동작; 상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트 변환을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 동작; 사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 동작; 상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 복원된 3차원 데이터를 획득하는 동작; 상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 동작을 포함할 수 있다.
일 실시예에서, 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 적어도 하나의 프로세서; 및 메모리를 포함할 수 있다. 상기 적어도 하나의 프로세서는: 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하는 동작; 상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트 변환을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 동작; 사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 동작; 상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 복원된 3차원 데이터를 획득하는 동작; 상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 동작을 수행할 수 있다.
본 개시내용의 일 실시예에 따른 방법, 장치 및 컴퓨터 프로그램은 카메라 포즈를 추정하기 위한 모델에서 학습 데이터를 효율적으로 생성할 수 있다. 본 개시내용의 일 실시예에 따른 방법, 장치 및 컴퓨터 프로그램은 카메라 포즈 추정의 정확도를 높이고 카메라 포즈 추정에 소요되는 시간 및/또는 리소스를 효율적으로 사용할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시내용의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도를 개략적으로 도시한다.
도 2는 본 개시의 일 실시예에 따른 네트워크 함수를 예시적으로 나타낸 개략도이다.
도 3은 본 개시의 일 실시예에 따라 뷰포인트 변환에 기반하여 이미지에 대한 라벨링 정보를 생성하는 방법을 예시적으로 나타낸다.
도 4는 본 개시의 일 실시예에 따라 뷰포인트 변환에 기반하여 이미지에 대한 라벨링 정보를 생성하는 방법을 예시적으로 나타낸다.
도 5는 본 개시의 일 실시예에 따른 뷰포인트 변환을 예시적으로 도시한다.
도 6은 본 개시의 일 실시예에 따라 뷰포인트 변환에 기반한 좌표계들의 변환을 예시적으로 도시한다.
도 7은 본 개시의 일 실시예에 따른 제 2 특징점 획득 모델의 학습 방식을 예시적으로 도시한다.
도 8은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본 개시내용에서의 제 1, 제 2, 또는 제 3 과 같이 제 N 으로 표현되는 용어들은 복수의 엔티티들을 구분하기 위해 사용된다. 예를 들어, 제 1 과 제 2로 표현된 엔티티들은 서로 동일하거나 또는 상이할 수 있다. 제 1-1, 제 1-2로 표현되는 용어들 그리고 제 2-1, 제 2-2로 표현되는 용어들 또한 복수의 엔티티들을 서로 구분하기 위해 사용될 수 있다.
본 개시내용에서 비주얼 로컬라이제이션은 실내 또는 실외에서 촬영된 이미지를 사용하여 디바이스의 현재 위치 또는 포즈(pose)를 추정하는 기술을 의미한다. 디바이스(혹은 카메라)의 포즈 추정(Pose estimation)이란 동적으로 변하는 카메라 시점의 이동(Translation) 및 회전(Rotation) 정보 등을 결정하는 것이다.
본 개시내용에서의 제 1 이미지는 예를 들어 촬영 디바이스에 의해 촬영된 이미지를 포함하며, 서버 등에 저장된 참조(reference) 이미지와 제 1 이미지를 이용하여 상기 제 1 이미지에 대응되는 디바이스의 포즈가 결정 또는 추정될 수 있다.
본 개시내용에서의 참조 이미지는 제 1 이미지를 촬영한 디바이스의 포즈 추정을 위해 사용되는 사전 저장된 이미지를 포함할 수 있다. 참조 이미지는 예를 들어 증강현실 또는 가상현실 등을 구현하기 위해 특정한 지역에서의 촬영된 실제 이미지들을 포함할 수 있다. 일례로, 이러한 참조 이미지는 컴퓨팅 장치(100) 또는 다른 컴퓨팅 장치에 저장될 수 있다. 참조 이미지에 맵핑된 메타데이터 또한 디바이스의 포즈 추정에 활용될 수 있다.
본 개시내용에서의 비주얼 로컬라이제이션을 수행하는데 있어서 메타데이터가 사용될 수 있다. 일례로, 메타데이터는 디바이스와 관련된 정보, 특징점들의 픽셀 좌표정보, 특징점들의 설명자(descriptor), 이미지로부터 획득된 랜드마크 정보, 이미지로부터 획득된 문자 정보 등과 같이 이미지 이외의 부가 정보를 포함할 수 있다. 본 개시내용의 일 실시예에 따라, 다양한 형태의 메타데이터를 사용함으로써 촬영 디바이스에 의해 촬영된 이미지와 사전 저장된 참조 이미지 간의 비교가 보다 원활하게 이루어질 수 있으며, 나아가 보다 적은 컴퓨팅 리소스를 사용하여 정확한 방식으로 카메라 포즈 추정이 이루어질 수 있다.
본 개시내용에서의 뷰포인트 변환은 특정한 객체를 촬영하는 촬영 디바이스의 위치 및/또는 바라보고 있는 방향을 변경하는 것을 의미할 수 있다. 예를 들어, 뷰포인트 변환은 촬영 디바이스의 비주얼 로컬라이제이션의 값에 대한 변환을 의미할 수 있다. 예를 들어, 뷰포인트 변환은, 촬영 디바이스의 위치 및 촬영 디바이스가 바라보는 방향을 나타내는 3차원의 카메라 좌표계에 기반하도록 변환된 제 1 이미지를 카메라 좌표계 상에서 제 1 좌표값으로부터 상기 제 1 좌표값과 상이한 제 2 좌표값으로 변환하는 것을 의미할 수 있다. 예를 들어, 뷰포인트 변환을 수행하는데 있어서 회전 매트릭스(rotation matrix) 및 병진 벡터(translation vector) 중 적어도 하나가 사용될 수 있다.
본 개시내용에서의 객체 및 피사체는 서로 교환가능하게 사용될 수 있다.
도 1은 본 개시내용의 일 실시예에 따른 컴퓨팅 장치(100)의 블록 구성도를 개략적으로 도시한다.
본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 프로세서(110) 및 메모리(130)를 포함할 수 있다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.
본 개시내용에서의 컴퓨팅 장치(100)는 본 개시내용의 실시예들을 구현하기 위한 시스템을 구성하는 임의의 형태의 노드를 의미할 수 있다. 컴퓨팅 장치(100)는 임의의 형태의 사용자 단말 또는 임의의 형태의 서버를 의미할 수 있다. 전술한 컴퓨팅 장치(100)의 컴포넌트들은 예시적인 것으로 일부가 제외될 수 있거나 또는 추가 컴포넌트가 포함될 수도 있다. 일례로, 전술한 컴퓨팅 장치(100)가 사용자 단말을 포함하는 경우, 출력부(미도시) 및 입력부(미도시)가 상기 컴퓨팅 장치(100)의 범위 내에 포함될 수 있다.
본 개시내용에서의 클라이언트의 디바이스는 이미지를 획득하기 위한 장치를 의미할 수 있다. 클라이언트 디바이스에 의해 촬영된 정보에 제 1 이미지가 포함될 수 있다. 이러한 클라이언트 디바이스에서 촬영된 쿼리 이미지는 예컨대, 서버 내에서의 참조 이미지와의 비교를 위해 사용될 수 있으며, 이에 따라 클라이언트 디바이스의 촬영 시점에서의 포즈가 결정될 수 있다.
본 개시내용에서의 컴퓨팅 장치(100)는 후술될 본 개시내용의 실시예들에 따른 기술적 특징들을 수행할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 인공지능 기반 모델의 학습을 위한 데이터를 생성 및/또는 증강시킬 수 있다.
본 개시내용에서의 컴퓨팅 장치(100)는 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하고, 제 1 이미지 및 제 1 깊이 맵에 뷰포인트 변환을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하고, 사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하고, 상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 복원된 3차원 데이터를 획득하고, 그리고 상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성할 수 있다. 전술한 방식으로 컴퓨팅 장치(100)는 촬영된 제 1 이미지에 대응되는 정확한 라벨링 정보를 자동으로 생성할 수 있다. 전술한 방식으로 촬영에 대한 시점이 변화하더라도 일정한 특징점과 설명자를 제공하는 특징점 추출 모델이 구축될 수 있다.
일 실시예에서, 프로세서(110)는 적어도 하나의 코어로 구성될 수 있으며, 컴퓨팅 장치(100)의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석 및/또는 처리를 위한 프로세서를 포함할 수 있다.
프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시내용의 일 실시예에 따른 비주얼 로컬라이제이션의 방법론들(예컨대, 특징점 추출 모델의 구축 방법론 및/또는 특징점 추출 모델의 학습 데이터 생성 방법론)을 수행할 수 있다. 또한, 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시내용의 일 실시예에 따른 비주얼 로컬라이제이션의 방법론들(예컨대, 특징점 추출 모델의 구축 방법론 및/또는 특징점 추출 모델의 학습 데이터 생성 방법론)을 수행할 수 있다.
본 개시의 일 실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수도 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피쳐 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치들의 프로세서들을 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수도 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다. 본 개시의 일 실시예에 따른 신경망에 대한 동작들은 도 2와 관련하여 후술될 것이다.
추가적으로, 프로세서(110)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 예를 들어, 프로세서(110)는 컴퓨팅 장치(100)에 포함된 구성요소들을 통해 입력 또는 출력되는 데이터, 정보, 또는 신호 등을 처리하거나 저장부에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 컴퓨팅 장치(100)가 수신한 임의의 형태의 정보를 저장할 수 있다. 본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 본 개시의 실시예들에 따른 동작을 수행하도록 하는 컴퓨터 소프트웨어를 저장하는 저장매체 일 수 있다. 따라서, 메모리(130)는 본 개시내용에 실시예들을 수행하는데 필요한 소프트웨어 코드, 코드의 실행 대상이 되는 데이터, 코드의 실행 결과를 저장하기 위한 컴퓨터 판독 매체들을 의미할 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 임의의 타입의 저장 매체를 의미할 수 있다 예를 들어, 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시내용에서 사용되는 메모리(130)는 전술한 예시들로 제한되지 않는다.
본 개시내용에서의 통신부(미도시)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크부(150) 공지의 월드와이드웹(WWW: World Wide Web) 기반으로 동작할 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.
본 개시내용에서의 컴퓨팅 장치(100)는 임의의 형태의 사용자 단말 및/또는 임의의 형태의 서버를 포함할 수 있다. 따라서, 본 개시내용의 실시예들은 서버 및/또는 사용자 단말에 의해 수행될 수 있다.
사용자 단말은 서버 또는 다른 컴퓨팅 장치와 상호작용 가능한 임의의 형태의 단말을 포함할 수 있다. 사용자 단말은 예를 들어, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), PDA(personal digital assistants), 슬레이트 PC(slate PC), 태블릿 PC(tablet PC) 및 울트라북(ultrabook)을 포함할 수 있다.
본 개시내용에서의 촬영 디바이스는 전술한 사용자 단말을 포함할 수 있다. 촬영 디바이스는 깊이 맵을 생성하기 위한 모듈들이 포함될 수 있다. 따라서, 촬영 디바이스는 이미지 및/또는 깊이 맵을 생성하여 컴퓨팅 장치(100)로 전송할 수 있다. 일 실시예에서, 촬영 디바이스는 광학적인 화상을 감지하고 전기적인 신호로 변환하여 컴퓨팅 장치(100)에 전달하기 위한 임의의 형태의 장비를 의미할 수 있다. 예를 들어, 촬영 디바이스는 카메라, 스캐너, Lidar 및/또는 비전 센서(vision sensor) 중 적어도 하나를 포함할 수 있다. 추가적인 실시예에서, 컴퓨팅 장치(100)는 촬영 디바이스를 포함하거나, 무선 또는 유선으로 외부의 디바이스와 연동될 수도 있다.
서버는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 휴대용 디바이스 및 디바이스 제어기 등과 같은 임의의 타입의 컴퓨팅 시스템 또는 컴퓨팅 장치를 포함할 수 있다.
추가적인 실시예에서 전술한 서버는 참조 이미지 및 참조 이미지에 대응되는 메타 데이터, 3D 맵 등을 저장 및 관리하는 저장부(미도시)를 포함할 수 있다. 이러한 저장부는 서버내에 포함되거나 혹은 서버의 관리 하에 존재할 수 있다. 다른 예시로, 저장부는 서버 외부에 존재하여 서버와 통신가능한 형태로 구현될 수도 있다. 이 경우 서버와는 상이한 다른 외부 서버에 의해 저장부가 관리 및 제어될 수 있다.
본 개시의 몇몇 실시예에 따른 컴퓨팅 장치(100)는 인공지능 기반의 다양한 모델들을 이용하여 특징점들을 획득할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 인공지능 기반의 모델인 특징점 획득 모델을 이용하여 제 1 이미지에 대응되는 특징점을 획득할 수 있다.
일 실시예에서, 특징점 획득 모델은 딥러닝 또는 머신러닝을 통해 구축된 신경망을 포함할 수 있다. 특징점 획득 모델은 입력된 데이터에 포함된 이미지 및/또는 깊이 맵에서 특징점을 획득할 수 있다.
예를 들어, 본 개시내용에서의 이미지는 적어도 하나의 RGB(red-green-blue) 이미지 및/또는 적어도 하나의 그레이 스케일(grayscale) 이미지를 포함할 수 있다
예를 들어, 본 개시내용에서의 깊이 맵은 특정 이미지 내에 존재하는 각 픽셀들의 상대적인 거리를 구분하여 나타낸 이미지 또는 정보를 포함할 수 있다. 따라서, 깊이 맵은 이미지를 촬영하는 위치로부터 피사체의 표면까지의 거리와 관련된 정보를 포함할 수 있다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
본 개시내용에서, 특징점 획득 모델(예컨대, 제 1 특징점 획득 모델 및/또는 제 2 특징점 획득 모델)은 이하에서 구체적으로 설명될 인공지능 기반 모델에 대응될 수 있다.
본 개시내용에 걸쳐, 인공지능 기반 모델, 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
뉴럴 네트워크는 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 반지도학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 지도 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비지도 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비지도 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
본 개시의 일 실시예에 따른 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.
데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.
데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.
비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.
본 명세서에 걸쳐, 인공지능 기반 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.
데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 가중치를 포함할 수 있다. 본 개시내용에서 가중치 및 파라미터는 서로 교환가능한 의미로 사용될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
도 3은 본 개시의 일 실시예에 따라 뷰포인트 변환에 기반하여 이미지에 대한 라벨링 정보를 생성하는 방법을 예시적으로 나타낸다.
도 3에서 도시되는 순서도는 예를 들어, 컴퓨팅 장치(100)에 의해 수행될 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득할 수 있다(310).
예를 들어, 컴퓨팅 장치(100)는 증강현실 및/또는 가상현실 플랫폼을 제공할 수 있다. 컴퓨팅 장치(100)는 촬영 디바이스로부터 촬영된 데이터를 획득함으로써, 촬영 디바이스의 현재 위치 및 방향을 추정할 수 있다. 컴퓨팅 장치(100)는 촬영 디바이스의 위치 및 방향을 추정함으로써, 클라이언트가 증강현실 및/또는 가상현실 플랫폼 상에서의 활동을 향유하도록 허용할 수 있다.
일 실시예에서, 촬영 디바이스에 의해 획득되는 제 1 이미지는 2차원의 RGB 이미지 또는 그레이 스케일(grayscale) 이미지를 포함할 수 있다.
일 실시예에서, 촬영 디바이스에 의해 획득되는 제 1 깊이 맵은 특정 이미지 내에 존재하는 각 픽셀들의 상대적인 거리를 구분하여 나타낸 이미지 또는 정보를 포함할 수 있다. 따라서, 이러한 깊이 맵은 이미지를 촬영하는 촬영 디바이스의 위치로부터 피사체의 표면까지의 거리와 관련된 정보를 포함할 수 있다.
추가적인 실시예에서, 컴퓨팅 장치(100)는 촬영 디바이스의 추가 정보(예컨대, 촬영 디바이스의 카메라 정보)를 획득할 수 있다. 예를 들어, 촬영 디바이스의 추가 정보는 제 1 이미지 및 제 1 깊이 맵을 획득할 때 함께 획득될 수 있다. 추가 정보는 촬영 디바이스의 위치 정보를 포함할 수 있다. 위치 정보는 예를 들어, 특정지역 혹은 특정 국가에서 통용되는 geodetic datum 또는 geodetic system (또는, geodetic reference datum, geodetic reference system, 또는 geodetic reference frame), spatial reference system (SRS) 또는 coordinate reference system (CRS), 또는 geographic coordinate system (GCS) 등에 대한 좌표값 및/또는 방향값을 포함할 수 있다. 위치 정보에 대한 다른 예시로 GPS가 포함될 수 있다.
또한, 촬영 디바이스의 추가 정보는 focal length, principal point, resolution 등과 같은 촬영 디바이스의 하드웨어 관련 정보를 더 포함할 수 있다. 또한, 상기 디바이스의 과거의 카메라 포즈를 추정한 기록이 존재하는 경우, 상기 디바이스의 추가 정보는 상기 디바이스의 IMU(Inertial Measurement Unit)의 값으로부터 연산된, 상기 디바이스의 카메라 포즈에 대한 예비 추정 정보를 포함할 수 있다. 이러한 촬영 디바이스의 카메라 포즈에 대한 예비 추정 정보는 IMU 정보를 이용하여 추정된 대략적인 카메라 포즈를 포함할 수 있으며, 이러한 예비 추정 정보는 디바이스에 대한 대략적인 위치 정보 및 방향 정보를 포함할 수 있다. 이러한 예비 추정 정보가 사용되는 경우, 촬영된 이미지와 매칭될 참조 이미지의 후보군이 축소될 수 있기 때문에, 촬영 이미지와 서버(또는 컴퓨팅 장치)에 저장된 참조 이미지 간의 비교를 효율적으로 수행할 수 있다. 이에 따라 리소스 효율적인 비주얼 로컬라이제이션이 달성될 수 있다. 비주얼 로컬라이제이션에 대한 방법론에 대해서는 본 특허출원에 그 전체가 참조로 통합되는 대한민국 특허출원 제10-2022-0081908호 및 제10-2022-0078715호에 구체적으로 설명된다.
본 개시의 일 실시예에서, 컴퓨팅 장치(100)는 촬영 디바이스의 추가 정보를 사용하여, 데이터베이스 상에서의 복수의 참조 이미지들 중에서 특징점 매칭의 대상이 되는 후보 참조 이미지들을 결정하고 그리고 상기 결정된 후보 참조 이미지들과 촬영된 이미지 간의 특징점 매칭에 기초하여, 상기 촬영 디바이스의 카메라에 대한 포즈 추정(pose estimation)을 포함하는 비주얼 로컬라이제이션을 수행할 수 있다.
본 개시의 일 실시예에서, 디바이스의 추가 정보는 촬영 디바이스의 카메라 정보를 더 포함할 수 있으며, 이러한 카메라 정보에 대한 예시로 카메라의 내부 파라미터(intrinsic parameter)가 존재할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 내부 파라미터를 이용하여 뷰포인트 변환을 수행할 수 있다. 이러한 뷰포인트 변환은 3차원 좌표계에서의 변환을 포함할 수 있다.
추가적인 실시예에서, 컴퓨팅 장치(100)는 촬영 디바이스의 상기 카메라 정보에 기초하여, 복수의 포즈 추정 알고리즘들 중 상기 비주얼 로컬라이제이션을 수행하는데 사용되는 포즈 추정 알고리즘을 결정할 수 있다. 예를 들어, 디바이스(예컨대, 카메라)에 대한 포즈 추정은 reprojection 에러를 최소화시키는 방향으로 6DoF를 추정할 수 있다.
일례로, 카메라의 내부 파라미터가 주어지지 않은 경우(즉, uncalibrated 카메라인 경우), 포즈 추정 알고리즘은 Direct Linear Transformation (DLT) 방법론을 사용하여, 회전 매트릭스(rotation matrix)의 엘리먼트들, 병진 벡터(translation vector)의 엘리먼트들 및 카메라의 내부 파라미터들을 미지수로 포함하는 reprojection 에러 방정식을 선형 방정식으로 변경하고 그리고 QR decomposition을 통해 회전 매트릭스, 병진 벡터 및 카메라 매트릭스를 추정할 수 있다.
일례로, 카메라의 내부 파라미터가 주어진 경우(즉, calibrated 카메라인 경우), 포즈 추정 알고리즘은 Perspective-n-Point(PnP) 방법론을 사용하여, 비선형 방정식인 reprojection 에러를 선형 방정식으로 변형시키는 DLT와는 상이하게, 비선형 방정식인 reprojection 에러를 Gauss-Newton 방법론 또는 Levenberg-Marquardt 방법론 등을 이용하여 직접 풀어내는 방식으로 포즈 추정을 수행할 수 있다. 이러한 예시에서 대표적인 PnP 방법론으로 P3P, EPnP, SQPnP 방법론 등이 존재할 수 있다.
추가적인 예시에서, 전술한 DLT와 PnP 방법론들은 참조 특징점들의 3D 좌표의 부정확성이나 특징점들의 부정확성에서 기인하는 카메라 포즈의 에러를 최소화시키기 위해서 RANSAC을 도입할 수도 있다.
따라서, 전술한 바와 같이, 본 개시의 일 실시예에 따른 기법은 카메라 정보의 존재 여부에 따라서 카메라 포즈 추정 알고리즘을 상이하게 적용할 수 있으며, 예를 들어, 카메라 정보의 존재 여부에 따라 DLT 혹은 PnP 방법론을 사용함으로써 카메라 포즈 추정을 수행할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 이미지 및 제 1 깊이 맵에 뷰포인트 변환을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득할 수 있다(320).
본 개시내용에서의 뷰포인트 변환은 촬영 디바이스의 뷰포인트를 변경하는 것을 의미할 수 있다. 일 실시예에서, 뷰포인트 변환은 촬영 디바이스의 위치 및 바라보는 방향을 변경하는 것을 포함할 수 있다. 본 개시내용에서의 뷰포인트 변환은 촬영 디바이스의 3차원의 카메라 좌표계에서의 3차원 값을 변경하는 것을 의미할 수 있다. 일 실시예에서, 뷰포인트 변환은 촬영 디바이스의 위치 및 촬영 디바이스가 바라보는 방향을 나타내는 3차원의 카메라 좌표계에 기반하도록 변환된 제 1 이미지를 카메라 좌표계 상에서 제 1 좌표값으로부터 제 1 좌표값과 상이한 제 2 좌표값으로 변환하는 것을 의미할 수 있다. 이러한 뷰포인트 변환은, 회전 매트릭스 및 병진 벡터를 사용하여 수행될 수 있다. 회전 매트릭스 및 병진 벡터 중 적어도 하나가 상이한 경우, 상이한 뷰포인트 변환이 이루어질 수 있다.
예를 들어, 컴퓨팅 장치(100)는 회전 매트릭스 및 병진 벡터 중 적어도 하나가 상이한 복수의 뷰포인트 변환들을 제 1 이미지 및 제 1 깊이 맵에 적용함으로써, 복수의 변환된 이미지들 및 복수의 변환된 깊이 맵들을 포함하는 복수의 변환된 3차원 데이터를 획득하는 단계를 포함할 수 있다. 이러한 예시에서, 컴퓨팅 장치(100)는 촬영된 제 1 이미지에 대응되는 복수의 뷰포인트 변환된 데이터를 획득할 수 있다.
예를 들어, 뷰포인트 변환에서, 상기 제 1 이미지의 픽셀들 각각에 고유의 변환 행렬이 적용될 수 있다. 이러한 예시에서, 뷰포인트 변환을 통해 제 1 이미지 상에서의 픽셀들 각각에 대한 뷰포인트 변환이 이루어질 수 있다.
일 실시예에서, 뷰포인트 변환은 카메라 좌표계 상에서의 2개의 좌표값들 간의 변환을 의미할 수 있다. 일 실시예에서, 뷰포인트 변환은 2차원 데이터 및/또는 3차원 데이터에 워프(warp) 동작에 대응될 수도 있다.
본 개시내용의 일 실시예에 따라, 컴퓨팅 장치(100)는 촬영 디바이스에 의해 획득된 촬영 데이터에 대한 복수의 뷰포인트 변환들을 적용함으로써, 뷰포인트가 변환된 다양한 촬영 데이터를 획득할 수 있다.
일 실시예에서, 변환된 3차원 데이터는 뷰포인트 변환이 적용된 이미지 및 뷰포인트 변환이 적용된 깊이 맵을 포함할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 좌표계를 가지는 제 1 이미지를 제 2 좌표계로 변환하고 그리고 제 2 좌표계를 가지는 제 1 이미지를 제 3 좌표계로 변환할 수 있다. 제 3 좌표계를 가지는 제 1 이미지에 대한 뷰포인트 변환이 적용되고, 뷰포인트 변환된 제 1 이미지가 제 3 좌표계를 기반으로 획득될 수 있다. 예를 들어, 제 1 좌표계, 제 2 좌표계 및 제 3 좌표계는 좌표계를 구성하는 인자들이 서로 상이한 좌표계를 의미할 수 있다. 예를 들어, 제 1 좌표계 및 제 2 좌표계 중 적어도 하나는 2차원 좌표계에 대응될 수 있으며 그리고 제 3 좌표계는 3차원 좌표계에 대응될 수 있다.
전술한 방식으로 컴퓨팅 장치(100)는 제 1 좌표계에서 제 2 좌표계로 그리고 제 2 좌표계에서 제 3 좌표계로의 변환을 통해서 3차원의 뷰포인트 변환을 수행할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 카메라 정보를 이용하여, 픽셀(pixel) 좌표계를 가지는 제 1 이미지를 정규화(normalized) 좌표계로 변환할 수 있다. 컴퓨팅 장치(100)는 획득된 깊이 맵을 이용하여, 상기 정규화 좌표계를 가지는 상기 제 1 이미지를 3차원의 카메라 좌표계로 변환할 수 있다. 컴퓨팅 장치(100)는 상기 카메라 좌표계를 가지는 상기 제 1 이미지에 뷰포인트 변환을 적용함으로써, 상기 변환된 이미지 및 상기 변환된 깊이 맵을 포함하는 상기 변환된 3차원 데이터를 획득할 수 있다.
일 실시예에서, 픽셀 좌표계는 촬영 디바이스의 촬영 시 획득되는 이미지 상에서의 픽셀의 위치를 나타내는 좌표계를 의미할 수 있다. 카메라 좌표계는 촬영 디바이스의 위치와 바라보고 있는 방향에 의해 결정되는 좌표계를 의미할 수 있다. 예를 들어, 카메라 좌표계에서 카메라가 바라보는 방향이 Z축으로 설정될 수 있다. 정규화 좌표계는 카메라 좌표계에서의 Z값을 1로 하는 평면에 점(point)들을 투영시켰을 때 획득되는 좌표를 의미할 수 있다. 예를 들어, 정규화 좌표계에서의 원점은 카메라 좌표계에서의 (0,0,1)에 해당할 수 있다. 정규화 좌표계에서의 투영이란, 촬영 디바이스의 중심점과 카메라 좌표계의 Z값을 1로 하는 평면 공간상의 점의 위치를 연결하는 선분을 따라 투영하는 것을 의미할 수 있다.
일 실시예에서, 카메라 정보(예컨대, focal length, principal point, skew parameter 등을 포함하는 카메라의 내부 파라미터)를 이용하여 정규화 좌표계로부터 픽셀 좌표계로의 변환이 이루어질 수 있다. 예를 들어, 정규화 좌표계에서 카메라 정보에 대응되는 카메라 매트릭스를 곱함으로써 픽셀 좌표계에서의 값이 획득될 수 있다. 이러한 예시에서, focal length는 정규화 좌표계와 카메라 좌표계 간의 스케일(scale)의 차이를 결정하고, principal point는 픽셀 좌표계의 원점을 이미지 평면상에서의 좌측 상단으로 이동시키며 그리고 skew parameter는 이미지의 가로, 세로의 비대칭성을 나타낸다.
일 실시예에서, 컴퓨팅 장치(100)는 사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 변환된 이미지에 대응되는 제 1 특징점들을 획득할 수 있다(330).
일 실시예에서, 제 1 특징점 획득 모델은, 피사체에서의 색상 또는 기하학적 패턴 중 적어도 하나에 대한 변화량이 사전결정된 임계치를 초과하는 포인트를 특징점으로 인식하도록 지도 학습에 기반하여 사전 학습된 모델에 대응될 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 사전 학습된 제 1 특징점 획득 모델을 이용하여, 제 1 이미지로부터 적어도 하나의 특징점 및/또는 적어도 하나의 특징점 각각에 대응되는 적어도 하나의 설명자(descriptor)를 획득할 수 있다. 일례로, 특징점은 이미지 상에서 특징이 되는 부분들 또는 포인트들 각각에 대한 좌표일 수 있다. 일례로, 설명자는 특징점들 각각의 방향성, 크기 및/또는 특징점들 각각의 주변 픽셀 간의 관계에 대한 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 특징점 획득 모델은 이미지 내에서의 객체에서의 색상 또는 기하학적 패턴 중 적어도 하나에 대한 변화량이 사전결정된 임계치를 초과하는 포인트를 특징점으로 인식하도록 지도 학습에 기반하여 사전 학습된 모델에 대응될 수 있다. 일례로, 특징점 획득 모델은 이미지 기반의 신경망을 사용하여 사전학습된 모델에 대응될 수 있다. 다른 예시로, 특징점 획득 모델은 Transformer 기반의 신경망을 사용하여 사전학습된 모델에 대응될 수도 있다.
전술한 바와 같이, 본 개시의 일 실시예에 따라, 컴퓨팅 장치(100)는 뷰포인트 변환이 이루어진 이미지에 대한 특징점들(및 설명자들)을 획득할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 뷰포인트 변환에 기초하여 변환된 깊이 맵을 이용하여, 3차원 카메라 좌표계를 가지는 상기 변환된 3차원 데이터를 정규화 좌표계로 변환하여 2차원 데이터를 획득할 수 있다. 컴퓨팅 장치(100)는 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보에 기초하여, 상기 정규화 좌표계를 가지는 상기 2차원 데이터를 픽셀 좌표계로 변환함으로써, 상기 변환된 이미지를 획득할 수 있다. 컴퓨팅 장치(100)는 상기 변환된 이미지를 상기 제 1 특징점 획득 모델에 입력하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득할 수 있다.
전술한 바와 같이, 제 1 특징점 획득 모델은 뷰포인트 변환을 수행되는데 사용되는 좌표계와 상이한 좌표계를 가지는 이미지를 입력으로 하여 동작될 수 있다. 예를 들어, 제 1 특징점 획득 모델이 입력으로 사용하는 좌표계는 2차원 좌표계에 해당하며 그리고 뷰포인트 변환이 적용되는 좌표계는 3차원 좌표계에 해당할 수 있다. 예를 들어, 제 1 특징점 획득 모델은 픽셀 좌표계에서 동작 가능하며 그리고 뷰포인트 변환은 3차원 카메라 좌표계에서 적용 가능하다.
따라서, 컴퓨팅 장치(100)는 뷰포인트 변환이 수행된 제 3 좌표계로부터 제 2 좌표계로의 변환을 수행하고 그리고 제 2 좌표계로부터 제 1 좌표계로의 변환을 수행한 결과 정보를 제 1 특징점 획득 모델의 입력 데이터로서 사용할 수 있다. 제 1 특징점 획득 모델은 이러한 제 1 좌표계를 가지는 입력 데이터에 대응되는 특징점들 (및/또는 설명자들)을 출력할 수 있다. 제 1 특징점 획득 모델의 출력은 제 1 좌표계를 가지는 이미지에 표현된 특징점들 및 설명자들을 포함할 수 있다. 여기서, 제 1 좌표계, 제 2 좌표계 및 제 3 좌표계는 좌표계를 구성하는 구성요소들이 상이한 좌표계를 의미할 수 있다. 예를 들어, 제 1 좌표계 및 제 2 좌표계 중 적어도 하나는 2차원 좌표계를 포함할 수 있으며, 제 3 좌표계는 3차원 좌표계를 포함할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 변환된 깊이 맵 및 제 1 특징점들이 포함된 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 복원된 3차원 데이터를 획득할 수 있다(340).
일 실시예에서, 뷰포인트 역-변환은, 뷰포인트 변환에 대한 역(inverse)에 대응되는 변환을 의미할 수 있다. 예를 들어, 특정한 뷰포인트를 갖는 특정 이미지에 대한 뷰포인트 변환 및 뷰포인트 역-변환이 이루어진 경우, 특정한 뷰포인트를 갖는 특정 이미지가 복원될 수 있다.
일 실시예에서, 뷰포인트 역-변환은, 뷰포인트 변환에서 사용되는 회전 매트릭스(R)의 역(inverse)에 대응되는 회전 매트릭스(R-1) 및 상기 뷰포인트 변환에서 사용되는 병진 벡터(T)의 역에 대응되는 병진 벡터(-R-1 * T)를 사용할 수 있다.
일 실시예에서, 뷰포인트 역-변환은 제 1 특징점 획득 모델이 동작 가능한 좌표계와 상이한 좌표계에 적용될 수 있다. 예를 들어, 뷰포인트 역-변환은 3차원 카메라 좌표계에 적용될 수 있으며, 제 1 특징점 획득 모델은 2차원 픽셀 좌표계에서 동작가능할 수 있다.
일 실시예에서, 뷰포인트 역-변환은 뷰포인트 변환이 적용가능한 좌표계와 동일한 좌표계에서 적용될 수 있다. 뷰포인트 역-변환의 과정은 제 1 특징점 획득 모델의 출력에 적용될 수 있다. 뷰포인트 변환과 관련하여 상술된 바와 같이, 컴퓨팅 장치(100)는 제 1 특징점 획득 모델의 출력에 대응되는 제 1 좌표계로부터 제 2 좌표계로의 변환을 수행하고, 제 2 좌표계로부터 제 3 좌표계로의 변환을 수행한 결과 데이터에 뷰포인트 역-변환을 적용할 수 있다. 전술한 바와 같이, 제 1 좌표계, 제 2 좌표계 및 제 3 좌표계는 좌표계를 구성하는 요소들이 서로 상이한 좌표계를 의미할 수 있다. 일례로, 제 1 좌표계 및 제 2 좌표계 중 적어도 하나는 2차원 좌표계를 포함할 수 있으며, 제 3 좌표계는 3차원 좌표계를 포함할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 특징점들을 변환된 이미지에 결합함으로써 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 획득할 수 있다. 컴퓨팅 장치(100)는 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보를 이용하여, 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 정규화 좌표계로 변환할 수 있다. 변환된 깊이 맵을 사용하여, 상기 정규화 좌표계를 가지는 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 3차원의 카메라 좌표계로 변환할 수 있다. 컴퓨팅 장치(100)는 상기 3차원의 카메라 좌표계를 가지는 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 상기 복원된 3차원 데이터를 획득할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 복원된 3차원 데이터에 기초하여, 제 1 이미지에 대응되는 라벨링 정보를 생성할 수 있다(350).
일 실시예에서, 촬영 디바이스에 의해 촬영된 제 1 이미지는 라벨링되지 않은 상태로 획득될 수 있다. 컴퓨팅 장치(100)는 복원된 3차원 데이터를 이용하여 상기 제 1 이미지에 대응되는 특징점들을 나타내는 라벨링 정보를 생성할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 복원된 3차원 데이터에서의 복원된 깊이 맵을 상기 복원된 3차원 데이터에 적용함으로써, 3차원 카메라 좌표계를 가지는 상기 복원된 3차원 데이터를 2차원의 정규화 좌표계를 가지는 2차원 복원된 데이터를 획득할 수 있다. 컴퓨팅 장치(100)는 2차원의 정규화 좌표계를 가지는 상기 2차원 복원된 데이터에 상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보를 적용하는 것에 기초하여 상기 2차원 복원된 데이터를 픽셀 좌표계로 변환함으로써, 복원된 이미지를 획득할 수 있다. 컴퓨팅 장치(100)는 상기 픽셀 좌표계를 가지는 상기 복원된 이미지에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성할 수 있다.
전술한 바와 같이, 3차원 좌표계에 해당하는 뷰포인트 역-변환의 결과물에 대한 좌표계 변경이 이루어질 수 있다. 예를 들어, 제 3 좌표계로부터 제 2 좌표계로의 변환이 이루어지고 그리고 제 2 좌표계로부터 제 1 좌표계로의 변환이 이루어질 수 있다. 예를 들어, 제 1 좌표계는 제 1 특징점 획득 모델의 입력으로 사용될 수 있는 좌표계와 대응될 수 있다. 제 1 좌표계로 변환된 결과물은 특징점들 (및/또는 설명자들)이 포함된 제 1 이미지를 나타낼 수 있다. 구현 양태에 따라, 제 1 좌표계로 변환된 결과물들은 복수의 이미지들을 포함할 수 있다. 복수의 이미지들 각각에 대응되늩 특징점들과 설명자들이 포함될 수 있다. 복수의 이미지들에 포함된 특징점들의 조합을 통해 제 1 이미지에 최적의 특징점들이 라벨링 정보(즉, 정답 정보)로 결정될 수 있다.
일 실시예에서, 촬영된 제 1 이미지 및 제 1 깊이 맵에 뷰포인트 변환이 적용되어 복수개의 변환된 데이터들이 생성될 수 있다. 컴퓨팅 장치(100)는 이러한 복수개의 변환된 데이터에 포함된 변환된 이미지를 사전학습된 제 1 특징점 추출 모델에 입력하여, 제 1 특징점들이 반영된 복수의 데이터 획득할 수 있다. 컴퓨팅 장치(100)는 제 1 특징점들이 반영된 복수의 데이터에 뷰포인트 역-변환을 적용함으로써 제 1 특징점들이 반영된 제 1 이미지들에 대한 복원을 수행할 수 있으며, 컴퓨팅 장치(100)는 이러한 복원의 결과 제 1 이미지들에 포함된 제 1 특징점들을 조합함으로써 상기 제 1 이미지에 대한 특징점들을 라벨링 정보로서 생성할 수 있다. 이러한 방식으로, 제 1 이미지에 대한 보다 정확한 라벨링 정보가 생성될 수 있다. 더불어, 이러한 방식으로, 제 1 이미지에 대한 라벨링 정보가 자동으로 생성될 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 촬영된 데이터에 첫번째 좌표계 변환을 적용하고, 좌표계 변환의 결과에 뷰포인트 변환을 적용하고, 뷰포인트 변환의 결과에 두번째 좌표계 변환을 적용하고, 좌표계 변환의 결과에 대응되는 특징점들을 획득하고, 특징점들이 반영된 촬영된 데이터에 세번째 좌표계 변환을 적용하고, 좌표계 변환된 결과에 뷰포인트 역-변환을 적용하고, 뷰포인트 역-변환의 결과에 네번째 좌표계 변환을 적용하고, 그리고 좌표계 변환의 적용 결과에 기초하여 촬영된 데이터에 대한 라벨링 정보를 포함하는 학습 데이터를 자동으로 생성할 수 있다. 이러한 예시에서, 첫번째 좌표계 변환과 세번째 좌표계 변환은 좌표계의 변환 방향이 서로 대응되며, 두번째 좌표계 변환과 네번째 좌표계 변환은 좌표계의 변환 방향이 서로 대응될 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 이미지 및 제 1 이미지에 대한 라벨링 정보를 포함하는 학습 데이터셋을 이용하여, 뷰포인트가 변화하더라도 일정한 특징점을 추출하는 제 2 특징점 추출 모델을 학습시킬 수 있다. 제 2 특징점 추출 모델에 대한 학습 과정은 도 7에서 후술될 것이다.
본 개시의 일 실시예에 따른 라벨링 정보 생성 방식은 촬영된 이미지에 대한 보다 정확한 특징점들을 라벨링 정보로 획득할 수 있기 때문에, 비주얼 로컬라이제이션을 수행하는데 있어서 사용되는 특징점 추출 모델의 보다 강건한 학습이 달성될 수 있다. 나아가, 비주얼 로컬라이제이션을 수행하는데 있어서 사용되는 특징점 추출 모델의 보다 강건한 학습을 바탕으로 보다 정확한 추론(inference)이 가능해질 수 있다.
도 4는 본 개시의 일 실시예에 따라 뷰포인트 변환에 기반하여 이미지에 대한 라벨링 정보를 생성하는 방법을 예시적으로 나타낸다.
도 4에서 도시되는 방법들은 예를 들어, 컴퓨팅 장치(100)에 의해 수행될 수 있다.
일 실시예에서, 촬영 디바이스로부터 획득된 피사체에 대응되는 제 1 이미지(410) 및 제 1 깊이맵(420)에 뷰포인트 변환(430)이 적용될 수 있다. 일례로, 촬영 디바이스로부터 획득된 제 1 이미지(410) 및 제 1 깊이맵(420)을 컴퓨팅 장치(100)가 획득할 수 있다. 다른 예시로, 컴퓨팅 장치(100)가 촬영 디바이스의 역할을 수행할 수도 있다.
일 실시예에서, 뷰포인트 변환(430)은 제 1 뷰포인트에 따라 획득된 제 1 이미지(410) 및 제 1 깊이맵(420)을 3차원 카메라 좌표계 상에서 제 2 뷰포인트로 변경하는 것을 포함할 수 있다. 뷰포인트 변환(430)에 따라서 변환된 제 1 이미지(440a) 및 변환된 제 1 깊이 맵(440b)이 획득될 수 있다. 예를 들어, 제 1 이미지(410)에 대한 뷰포인트 변환(430)이 적용되어, 변환된 제 1 이미지(440a)가 생성되며, 그리고 제 1 깊이 맵(420)에 대한 뷰포인트 변환(430)이 적용되어, 변환된 제 1 깊이맵(440b)이 생성된다.
일 실시예에서, 변환된 제 1 이미지(440a)는 제 1 특징점 획득 모델(450)로 입력될 수 있다. 제 1 특징점 획득 모델(450)은 인공지능 기반으로 사전학습된 모델로서, 입력된 이미지 상에서의 특징점을 결정할 수 있다. 제 1 특징점 획득 모델(450)은 피사체에서의 색상 또는 기하학적 패턴 중 적어도 하나에 대한 변화량이 사전결정된 임계치를 초과하는 포인트를 특징점으로 인식할 수 있다. 제 1 특징점 획득 모델(450)은 입력된 이미지 내에 포함된 피사체의 외형을 결정지을 수 있는 복수의 특징점들을 인식할 수 있다. 제 1 특징점 획득 모델(450)은 변환된 제 1 이미지(440a)를 입력 받아 제 1 특징점들(460)을 출력할 수 있다. 제 1 특징점들(460)은 촬영된 제 1 이미지(410)에 대해 뷰포인트 변환된 제 1 이미지(440a)에서의 특징점들을 포함할 수 있다.
일 실시예에서, 제 1 특징점 획득 모델(450) 이미지에서 특징점들을 추출할 수 있는 기계학습 기반의 신경망을 포함할 수 있다. 예를 들어, 제 1 특징점 획득 모델(450)은 기하학적 패턴의 꼭지점을 특징점의 정답 데이터(ground truth)로 사용하는 학습 데이터 셋에 기반하여 지도학습 방식으로 사전 학습된 모델에 대응될 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 특징점들(460)을 포함하는 변환된 제 1 이미지(440a) 및 변환된 제 1 깊이 맵(440b)에 뷰포인트 역변환(470)을 적용할 수 있다. 제 1 특징점 획득 모델(450)에 의해 추출되는 제 1 특징점들(460)은 변환된 제 1 이미지(440a) 상에 반영될 수 있다. 뷰포인트 역변환(470)은 제 1 특징점들(460)을 포함하는 변환된 제 1 이미지(440a) 및 변환된 제 1 깊이 맵(440b)에 적용될 수 있으며, 이러한 뷰포인트 역변환(470)은 뷰포인트 변환(430)의 역(inverse)을 의미할 수 있다. 뷰포인트 역변환(470)에 따른 결과로 복원된 3차원 데이터(480)가 생성될 수 있다. 일례로, 복원된 3차원 데이터(480)는 제 1 특징점들을 포함하는 제 1 이미지(410)와 대응될 수 있다. 일례로, 복원된 3차원 데이터(480)는 제 1 깊이 맵(420)을 포함할 수 있다. 일례로, 복원된 3차원 데이터(480)는 제 1 특징점들을 포함하는 제 1 이미지(410) 및 제 1 깊이 맵(420)을 포함할 수 있다.
일 실시예에서 컴퓨팅 장치(100)는 복원된 3차원 데이터(480)에 포함된 특징점들을 기초로 하여 제 1 이미지(410)에 대한 라벨링 정보(490)를 생성할 수 있다. 라벨링 정보(490)는 제 1 이미지(410)에 대응되는 특징점들에 대한 정보를 포함할 수 있다. 라벨링 정보(490)는 제 1 이미지(410)를 뷰포인트 변환(430)하고 뷰포인트 역변환(470)함으로써 획득되는 특징점들에 대한 정보 및/또는 설명자들에 대한 정보를 포함할 수 있다. 이러한 라벨링 정보(490)는 제 2 특징점 획득 모델의 학습 과정에서 사용되는 학습 데이터 셋에 포함될 수 있다.
본 개시내용의 일 실시예에 따라서, 깊이 맵과 관련된 정보(420, 440b)는 뷰포인트 변환(430) 및 뷰포인트 역변환(440b)에서 사용될 수 있다. 깊이 맵과 관련된 정보(420, 440b)가 이용됨에 따라 3차원 카메라 좌표 상에서의 뷰포인트 변환(430) 및 뷰포인트 역변환(440b)이 효율적으로 이루어질 수 있다.
일 실시예에서, 뷰포인트 변환(430)은 제 1 이미지(410) 및 제 1 깊이 맵(420)에 대하여 복수의 변환된 제 1 이미지(440a) 및 복수의 변환된 제 1 깊이 맵(440b)을 생성할 수 있다. 이러한 경우 복수의 상이한 뷰포인트 변환(430)이 사용될 수 있으며, 그리고 복수의 상이한 뷰포인트 역변환(470)이 사용될 수 있다. 이에 따라, 복원된 3차원 데이터(480)는 제 1 이미지(410)에 대응되는 복수의 세트들의 특징점들을 포함할 수 있으며, 이러한 복수의 세트의 특징점들에 기초하여 제 1 이미지(410)에 대한 라벨링 정보(490)가 생성될 수 있다. 복수의 변환된 3차원 데이터(440a 및 440b) 각각에 대응되는 복수의 복원된 3차원 데이터(480)에 기초하여 제 1 이미지(410)에 대응되는 라벨링 정보(490)가 생성될 수 있다. 일례로, 제 1 이미지(410)에 대응되는 복수의 세트들의 특징점들 모두 라벨링 정보(490)로 활용될 수 있다. 다른 예시로, 제 1 이미지(410)에 대응되는 복수의 세트들의 특징점들 중 일부가 라벨링 정보(490)로 활용될 수 있다. 이러한 예시에서, 제 1 이미지(410)에 대응되는 복수의 세트들의 특징점들 중 서로 중복되는 특징점들이 라벨링 정보(490)로 활용될 수 있다.
전술한 바와 같이, 본 개시의 일 실시예에 따른 기법은 촬영된 데이터(410, 420)에 대하여 복수의 뷰포인트 변환들(430) 및 복수의 뷰포인트 역변환들(480)을 적용함으로써 획득된 특징점들에 기반하여 라벨링 정보(490)을 생성할 수 있기 때문에, 인공지능 기반의 특징점 획득 모델(예컨대, 제 2 특징점 획득 모델)의 학습을 위한 학습 데이터 셋을 효율적으로 증강시킬 수 있으며 나아가 라벨링 정보(예컨대, 특징점 정보 및 설명자 정보)에 대한 정확성 또한 향상시킬 수 있다. 이에 따라, 뷰포인트가 변화하더라도 일관성이 높은 특징점들과 설명자들을 출력할 수 있는 제 2 특징점 획득 모델이 생성될 수 있다.
도 5는 본 개시의 일 실시예에 따른 뷰포인트 변환을 예시적으로 도시한다.
일 실시예에서, 3차원 카메라 좌표 상에서의 제 1 뷰포인트(530)를 갖는 촬영 디바이스에 의해 피사체(510)에 대한 이미지 및 깊이 맵이 획득될 수 있다. 일 실시예에서, 3차원 카메라 좌표 상에서의 제 1 뷰포인트(530)를 갖는 촬영 디바이스에 대한 카메라 정보가 추가적으로 획득될 수 있다. 제 1 뷰포인트(530)는 제 1 카메라 좌표계(550)에 대응될 수 있다.
일 실시예에서, 뷰포인트 변환에 따라서 제 1 뷰포인트(530)를 갖는 피사체(510)에 대한 이미지 및 깊이 맵이 제 2 뷰포인트(520)를 갖는 피사체(510)에 대한 이미지 및 깊이 맵으로 변경될 수 있다. 변경된 이미지 및 깊이 맵은 제 2 카메라 좌표계(540)에 대응될 수 있다. 제 2 뷰포인트(520)는 제 2 카메라 좌표계(540)에 대응될 수 있다.
일 실시예에서, 뷰포인트 변환은 이하의 수학식 1에 의해 수행될 수 있다.
Figure PCTKR2023009474-appb-img-000001
일 실시예에서,
Figure PCTKR2023009474-appb-img-000002
는 제 1 카메라 좌표계(550)에 대응되는 제 1 뷰포인트(530)에서의 카메라 좌표 값을 의미할 수 있다. 일 실시예에서, 수학식 1에서의
Figure PCTKR2023009474-appb-img-000003
은 제 2 카메라 좌표계(540)에 대응되는 제 2 뷰포인트(520)에서의 카메라 좌표값을 나타낸다.
일 실시예에서, 수학식 1에서의 R은 회전 매트릭스를 나타내며 그리고 T는 병진 벡터를 나타낼 수 있다. 일례로, R과 T의 값에 따라서 뷰포인트 변환이 상이해질 수 있다. 일례로, R과 T는 뷰포인트 변환을 위한 상대 카메라 포즈를 표현하기 위한 인자들을 의미할 수도 있다.
이에 따라, 제 1 카메라 좌표계(550)에 대응되는 제 1 뷰포인트(530)에서의
Figure PCTKR2023009474-appb-img-000004
에 회전 매트릭스 R이 곱해지고 병진 벡터 T가 합산되는 방식으로 뷰포인트 변환이 이루어질 수 있다. 이러한 뷰포인트 변환의 결과
Figure PCTKR2023009474-appb-img-000005
이 획득될 수 있다.
Figure PCTKR2023009474-appb-img-000006
수학식 2는 수학식 1에 따른 뷰포인트 변환의 행렬 연산을 예시적으로 나타낸다. 수학식 2에서의 연산의 결과인 제 1 행렬에서의 X1, Y1 및 Z1 각각은 제 2 카메라 좌표계(540)에서의 X축, Y축 및 Z축 값을 나타낼 수 있다. 연산의 대상이 되는 제 2 행렬에서의 X2, Y2 및 Z2 각각은 제 1 카메라 좌표계(550)에서의 X축, Y축 및 Z축 값을 나타낼 수 있다. 수학식 2에서의 뷰포인트 변환을 나타내는 제 3 행렬에 포함된 r11, r12, r13, r21, r22, r23, r31, r32 및 r33의 엘리먼트들은 뷰포인트 변환의 회전 매트릭스를 의미한다. 회전 매트릭스 중 r11, r21 및 r31이 제 1 카메라 좌표계(550)에서의 X축의 값인 X2와 연산되고, 회전 매트릭스 중 r12, r22 및 r32이 제 1 카메라 좌표계(550)에서의 Y축의 값인 Y2와 연산되고 그리고 회전 매트릭스 중 r13, r23 및 r33이 제 1 카메라 좌표계(550)에서의 Z축의 값인 Z2와 연산될 수 있다. 제 3 행렬에서의 rnk의 값의 크기와 뷰포인트 변환에서의 회전의 정량적인 값이 상호 연관될 수 있다. rnk의 값이 클수록 회전운동의 강도가 높을 수 있다. 여기서 n 및 k는 1 내지 3의 값을 가지는 자연수이다.
일 실시예에서, 수학식 2의 제 3 행렬에서의 t1, t2 및 t3는 병진 벡터를 나타내는 엘리먼트들을 의미할 수 있다. t1, t2 및 t3의 크기와 뷰포인트 변환에서의 병진의 정량적인 값이 상호 연관될 수 있다. tn의 값이 클수록 병진운동의 강도가 높을 수 있다. 일 실시예에서, 제 1 행렬에서의 엘리먼트 1과 제 2 행렬에서의 엘리먼트 1 그리고 제 3 행렬에서의 엘리먼트들 (0, 0, 0, 1)은 병진 벡터의 합산을 곱의 형태로 표현하기 위해 사용되는 엘리먼트들이다. 여기서 n은 1 내지 3의 값을 가지는 자연수이다.
대안적으로, X1, Y1 및 Z1으로 이루어진 제 1 행렬은 rnk로 이루어진 제 3 행렬과 X2, Y2 및 Z2로 이루어진 제 2 행렬의 곱과 tn으로 이루어진 병진 벡터 (또는 병진 매트릭스)의 합산으로 표현될 수도 있다.
도 5에서 도시되는 바와 같이, 3차원 카메라 좌표계 상에서의 뷰포인트 변환이 수행될 수 있으며, 뷰포인트의 역변환은 도 5에서 도시되는 변환의 역을 의미할 수 있다.
도 5에서 도시되는 바와 같이, 2개의 3차원 카메라 좌표계들 간의 뷰포인트 변환은 축의 방향을 바꾸는 Reflection을 포함하는 회전 매트릭스와 병진 운동을 발생시키는 3차원 벡터를 포함하는 병진 벡터를 사용하여 구현될 수 있다. 이러한 뷰포인트 변환은 예컨대, Euclidean 변환, Rigid 변환 및/또는 Isometry 변환에 기반하여 동작할 수 있다. 도 5에서 도시되는 바와 같이, 제 1 카메라 좌표계(550)에 기반한 제 1 이미지가 제 2 카메라 좌표계(540)에 기반한 제 1 이미지로 뷰포인트 변환이 이루어질 수 있다.
도 6은 본 개시의 일 실시예에 따라 뷰포인트 변환에 기반한 좌표계들의 변환을 예시적으로 도시한다.
뷰포인트 변환 및/또는 뷰포인트 역변환을 수행하는데 있어서, 좌표계들 간의 변환이 수반될 수 있다. 도 6은 뷰포인트 변환을 수행하는데 있어서 좌표계들이 변화되는 과정들을 예시적으도 도시한다.
본 개시내용의 일 실시예에서, 서로 상이한 3개의 좌표계들(예컨대, 제 1 좌표계, 제 2 좌표계 및 제 3 좌표계)이 존재할 수 있다. 컴퓨팅 장치(100)는 제 1 좌표계로부터 제 2 좌표계 그리고 제 3 좌표계의 방향을 갖는 제 1 방향의 좌표계 변환과 제 3 좌표계로부터 제 2 좌표계 그리고 제 1 좌표계의 방향을 갖는 제 2 방향의 좌표계 변환을 수행할 수 있다. 예를 들어, 제 1 방향의 좌표계 변환과 제 2 방향의 좌표계 변환이 서로 번갈아가며 수행될 수 있다. 이러한 예시에서 제 1 방향의 좌표계 변환과 제 2 방향의 좌표계 변환이 수행되는 패턴이 2회 반복될 수 있다. 좌표계 변환들이 수행되는 과정에서, 촬영 디바이스에 의해 촬영된 이미지에 대한 특징점들(및/또는 설명자들)이 획득될 수 있다. 예를 들어, 좌표계 변환들이 수행되는 과정에서, 촬영 디바이스에 의해 촬영된 이미지에 복수의 뷰포인트 변환들이 적용될 수 있으며 이러한 복수의 뷰포인트 변환들에 따른 이미지들에 대응되는 특징점들(및/또는 설명자들)의 세트들이 획득될 수 있다. 이러한 복수의 세트의 특징점들의 조합을 통해, 촬영 디바이스에 의해 촬영된 이미지에 대한 최적의 특징점들이 결정될 수 있다. 이러한 방식으로 컴퓨팅 장치(100)는 촬영 디바이스에 의해 촬영된 이미지에 대한 라벨링 정보를 자동으로 정확하게 생성할 수 있다.
도 6에서 도시되는 바와 같이, 제 1 픽셀 좌표계(610)는 촬영 디바이스에 의해 촬영된 제 1 이미지가 가지는 좌표계를 나타낼 수 있다. 컴퓨팅 장치(100)는 촬영 디바이스의 카메라 정보를 이용하여 제 1 픽셀 좌표계(610)를 제 1 정규화 좌표계(620)로 변환할 수 있다. 예를 들어, 가상 현실 또는 증강 현실을 지원할 수 있는 촬영 디바이스의 경우 카메라 내부 파라미터를 포함하는 카메라 정보를 가지고 있으며, 컴퓨팅 장치(100)는 촬영 디바이스의 카메라 정보를 활용하여 제 1 픽셀 좌표계(610)의 제 1 이미지를 제 1 정규화 좌표계(620)의 제 1 이미지로 변환시킬 수 있다.
일 실시예에서, 제 1 정규화 좌표계(620)의 제 1 이미지를 제 1 카메라 좌표계(630)의 제 1 이미지로 변환하기 위해서는 제 1 이미지와 함께 획득되는 깊이 맵(625)이 활용될 수 있다. 깊이 맵(625)은 특징점의 Z값을 나타낼 수 있다. 깊이 맵(625)에 따른 정보는 제 1 이미지를 3차원으로 표현하는데 사용될 수 있다. 깊이 맵(625)에 따른 정보는 특징점들을 3차원으로 표현하는데 사용될 수도 있다. 컴퓨팅 장치(100)는 깊이 맵(625)을 이용하여 제 1 정규화 좌표계(620)의 제 1 이미지를 제 1 카메라 좌표계(630)의 제 1 이미지로 변환할 수 있다.
일 실시예에서, 제 1 카메라 좌표계(630)의 제 1 이미지에 뷰포인트 변환(635)이 적용될 수 있다. 뷰포인트 변환(635)의 적용 결과에 따라서 제 2 카메라 좌표계(640)의 제 1 이미지가 획득될 수 있다. 제 2 카메라 좌표계(640)는 제 1 카메라 좌표계(630)와 좌표계는 동일하나 좌표계 내에서의 좌표값이 제 1 카메라 좌표계(630)의 좌표값과 상이할 수 있다. 예를 들어, 뷰포인트 변환(635) 과정에서 이미지의 소실을 최소화시키기 위해서 회전 및/또는 병진이 적용될 수 있는 이미지 (및/또는 깊이 맵) 내에서의 영역이 사전 결정될 수 있다. 해당 영역 내에서 예를 들어, 랜덤 샘플링에 기반하여 회전 매트릭스 및 병진 벡터가 결정될 수 있다.
일 실시예에서, 제 2 카메라 좌표계(640)의 제 1 이미지에 프로젝션이 적용될 수 있다. 프로젝션은 변환된 깊이 맵(즉, 뷰포인트 변환된 깊이 맵)을 사용하여 제 2 카메라 좌표계(640)의 제 1 이미지를 정규화 좌표계(650)의 제 1 이미지로 변환하는 것을 의미한다. 프로젝션은 제 2 카메라 좌표계(640)의 제 1 이미지를 변환된 깊이 값으로 나누는 것을 의미할 수 있다. 예를 들어, 프로젝션은 제 2 카메라 좌표계(640)의 제 1 이미지의 각각의 점의 위치를 각각의 변환된 깊이 맵으로 나누는 것을 포함할 수 있다. 제 2 카메라 좌표계(640)의 제 1 이미지에 프로젝션이 적용됨에 따라 제 2 정규화 좌표계(650)의 제 1 이미지가 획득될 수 있다.
컴퓨팅 장치(100)는 촬영 디바이스의 카메라 정보(655)를 사용하여 제 2 정규화 좌표계(650)의 제 1 이미지로부터 제 2 픽셀 좌표계(660)의 제 1 이미지를 획득할 수 있다. 제 2 픽셀 좌표계(660)의 제 1 이미지는 3차원적으로 뷰포인트 변환이 적용된 2차원 이미지에 대응된다. 제 2 픽셀 좌표계(660)의 제 1 이미지는 제 1 픽셀 좌표계(660)의 제 1 이미지와 동일한 차원(예컨대, 2차원)의 이미지이다. 제 2 픽셀 좌표계(660)의 제 1 이미지는 제 1 픽셀 좌표계(660)의 제 1 이미지의 좌표값과는 상이한 좌표값을 가질 수 있다. 본 개시내용에서 상이한 좌표계라는 표현은 좌표계를 구성하는 인자들(예컨대, 축의 개수 및 /또는 축의 방향 등)이 상이하다는 것을 의미할 수 있다. 본 개시내용에서 상이한 좌표값이라는 표현은 동일한 좌표계 내에서 표현되는 좌표의 위치값이 상이하다는 것을 의미할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 2 픽셀 좌표계(660에서의 제 1 이미지에 대한 특징점 추출을 수행할 수 있다. 이러한 특징점 추출은 제 1 특징점 추출 모델에 의해 수행될 수 있다. 제 1 픽셀 좌표계(610)의 제 1 이미지로부터 제 2 픽셀 좌표계(660)의 제 1 이미지로 변환될 결과가 제 1 특징점 추출 모델의 입력으로 사용될 수 있다.
일 실시예에서, 특징점들이 포함된 제 2 픽셀 좌표계(660)의 제 1 이미지로부터 반대 방향으로 제 2 카메라 좌표계(640)의 제 1 이미지가 획득될 수 있으며, 제 2 카메라 좌표계(640)의 제 1 이미지에 대한 뷰포인트 역변환이 수행될 수 있다. 뷰포인트 역변환이 수행된 이후, 특징점들을 포함하는 제 1 카메라 좌표계(640)의 제 1 이미지가 획득될 수 있다. 그리고나서 제 1 정규퐈 좌표계(620) 및 제 1 픽셀 좌표계(610)로의 변환이 이루어지고, 제 1 픽셀 좌표계(610)의 제 1 이미지에 대한 특징점들이 획득될 수 있다. 제 1 픽셀 좌표계(610)의 복수의 이미지(즉, 제 1 이미지로부터 뷰포인트 변환 및 뷰포인트 역-변환된 다수의 이미지들)에 대한 다수의 세트들의 특징점들이 획득될 수 있다. 이러한 특징점들에 기초하여 제 1 이미지에 대응되는 라벨링 정보가 획득될 수 있다.
도 7은 본 개시의 일 실시예에 따른 제 2 특징점 획득 모델의 학습 방식을 예시적으로 도시한다.
일 실시예에서, 촬영 디바이스에 의해 획득되는, 제 1 깊이 맵(420) 및 제 1 이미지(410)에 대한 뷰포인트 변환(430)이 수행될 수 있다. 뷰포인트 변환(430)에 대한 구체적인 특징들은, 설명의 편의를 위해 도 3 내지 도 6에서 상술된 내용을 참고하기로 한다.
일 실시예에서, 뷰포인트 변환(430)의 결과로서, 변환된 제 1 이미지(440a) 및 변환된 제 1 깊이 맵(440b)이 획득될 수 있다. 변환된 제 1 이미지(440a)는 제 2 특징점 획득 모델(710)의 입력으로 사용될 수 있다. 일례로, 제 2 특징점 획득 모델(710)은 상술된 제 1 특징점 획득 모델과 서로 대응되는 신경망 구조를 가지는 인공지능 기반의 특징점 추출 모델을 의미할 수 있다. 제 2 특징점 획득 모델(710)의 동작은 뷰포인트 역-변환을 포함할 수 있다. 따라서, 변환된 제 1 이미지(440a)에 대한 특징점들이 획득되고 그리고 특징점들을 포함하는 제 1 이미지에 뷰-포인트 역변환이 적용됨으로써, 제 2 특징점들(720b)이 생성될 수 있다.
일 실시예에서, 제 1 이미지(410)가 제 2 특징점 획득 모델(710)의 입력으로 사용될 수 있다.
일 실시예에서, 제 2 특징점 획득 모델(710)은 변환된 제 1 이미지(440a)에 응답하여 제 2 특징점들(720b)을 생성하고, 그리고 제 1 이미지(410a)에 응답하여 제 2 특징점들(720a)을 생성할 수 있다.
상이한 입력 이미지에 응답하여 생성된 제 2 특징점들(720a) 및 제 2 특징점들(720b)가 비교될 수 있다. 제 2 특징점들(720a) 및 제 2 특징점들(720b)의 비교 결과, 2개의 세트의 특징점들(720a 및 720b)가 서로 동일해지도록 제 2 특징점 획득 모델의 손실 함수가 결정될 수 있다. 이러한 방식으로 제 2 특징점 획득 모델의 학습이 이루어질 수 있다.
일 실시예에서, 제 2 특징점 획득 모델(710)은 변환된 제 1 이미지(440a)에 응답하여 제 2 특징점들(720b)에 대응되는 제 2-1 설명자들을 생성하고, 그리고 제 1 이미지(410a)에 응답하여 제 2 특징점들(720a)에 대응되는 제 2-2 설명자들을 생성할 수 있다. 상이한 입력 이미지에 응답하여 생성된 제 2-1 설명자들 및 제 2 2-2 설명자들이 비교될 수 있다. 제 2-1 설명자들 및 제 2 2-2 설명자들의 비교 결과, 2개의 세트의 설명자들이 서로 동일해지도록 제 2 특징점 획득 모델의 손실 함수가 결정될 수 있다. 이러한 방식으로 제 2 특징점 획득 모델의 학습이 이루어질 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 이미지 및 상기 제 1 이미지에 대응되는 라벨링 정보를 포함하는 제 1 학습 데이터셋을 이용하여, 촬영 디바이스의 제 1 뷰포인트에 대응되는 제 1 입력 데이터 및 제 2 뷰포인트에 대응되는 제 2 입력 데이터에 대해서 서로 대응되는 특징점들이 출력되도록 제 2 특징점 획득 모델을 학습시킬 수 있다. 이러한 제 2 특징점 획득 모델은 제 1 특징점 획득 모델, 뷰포인트 변환 및 뷰포인트-역변환을 사용하여 획득되는, 제 1 이미지의 라벨링 정보를 이용하여 학습될 수 있기 때문에, 제 2 특징점 획득 모델의 학습의 정확도가 높아질 수 있으며, 제 2 특징점 획득 모델의 학습 과정의 자동화가 이루어질 수 있다. 이에 따라, 제 2 특징점 획득 모델은 뷰포인트의 변화에 강건한 특징점 추출 모델로 동작할 수 있다.
일 실시예에서, 컴퓨팅 장치(100)는 제 1 뷰포인트를 가지는 제 1 학습 데이터에 뷰포인트 변환을 적용함으로써 제 1 뷰포인트와 상이한 제 2 뷰포인트를 가지는 제 2 학습 데이터를 생성하고, 제 1 학습 데이터를 상기 제 2 특징점 획득 모델에 입력하여 제 1 학습 데이터에 대응되는 제 2 특징점들을 획득하고, 제 2 학습 데이터를 상기 제 2 특징점 획득 모델에 입력하여 제 2 학습 데이터에 대응되는 제 3 특징점들을 획득하고, 그리고 제 3 특징점들이 반영된 제 2 학습 데이터에 뷰포인트 역-변환을 적용함으로써 제 3 특징점들이 반영된 제 2 학습 데이터의 뷰포인트를 상기 제 1 뷰포인트로 복원할 수 있다. 컴퓨팅 장치(100)는 제 1 뷰포인트로 복원된 제 2 학습 데이터에서의 제 3 특징점들의 위치 정보와 제 2 특징점들의 위치 정보를 비교하는 것에 기초하여, 상기 제 2 특징점 획득 모델을 학습시킬 수 있다. 여기서 컴퓨팅 장치(100)는 제 1 뷰포인트로 복원된 상기 제 2 학습 데이터에서의 제 3 특징점들의 위치 정보와 상기 제 2 특징점들의 위치 정보가 동일해지도록 설정된 손실함수에 기초하여 제 2 특징점 획득 모델에 대한 학습을 수행할 수 있다. 추가적으로, 컴퓨팅 장치(100)는 제 1 뷰포인트로 복원된 제 2 학습 데이터에서의 제 3 특징점들에 대응되는 설명자들과 제 2 특징점들에 대응되는 설명자들이 서로 동일해지도록 설정된 손실함수에 기초하여, 제 2 특징점 획득 모델을 학습시킬 수 있다.
도 8은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
본 개시내용에서의 컴포넌트, 모듈 또는 부(unit)는 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조 등을 포함한다. 또한, 당업자라면 본 개시내용에서 제시되는 방법들이 단일-프로세서 또는 멀티프로세서 컴퓨팅 장치, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 충분히 인식할 것이다.
본 개시내용에서 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.
컴퓨팅 장치는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.
컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(2002)를 포함하는 본 발명의 여러가지 측면들을 구현하는 예시적인 환경(2000)이 나타내어져 있으며, 컴퓨터(2002)는 처리 장치(2004), 시스템 메모리(2006) 및 시스템 버스(2008)를 포함한다. 본 명세서에서의 컴퓨터(200)는 컴퓨팅 장치와 상호 교환가능하게 사용될 수 있다. 시스템 버스(2008)는 시스템 메모리(2006)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(2004)에 연결시킨다. 처리 장치(2004)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(2004)로서 이용될 수 있다.
시스템 버스(2008)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(2006)는 판독 전용 메모리(ROM)(2010) 및 랜덤 액세스 메모리(RAM)(2012)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(2010)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(2002) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(2012)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(2002)는 또한 내장형 하드 디스크 드라이브(HDD)(2014)(예를 들어, EIDE, SATA), 자기 플로피 디스크 드라이브(FDD)(2016)(예를 들어, 이동식 디스켓(2018)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), SSD 및 광 디스크 드라이브(2020)(예를 들어, CD-ROM 디스크(2022)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(2014), 자기 디스크 드라이브(2016) 및 광 디스크 드라이브(2020)는 각각 하드 디스크 드라이브 인터페이스(2024), 자기 디스크 드라이브 인터페이스(2026) 및 광 드라이브 인터페이스(2028)에 의해 시스템 버스(2008)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(2024)는 예를 들어, USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(2002)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 저장 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 발명의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(2030), 하나 이상의 어플리케이션 프로그램(2032), 기타 프로그램 모듈(2034) 및 프로그램 데이터(2036)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(2012)에 저장될 수 있다. 운영 체제, 어플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(2012)에 캐싱될 수 있다. 본 발명이 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(2038) 및 마우스(2040) 등의 포인팅 장치를 통해 컴퓨터(2002)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(2008)에 연결되어 있는 입력 장치 인터페이스(2042)를 통해 처리 장치(2004)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(2044) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(2046) 등의 인터페이스를 통해 시스템 버스(2008)에 연결된다. 모니터(2044)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(2002)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(2048) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(2048)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(2002)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(2050)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(2052) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(2054)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(2002)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(2056)를 통해 로컬 네트워크(2052)에 연결된다. 어댑터(2056)는 LAN(2052)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(2052)은 또한 무선 어댑터(2056)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(2002)는 모뎀(2058)을 포함할 수 있거나, WAN(2054) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(2054)을 통해 통신을 정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(2058)은 직렬 포트 인터페이스(2042)를 통해 시스템 버스(2008)에 연결된다. 네트워크화된 환경에서, 컴퓨터(2002)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(2050)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1602)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시내용의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 본 개시내용의 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
상기와 같이 발명의 실시를 위한 최선의 형태에서 관련 내용을 기술하였다.
비주얼 로컬라이제이션을 위한 컴퓨팅 장치, 시스템 등에 사용될 수 있다.

Claims (17)

  1. 컴퓨팅 장치에 의해 수행되는 방법으로서,
    촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵(depth map)을 획득하는 단계;
    상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트(viewpoint) 변환(transformation)을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 단계;
    사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점(interest point)들을 획득하는 단계;
    상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환(inverse transformation)을 적용함으로써, 복원된 3차원 데이터를 획득하는 단계; 및
    상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링(labeling) 정보를 생성하는 단계;
    를 포함하는,
    방법.
  2. 제 1 항에 있어서,
    상기 촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하는 단계는,
    상기 촬영 디바이스로부터 상기 제 1 이미지, 상기 제 1 깊이 맵 및 상기 촬영 디바이스의 카메라 정보를 획득하는 단계;
    를 포함하며, 그리고
    상기 변환된 이미지 및 상기 변환된 깊이 맵을 포함하는 상기 변환된 3차원 데이터를 획득하는 단계는:
    상기 카메라 정보를 이용하여, 픽셀(pixel) 좌표계를 가지는 상기 제 1 이미지를 정규화(normalized) 좌표계로 변환하는 단계;
    상기 획득된 깊이 맵을 이용하여, 상기 정규화 좌표계를 가지는 상기 제 1 이미지를 3차원의 카메라 좌표계로 변환하는 단계; 및
    상기 카메라 좌표계를 가지는 상기 제 1 이미지에 뷰포인트 변환을 적용함으로써, 상기 변환된 이미지 및 상기 변환된 깊이 맵을 포함하는 상기 변환된 3차원 데이터를 획득하는 단계;
    를 포함하는,
    방법.
  3. 제 1 항에 있어서,
    상기 뷰포인트 변환은,
    상기 촬영 디바이스의 위치 및 상기 촬영 디바이스가 바라보는 방향을 나타내는 3차원의 카메라 좌표계에 기반하도록 변환된 상기 제 1 이미지를 상기 카메라 좌표계 상에서 제 1 좌표값으로부터 상기 제 1 좌표값과 상이한 제 2 좌표값으로 변환하는,
    방법.
  4. 제 3 항에 있어서,
    상기 뷰포인트 변환은,
    회전 매트릭스(rotation matrix) 및 병진 벡터(translation vector)를 포함하는,
    방법.
  5. 제 4 항에 있어서,
    상기 변환된 3차원 데이터를 획득하는 단계는,
    상기 회전 매트릭스 및 상기 병진 벡터 중 적어도 하나가 상이한 복수의 뷰포인트 변환들을 상기 제 1 이미지 및 상기 제 1 깊이 맵에 적용함으로써, 복수의 변환된 이미지들 및 복수의 변환된 깊이 맵들을 포함하는 복수의 변환된 3차원 데이터를 획득하는 단계;
    를 포함하며, 그리고
    상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 단계는,
    상기 복수의 변환된 3차원 데이터 각각에 대응되는 복수의 복원된 3차원 데이터에 기초하여 상기 제 1 이미지에 대응되는 상기 라벨링 정보를 생성하는 단계;
    를 포함하는,
    방법.
  6. 제 1 항에 있어서,
    상기 뷰포인트 변환에서, 상기 제 1 이미지의 픽셀들 각각에 고유의 변환 행렬이 적용되는,
    방법.
  7. 제 1 항에 있어서,
    상기 제 1 이미지는 라벨링되지 않은 상태로 상기 촬영 디바이스로부터 획득되며, 그리고
    상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 단계는,
    상기 제 1 이미지에 대응되는 특징점들을 나타내는 상기 라벨링 정보를 생성하는 단계;
    를 포함하는,
    방법.
  8. 제 1 항에 있어서,
    상기 제 1 특징점 획득 모델은,
    객체에서의 색상 또는 기하학적 패턴 중 적어도 하나에 대한 변화량이 사전결정된 임계치를 초과하는 포인트를 특징점으로 인식하도록 지도 학습에 기반하여 사전 학습된 모델에 대응되는,
    방법.
  9. 제 1 항에 있어서,
    상기 뷰포인트 역-변환은,
    상기 뷰포인트 변환에서 사용되는 회전 매트릭스(R)의 역(inverse)에 대응되는 회전 매트릭스(R-1) 및 상기 뷰포인트 변환에서 사용되는 병진 벡터(T)의 역에 대응되는 병진 벡터(-R-1 * T)를 사용하는,
    방법.
  10. 제 1 항에 있어서,
    상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 단계는:
    상기 변환된 깊이 맵을 이용하여, 3차원 카메라 좌표계를 가지는 상기 변환된 3차원 데이터를 정규화 좌표계로 변환하여 2차원 데이터를 획득하는 단계;
    상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보에 기초하여, 상기 정규화 좌표계를 가지는 상기 2차원 데이터를 픽셀 좌표계로 변환함으로써, 상기 변환된 이미지를 획득하는 단계; 및
    상기 변환된 이미지를 상기 제 1 특징점 획득 모델에 입력하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 단계;
    를 포함하는,
    방법.
  11. 제 1 항에 있어서,
    상기 복원된 3차원 데이터를 획득하는 단계는:
    상기 제 1 특징점들을 상기 변환된 이미지에 결합함으로써 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 획득하는 단계;
    상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보를 이용하여, 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 정규화 좌표계로 변환하는 단계;
    상기 변환된 깊이 맵을 사용하여, 상기 정규화 좌표계를 가지는 상기 제 1 특징점들이 포함된 상기 변환된 이미지를 3차원의 카메라 좌표계로 변환하는 단계; 및
    상기 3차원의 카메라 좌표계를 가지는 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환(inverse transformation)을 적용함으로써, 상기 복원된 3차원 데이터를 획득하는 단계;
    를 포함하는,
    방법.
  12. 제 1 항에 있어서,
    상기 복원된 3차원 데이터에 기초하여, 상기 이미지에 대응되는 라벨링 정보를 생성하는 단계는:
    상기 복원된 3차원 데이터에서의 복원된 깊이 맵을 상기 복원된 3차원 데이터에 적용함으로써, 3차원 카메라 좌표계를 가지는 상기 복원된 3차원 데이터를 2차원의 정규화 좌표계를 가지는 2차원 복원된 데이터를 획득하는 단계; 및
    상기 2차원의 정규화 좌표계를 가지는 상기 2차원 복원된 데이터에 상기 촬영 디바이스로부터 획득된 상기 촬영 디바이스의 카메라 정보를 적용하는 것에 기초하여 상기 2차원 복원된 데이터를 픽셀 좌표계로 변환함으로써, 복원된 이미지를 획득하는 단계;
    상기 픽셀 좌표계를 가지는 상기 복원된 이미지에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 단계;
    를 포함하는,
    방법.
  13. 제 1 항에 있어서,
    상기 제 1 이미지 및 상기 제 1 이미지에 대응되는 라벨링 정보를 포함하는 제 1 학습 데이터셋을 이용하여, 상기 촬영 디바이스의 제 1 뷰포인트에 대응되는 제 1 입력 데이터 및 제 2 뷰포인트에 대응되는 제 2 입력 데이터에 대해서 서로 대응되는 특징점들이 출력되도록 제 2 특징점 획득 모델을 학습시키는 단계;
    를 더 포함하며, 여기서 상기 제 1 뷰포인트와 상기 제 2 뷰포인트는 서로 상이한 뷰포인트를 가지는,
    방법.
  14. 제 13 항에 있어서,
    상기 제 2 특징점 획득 모델을 학습시키는 단계는:
    상기 제 1 뷰포인트를 가지는 상기 제 1 학습 데이터에 상기 뷰포인트 변환을 적용함으로써 상기 제 2 뷰포인트를 가지는 제 2 학습 데이터를 생성하는 단계;
    상기 제 1 학습 데이터를 상기 제 2 특징점 획득 모델에 입력하여 상기 제 1 학습 데이터에 대응되는 제 2 특징점들을 획득하는 단계;
    상기 제 2 학습 데이터를 상기 제 2 특징점 획득 모델에 입력하여 상기 제 2 학습 데이터에 대응되는 제 3 특징점들을 획득하는 단계;
    상기 제 3 특징점들이 반영된 상기 제 2 학습 데이터에 상기 뷰포인트 역-변환을 적용함으로써 상기 제 3 특징점들이 반영된 상기 제 2 학습 데이터의 뷰포인트를 상기 제 1 뷰포인트로 복원하는 단계; 및
    상기 제 1 뷰포인트로 복원된 상기 제 2 학습 데이터에서의 제 3 특징점들의 위치 정보와 상기 제 2 특징점들의 위치 정보를 비교하는 것에 기초하여, 상기 제 2 특징점 획득 모델을 학습시키는 단계;
    를 포함하는,
    방법.
  15. 제 14 항에 있어서,
    상기 제 2 특징점 획득 모델을 학습시키는 단계는,
    상기 제 1 뷰포인트로 복원된 상기 제 2 학습 데이터에서의 제 3 특징점들의 위치 정보와 상기 제 2 특징점들의 위치 정보가 동일해지도록 설정된 손실함수에 기초하는,
    방법.
  16. 컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행 시 상기 컴퓨팅 장치로 하여금 이하의 동작들을 수행하도록 하며, 상기 동작들은:
    촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하는 동작;
    상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트 변환을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 동작;
    사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 동작;
    상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 복원된 3차원 데이터를 획득하는 동작; 및
    상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 동작;
    을 포함하는,
    컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램.
  17. 컴퓨팅 장치로서,
    적어도 하나의 프로세서; 및
    메모리;
    를 포함하며,
    상기 적어도 하나의 프로세서는:
    촬영 디바이스로부터 제 1 이미지 및 제 1 깊이 맵을 획득하는 동작;
    상기 제 1 이미지 및 상기 제 1 깊이 맵에 뷰포인트 변환을 적용함으로써, 변환된 이미지 및 변환된 깊이 맵을 포함하는 변환된 3차원 데이터를 획득하는 동작;
    사전 학습된 인공지능 기반의 제 1 특징점 획득 모델을 사용하여, 상기 변환된 이미지에 대응되는 제 1 특징점들을 획득하는 동작;
    상기 변환된 깊이 맵 및 상기 제 1 특징점들이 포함된 상기 변환된 이미지에 뷰포인트 역-변환을 적용함으로써, 복원된 3차원 데이터를 획득하는 동작; 및
    상기 복원된 3차원 데이터에 기초하여, 상기 제 1 이미지에 대응되는 라벨링 정보를 생성하는 동작;
    을 수행하는,
    컴퓨팅 장치.
PCT/KR2023/009474 2022-07-15 2023-07-05 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치 WO2024014777A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0087649 2022-07-15
KR1020220087649A KR102600939B1 (ko) 2022-07-15 2022-07-15 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치

Publications (1)

Publication Number Publication Date
WO2024014777A1 true WO2024014777A1 (ko) 2024-01-18

Family

ID=88742185

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/009474 WO2024014777A1 (ko) 2022-07-15 2023-07-05 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치

Country Status (2)

Country Link
KR (2) KR102600939B1 (ko)
WO (1) WO2024014777A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170020210A (ko) * 2015-08-14 2017-02-22 삼성전자주식회사 오브젝트의 3차원 모델을 구성하는 방법 및 장치
KR20190062794A (ko) * 2017-11-29 2019-06-07 재단법인 다차원 스마트 아이티 융합시스템 연구단 시점 변환을 이용하는 영상 결합 방법 및 시스템
KR20220038996A (ko) * 2020-09-21 2022-03-29 삼성전자주식회사 특징 임베딩 방법 및 장치
KR102403258B1 (ko) * 2021-12-15 2022-05-30 주식회사 리콘랩스 볼륨 추론 기반 3차원 모델링 방법 및 시스템
US20220207663A1 (en) * 2020-12-30 2022-06-30 Samsung Eletrônica da Amazônia Ltda. Method for generating an adaptive multiplane image from a single high-resolution image

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111344716B (zh) 2017-11-14 2024-07-19 奇跃公司 经由单应性变换适应的全卷积兴趣点检测和描述
KR102234461B1 (ko) * 2019-08-12 2021-04-01 네이버랩스 주식회사 ２ｄ 지도를 이용하여 거리뷰 이미지의 깊이 정보를 생성하는 방법 및 시스템
KR20210078813A (ko) * 2019-12-19 2021-06-29 엘지전자 주식회사 이미지를 합성하는 인공 지능 장치 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170020210A (ko) * 2015-08-14 2017-02-22 삼성전자주식회사 오브젝트의 3차원 모델을 구성하는 방법 및 장치
KR20190062794A (ko) * 2017-11-29 2019-06-07 재단법인 다차원 스마트 아이티 융합시스템 연구단 시점 변환을 이용하는 영상 결합 방법 및 시스템
KR20220038996A (ko) * 2020-09-21 2022-03-29 삼성전자주식회사 특징 임베딩 방법 및 장치
US20220207663A1 (en) * 2020-12-30 2022-06-30 Samsung Eletrônica da Amazônia Ltda. Method for generating an adaptive multiplane image from a single high-resolution image
KR102403258B1 (ko) * 2021-12-15 2022-05-30 주식회사 리콘랩스 볼륨 추론 기반 3차원 모델링 방법 및 시스템

Also Published As

Publication number Publication date
KR102600939B1 (ko) 2023-11-10
KR20240010443A (ko) 2024-01-23

Similar Documents

Publication Publication Date Title
WO2024155137A1 (ko) 비주얼 로컬라이제이션을 수행하기 위한 방법 및 장치
WO2024080791A1 (ko) 데이터셋을 생성하기 위한 방법
KR102616028B1 (ko) 비주얼 로컬라이제이션을 효율적으로 수행하기 위한 방법 및 장치
KR102616522B1 (ko) 비주얼 로컬라이제이션을 효율적으로 수행하기 위한 방법 및 장치
WO2024014777A1 (ko) 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치
WO2024010323A1 (ko) 비주얼 로컬라이제이션을 위한 방법 및 장치
WO2024005619A1 (ko) 비주얼 로컬라이제이션을 위한 방법 및 장치
CN115049730B (zh) 零件装配方法、装置、电子设备及存储介质
WO2024106929A1 (ko) 비주얼 로컬라이제이션을 이용하여 카메라 포즈의 유효성을 결정하기 위한 방법 및 장치
WO2024106928A1 (ko) 비주얼 로컬라이제이션을 이용하여 카메라 포즈의 유효성을 결정하기 위한 방법 및 장치
WO2024096683A1 (ko) 가상 객체의 폐색을 구현하기 위한 방법
WO2024043512A1 (ko) 비주얼 로컬라이제이션을 이용하여 전술 훈련을 지원하기 위한 방법 및 장치
WO2023224457A1 (ko) 깊이 맵의 특징점을 획득하기 위한 방법
KR102600915B1 (ko) 비주얼 로컬라이제이션을 위한 데이터를 생성하기 위한 방법 및 장치
WO2024039069A1 (ko) 비주얼 로컬라이제이션을 이용하여 전술 훈련을 지원하기 위한 방법 및 장치
WO2024122990A1 (ko) 비주얼 로컬라이제이션을 수행하기 위한 방법 및 장치
WO2024043507A1 (ko) 비주얼 로컬라이제이션을 이용하여 전술 훈련을 지원하기 위한 방법 및 장치
WO2023224456A1 (ko) 데이터셋을 생성하기 위한 방법
WO2024043511A1 (ko) 비주얼 로컬라이제이션을 이용하여 전술 훈련을 지원하기 위한 방법 및 장치
WO2024072001A1 (en) Apparatus and method for sharing and pruning weights for vision and language models
KR102616029B1 (ko) 비주얼 로컬라이제이션을 효율적으로 수행하기 위한 방법 및 장치
WO2024019373A1 (ko) 3차원 지도를 업데이트하기 위한 방법 및 장치
WO2024101638A1 (ko) 다시점에 관련한 복수의 이미지를 통해 큐브맵을 생성하기 위한 방법, 서버 및 컴퓨터 프로그램
WO2023080590A1 (en) Method for providing computer vision
WO2024090989A1 (en) Multi-view segmentation and perceptual inpainting with neural radiance fields

Legal Events

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

Ref document number: 23839870

Country of ref document: EP

Kind code of ref document: A1