선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 반자동 필드 모핑에 기반한 2D 가상 컬러 헤어스타일러에서 가변 모핑 마스크를 기준삼아 시그모이드 함수를 이용하여 모발 블렌딩을 수행한 방법을 제안하였다. 제안된 방법은 사전에 준비된 그래픽 객체 외에도 실사 영상에서 직접 추출한 헤어스타일을 사용할 수 있고, 추출한 헤어스타일 외에도 다양한 유형의 헤어스타일을 자동으로 생성할 수 있는 이점이 있다.
- 제안된 2D 가상 컬러 헤이스타일러는 2D 실사 영상에서 컬러 영상 분할을 통해 추출한 헤어스타일을 원하는 인물 영상의 두상에 정렬하고 조정한한 상태에서 모핑 마스크를 이용하여 원래의 헤어스타일에서 변형 후 헤어스타일로, 또는 변형 후 헤어스타일에서 원래의 헤어스타일로 변해가는 반자동 필드 모핑[12]을 수행함으로써 여러 유형의 헤어스타일을 자동으로 생성함에 그 목적이 있다. 이때, 고정형 모핑 마스크 대신에 가변형 모핑 마스크를 사용하여 가상 컬러 헤어스타일을 생성하고, 이렇게 생성된 헤어스타일을 가변 모핑 마스크의 경계 영역에서 시그모이드 함수(sigmoid function)에 기반한 모발 블렌딩을 수행함으로써 이중 노출 현상이 제거됨과 동시에 자연스러운 착용감을 제공하는 여러 유형의 헤어스타일을 생성할 수 있다.
제안 방법
- 이 경우에는 추가 병합 의도를 알리는 특정한 조합 입력을 제공한 상태에서 원하는 모발 포함 영역을 대표할 수 있는 다른 샘플 영역을 지정한다. 그 다음에 영역 성장을 통해 새로운 영역을 분할한후, 이전의 분할 영역과 합집합을 취하여 추가적으로 병합된 분할 결과를 제공하는 과정을 원하는 횟수만큼 반복적으로 수행하여 반자동적으로 모발 형상 영역을 분할한다.
- 그리고 제안된 방법은 컬러 영상 분할과 반자동 필드 모핑에 기반한 편리한 사용자 인터페이스를 제공할 수 있기 때문에 작업자의 피로도를 경감시킴과 동시에 작업 시간을 단축할 수 있고 비숙련자도 간단한 사용자 입력을 통해 자연스러운 가상 헤어스타일을 생성할 수 있는 것이 특징이다.
- 이어서, 영역 성장 기반 컬러 영상 분할을 통해 목표 영상과 소스 영상에서 각각 헤어스타일 변형 전후의 모발 윤곽선을 추출한다. 다음으로, 이렇게 추출된 모발 윤곽선들에 대한 다각형 근사화에 기반한 계층적 제어선 매핑을 통해 획득한 제어선 쌍들을 이용하여 소스 제어선으로부터 목표 제어선까지 점진적으로 변해가는 다수의 중간 프레임들을 생성하는 반자동 필드 모핑을 수행한다. 제안된 방법은 반자동 필드 모핑을 수행할 시, 모발의 변형을 따라 단계적으로 모양이 변하는 가변 모핑 마스크를 사용함으로써 변형 부위 이외의 영역들에 대해서는 왜곡을 최소화하는 지역적 변형 특성을 갖는다.
- 혹은 사전에 준비된 그래픽 객체 형태의 헤어스타일들 중에서 원하는 모발 형상을 선택한다. 다음으로, 이렇게 추출하거나 선택한 모발 형상을 사용자 입력을 통해 원본 영상 내의 특정인 또는 특정 캐릭터의 두상에 어울리도록 정렬하고 조정함으로써 헤어스타일을 변형한다. 제안된 방법에서는 시뮬레이션의 편의상 헤어스타일 변형 후 영상을 '소스 영상(source image)'으로 삼고 헤어스타일 변형 전의 원본 영상을 '목표 영상(destination image)'으로 삼았다.
- 제안된 방법은 반자동 필드 모핑을 수행할 시, 모발의 변형을 따라 단계적으로 모양이 변하는 가변 모핑 마스크를 사용함으로써 변형 부위 이외의 영역들에 대해서는 왜곡을 최소화하는 지역적 변형 특성을 갖는다. 마지막으로, 원본 영상과 각 프레임의 변형된 모발 부위 간에 가변모핑 마스크를 기준삼아 시그모이드 블렌딩(sigmoid blending)을 수행함으로써 자연스러운 착용감을 제공하는 다수의 가상 헤어스타일들을 자동으로 생성한다.
- 소스 윤곽선과 목표 윤곽선에서 이상의 과정을 통해 일차 제어점 쌍들의 추출이 완료되면, 좀 더 세부적으로 제어점을 찍기 위해 직전의 최대 허용 왜곡보다 상대적으로 작은 새로운 최대 허용 왜곡(Dmax2)을 설정하여 각 소스 윤과선과 목표 윤관선별로 일차 제어점들 사이의 윤곽선 구간에서 다각형 근사 기반 정점 탐색을 수행한다. 이후, 다각형 근사 매핑과 비례 길이 매핑을 수행하여 새로운 이차 제어점 쌍들을 추출하고 직전의 일차 제어점 쌍들 사이에 계층적으로 삽입하는 과정을 최대 허용 왜곡을 단계적으로 줄여가면서 기설정된 다각형 근사 오차 이하가 될 때까지 각 하위 단계로 내려가면서 반복적으로 수행함으로써 점진적인 계층 구조로 제어선 쌍들을 추출한다.
- 이어서, 영역 성장 기반 컬러 영상 분할을 통해 목표 영상과 소스 영상에서 각각 헤어스타일 변형 전후의 모발 윤곽선을 추출한다. 다음으로, 이렇게 추출된 모발 윤곽선들에 대한 다각형 근사화에 기반한 계층적 제어선 매핑을 통해 획득한 제어선 쌍들을 이용하여 소스 제어선으로부터 목표 제어선까지 점진적으로 변해가는 다수의 중간 프레임들을 생성하는 반자동 필드 모핑을 수행한다.
- 다음으로 각각의 부분 윤곽선 쌍에서 근사 정점의 개수가 많은 쪽을 기준 부분 윤곽선으로 선택하고 다른 한쪽을 대응 부분 윤곽선으로 정한다. 이후 대응 부분 윤곽선의 평균 왜곡 거리에 따라 다각형 근사 매핑[15]과 비례 길이 매핑[15]을 적응적으로 선택하여 기준 부분 윤곽선의 근사 정점을 대응 부분 윤곽선에 매핑시킴으로써 새로운 제어점 쌍들을 추출한다. 그림 4는 다각형 근사화에 기반한 제어점 매핑을 통해 대응 제어점들을 찾는 과정을 예시한 것이다.
- )을 설정하여 각 소스 윤과선과 목표 윤관선별로 일차 제어점들 사이의 윤곽선 구간에서 다각형 근사 기반 정점 탐색을 수행한다. 이후, 다각형 근사 매핑과 비례 길이 매핑을 수행하여 새로운 이차 제어점 쌍들을 추출하고 직전의 일차 제어점 쌍들 사이에 계층적으로 삽입하는 과정을 최대 허용 왜곡을 단계적으로 줄여가면서 기설정된 다각형 근사 오차 이하가 될 때까지 각 하위 단계로 내려가면서 반복적으로 수행함으로써 점진적인 계층 구조로 제어선 쌍들을 추출한다. 그림 5는 계층적 제어점 매핑 과정을 나타낸 것이다
- 우선, 모발의 소스 윤곽선과 목표 윤곽선상에 사용자 입력을 통해 소수의 외부 제어점 쌍만을 지정한다. 이후, 외부 제어점들에 의해 구분되는 부분 윤곽선 쌍 단위로 기설정된 최대 허용 왜곡(Dmax1)을 기준삼아 다각형 근사 기반 정점 탐색[15]을 수행하여 근사 정점들을 각각 탐색한다. 그림 3은 소스 윤곽선과 목표 윤곽선의 부분 윤곽선 상에서 다각형 근사 기반 정점 탐색을 수행하는 과정을 예시한 것이다.
- 제안된 방법은 우선, 헤어스타일을 변형하고 싶은 특정인 혹은 특정 캐릭터가 담긴 원본 영상을 선택한다. 이후, 원하는 헤어스타일을 갖고 있는 또 다른 영상을 입력받아 영역 성장에 기반한 컬러 영상 분할을 통해 모발 형상을 추출한다. 혹은 사전에 준비된 그래픽 객체 형태의 헤어스타일들 중에서 원하는 모발 형상을 선택한다.
- 제안된 방법에서는 시뮬레이션의 편의상 헤어스타일 변형 후 영상을 '소스 영상(source image)'으로 삼고 헤어스타일 변형 전의 원본 영상을 '목표 영상(destination image)'으로 삼았다.
- 제안된 방법은 다각형 근사화에 기반한 계층적 제어점 매핑을 통해 필드 모핑의 반자동화를 실현함으로써 편리한 사용자인터페이스를 제공하고 있다. 우선, 모발의 소스 윤곽선과 목표 윤곽선상에 사용자 입력을 통해 소수의 외부 제어점 쌍만을 지정한다.
- 다음으로, 이렇게 추출된 모발 윤곽선들에 대한 다각형 근사화에 기반한 계층적 제어선 매핑을 통해 획득한 제어선 쌍들을 이용하여 소스 제어선으로부터 목표 제어선까지 점진적으로 변해가는 다수의 중간 프레임들을 생성하는 반자동 필드 모핑을 수행한다. 제안된 방법은 반자동 필드 모핑을 수행할 시, 모발의 변형을 따라 단계적으로 모양이 변하는 가변 모핑 마스크를 사용함으로써 변형 부위 이외의 영역들에 대해서는 왜곡을 최소화하는 지역적 변형 특성을 갖는다. 마지막으로, 원본 영상과 각 프레임의 변형된 모발 부위 간에 가변모핑 마스크를 기준삼아 시그모이드 블렌딩(sigmoid blending)을 수행함으로써 자연스러운 착용감을 제공하는 다수의 가상 헤어스타일들을 자동으로 생성한다.
- 본 논문에서는 반자동 필드 모핑에 기반한 2D 가상 컬러 헤어스타일러에서 가변 모핑 마스크를 기준삼아 시그모이드 함수를 이용하여 모발 블렌딩을 수행한 방법을 제안하였다. 제안된 방법은 사전에 준비된 그래픽 객체 외에도 실사 영상에서 직접 추출한 헤어스타일을 사용할 수 있고, 추출한 헤어스타일 외에도 다양한 유형의 헤어스타일을 자동으로 생성할 수 있는 이점이 있다. 또한, 반자동 필드 모핑에 기반한 편리한 사용자인터페이스를 제공할 수 있기 때문에 작업자의 피로도를 경감시킴과 동시에 작업 시간을 단축할 수 있고 비숙련자도 간단한 사용자 입력을 통해 자연스러운 가상 헤어스타일을 생성할 수 있는 것이 특징이다.
- 제안된 방법은 우선, 헤어스타일을 변형하고 싶은 특정인 혹은 특정 캐릭터가 담긴 원본 영상을 선택한다. 이후, 원하는 헤어스타일을 갖고 있는 또 다른 영상을 입력받아 영역 성장에 기반한 컬러 영상 분할을 통해 모발 형상을 추출한다.
이론/모형
- •영상 단순화 단계: 윤곽선 정보를 유지하면서 각 컬러 영상의 화소값 분포를 단순화시키기 위해 소스 영상 혹은 목표 영상의 R, G, B 성분을 대상으로 수리 형태학 연산(mathematical morphological operation)의 일종인 복원 기반 개방-폐쇄 연산(open-close by reconstruction)[13]을 적용한다.
성능/효과
- 결과적으로, 제안된 방법은 헤어스타일 변형 전부터 변형 후 사이에 존재할 수 있는 다수의 헤어스타일들을 열람한 후에 이들 중에서 원하는 것을 택할 수 있는 선택권을 부여할 수 있기 때문에 사용자 만족도를 효과적으로 제고시킬 수 있다. 그림 1은 제안된 2D 가상 컬러 헤어스타일러의 적용 사례를 나타낸 것이다.
- 를 이용한 계층적 제어선 매핑을 통해 자동으로 생성한 제어점 쌍을 나타낸 것이다. 전체적으로 모발 형상의 특징을 잘 반영하면서 계층적으로 제어선 쌍을 매핑하고 있음을 확인할 수 있다. 그림 11과 그림 12는 각각 'WOMAN 정면' 영상과 'WOMAN 측면' 영상에 제안된 2D 가상 컬러 헤어스타일러를 적용한 결과 영상들이다.
- 제안된 가상 헤어스타일 생성 방법은 가발 업계뿐만 아니라 컴퓨터 애니메이션, 게임 캐릭터 및 게임 응용, 인터넷 아바타, 미용실 및 이용실의 예상 헤어스타일 생성 서비스 등의 분야에서 광범위한 활용 분야를 찾을 수 있다. 제안된 가상 헤어스타일 생성 방법을 관련 분야에 적용할 경우, 필드 모핑의 반자동화에 힘입어 응용 컨텐츠 창출의 저비용화와 고품질화를 기대할 수 있고 관련분야에 대한 다양한 기술적 파급효과를 유발시킬 수 있을 것으로 기대된다.
후속연구
- 제안된 가상 헤어스타일 생성 방법을 관련 분야에 적용할 경우, 필드 모핑의 반자동화에 힘입어 응용 컨텐츠 창출의 저비용화와 고품질화를 기대할 수 있고 관련분야에 대한 다양한 기술적 파급효과를 유발시킬 수 있을 것으로 기대된다. 또한 당 분야 응용 소프트웨어에 대한 사용자 만족도를 향상시킬 수 있고, 기 개발된 기존의 제품군에 적용하여 조기에 상품화를 실현할 수 있을 것으로 기대된다.
- 제안된 가상 헤어스타일 생성 방법은 가발 업계뿐만 아니라 컴퓨터 애니메이션, 게임 캐릭터 및 게임 응용, 인터넷 아바타, 미용실 및 이용실의 예상 헤어스타일 생성 서비스 등의 분야에서 광범위한 활용 분야를 찾을 수 있다. 제안된 가상 헤어스타일 생성 방법을 관련 분야에 적용할 경우, 필드 모핑의 반자동화에 힘입어 응용 컨텐츠 창출의 저비용화와 고품질화를 기대할 수 있고 관련분야에 대한 다양한 기술적 파급효과를 유발시킬 수 있을 것으로 기대된다. 또한 당 분야 응용 소프트웨어에 대한 사용자 만족도를 향상시킬 수 있고, 기 개발된 기존의 제품군에 적용하여 조기에 상품화를 실현할 수 있을 것으로 기대된다.
- 그러나, 제안된 방법은 소수의 제어점이라도 사용자가 직접 설정해주어야 하는 단점이 있고 처리할 수 있는 영상에 다양한 제약 조건이 존재한다. 향후 이러한 문제를 단계적으로 해결하기 위한 연구가 추가적으로 진행될 필요가 있다.
- 향후 제안된 방법에 대한 성능 개선이 있을 경우, 디지털 특수효과, 2D/3D 가상 헤어스타일 시뮬레이션 기술, 2D/3D 가상 사이버 패션 기술, 사이버 캐릭터 생성, 2D/3D 애니메이션의 저작, DTV 컨텐츠 저작, 사용자 친화형 아이콘 제작 분야의 기존 기술을 점진적으로 대체할 수 있을 것으로 예측된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.