WO2019198850A1 - 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템 - Google Patents

사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템 Download PDF

Info

Publication number
WO2019198850A1
WO2019198850A1 PCT/KR2018/004337 KR2018004337W WO2019198850A1 WO 2019198850 A1 WO2019198850 A1 WO 2019198850A1 KR 2018004337 W KR2018004337 W KR 2018004337W WO 2019198850 A1 WO2019198850 A1 WO 2019198850A1
Authority
WO
WIPO (PCT)
Prior art keywords
animal
face
model
measurements
generated
Prior art date
Application number
PCT/KR2018/004337
Other languages
English (en)
French (fr)
Inventor
권순호
유금룡
임용선
김종훈
Original Assignee
라인플러스 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 라인플러스 주식회사 filed Critical 라인플러스 주식회사
Priority to PCT/KR2018/004337 priority Critical patent/WO2019198850A1/ko
Priority to JP2020555875A priority patent/JP7031009B2/ja
Priority to KR1020187034494A priority patent/KR102002863B1/ko
Publication of WO2019198850A1 publication Critical patent/WO2019198850A1/ko
Priority to US17/067,159 priority patent/US11574430B2/en
Priority to JP2022025411A priority patent/JP7357706B2/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • G06T15/205—Image-based rendering
    • 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
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2215/00—Indexing scheme for image rendering
    • G06T2215/16—Using real world measurements to influence rendering

Definitions

  • the following description relates to a method and system for generating an animal-shaped avatar using a human face, and more specifically, automatically generates an animal-shaped avatar corresponding to a human face by analyzing an image including the human face.
  • An avatar is a visual image used as a user's alter ego in cyberspace, and refers to a virtual graphic character on behalf of a user in community sites, internet chats, shopping malls, and online games.
  • Korean Patent Laid-Open No. 10-2007-0036857 relates to a user-based avatar generation method, which generates pattern data by scanning a user in 3D through a 3D scanner, and uses the generated pattern data to generate a pattern data.
  • a technique for generating a three-dimensional avatar image is disclosed.
  • An avatar generation method capable of automatically generating an animal-shaped avatar corresponding to a human face by analyzing an image including a human face, a computer device performing the avatar generation method, and a computer-generated avatar generation method
  • a computer program stored in a computer readable recording medium and a recording medium for executing the same on a computer.
  • the second set of measurement values may be generated, and the second set of measurement values may be generated by extracting the measurement values for each measurement item for each of the features as a face component for the face of the person.
  • the generating of the first set of measurement values may include analyzing a plurality of animal images using a deep learning model to classify an animal included in each of the plurality of animal images to determine the animal classification. It may include the step.
  • the generating of the basic model includes calculating an average value of elements corresponding to each other in the first set of measured values stored in association with the same animal classification in the database, and based on the calculated set of average values. To generate the basic model.
  • the determining of the animal classification may include sequentially comparing the second measurement set with the first measurement set stored in the database to correspond to m measurement sets having a high similarity order. (N is a natural number) may include determining animal classifications, and identifying the basic model may identify n basic models generated for each of the n animal classifications.
  • a final model may be generated through synthesis between the identified n basic models.
  • the processing of the identified basic model corresponding to the face of the person may include modifying a numerical value corresponding to the identified basic model based on the second set of measured values, to determine the identified basic model.
  • the model can be customized according to the face of the person.
  • Receiving an image including a face of a person from a user terminal through a network Generating a first set of measurement values by digitizing a face of a person included in the image; Delivering the first set of measurements to an analysis server; Analyzing the basic model for the selected animal classification based on the database stored for each animal classification and the second set of measurement values generated by analyzing the animal image from the analysis server to digitize the animal's face Receiving from a server; And sharing the base model or the final model generated through the base model with the user terminal in order to provide an animal-shaped avatar corresponding to the face of the person.
  • Generating or selecting an image including a human face Transmitting the selected image to a server via a network; Receiving a selected animal model from the server based on a comparison between a first set of measurement values generated by digitizing a face of a person included in the image and a second set of measurement values generated by digitizing an animal's face included in an animal image; step; And displaying an animal avatar generated by rendering the received animal model on a screen.
  • a computer program stored on a computer readable recording medium for executing the control method on the computer.
  • a computer-readable recording medium having a program recorded thereon for executing the control method on a computer is provided.
  • At least one processor implemented to execute readable instructions in a computer device, wherein the at least one processor digitizes the animal's face for each of a plurality of animal images comprising the animal's face A second measurement value set, a first measurement value set corresponding to each animal classification obtained from the plurality of animal images, stored in a database, a basic model generated for each animal classification, and a digitized face of a person
  • the at least one processor digitizes the animal's face for each of a plurality of animal images comprising the animal's face
  • a second measurement value set a first measurement value set corresponding to each animal classification obtained from the plurality of animal images, stored in a database
  • a basic model generated for each animal classification obtained from the plurality of animal images
  • a digitized face of a person By receiving the measurement set and comparing it with the first measurement set stored in the database, an animal classification corresponding to the face of the person is determined, a basic model generated in response to the determined animal classification is identified, and the face of the person is determined
  • At least one processor implemented to execute instructions readable by the computer device, wherein the at least one processor receives from the user terminal an image containing a face of a person over a network, the person included in the image
  • the first set of measurement values is generated by digitizing a face of the face
  • the first set of measurement values is transmitted to an analysis server
  • the second set of measurement values generated by digitizing an animal face by analyzing an animal image is stored for each animal category.
  • the base model or the base model to receive from the analysis server a base model for the selected animal classification based on a database and the first set of measurements delivered and to provide an avatar of animal shape corresponding to the face of the person.
  • Computer equipment for sharing the final model generated by the user terminal with the It provides.
  • an avatar of an animal shape corresponding to the human face may be automatically generated.
  • FIG. 1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
  • FIG. 2 is a block diagram illustrating an example of a computer device according to an embodiment of the present invention.
  • FIG. 3 is a flowchart illustrating an example of an avatar generation process according to an embodiment of the present invention.
  • FIG. 6 is a diagram illustrating an example of a model synthesis process according to an embodiment of the present invention.
  • the control method according to embodiments of the present invention may be implemented through a computer device such as an electronic device to be described later.
  • a computer program according to an embodiment of the present invention may be installed and run on the computer device, and the computer device may perform the control method according to the embodiments of the present invention under the control of the driven computer program.
  • the above-described computer program may be stored in a computer-readable recording medium in combination with a computer device for causing the computer to execute the control method.
  • FIG. 1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
  • the network environment of FIG. 1 illustrates an example including a plurality of electronic devices 110, 120, 130, and 140, a plurality of servers 150 and 160, and a network 170.
  • 1 is an example for describing the invention, and the number of electronic devices and the number of servers are not limited as shown in FIG. 1.
  • the plurality of electronic devices 110, 120, 130, and 140 may be a fixed terminal or a mobile terminal implemented with a computer device.
  • Examples of the plurality of electronic devices 110, 120, 130, and 140 include a smart phone, a mobile phone, a navigation device, a computer, a notebook computer, a digital broadcasting terminal, a personal digital assistant (PDA), and a portable multimedia player (PMP). Tablet PC).
  • PDA personal digital assistant
  • PMP portable multimedia player
  • Tablet PC Tablet PC
  • FIG. 1 illustrates the shape of a smartphone as an example of the electronic device 1 110
  • the electronic device 1 110 may use a wireless or wired communication method to substantially connect the network 170. It may refer to one of various physical computer devices capable of communicating with other electronic devices 120, 130, 140 and / or server 150, 160 via.
  • the communication method is not limited and may include short-range wireless communication between devices as well as a communication method utilizing a communication network (for example, mobile communication network, wired internet, wireless internet, and broadcasting network) that the network 170 may include.
  • the network 170 may include a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband network (BBN). And one or more of networks such as the Internet.
  • the network 170 may also include any one or more of network topologies, including bus networks, star networks, ring networks, mesh networks, star-bus networks, trees, or hierarchical networks, but It is not limited.
  • Each of the servers 150 and 160 communicates with the plurality of electronic devices 110, 120, 130, and 140 via the network 170 to provide a command, code, file, content, service, or the like. It may be implemented in devices.
  • the server 150 may be a service (eg, a content providing service, a social network service, a messaging service, or a search service) with a plurality of electronic devices 110, 120, 130, and 140 connected through the network 170. , Mail service, etc.).
  • the control method according to the exemplary embodiments of the present invention is an embodiment.
  • the control method according to the embodiment of FIG. 1 may be a description of a case where the electronic device 110 receives content from the server 150 and plays the content through a media player.
  • the electronic device 110 may include a case in which the electronic device 110 plays content stored in the local storage of the electronic device 110 through the media player without separate communication with the server 150.
  • FIG. 2 is a block diagram illustrating an example of a computer device according to an embodiment of the present invention.
  • Each of the plurality of electronic devices 110, 120, 130, and 140 or each of the servers 150 and 160 described above may be implemented by the computer device 200 shown in FIG. 2.
  • a computer program according to an embodiment may be installed and driven in the computer device 200, and the computer device 200 may share and reproduce a sound source according to embodiments of the present disclosure under the control of the driven computer program. The method can be performed.
  • the computer device 200 may include a memory 210, a processor 220, a communication interface 230, and an input / output interface 240.
  • the memory 210 may be a computer-readable recording medium, and may include a permanent mass storage device such as random access memory (RAM), read only memory (ROM), and a disk drive.
  • RAM random access memory
  • ROM read only memory
  • the non-volatile mass storage device such as a ROM and a disk drive may be included in the computer device 200 as a separate permanent storage device separate from the memory 210.
  • the memory 210 may store an operating system and at least one program code. These software components may be loaded into the memory 210 from a computer-readable recording medium separate from the memory 210.
  • Such a separate computer-readable recording medium may include a computer-readable recording medium such as a floppy drive, disk, tape, DVD / CD-ROM drive, memory card, and the like.
  • the software components may be loaded into the memory 210 via the communication interface 230 rather than the computer readable recording medium.
  • software components may be loaded into memory 210 of computer device 200 based on a computer program installed by files received via network 170.
  • the processor 220 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input / output operations. Instructions may be provided to the processor 220 by the memory 210 or the communication interface 230. For example, the processor 220 may be configured to execute a command received according to a program code stored in a recording device such as the memory 210.
  • the communication interface 230 may provide a function for the computer device 200 to communicate with other devices (eg, storage devices described above) through the network 170. For example, a request, a command, data, a file, etc. generated by the processor 220 of the computer device 200 according to a program code stored in a recording device such as the memory 210 may be controlled according to the control of the communication interface 230. 170 may be transferred to other devices. Conversely, signals, commands, data, files, and the like from other devices may be received by the computer device 200 via the communication interface 230 of the computer device 200 via the network 170. Signals, commands, data, and the like received through the communication interface 230 may be transmitted to the processor 220 or the memory 210, and the files and the like may be further included in the storage medium (described above). Persistent storage).
  • the input / output interface 240 may be a means for interfacing with the input / output device 250.
  • the input device may include a device such as a microphone, a keyboard or a mouse
  • the output device may include a device such as a display or a speaker.
  • the input / output interface 240 may be a means for interfacing with a device in which functions for input and output are integrated into one, such as a touch screen.
  • the input / output device 250 may be configured as the computer device 200 and one device.
  • the computer device 200 may include fewer or more components than the components of FIG. 2. However, it is not necessary to clearly show most of the prior art components.
  • the computer device 200 may be implemented to include at least some of the input and output devices 250 described above, or may further include other components such as a transceiver, a database, and the like.
  • FIG. 3 is a flowchart illustrating an example of an avatar generating method according to an embodiment of the present invention.
  • the avatar generating method according to the embodiment of FIG. 3 illustrates an example of an entire process performed by the user terminal 310, the front server 320, and the analysis server 330.
  • the user terminal 310 may correspond to a physical device in which a computer program for generating an avatar is installed and driven like any one of the plurality of electronic devices 110, 120, 130, and 140 described above.
  • the front server 320 and the analysis server 330 may correspond to the servers 150 and 160 described above.
  • each of the plurality of electronic devices 110, 120, 130, and 140 and each of the servers 150 and 160 may be implemented by the computer apparatus 200 described with reference to FIG. 2.
  • the front server 320 and the analysis server 330 may be implemented by one physical device or two or more physical devices in which the front server 320 and / or the analysis server 330 are associated with each other. It may be implemented by.
  • the user terminal 310 may generate or select an image. For example, the user terminal 310 may capture an image through a camera included in the user terminal 310 or check an image selected by the user among images stored in a local storage included in the user terminal 310. have.
  • the user terminal 310 may upload an image.
  • the user terminal 310 may transmit the image generated or selected in operation S311 to the front server 320 through the network 170.
  • the user terminal 310 may include at least one of a function for capturing an image by driving a camera according to control of an application installed and driven in the user terminal 310 or images stored in a local storage of the user terminal 310.
  • a function for selecting one may be provided to a user, and the generated or selected image may be uploaded to the front server 320 through this function.
  • the front server 320 may digitize the image.
  • the front server 320 may analyze the image received from the user terminal 310 to digitize face components of the face of the person included in the image.
  • the digitization may be implemented in the form of extracting measurement values for each of the predefined measurement items, for each of the features that are previously defined as the face component.
  • the features predefined as the facial component may be selected from eyes, nose, mouth, and face shape, and the predefined measurement items may be selected from area, ratio, angle, length, and the like.
  • one feature may be composed of one or more detailed features.
  • the feature 'eye' may consist of detailed features of the 'left eye' and the 'right eye', or the detailed features of the 'left eye', 'left eye', 'right eye' and 'right eye'.
  • the required measurement items according to the feature may include the same measurement items, such as area, ratio, and angle, but the required measurement items may vary according to embodiments. For example, width and height may be required for feature 'eye' and angle for detail feature 'left eye'.
  • the measured values calculated as the measurement items may be measured as relative values according to the reference rather than values in actual physical units.
  • the width of the eye or the distance between the eye and the eye can be calculated as a value relative to the face width, and the height of the eye can be calculated as a relative value to the face height.
  • the measurement values may form a set of multiple values (hereinafter, referred to as 'measurement value sets') extracted for each feature / measurement item.
  • the front server 320 may transmit the measured value to the analysis server 330.
  • the front server 320 may transmit, to the analysis server 330, the measurement value set extracted as the image is digitized in step S321.
  • the analysis server 330 may digitize the animal image.
  • the analysis server 330 may digitize the face of the animal included in the image in the same manner as the front server 320 digitizes the face of the person included in the image in step S321.
  • the analysis server 330 digitizes the animal image in the form of generating a measurement set by extracting measurement values for each predefined measurement item for each of the features of the animal face that are predefined as face components. Can be implemented.
  • deep learning may be utilized to classify the types of animals included in the animal images.
  • the analysis server 330 analyzes an input animal image and uses a deep learning model such as a convolutional neural network (CNN) trained to classify the types of animals included in the animal image, respectively. Animal classifications can be generated for animals derived from.
  • CNN convolutional neural network
  • the analysis server 330 may build a database.
  • the analysis server 330 may build a database to classify animals included in the animal image through deep learning and store the measurement value sets extracted for each animal classification.
  • the analysis server 330 may generate a classified basic model for each animal.
  • a basic model may be generated for each animal, such as a dog, cat, rabbit, and the like. If the classification of the animals is more specifically carried out, animals of the same species may be divided into detailed species. For example, in the case of a dog, if the subdivision is progressed according to various subdivisions of the dog, a basic model may be generated according to each subdivision. In addition, a basic model can be created for each of the subdivisions, such as dog and adult dog.
  • the base model can be generated based on a set of measurements stored in a database. If two or more measurement sets are stored in a database in association with one animal classification, an average value of elements corresponding to each other in two or more measurement sets may be calculated, and a basic model may be generated through the calculated average value set. have.
  • steps S331 to S333 may be performed in parallel with the above-described steps S311, S312, S321 and S322, and before the start of the above-described steps S311, S312, S321 and S322.
  • the database can be built in advance and a basic model can be created.
  • the analysis server 330 may select a basic model. For example, the analysis server 330 may sequentially compare the measurement set received from the front server 320 with the measurement sets stored in the database to determine the most similar m (m is a natural number) measurement sets. , N (n is a natural number of m or less) corresponding to the m set of measurements can be determined. In other words, the analysis server 330 may determine the animal classification corresponding to the face of the person by receiving the measurement value set by quantifying the face of the person and comparing the measurement value stored in the database. If there are two or more measurement sets corresponding to the same animal classification among the m measurement sets, the number of animal classifications determined is determined because one animal classification is determined for the two or more measurement sets.
  • the analysis server 330 may select the corresponding n basic models according to the determined n animal classifications. According to an embodiment, the analysis server 330 may select and provide only one base model through one measure set having the most similar measure set, or select and provide n base models so that the front server 320 or The user terminal 310 may select one of the n basic models, and as shown in the following description, a new animal model may be generated by synthesizing the n basic models.
  • the analysis server 330 may customize the basic model.
  • the analysis server 330 may process the identified basic model corresponding to the face of the person in order to provide the avatar of the animal shape corresponding to the face of the person.
  • the analysis server 330 may adjust the item-specific values of the face components of the base model according to a set of measurements received from the front server 320 to customize the face of the person targeting the base model. Can be.
  • the facial features of the target person can be applied to the base model.
  • each of the n basic models selected in step S334 may be customized, and the customized n basic models may be delivered to the front server 320.
  • customization may be performed in the front server 320.
  • the analysis server 330 may transmit the selected n basic models to the front server 320, and the front server 320 calculates each of the n basic models in step S331. Can be customized according to the number.
  • the front server 320 may customize the base model according to the face of the person by modifying a value corresponding to the base model based on a set of measured values digitized the face of the person.
  • the front server 320 may generate a final model.
  • the front server 320 may synthesize the n customized basic models with each other to generate an entirely new animal model as the final model.
  • the front server 320 may simply generate each of the n basic models as a final model.
  • the customized n basic models can be used not only for generating the final model but also stored in the database together with the measurement set and used for generating another avatar later.
  • the front server 320 may share the final model.
  • the front server 320 may share the final model generated by transmitting the final model to the user terminal 310 through the network 170.
  • the front server 320 may share the base model or the final model generated through the base model with the user terminal 310 in order to provide an avatar of an animal shape corresponding to the face of a person.
  • the basic model may be provided to the user terminal 310, and when customization or synthesis is applied, the final model to which the customization or synthesis is applied is provided to the user terminal 310. can do.
  • the user terminal 320 may render the final model.
  • the user terminal 320 may receive an animal model from the front server 320, and may process a task for actually displaying the modeled animal model on the screen.
  • the user terminal 320 may generate and display an animal avatar corresponding to the face of the user included in the image generated or selected in step S311 by displaying the graphic element finally generated through modeling on the screen. do.
  • the user terminal 320 may provide a user with a function for re-customizing the final model under the control of the application described before rendering. In this case, the user may modify an eyeball of the final model as desired by the provided intelligence, and the finally modified animal model may be rendered by the user terminal 320 and displayed on the screen.
  • the avatar of the animal shape corresponding to the face of the person may be automatically generated by analyzing the image including the face of the person through the avatar generation method according to the present embodiment.
  • the generated animal avatar does not simply apply a user's expression to an already created animal avatar template, but finds an animal similar to the user's face and automatically generates an avatar having the animal shape. Can be provided.
  • the generated animal avatar may be used to generate a sticker package including a plurality of sticker images through a combination of various poses, facial expressions, and other effects.
  • the user terminal 310 is not one image, for example, when consecutive frames input through the camera are transmitted to the front server 320, the front server 320 is extracted through each of the consecutive frames
  • a service may be provided so that the user's facial expression or behavior is applied to the animal avatar in real time.
  • the automatically generated animal avatar may be utilized to provide various services.
  • the image 4 shows an example of quantifying an animal image, the first image 410 including the face of the "rabbit", the second image 420 including the face of the "cat” and the third including the face of the "dog".
  • image 430 an example of extracting a measurement set including values for areas, ratios, and rotations (angles) as items for each of eyes, nose, mouth, and face shapes is shown.
  • the measurement set extracted from the first image 410 is shown in Table 1 440
  • the measurement set extracted from the second image 420 is shown in Table 2 450
  • the third image 430 The measured value set extracted from may be shown in Table 3 (460), and may be stored in a database in association with each animal classification.
  • the analysis server 330 may classify animals displayed in the animal images by analyzing a plurality of animal images through deep learning, and store one or more sets of measurement values in association with the corresponding animal classification for each animal classification. This allows you to build a database of sets of measurements by animal classification.
  • two or more measurement sets stored in a database in association with the same animal classification may be stored in the form of one measurement set (hereinafter, referred to as an average measurement set) by means of element-specific average values. For example, if there are items against area, ratio, and rotation, the average value of the area, the average value of the ratio, and the average value of the rotation may be calculated and stored for the animal classification.
  • the analysis server 330 may generate and manage a basic model for each animal classification.
  • a basic model corresponding to "rabbit”, a basic model corresponding to "cat”, and a basic model corresponding to "dog” may be generated and managed, respectively.
  • Such a base model can be generated through a set of measurements or a set of average measurements of the corresponding animal classification as described above.
  • FIG. 5 is an example of human image quantification, for each of the eye, nose, mouth, and face shapes as features in a fourth image 510 containing a human face, for each of area, ratio, and rotation (angle) as items.
  • An example of extracting a measurement set including measurement values is shown. These measurement sets may be extracted as shown in Table 4 520 and sequentially compared with the measurement sets stored in the database.
  • the analysis server 330 may determine n animal classifications having the measurement set most similar to the face of the person included in the fourth image through comparison between the measurement value sets, and correspond to the determined n animal classifications.
  • the selected n basic models can be customized at the analysis server 330 or at the front server 320.
  • the measurement values of Table 4 520 described above may be utilized.
  • the customization may be further performed in the user terminal 310 according to the user's selection.
  • the base model may be a vector for graphically implementing the corresponding animal classification.
  • the front server 320 may generate the final model by synthesizing the n basic models through weighted sum of these vectors. For example, suppose that n is 2, the similarity of the "dog" base model is calculated as 80% and the similarity of the "cat" base model as 20%.
  • a third vector for the final model may be generated through weighted summation of the respective elements. For example, when the first element of the first vector is a and the first element of the second vector is b, the first element of the third vector may be calculated as (0.8a + 0.2b). In this case, 0.8 and 0.2 may be weights determined by the similarity 80% and the similarity 20%.
  • the basic model of the animal classification with the highest similarity may be directly determined as the final model.
  • the analysis server 330 may determine the basic model of the “dog” selected as the first priority in the embodiment of FIG. 5 as the final model and transmit the final model to the front server 320.
  • the analysis server 330 customizes each of the n basic models and delivers them to the front server 320, and the front server 320 communicates with the user terminal 310 to customize the n basic models. You can also choose one of the models.
  • 6 is a diagram illustrating an example of a model synthesis process according to an embodiment of the present invention. 6 illustrates an example of synthesizing two basic models as the "rabbit" basic model and "cat" basic model described with reference to FIG. 4 are extracted.
  • the base model "rabbit” may be implemented through the set of measurements shown in Table 1 440
  • the base model "cat” may be implemented through the set of measurements shown in Table 2 (450).
  • the similarity between the measurement set for the user's face and the measurement set for the "rabbit” shown in Table 1 (440) is 80%, and the measurement set for the user's face and the "cat” shown in Table 2 (450).
  • the set of measurements for generating the synthetic model "rabbit + cat” may be calculated as shown in Table 5 (610) of FIG.
  • the front server 320 may generate a synthetic model "rabbit + cat" through the calculated measurement set and share it to the user terminal 310 as a final model.
  • the synthetic model "rabbit + cat” may be a model newly generated based on the value calculated in Table 5 (610) of FIG. 6, and based on the basic model "rabbit” having the highest similarity, the table of FIG. It may be a model that is deformed by applying the calculated value to 5 (610),
  • an avatar in the shape of an animal corresponding to the face of a person may be automatically generated by analyzing an image including the face of the person.
  • the system or apparatus described above may be implemented as a hardware component, a software component or a combination of hardware components and software components.
  • the devices and components described in the embodiments are, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors, microcomputers, field programmable gate arrays (FPGAs).
  • ALUs arithmetic logic units
  • FPGAs field programmable gate arrays
  • PLU programmable logic unit
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to the execution of the software.
  • a processing device may be described as one being used, but a person skilled in the art will appreciate that the processing device includes a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that it may include.
  • the processing device may include a plurality of processors or one processor and one controller.
  • other processing configurations are possible, such as parallel processors.
  • the software may include a computer program, code, instructions, or a combination of one or more of the above, and configure the processing device to operate as desired, or process independently or collectively. You can command the device.
  • Software and / or data may be any type of machine, component, physical device, virtual equipment, computer storage medium or device in order to be interpreted by or to provide instructions or data to the processing device. It can be embodied in.
  • the software may be distributed over networked computer systems so that they are stored or executed in a distributed manner.
  • Software and data may be stored on one or more computer readable media.
  • the method according to the embodiment may be embodied in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium.
  • the computer readable medium may include program instructions, data files, data structures, and the like, alone or in combination.
  • the program instructions recorded on the media may be those specially designed and constructed for the purposes of the embodiments, or they may be of the kind well-known and available to those having skill in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks, such as floppy disks.
  • Such a recording medium may be various recording means or storage means in the form of a single or several hardware combined, and is not limited to a medium directly connected to any computer system, but may be distributed on a network.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템을 개시한다. 본 발명의 실시예들에 따른 아바타 생성 방법을 통해 사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있다.

Description

사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템
아래의 설명은 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템에 관한 것으로, 보다 자세하게는 사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있는 아바타 생성 방법, 상기 아바타 생성 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 상기 아바타 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체에 관한 것이다.
아바타(avatar)는 사이버 공간에서 사용자의 분신처럼 사용되는 시각적 이미지로서 커뮤니티 사이트, 인터넷 채팅, 쇼핑몰, 온라인 게임 등에서 사용자를 대신하는 가상 그래픽 캐릭터를 의미한다. 예를 들어, 한국공개특허 제10-2007-0036857호는 사용자 기반의 아바타 생성 방법에 관한 것으로, 3D 스캐너를 통해 사용자를 3차원으로 스캐닝하여 패턴 데이터를 생성하고, 생성된 패턴 데이터를 이용하여 사용자의 3차원 아바타 이미지를 생성하는 기술을 개시하고 있다.
사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있는 아바타 생성 방법, 상기 아바타 생성 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 상기 아바타 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
동물의 얼굴을 포함하는 다수의 동물 이미지들 각각에 대해, 상기 동물의 얼굴을 수치화한 제1 측정값 집합을 생성하는 단계; 상기 다수의 동물 이미지들로부터 얻어지는 동물 분류마다 대응하는 제1 측정값 집합을 데이터베이스에 저장하는 단계; 상기 동물 분류마다 기본 모델을 생성하는 단계; 사람의 얼굴을 수치화한 제2 측정값 집합을 수신하여 상기 데이터베이스에 저장된 제1 측정값 집합과 비교함으로써, 상기 사람의 얼굴에 대응하는 동물 분류를 결정하는 단계; 상기 결정된 동물 분류에 대응하여 생성된 기본 모델을 확인하는 단계; 및 상기 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 상기 확인된 기본 모델을 상기 사람의 얼굴에 대응하여 처리하는 단계를 포함하는 것을 아바타 생성 방법을 제공한다.
일측에 따르면, 상기 제1 측정값 집합을 생성하는 단계는, 상기 동물의 얼굴에 대한 얼굴 구성 요소로서 기 정의된 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하여 상기 제1 측정값 집합을 생성할 수 있고, 상기 제2 측정값 집합은 상기 사람의 얼굴에 대한 얼굴 구성 요소로서 상기 특징들 각각에 대해 상기 측정항목별 측정값들을 추출하여 생성될 수 있다.
다른 측면에 따르면, 상기 제1 측정값 집합을 생성하는 단계는, 딥러닝 모델을 이용하여 상기 다수의 동물 이미지들을 분석하여 상기 다수의 동물 이미지들 각각이 포함하는 동물을 분류하여 상기 동물 분류를 결정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 기본 모델을 생성하는 단계는, 상기 데이터베이스에서 동일한 동물 분류와 연계되어 저장된 제1 측정값 집합들에서 서로 대응하는 요소들의 평균값을 계산하고, 상기 계산된 평균값들의 집합에 기초하여 상기 기본 모델을 생성할 수 있다.
또 다른 측면에 따르면, 상기 동물 분류를 결정하는 단계는, 상기 제2 측정값 집합을 상기 데이터베이스에 저장된 제1 측정값 집합과 순차적으로 비교하여 유사도가 높은 순서의 m 개의 측정값 집합들에 대응하는 n(상기 n은 자연수) 개의 동물 분류를 결정하는 단계를 포함할 수 있고, 상기 기본 모델을 확인하는 단계는, 상기 n 개의 동물 분류 각각에 대해 생성된 n 개의 기본 모델을 확인할 수 있다.
또 다른 측면에 따르면, 상기 확인된 n 개의 기본 모델간의 합성을 통해 최종 모델이 생성될 수 있다.
또 다른 측면에 따르면, 상기 확인된 기본 모델을 상기 사람의 얼굴에 대응하여 처리하는 단계는, 상기 확인된 기본 모델에 해당하는 수치를 상기 제2 측정값 집합을 기초로 수정하여, 상기 확인된 기본 모델을 상기 사람의 얼굴에 따라 커스터마이징할 수 있다.
사용자 단말로부터 네트워크를 통해 사람의 얼굴이 포함된 이미지를 수신하는 단계; 상기 이미지에 포함된 사람의 얼굴을 수치화하여 제1 측정값 집합을 생성하는 단계; 상기 제1 측정값 집합을 분석 서버로 전달하는 단계; 상기 분석 서버로부터 동물 이미지를 분석하여 동물의 얼굴을 수치화함으로써 생성된 제2 측정값 집합이 동물 분류별로 저장된 데이터베이스와 상기 전달된 제1 측정값 집합에 기반하여 선택된 동물 분류에 대한 기본 모델을 상기 분석 서버로부터 수신하는 단계; 및 상기 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 상기 기본 모델 또는 상기 기본 모델을 통해 생성되는 최종 모델을 상기 사용자 단말과 공유하는 단계를 포함하는, 아바타 생성 방법을 제공한다.
사람의 얼굴이 포함된 이미지를 생성 또는 선택하는 단계; 상기 선택된 이미지를 네트워크를 통해 서버로 전송하는 단계; 상기 서버로부터 상기 이미지가 포함하는 사람의 얼굴을 수치화하여 생성된 제1 측정값 집합과 동물 이미지가 포함하는 동물의 얼굴을 수치화하여 생성된 제2 측정값 집합간의 비교에 기반하여 선택된 동물 모델을 수신하는 단계; 및 상기 수신된 동물 모델을 렌더링하여 생성되는 동물 아바타를 화면에 표시하는 단계를 포함하는 아바타 생성 방법을 제공한다.
컴퓨터와 결합되어 상기 제어 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 제어 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록매체를 제공한다.
컴퓨터 장치에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 동물의 얼굴을 포함하는 다수의 동물 이미지들 각각에 대해, 상기 동물의 얼굴을 수치화한 제1 측정값 집합을 생성하고, 상기 다수의 동물 이미지들로부터 얻어지는 동물 분류마다 대응하는 제1 측정값 집합을 데이터베이스에 저장하고, 상기 동물 분류마다 기본 모델을 생성하고, 사람의 얼굴을 수치화한 제2 측정값 집합을 수신하여 상기 데이터베이스에 저장된 제1 측정값 집합과 비교함으로써, 상기 사람의 얼굴에 대응하는 동물 분류를 결정하고, 상기 결정된 동물 분류에 대응하여 생성된 기본 모델을 확인하고, 상기 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 상기 확인된 기본 모델을 상기 사람의 얼굴에 대응하여 처리하는, 컴퓨터 장치를 제공한다.
컴퓨터 장치에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 사용자 단말로부터 네트워크를 통해 사람의 얼굴이 포함된 이미지를 수신하고, 상기 이미지에 포함된 사람의 얼굴을 수치화하여 제1 측정값 집합을 생성하고, 상기 제1 측정값 집합을 분석 서버로 전달하고, 동물 이미지를 분석하여 동물의 얼굴을 수치화함으로써 생성된 제2 측정값 집합이 동물 분류별로 저장된 데이터베이스와 상기 전달된 제1 측정값 집합에 기반하여 선택된 동물 분류에 대한 기본 모델을 상기 분석 서버로부터 수신하고, 상기 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 상기 기본 모델 또는 상기 기본 모델을 통해 생성되는 최종 모델을 상기 사용자 단말과 공유하는, 컴퓨터 장치를 제공한다.
컴퓨터 장치에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 사람의 얼굴이 포함된 이미지를 생성 또는 선택하는 단계; 상기 선택된 이미지를 네트워크를 통해 서버로 전송하는 단계; 상기 서버로부터 상기 이미지가 포함하는 사람의 얼굴을 수치화하여 생성된 제1 측정값 집합과 동물 이미지가 포함하는 동물의 얼굴을 수치화하여 생성된 제2 측정값 집합간의 비교에 기반하여 선택된 동물 모델을 수신하는 단계; 및 상기 수신된 동물 모델을 렌더링하여 생성되는 동물 아바타를 화면에 표시하는, 컴퓨터 장치를 제공한다.
사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 아바타 생성 과정의 예를 도시한 흐름도이다.
도 4 및 도 5는 본 발명의 일실시예에 따른 이미지 수치화의 예를 도시한 도면들이다.
도 6은 본 발명의 일실시예에 따른 모델 합성 과정의 예를 도시한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 제어 방법은 이후 설명될 전자 디바이스와 같은 컴퓨터 장치를 통해 구현될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 제어 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 상기 제어 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 디바이스들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 디바이스의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
복수의 전자 디바이스들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 디바이스들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 디바이스 1(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 디바이스 1(110)은 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 디바이스들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 디바이스들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 디바이스들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 디바이스들(110, 120, 130, 140)로 서비스(일례로, 컨텐츠 제공 서비스, 소셜 네트워크 서비스, 메시징 서비스, 검색 서비스, 메일 서비스 등)를 제공하는 시스템일 수 있다.
앞서 도 1에서는 서버와 클라이언트간의 통신 환경의 예를 설명하고 있으나, 이는 하나의 실시예로서 본 발명의 실시예들에 따른 제어 방법은 복수의 전자 디바이스들(110, 120, 130, 140) 각각에서 개별적으로 이루어질 수도 있다. 예를 들어, 도 1의 실시예에 따른 제어 방법은 전자 디바이스(110)가 서버(150)로부터 컨텐츠를 제공받아 미디어 플레이어를 통해 재생하는 경우에 대한 설명일 수 있다. 반면, 다른 실시예에서는 전자 디바이스(110)가 서버(150)와의 별도의 통신 없이 전자 디바이스(110)의 로컬 저장소에 저장된 컨텐츠들을 미디어 플레이어를 통해 재생하는 경우를 포함할 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 디바이스들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다. 예를 들어, 컴퓨터 장치(200)에는 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치(200)는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 음원 재생 공유 방법을 수행할 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 따른 아바타 생성 방법의 예를 도시한 흐름도이다. 도 3의 실시예에 따른 아바타 생성 방법은 사용자 단말(310), 프론트 서버(320) 및 분석 서버(330)에 의해 수행되는 전체 과정의 예를 나타내고 있다. 여기서, 사용자 단말(310)은 앞서 설명한 복수의 전자 디바이스들(110, 120, 130, 140) 중 어느 하나와 같이 아바타 생성 방법을 위한 컴퓨터 프로그램이 설치 및 구동되는 물리적인 장치에 대응될 수 있으며, 프론트 서버(320)와 분석 서버(330)는 앞서 설명한 서버(150, 160)에 대응할 수 있다. 이미 설명한 바와 같이 복수의 전자 디바이스들(110, 120, 130, 140) 각각과 서버(150, 160) 각각은 도 2를 통해 설명한 컴퓨터 장치(200)에 의해 구현될 수 있다. 실시예에 따라 프론트 서버(320)와 분석 서버(330)는 하나의 물리적인 장치에 의해 구현되거나 또는 프론트 서버(320) 및/또는 분석 서버(330)가 서로 연계된 둘 이상의 물리적인 장치들에 의해 구현될 수도 있다.
단계(S311)에서 사용자 단말(310)은 이미지를 생성 또는 선택할 수 있다. 예를 들어, 사용자 단말(310)은 사용자 단말(310)이 포함하는 카메라를 통해 이미지를 캡쳐하거나 또는 사용자 단말(310)이 포함하는 로컬 저장소에 저장된 이미지들 중 사용자에 의해 선택되는 이미지를 확인할 수 있다.
단계(S312)에서 사용자 단말(310)은 이미지를 업로드할 수 있다. 예를 들어, 사용자 단말(310)은 단계(S311)에서 생성 또는 선택된 이미지를 네트워크(170)를 통해 프론트 서버(320)로 전송할 수 있다.
보다 구체적인 예로 사용자 단말(310)은, 사용자 단말(310)에 설치 및 구동된 어플리케이션의 제어에 따라 카메라를 구동하여 이미지를 캡쳐하기 위한 기능 또는 사용자 단말(310)의 로컬 저장소에 저장된 이미지들 중 적어도 하나를 선택하기 위한 기능을 사용자에게 제공할 수 있으며, 이러한 기능을 통해 생성 또는 선택되는 이미지를 프론트 서버(320)로 업로드할 수 있다.
단계(S321)에서 프론트 서버(320)는 이미지를 수치화할 수 있다. 예를 들어, 프론트 서버(320)는 사용자 단말(310)로부터 수신되는 이미지를 분석하여 이미지가 포함하는 사람의 얼굴에 대한 얼굴 구성 요소들을 수치화할 수 있다. 수치화는 일례로, 얼굴 구성 요소로서 기 정의된 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하는 형태로 구현될 수 있다. 보다 구체적인 예로, 얼굴 구성 요소로서 기 정의된 특징들은 눈, 코, 입, 얼굴 형상 등에서 선택될 수 있으며, 기 정의된 측정항목들은 면적, 비율, 각도, 길이 등에서 선택될 수 있다. 실시예에 따라 하나의 특징이 하나 이상의 세부 특징들로 구성될 수도 있다. 예를 들어, 특징 '눈'은 '왼쪽 눈'과 '오른쪽 눈'의 세부 특징들로 구성되거나 또는 '왼쪽 눈', '왼쪽 눈꼬리', '오른쪽 눈' 및 '오른쪽 눈꼬리'의 세부 특징들로 구성될 수 있다. 이때, 특징(또는 세부 특징)에 따라 요구되는 측정항목들은 면적, 비율 및 각도와 같이 모두 동일한 측정항목들을 포함할 수도 있으나, 실시예에 따라 요구되는 측정항목이 달라질 수도 있다. 예를 들어, 특징 '눈'에 대해서는 너비와 높이가, 세부 특징 '왼쪽 눈꼬리'에 대해서는 각도가 특징으로서 요구될 수 있다. 측정항목으로서 산출되는 측정값들은 실제 물리적인 단위의 값들보다는 기준에 따른 상대적인 값으로서 측정될 수 있다. 예를 들어, 눈의 너비나 눈과 눈 사이의 거리는 얼굴 너비에 대한 상대적인 값으로서 계산될 수 있고, 눈의 높이는 얼굴 높이에 대한 상대적인 값으로서 계산될 수 있다. 측정값들은 특징별/측정항목별로 추출된 다수의 값들의 집합(이하, '측정값 집합')을 형성할 수 있다.
단계(S322)에서 프론트 서버(320)는 측정값을 분석 서버(330)로 전달할 수 있다. 예를 들어, 프론트 서버(320)는 단계(S321)에서 이미지를 수치화함에 따라 추출되는 측정값 집합을 분석 서버(330)로 전송할 수 있다.
단계(S331)에서 분석 서버(330)는 동물 이미지를 수치화할 수 있다. 예를 들어, 분석 서버(330)는 앞서 단계(S321)에서 프론트 서버(320)가 이미지에 포함된 사람의 얼굴을 수치화하는 방식과 동일한 방식으로 이미지에 포함된 동물의 얼굴을 수치화할 수 있다. 예를 들어, 분석 서버(330)는 얼굴 구성 요소로서 기 정의된 동물 얼굴의 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하여 측정값 집합을 생성하는 형태로 동물 이미지에 대한 수치화를 구현할 수 있다. 또한, 동물 이미지들이 포함하는 동물들의 종류를 분류하기 위해 딥러닝(deep learning)이 활용될 수 있다. 예를 들어, 분석 서버(330)는 입력되는 동물 이미지를 분석하여 동물 이미지에 포함된 동물의 종류를 분류하도록 학습된 CNN(Convolutional Neural Network)과 같은 딥러닝 모델을 이용하여 다수의 동물 이미지들 각각으로부터 도출되는 동물들에 대한 동물 분류를 생성할 수 있다.
단계(S332)에서 분석 서버(330)는 데이터베이스를 구축할 수 있다. 예를 들어, 분석 서버(330)는 앞서 설명한 딥러닝을 통해 동물 이미지가 포함하는 동물들을 분류하고, 동물 분류별로 추출된 측정값 집합들을 저장하도록 데이터베이스를 구축할 수 있다.
단계(S333)에서 분석 서버(330)는 분류된 동물별 기본 모델을 생성할 수 있다. 예를 들어, 개, 고양이, 토끼 등과 같이 각 동물별로 기본 모델이 생성될 수 있다. 동물의 분류가 보다 구체적으로 진행된 경우, 동일한 종의 동물이 세부 종으로 나뉠 수도 있다. 예를 들어, 개의 경우 개의 다양한 세부 종에 따라 세 분 분류가 진행된 경우, 각각의 세부 분류에 따라 기본 모델이 생성될 수 있다. 또한 강아지와 성견과 같은 세부 분류별로 기본 모델이 생성될 수도 있다. 일례로, 기본 모델은 데이터베이스에 저장된 측정값 집합에 기반하여 생성될 수 있다. 만약, 하나의 동물 분류와 연계되어 데이터베이스에 둘 이상의 측정값 집합이 저장된 경우에는 둘 이상의 측정값 집합들에서 서로 대응하는 요소들의 평균값을 계산하고, 계산된 평균값들의 집합을 통해 기본 모델이 생성될 수 있다.
이러한 단계(S331) 내지 단계(S333)는 앞서 설명한 단계들(S311, S312, S321, S322)과는 병렬적으로 수행될 수 있으며, 앞서 설명한 단계들(S311, S312, S321, S322)의 개시 이전에 데이터베이스가 미리 구축되고 기본 모델이 생성될 수 있다.
단계(S334)에서 분석 서버(330)는 기본 모델을 선택할 수 있다. 예를 들어, 분석 서버(330)는 프론트 서버(320)로부터 수신되는 측정값 집합을 데이터베이스에 저장된 측정값 집합들과 순차적으로 비교하여 가장 유사한 m(m은 자연수) 개의 측정값 집합을 결정할 수 있으며, 이러한 m 개의 측정값 집합에 대응하는 n(n은 m 이하의 자연수) 개의 동물 분류를 결정할 수 있다. 다시 말해, 분석 서버(330)는 사람의 얼굴을 수치화한 측정값 집합을 수신하고, 데이터베이스에 저장된 측정값 집합과 비교함으로써 사람의 얼굴에 대응하는 동물 분류를 결정할 수 있다. 만약, m 개의 측정값 집합 중에 동일한 동물 분류에 대응하는 둘 이상의 측정값 집합이 존재하는 경우, 해당 둘 이상의 측정값 집합에 대해 하나의 동물 분류가 결정되기 때문에 결정되는 동물 분류의 개수는 결정된 측정값 집합의 개수와 동일하거나 적어질 수 있다. 또한, 분석 서버(330)는 결정된 n 개의 동물 분류에 따라 대응하는 n 개의 기본 모델을 선택할 수 있다. 실시예에 따라 분석 서버(330)는 측정값 집합이 가장 유사한 하나의 측정값 집합을 통해 하나의 기본 모델만을 선택 및 제공할 수도 있고, n 개의 기본 모델을 선택 및 제공하여 프론트 서버(320)나 사용자 단말(310)에서 n 개의 기본 모델 중 하나를 선택하도록 할 수도 있으며, 이후 설명하는 실시예에서와 같이 n 개의 기본 모델을 합성하여 새로운 동물 모델을 생성할 수도 있다.
단계(S335)에서 분석 서버(330)는 기본 모델을 커스터마이징할 수 있다. 다시 말해, 분석 서버(330)는 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 확인된 기본 모델을 사람의 얼굴에 대응하여 처리할 수 있다. 예를 들어, 분석 서버(330)는 프론트 서버(320)로부터 수신되는 측정값 집합에 따라 기본 모델의 얼굴 구성 요소들의 항목별 값을 조절함으로써, 기본 모델을 목표로 하는 사람의 얼굴에 알맞게 커스터마이징할 수 있다. 다시 말해, 목표로 하는 사람의 얼굴 특징을 기본 모델에 적용할 수 있다. 이때, 단계(S334)에서 선택된 n 개의 기본 모델 각각이 커스터마이징될 수 있으며, 커스터마이징된 n 개의 기본 모델들은 프론트 서버(320)로 전달될 수 있다.
또한, 실시예에 따라 커스터마이징은 프론트 서버(320)에서 수행될 수도 있다. 예를 들어, 단계(S334)에서 분석 서버(330)는 선택된 n 개의 기본 모델을 프론트 서버(320)로 전송할 수 있으며, 프론트 서버(320)가 n 개의 기본 모델 각각을 단계(S331)에서 계산된 수치에 따라 커스터마이징할 수 있다. 이 경우, 프론트 서버(320)는 사람의 얼굴을 수치화한 측정값 집합을 기초로 기본 모델에 해당하는 수치를 수정함으로써, 기본 모델을 사람의 얼굴에 따라 커스터마이징할 수 있다.
단계(S323)에서 프론트 서버(320)는 최종 모델을 생성할 수 있다. 일실시예로, 프론트 서버(320)는 커스터마이징된 n 개의 기본 모델을 서로 합성하여 전혀 새로운 동물 모델을 최종 모델로서 생성할 수 있다. 다른 실시예로, 프론트 서버(320)는 단순히 n 개의 기본 모델들 각각을 최종 모델로서 생성할 수도 있다. 한편, 커스터마이징된 n 개의 기본 모델은 최종 모델 생성에 사용될뿐만 아니라 그 측정값 집합과 함께 데이터베이스에 저장되어 추후 또 다른 아바타를 생성하는데 사용될 수 있다.
단계(S324)에서 프론트 서버(320)는 최종 모델을 공유할 수 있다. 예를 들어, 프론트 서버(320)는 최종 모델을 네트워크(170)를 통해 사용자 단말(310)로 전송하여 생성된 최종 모델을 공유할 수 있다. 다시 말해, 프론트 서버(320)는 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 기본 모델 또는 기본 모델을 통해 생성되는 최종 모델을 사용자 단말(310)과 공유할 수 있다. 예를 들어, 커스터마이징이나 합성이 적용되지 않는 경우에는 기본 모델을 사용자 단말(310)로 제공할 수 있으며, 커스터마이징이나 합성이 적용되는 경우에는 커스터마이징이나 합성이 적용된 최종 모델을 사용자 단말(310)로 제공할 수 있다.
단계(S313)에서 사용자 단말(320)은 최종 모델을 렌더링할 수 있다. 예를 들어, 사용자 단말(320)은 프론트 서버(320)로부터 동물 모델을 수신할 수 있으며, 모델링된 동물 모델을 실제로 화면에 디스플레이하기 위한 작업을 처리할 수 있다. 다시 말해, 사용자 단말(320)은 모델링을 통해 최종적으로 생성된 그래픽 요소를 화면에 디스플레이함으로써 단계(S311)에서 생성 또는 선택된 이미지에 포함된 사용자의 얼굴에 대응하는 동물 아바타를 생성 및 표시할 수 있게 된다. 한편, 실시예에 따라 사용자 단말(320)은 렌더링 이전에 앞서 설명한 어플리케이션의 제어에 따라 최종 모델을 다시 커스터마이징할 수 있는 기능을 사용자에게 제공할 수도 있다. 이 경우, 사용자는 제공되는 지능을 통해 최종 모델의 이목구비 등을 사용자가 원하는 대로 수정할 수 있으며, 최종적으로 수정된 동물 모델이 사용자 단말(320)에 의해 렌더링되어 화면에 디스플레이될 수 있다.
이처럼, 본 실시예에 따른 아바타 생성 방법을 통해, 사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있다. 이때, 생성되는 동물 형상의 아바타는 단순히 이미 생성되어 있는 동물 아바타 템플릿에 사용자의 표정 등을 적용하는 것이 아니라, 사용자의 얼굴과 비슷한 동물을 찾아 해당 동물 형상을 갖는 아바타를 자동으로 생성할 수 있도록 서비스를 제공할 수 있다.
또한, 생성된 동물 아바타는 다양한 포즈나 표정, 다른 효과들과의 결합을 통해 복수의 스티커 이미지들을 포함하는 스티커 패키지를 생성하는데 이용될 수 있다. 한편, 사용자 단말(310)에서 하나의 이미지가 아닌 일례로, 카메라를 통해 입력되는 연속적인 프레임들이 프론트 서버(320)로 전달되는 경우, 프론트 서버(320)는 연속적인 프레임들 각각을 통해 추출되는 측정값 집합들을 최종 모델에 순차적으로 적용함으로써, 사용자의 얼굴 표정이나 행동이 실시간으로 동물 아바타에 적용되도록 서비스를 제공할 수도 있다. 이처럼, 자동으로 생성되는 동물 아바타는 다양한 서비스를 제공하는데 활용될 수 있다.
도 4 및 도 5는 본 발명의 일실시예에 따른 이미지 수치화의 예를 도시한 도면들이다.
도 4는 동물 이미지 수치화의 예로서, "토끼"의 얼굴이 포함된 제1 이미지(410), "고양이"의 얼굴이 포함된 제2 이미지(420) 및 "강아지"의 얼굴이 포함된 제3 이미지(430)에서 특징으로서 눈, 코, 입, 얼굴 형태 각각에 대해, 항목으로서 면적, 비율 및 회전(각도) 각각에 대한 값들을 포함하는 측정값 집합을 추출한 예를 나타내고 있다. 이러한 제1 이미지(410)에서 추출된 측정값 집합은 표 1(440)과 같이, 제2 이미지(420)에서 추출된 측정값 집합은 표 2(450)와 같이, 그리고 제3 이미지(430)에서 추출된 측정값 집합은 표 3(460)과 같이 나타날 수 있으며, 각각의 동물 분류와 연계되어 데이터베이스에 저장될 수 있다.
이러한 도 4에서는 하나의 동물에 대해 하나의 측정값 집합이 추출된 예를 나타내고 있으나, 앞서 설명한 바와 같이, 동일한 종에 대해서도 세부 종에 따라, 또는 강아지와 성견 등과 같은 성장 정도 등에 따라 세부 분류될 수 있으며, 각각의 동물 분류마다 복수 개의 측정값 집합들이 추출될 수 있다. 이를 위해, 분석 서버(330)는 다수의 동물 이미지들을 딥러닝을 통해 분석하여 동물 이미지들에 나타난 동물들을 분류할 수 있으며, 각각의 동물 분류마다 하나 이상의 측정값 집합을 해당 동물 분류와 연계하여 저장함으로써 동물 분류별 측정값 집합들에 대한 데이터베이스를 구축할 수 있다. 한편, 다른 실시예에서는 동일한 동물 분류와 연계되어 데이터베이스에 저장된 둘 이상의 측정값 집합들이 요소별 평균값에 의해 하나의 측정값 집합(이하, '평균 측정값 집합')의 형태로 저장될 수도 있다. 예를 들어, 면적, 비율, 회전에 대항 항목들이 존재하는 경우, 면적의 평균값, 비율의 평균값 및 회전의 평균값이 각각 계산되어 해당 동물 분류에 대해 저장될 수 있다.
또한, 분석 서버(330)는 각각의 동물 분류마다 기본 모델을 생성하여 관리할 수 있다. 도 4의 예에서는 "토끼"에 대응하는 기본 모델, "고양이"에 대응하는 기본 모델 및 "강아지"에 대응하는 기본 모델이 각각 생성 및 관리될 수 있다. 이러한 기본 모델은 앞서 설명한 바와 같이 대응하는 동물 분류의 측정값 집합 또는 평균 측정값 집합을 통해 생성될 수 있다.
도 5는 사람 이미지 수치화의 예로서, 사람의 얼굴이 포함된 제4 이미지(510)에서 특징으로서 눈, 코, 입, 얼굴 형태 각각에 대해, 항목으로서 면적, 비율 및 회전(각도) 각각에 대한 측정값들을 포함하는 측정값 집합을 추출한 예를 나타내고 있다. 이러한 측정값 집합은 표 4(520)와 같이 추출되어 데이터베이스에 저장된 측정값 집합들과 순차적으로 비교될 수 있다.
이때, 분석 서버(330)는 측정값 집합들간의 비교를 통해 제4 이미지에 포함된 사람의 얼굴과 가장 유사한 측정값 집합을 갖는 n 개의 동물 분류를 결정할 수 있으며, 결정된 n 개의 동물 분류에 대응하는 n 개의 기본 모델들을 선택할 수 있다. 선택된 n 개의 기본 모델들은 분석 서버(330)에서 또는 프론트 서버(320)에서 커스터마이징될 수 있다. 커스터마이징에는 앞서 설명한 표 4(520)의 측정값들이 활용될 수 있다. 앞서 설명한 바와 같이, 커스터마이징은 사용자의 선택에 따라 사용자 단말(310)에서 추가적으로 진행될 수도 있다.
기본 모델은 대응하는 동물 분류를 그래픽적으로 구현하기 위한 벡터일 수 있다. 앞서 설명한 바와 같이 프론트 서버(320)는 이러한 벡터들간의 가중합을 통해 n 개의 기본 모델들을 합성하여 최종 모델을 생성할 수 있다. 예를 들어, n이 2이고, "강아지" 기본 모델의 유사도가 80%, "고양이" 기본 모델의 유사도가 20%로 계산되었다고 가정한다. 이 경우, "강아지" 기본 모델에 대한 제1 벡터와 "고양이" 기본 모델에 대한 제2 벡터에 대해, 각각의 요소들간 가중합을 통해 최종 모델에 대한 제3 벡터가 생성될 수 있다. 예를 들어, 제1 벡터의 첫 번째 요소가 a이고, 제2 벡터의 첫 번째 요소가 b일 때, 제3 벡터의 첫 번째 요소는 (0.8a + 0.2b)로 계산될 수 있다. 이때, 0.8과 0.2는 유사도 80%와 유사도 20%에 의해 결정된 가중치일 수 있다.
실시예에 따라 단순히 가장 유사도가 높은 동물 분류의 기본 모델이 바로 최종 모델로 결정될 수도 있다. 예를 들어, 분석 서버(330)는 가장 도 5의 실시예에서 1순위로 선택된 "강아지"에 대한 기본 모델을 최종 모델로 결정하여 프론트 서버(320)로 전달할 수 있다. 또 다른 실시예에서 분석 서버(330)는 n 개의 기본 모델들 각각을 커스터마이징하여 프론트 서버(320)로 전달하고, 프론트 서버(320)가 사용자 단말(310)과 통신하여 사용자가 커스터마이징된 n 개의 기본 모델들 중 하나를 선택하도록 할 수도 있다.
도 6은 본 발명의 일실시예에 따른 모델 합성 과정의 예를 도시한 도면이다. 도 6은 도 4를 통해 설명한 "토끼" 기본 모델과 "고양이" 기본 모델이 추출됨에 따라 두 기본 모델을 합성하는 예를 설명한다. 기본 모델 "토끼"는 표 1(440)에 나타난 측정값 집합을 통해 구현될 수 있으며, 기본 모델 "고양이"는 표 2(450)에 나타난 측정값 집합을 통해 구현될 수 있다. 이때, 사용자의 얼굴에 대한 측정값 집합과 표 1(440)에 나타난 "토끼"에 대한 측정값 집합의 유사도가 80%이고 사용자의 얼굴에 대한 측정값 집합과 표 2(450)에 나타난 "고양이"에 대한 측정값 집합의 유사도가 20%라 가정한다. 이 경우, 합성 모델 "토끼+고양이"의 생성을 위한 측정값 집합은 도 6의 표 5(610)와 같이 계산될 수 있다. 이때, 프론트 서버(320)는 계산된 측정값 집합을 통해 합성 모델 "토끼+고양이"를 생성하여 최종 모델로서 사용자 단말(310)에 공유할 수 있다. 여기서 합성 모델 "토끼+고양이"은, 도 6의 표 5(610)에 계산된 값을 기초로 새롭게 생성된 모델일 수 있고, 가장 유사도가 높은 기본 모델 "토끼"를 기초로, 도 6의 표 5(610)에 계산된 값을 적용하여 변형이 된 모델일 수도 있다,
이처럼, 본 발명의 실시예들에 따르면, 사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 이러한 기록매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있으며, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (20)

  1. 동물의 얼굴을 포함하는 다수의 동물 이미지들 각각에 대해, 상기 동물의 얼굴을 수치화한 제1 측정값 집합을 생성하는 단계;
    상기 다수의 동물 이미지들로부터 얻어지는 동물 분류마다 대응하는 제1 측정값 집합을 데이터베이스에 저장하는 단계;
    상기 동물 분류마다 기본 모델을 생성하는 단계;
    사람의 얼굴을 수치화한 제2 측정값 집합을 수신하여 상기 데이터베이스에 저장된 제1 측정값 집합과 비교함으로써, 상기 사람의 얼굴에 대응하는 동물 분류를 결정하는 단계;
    상기 결정된 동물 분류에 대응하여 생성된 기본 모델을 확인하는 단계; 및
    상기 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 상기 확인된 기본 모델을 상기 사람의 얼굴에 대응하여 처리하는 단계
    를 포함하는 것을 아바타 생성 방법.
  2. 제1항에 있어서,
    상기 제1 측정값 집합을 생성하는 단계는,
    상기 동물의 얼굴에 대한 얼굴 구성 요소로서 기 정의된 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하여 상기 제1 측정값 집합을 생성하고,
    상기 제2 측정값 집합은 상기 사람의 얼굴에 대한 얼굴 구성 요소로서 상기 특징들 각각에 대해 상기 측정항목별 측정값들을 추출하여 생성되는, 아바타 생성 방법.
  3. 제1항에 있어서,
    상기 제1 측정값 집합을 생성하는 단계는,
    딥러닝 모델을 이용하여 상기 다수의 동물 이미지들을 분석하여 상기 다수의 동물 이미지들 각각이 포함하는 동물을 분류하여 상기 동물 분류를 결정하는 단계
    를 포함하는, 아바타 생성 방법.
  4. 제1항에 있어서,
    상기 기본 모델을 생성하는 단계는,
    상기 데이터베이스에서 동일한 동물 분류와 연계되어 저장된 제1 측정값 집합들에서 서로 대응하는 요소들의 평균값을 계산하고, 상기 계산된 평균값들의 집합에 기초하여 상기 기본 모델을 생성하는, 아바타 생성 방법.
  5. 제1항에 있어서,
    상기 동물 분류를 결정하는 단계는,
    상기 제2 측정값 집합을 상기 데이터베이스에 저장된 제1 측정값 집합과 순차적으로 비교하여 유사도가 높은 순서의 m 개의 측정값 집합들에 대응하는 n(상기 n은 자연수) 개의 동물 분류를 결정하는 단계
    를 포함하고,
    상기 기본 모델을 확인하는 단계는,
    상기 n 개의 동물 분류 각각에 대해 생성된 n 개의 기본 모델을 확인하는, 아바타 생성 방법.
  6. 제5항에 있어서,
    상기 확인된 n 개의 기본 모델간의 합성을 통해 최종 모델이 생성되는, 아바타 생성 방법.
  7. 제1항에 있어서,
    상기 확인된 기본 모델을 상기 사람의 얼굴에 대응하여 처리하는 단계는,
    상기 확인된 기본 모델에 해당하는 수치를 상기 제2 측정값 집합을 기초로 수정하여, 상기 확인된 기본 모델을 상기 사람의 얼굴에 따라 커스터마이징하는, 아바타 생성 방법.
  8. 사용자 단말로부터 네트워크를 통해 사람의 얼굴이 포함된 이미지를 수신하는 단계;
    상기 이미지에 포함된 사람의 얼굴을 수치화하여 제1 측정값 집합을 생성하는 단계;
    상기 제1 측정값 집합을 분석 서버로 전달하는 단계;
    동물 이미지를 분석하여 동물의 얼굴을 수치화함으로써 생성된 제2 측정값 집합이 동물 분류별로 저장된 데이터베이스와 상기 전달된 제1 측정값 집합에 기반하여 선택된 동물 분류에 대한 기본 모델을 상기 분석 서버로부터 수신하는 단계; 및
    상기 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 상기 기본 모델 또는 상기 기본 모델을 통해 생성되는 최종 모델을 상기 사용자 단말과 공유하는 단계
    를 포함하는, 아바타 생성 방법.
  9. 제8항에 있어서,
    상기 제1 측정값 집합을 생성하는 단계는,
    상기 사람의 얼굴에 대한 얼굴 구성 요소로서 기 정의된 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하여 상기 제1 측정값 집합을 생성하는 단계를 포함하고,
    상기 제2 측정값 집합은 상기 분석 서버에서 상기 동물의 얼굴에 대한 얼굴 구성 요소로서 상기 특징들 각각에 대해 상기 측정항목별 측정값들을 추출하여 생성되는, 아바타 생성 방법.
  10. 제8항에 있어서,
    상기 동물 분류는 상기 분석 서버에서 상기 제1 측정값 집합을 상기 데이터베이스에 저장된 제2 측정값 집합과 비교하여 유사도가 높은 순서로 선택된 m 개의 제2 측정값 집합들에 대응하는 n(상기 n은 자연수) 개의 동물 분류를 포함하고,
    상기 기본 모델은 상기 n 개의 동물 분류 각각에 대해 생성된 n 개의 기본 모델을 포함하는, 아바타 생성 방법.
  11. 제10항에 있어서,
    상기 사용자 단말과 공유하는 단계는,
    상기 n 개의 기본 모델들을 합성하여 상기 최종 모델을 생성하는 단계
    를 포함하는, 아바타 생성 방법.
  12. 제8항에 있어서,
    상기 기본 모델에 대한 제2 측정값 집합은 상기 분석 서버에서 상기 제1 측정값 집합을 이용하여 수정되고,
    상기 기본 모델은 상기 수정된 제2 측정값 집합을 이용하여 상기 사람의 얼굴에 따라 커스터마이징되는, 아바타 생성 방법.
  13. 제8항에 있어서,
    상기 공유하는 단계는,
    상기 사용자 단말에서 렌더링을 통해 동물 아바타가 표현되도록 상기 기본 모델 또는 상기 최종 모델을 네트워크를 통해 상기 사용자 단말로 전송하는, 아바타 생성 방법.
  14. 컴퓨터와 결합되어 제1항 내지 제13항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  15. 제1항 내지 제13항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체.
  16. 컴퓨터와 결합되어 아바타 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 아바타 생성 방법은,
    사람의 얼굴이 포함된 이미지를 생성 또는 선택하는 단계;
    상기 선택된 이미지를 네트워크를 통해 서버로 전송하는 단계;
    상기 서버로부터 상기 이미지가 포함하는 사람의 얼굴을 수치화하여 생성된 제1 측정값 집합과 동물 이미지가 포함하는 동물의 얼굴을 수치화하여 생성된 제2 측정값 집합간의 비교에 기반하여 선택된 동물 모델을 수신하는 단계; 및
    상기 수신된 동물 모델을 렌더링하여 생성되는 동물 아바타를 화면에 표시하는 단계
    를 포함하는, 컴퓨터 프로그램.
  17. 제16항에 있어서,
    상기 동물 모델은 상기 제1 측정값 집합과 상기 제2 측정값 집합간의 비교를 통해 선택된 기본 모델에 해당하는 수치를 상기 제2 측정값 집합을 기초로 수정하여 상기 기본 모델을 상기 사람의 얼굴에 따라 커스터마이징한 모델을 포함하는, 컴퓨터 프로그램.
  18. 제16항에 있어서,
    상기 동물 모델은 상기 제1 측정값 집합과 상기 제2 측정값 집합간의 비교를 통해 선택된 n 개의 기본 모델을 합성하여 생성되는, 컴퓨터 프로그램.
  19. 제16항에 있어서,
    상기 서버는 동물의 얼굴을 포함하는 다수의 동물 이미지들 각각에 대해, 상기 동물의 얼굴을 수치화한 제2 측정값 집합을 생성하고, 상기 다수의 동물 이미지들로부터 얻어지는 동물 분류마다 대응하는 상기 생성된 제2 측정값 집합을 저장하여 데이터베이스를 구축하고, 상기 동물 분류마다 기본 모델을 생성하는, 컴퓨터 프로그램.
  20. 제19항에 있어서,
    상기 동물 모델은 기본 모델을 통해 생성되고,
    상기 기본 모델은 상기 서버에서 상기 제2 측정값 집합에 기초하여 상기 동물 분류마다 생성되는, 컴퓨터 프로그램.
PCT/KR2018/004337 2018-04-13 2018-04-13 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템 WO2019198850A1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PCT/KR2018/004337 WO2019198850A1 (ko) 2018-04-13 2018-04-13 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템
JP2020555875A JP7031009B2 (ja) 2018-04-13 2018-04-13 アバター生成装置およびコンピュータプログラム
KR1020187034494A KR102002863B1 (ko) 2018-04-13 2018-04-13 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템
US17/067,159 US11574430B2 (en) 2018-04-13 2020-10-09 Method and system for creating animal type avatar using human face
JP2022025411A JP7357706B2 (ja) 2018-04-13 2022-02-22 アバター生成装置およびコンピュータプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2018/004337 WO2019198850A1 (ko) 2018-04-13 2018-04-13 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/067,159 Continuation US11574430B2 (en) 2018-04-13 2020-10-09 Method and system for creating animal type avatar using human face

Publications (1)

Publication Number Publication Date
WO2019198850A1 true WO2019198850A1 (ko) 2019-10-17

Family

ID=67480921

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/004337 WO2019198850A1 (ko) 2018-04-13 2018-04-13 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템

Country Status (4)

Country Link
US (1) US11574430B2 (ko)
JP (2) JP7031009B2 (ko)
KR (1) KR102002863B1 (ko)
WO (1) WO2019198850A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912074A (zh) * 2016-03-31 2016-08-31 联想(北京)有限公司 一种电子设备
CN112017140A (zh) * 2020-09-14 2020-12-01 北京百度网讯科技有限公司 用于处理人物形象数据的方法和装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8584031B2 (en) 2008-11-19 2013-11-12 Apple Inc. Portable touch screen device, method, and graphical user interface for using emoji characters
US9940637B2 (en) 2015-06-05 2018-04-10 Apple Inc. User interface for loyalty accounts and private label accounts
US11580608B2 (en) 2016-06-12 2023-02-14 Apple Inc. Managing contact information for communication applications
KR102585858B1 (ko) 2017-05-16 2023-10-11 애플 인크. 이모지 레코딩 및 전송
DK201870374A1 (en) 2018-05-07 2019-12-04 Apple Inc. AVATAR CREATION USER INTERFACE
CN110321868A (zh) * 2019-07-10 2019-10-11 杭州睿琪软件有限公司 对象识别及显示的方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3090472U (ja) * 2002-03-29 2002-12-13 一巳 稲葉 画像合成プログラムを用いて印刷物等を出力する演算機能付きの動物型装置
KR20040106844A (ko) * 2003-06-11 2004-12-18 이응주 유무선 온라인 얼굴영상 해석을 이용한 얼굴 관상 정보 및관상학적 이성 정보제공 시스템과 정보제공 방법
KR20050101068A (ko) * 2004-04-16 2005-10-20 (주)에이치컬쳐테크놀러지 아바타정보를 이용한 운세정보제공 시스템 및 그 제공방법
KR101081494B1 (ko) * 2008-08-28 2011-11-09 동명대학교산학협력단 얼굴인식을 이용한 얼굴관상정보 및 얼굴 아바타 생성 방법 및 그 생성시스템
KR20160083900A (ko) * 2013-11-04 2016-07-12 페이스북, 인크. 얼굴 표현을 위한 시스템 및 방법

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001292305A (ja) * 2000-02-02 2001-10-19 Casio Comput Co Ltd 画像データ合成装置、画像データ合成システム、画像データ合成方法及び記録媒体
JP2005004342A (ja) * 2003-06-10 2005-01-06 Nec Corp コミュニケーションシステムとサーバ装置およびプロフィール開示方法とプログラム
JP4340860B2 (ja) * 2003-09-03 2009-10-07 日本電気株式会社 顔照合システム
JP2006059200A (ja) * 2004-08-20 2006-03-02 Fuji Photo Film Co Ltd 顔画像格納システム、顔画像格納方法、及び顔画像格納プログラム
KR20070036857A (ko) 2005-09-30 2007-04-04 에스케이씨앤씨 주식회사 사용자 기반의 아바타 생성 시스템
JP2011090348A (ja) * 2007-12-25 2011-05-06 J Magic Kk 広告管理システム、広告管理サーバ、広告管理方法、プログラム、および閲覧クライアント
JP2010097449A (ja) * 2008-10-17 2010-04-30 Casio Computer Co Ltd 画像合成装置、及び画像合成方法、画像合成プログラム
JP2011209887A (ja) * 2010-03-29 2011-10-20 Sannetto:Kk アバター作成方法、アバター作成プログラム、およびネットワークサービスシステム
CN102622366B (zh) * 2011-01-28 2014-07-30 阿里巴巴集团控股有限公司 相似图像的识别方法和装置
JP2013074461A (ja) * 2011-09-28 2013-04-22 Casio Comput Co Ltd 画像処理装置、画像処理方法及びプログラム
JP5420056B2 (ja) * 2012-05-31 2014-02-19 株式会社コナミデジタルエンタテインメント 画像作成システム、画像作成アプリケーションサーバ、画像作成方法およびプログラム
JP5930450B2 (ja) * 2013-09-06 2016-06-08 Ｎｅｃソリューションイノベータ株式会社 アノテーション装置及びアノテーションシステム
JP2017084192A (ja) 2015-10-29 2017-05-18 株式会社沖データ 画像処理システム、画像処理装置及びＷｅｂサーバ
US10573091B2 (en) * 2017-02-22 2020-02-25 Andre R. Vincelette Systems and methods to create a virtual object or avatar
KR102661019B1 (ko) * 2018-02-23 2024-04-26 삼성전자주식회사 얼굴에 대응하는 3차원 아바타를 이용하여 얼굴의 움직임이 반영된 3차원 아바타를 포함하는 이미지를 생성하는 전자 장치 및 그 동작 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3090472U (ja) * 2002-03-29 2002-12-13 一巳 稲葉 画像合成プログラムを用いて印刷物等を出力する演算機能付きの動物型装置
KR20040106844A (ko) * 2003-06-11 2004-12-18 이응주 유무선 온라인 얼굴영상 해석을 이용한 얼굴 관상 정보 및관상학적 이성 정보제공 시스템과 정보제공 방법
KR20050101068A (ko) * 2004-04-16 2005-10-20 (주)에이치컬쳐테크놀러지 아바타정보를 이용한 운세정보제공 시스템 및 그 제공방법
KR101081494B1 (ko) * 2008-08-28 2011-11-09 동명대학교산학협력단 얼굴인식을 이용한 얼굴관상정보 및 얼굴 아바타 생성 방법 및 그 생성시스템
KR20160083900A (ko) * 2013-11-04 2016-07-12 페이스북, 인크. 얼굴 표현을 위한 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105912074A (zh) * 2016-03-31 2016-08-31 联想(北京)有限公司 一种电子设备
CN112017140A (zh) * 2020-09-14 2020-12-01 北京百度网讯科技有限公司 用于处理人物形象数据的方法和装置
CN112017140B (zh) * 2020-09-14 2024-04-12 北京百度网讯科技有限公司 用于处理人物形象数据的方法和装置

Also Published As

Publication number Publication date
US11574430B2 (en) 2023-02-07
JP2022060420A (ja) 2022-04-14
US20210027514A1 (en) 2021-01-28
JP7031009B2 (ja) 2022-03-07
JP2021528714A (ja) 2021-10-21
JP7357706B2 (ja) 2023-10-06
KR102002863B1 (ko) 2019-07-24

Similar Documents

Publication Publication Date Title
WO2019198850A1 (ko) 사람의 얼굴을 이용한 동물 형상의 아바타를 생성하는 방법 및 시스템
CN108961369B (zh) 生成3d动画的方法和装置
CN109902659B (zh) 用于处理人体图像的方法和装置
KR101968723B1 (ko) 카메라 이펙트를 제공하는 방법 및 시스템
KR20220008735A (ko) 애니메이션 인터랙션 방법, 장치, 기기 및 저장 매체
CN110020633A (zh) 姿态识别模型的训练方法、图像识别方法及装置
US20190347547A1 (en) Immersive feedback loop for improving ai
WO2019117583A1 (ko) 공간 메시징과 컨텐츠 공유를 위한 방법 및 그 시스템
US20220414997A1 (en) Methods and systems for providing a tutorial for graphic manipulation of objects including real-time scanning in an augmented reality
US20240185579A1 (en) Computer vision and speech algorithm design service
US11887229B2 (en) Method and system for populating a digital environment using a semantic map
CN108491881A (zh) 用于生成检测模型的方法和装置
CN109241934A (zh) 用于生成信息的方法和装置
CN113408570A (zh) 一种基于模型蒸馏的图像类别识别方法、装置、存储介质及终端
CN108388889A (zh) 用于分析人脸图像的方法和装置
CN110222641A (zh) 用于识别图像的方法和装置
CN109410253A (zh) 用于生成信息的方法和装置
CN116249953A (zh) 跨多个位置的混合现实电话会议
KR20220168573A (ko) 머신 러닝 컴퓨터 비전 모델을 트레이닝시키기 위한 합성 트레이닝 데이터 세트를 생성하기 위한 컴퓨터 구현 방법 및 시스템
WO2022145841A1 (ko) 병변 판독 방법 및 이를 위한 장치
WO2017026750A1 (ko) 3d 모델을 이용하는 광고 시스템 및 광고 방법
WO2019124850A1 (ko) 사물 의인화 및 인터랙션을 위한 방법 및 시스템
CN113867532A (zh) 一种基于虚拟现实技能训练的评估***及评估方法
KR20230160105A (ko) 캐릭터ip를 활용한 실시간 화상채팅 랜더링 기술
Agushinta Augmented reality design of Indonesia fruit recognition

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: 18914579

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020555875

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18914579

Country of ref document: EP

Kind code of ref document: A1