초록 ▼

본 발명은 특수 장비나 카메라를 이용하지 않고 사이클 GAN과 세그맨테이션을 통해 단일 영상만을 사용하여 영상의 깊이 정보를 추정하는 사이클 GAN과 세그맨테이션을 사용한 깊이 추정 방법 및 시스템에 관한 것이다. 본 발명의 실시 예에 따른 사이클 GAN과 세그맨테이션을 사용한 깊이 추정 방법은 표준 데이터베이스의 입력 RGB 영상에 대하여 생성자를 이용하여 깊이 정보와 세그맨테이션 영상 정보를 생성하는 단계(S10)와, 생성된 깊이 정보와 세그맨테이션 영상 정보를 이용하여 RGB 영상을 복원하는 단계(S20) 및 생성된 깊이 정보

본 발명은 특수 장비나 카메라를 이용하지 않고 사이클 GAN과 세그맨테이션을 통해 단일 영상만을 사용하여 영상의 깊이 정보를 추정하는 사이클 GAN과 세그맨테이션을 사용한 깊이 추정 방법 및 시스템에 관한 것이다. 본 발명의 실시 예에 따른 사이클 GAN과 세그맨테이션을 사용한 깊이 추정 방법은 표준 데이터베이스의 입력 RGB 영상에 대하여 생성자를 이용하여 깊이 정보와 세그맨테이션 영상 정보를 생성하는 단계(S10)와, 생성된 깊이 정보와 세그맨테이션 영상 정보를 이용하여 RGB 영상을 복원하는 단계(S20) 및 생성된 깊이 정보와 세그맨테이션 영상 정보 및 복원된 RGB 영상을 표준 데이터베이스와 각각 비교 판별하여 손실 및 판별 확률을 계산하는 단계(S30)를 포함한다. 또한, 계산된 결과값을 토대로 각각의 손실 및 판별 확률 값이 미리 설정된 기준 수렴값을 만족하는지 판단하는 단계(S40)와, 판단 결과를 토대로 각각의 손실 및 판별자의 판별 확률 값이 미리 설정된 기준 수렴값에 수렴되도록 학습을 조정하고, 상기 (S10) 단계 내지 (S40) 단계를 반복 수행하는 단계(S50)와, 상기 (S10) 단계 내지 (S50) 단계를 통해 생성된 생성자를 이용하여 RGB 영상에 대한 깊이 정보를 추정하는 단계(S60)를 포함한다.

대표청구항 ▼

단일 영상만을 사용하여 영상의 깊이 정보를 추정하는 깊이 추정 방법에 있어서,표준 데이터베이스의 입력 RGB 영상 X에 대하여 생성자(Generator) 와 생성자(Generator) 을 이용하여 깊이 정보와 세그맨테이션 영상 정보를 생성하는 단계(S10);생성된 깊이 정보와 세그맨테이션 영상 정보를 이용하여 RGB 영상을 복원하는 단계(S20);생성된 깊이 정보와 세그맨테이션 영상 정보 및 복원된 RGB 영상을 표준 데이터베이스와 각각 판별하여 비교하고, 각각에 대한 손실(Loss) 및 판별 확률을 계산하는 단계(S30);계산된

단일 영상만을 사용하여 영상의 깊이 정보를 추정하는 깊이 추정 방법에 있어서,표준 데이터베이스의 입력 RGB 영상 X에 대하여 생성자(Generator) 와 생성자(Generator) 을 이용하여 깊이 정보와 세그맨테이션 영상 정보를 생성하는 단계(S10);생성된 깊이 정보와 세그맨테이션 영상 정보를 이용하여 RGB 영상을 복원하는 단계(S20);생성된 깊이 정보와 세그맨테이션 영상 정보 및 복원된 RGB 영상을 표준 데이터베이스와 각각 판별하여 비교하고, 각각에 대한 손실(Loss) 및 판별 확률을 계산하는 단계(S30);계산된 결과값을 토대로 각각의 손실 및 판별자(Discriminator)의 판별 확률 값이 미리 설정된 기준 수렴값을 만족하는지 판단하는 단계(S40);판단 결과를 토대로 손실 및 판별 확률 값이 미리 설정된 기준 수렴값을 만족하지 않는 경우 각각의 손실 및 판별자의 판별 확률 값이 미리 설정된 기준 수렴값에 수렴되도록 학습을 조정하고, 상기 (S10) 단계 내지 (S40) 단계를 반복 수행하는 단계(S50); 및상기 (S10) 단계 내지 (S50) 단계를 통해 생성된 생성자(Generator) 를 이용하여 RGB 데이터의 입력 RGB 영상에 대한 깊이 정보를 추정하는 단계(S60)를 포함하는 사이클 GAN과 세그맨테이션을 사용한 깊이 추정 방법.