회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2016년 설립 회사입니다. 데이터베이스 및 온라인 정보 제공업을 합니다. 2025년 그룹 연결 매출은 73.1억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 27명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-12-29 · 최근 등록 2026-09-28 · 최신 출원순
노이즈 제거 기반 생성 모델을 학습시키기 위한 모델 학습 장치 및 방법과, 노이즈 제거 기반 생성 모델을 이용한 데이터 생성 장치 및 방법이 개시된다. 일 실시예에 따른 모델 학습 장치는 역방향 확산 과정에서의 현재 시간 스텝이 무조건 구간 또는 조건 구간 중 어느 구간에 해당하는지를 판단하는 구간 판단부; 상기 노이즈 제거 기반 생성 모델이 인식하는 시간 스텝을 조정하기 위한 시간 보정량을 판단하는 시간 보정량 판단부; 및 상기 현재 시간 스텝이 무조건 구간에 해당하는 경우 무조건 구간 손실을 최소화하도록 상기 노이즈 제거 기반 생성 모델을 학습시키고, 상기 현재 시간 스텝이 조건 구간에 해당하는 경우 조건 구간 손실을 최소화하도록 상기 노이즈 제거 기반 생성 모델을 학습시키는 모델 학습부를 포함하고, 상기 무조건 구간 손실은 외부 조건을 입력으로 반영하지 않고 상기 시간 보정량이 적용된 시간 스텝에 기초하여 수행된 노이즈 예측 결과에 기초한 초기 손실을 포함하고, 상기 조건 구간 손실은 상기 외부 조건을 입력으로 반영하여 수행된 노이즈 예측 결과에 기초한 조건 학습 손실을 포함한다.
발화 비디오 생성 장치 및 방법이 개시된다. 일 실시예에 따른 발화 비디오 생성 장치는, 인물 영상을 인코딩하여 아이덴티티 잠재 벡터를 생성하는 인코더; 발화 오디오로부터 감정을 인식하는 음성 감정 인식 모델; 상기 발화 오디오 및 상기 감정을 기반으로 모션 잠재 벡터를 생성하는 확률적 생성 모델인 모션 잠재 벡터 생성 모델; 및 상기 아이덴티티 잠재 벡터 및 상기 모션 잠재 벡터를 기반으로 해당 인물이 발화하는 발화 비디오를 생성하는 디코더를 포함한다.
발화 비디오 생성 장치 및 방법이 개시된다. 일 실시예에 따른 발화 비디오 생성 장치는, 인물 영상을 인코딩하여 아이덴티티 잠재 벡터를 생성하는 인코더; 발화 오디오를 기반으로 모션 잠재 벡터를 생성하는 플로우 매칭 기반의 확률적 생성 모델인 모션 잠재 벡터 생성 모델; 및 상기 아이덴티티 잠재 벡터 및 상기 모션 잠재 벡터를 기반으로 해당 인물이 발화하는 발화 비디오를 생성하는 디코더를 포함한다.
발화 합성 영상 생성 장치 및 방법이 제공된다. 일 실시예에 따른 발화 합성 영상 생성 장치는 인물에 대한 제1 이미지 및 제2 이미지 사이의 인물의 머리 움직임에 대한 3차원 기하 변환을 추정하고, 핀홀 카메라 모델에 기반하여 기 설정된 복수의 깊이에서 3차원 기하 변환을 적용하기 위한 복수의 변환 행렬을 계산하고, 복수의 변환 행렬을 이용하여 제1 이미지 및 제2 이미지 사이의 인물의 머리 움직임을 예측하는 머리 움직임 예측 모듈; 기 학습된 표정 움직임 예측 모델에 기반하여 제1 이미지 및 제2 이미지 사이의 인물의 표정 움직임을 예측하는 표정 움직임 예측 모듈; 및 예측된 머리 움직임 및 표정 움직임에 기반하여 제1 이미지를 변형하는 움직임 생성 모듈을 포함한다.
음성 합성 방법 및 그 장치가 개시된다. 일 실시예에 따른 음성 합성 방법은, 입력 텍스트와 연관된 피치(pitch) 정보에 기초하여 상기 입력 텍스트에 대응되는 목표 음성의 여기 표현(excitation representation)을 생성하는 단계, 디퓨전(diffusion) 모델을 통해 상기 여기 표현을 정제하는 단계, 상기 디퓨전 모델과 무관하게 상기 입력 텍스트에 기초하여 상기 목표 음성의 포먼트 표현(formant representation)을 생성하는 단계, 상기 정제된 여기 표현과 상기 포먼트 표현을 애그리게이팅하여 스펙트로그램을 획득하는 단계 및 상기 스펙트로그램을 기초로 상기 목표 음성을 합성하는 단계를 포함할 수 있다. 이러한 방법에 따르면, 목표 음성의 운율 표현력과 발음 정확성이 함께 향상될 수 있다.
인공지능 기반 아바타 서비스 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 아바타 서비스 시스템은 사전 설정된 기준에 따라 제1 아바타 이미지를 결정하고, 제1 아바타 이미지에 대응되는 대사를 수신하는 동영상 결정부; 제1 아바타 이미지에 음성 및 동작을 매칭하여 제2 아바타 이미지를 생성하되, 대사에 대응되는 음성을 제1 아바타 이미지에 합성하고 아바타 이미지, 동작 및 음성을 기초로 동영상용 동작을 생성하여 제2 아바타 이미지를 생성하는 동영상 가공부; 및 제2 아바타 이미지에 후 처리를 수행하여 아바타 동영상을 생성하되, 제2 아바타 이미지의 각 신체 부위별 모션을 블렌딩(blending) 처리하고 블렌딩 처리된 제2 아바타 이미지를 사전 설정된 품질 기준에 따라 보완 처리하는 동영상 생성부를 포함한다.
인공지능 모델 기반 얼굴 및 행동 패턴 분석을 이용한 딥페이크 분석 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 딥페이크 분석 시스템은 입력 동영상에서 사전 설정된 기준에 따라 특정 시간 구간 또는 특정 인물을 기초로 분석 구간을 결정하고, 입력 동영상의 분석 구간에서 선택된 분석 인물의 특징점을 추출한 후 분석할 파트를 사전 설정된 크기로 가공한 분석 대상 동영상을 생성하여 제공하는 대상 선택부; 분석 대상 동영상을 기초로 공간적 위변조 정보 및 시간적 위변조 정보 분석을 비롯한 사전 설정된 제1 분석 기준에 따라 위변조 텍스처 분석을 수행하고, 분석 대상 동영상을 기초로 사전 설정된 제2 분석 기준에 따라 행동 패턴 분석을 수행하여 실제 인물인지 여부를 파악하는 딥페이크 분석부; 및 위변조 텍스처 분석 및 행동 패턴 분석의 결과를 사전 설정된 종합 분석 기준에 따라 가중치를 조절하여 종합 점수를 추론하고, 추론된 종합 점수와 임계점을 기준으로 분석 대상 동영상의 진위 여부 및 분석 결과를 획득 하는 딥페이크 결과 처리부를 포함한다.
인공지능 기반 음성 탐지 서버 및 방법이 개시된다. 본 발명의 일 실시예에 따른 음성 탐지 서버는, 음성 원본 데이터 및 음성 원본 데이터의 변조 데이터를 포함하는 적어도 하나 이상의 서로 다른 형식으로 이루어진 학습용 데이터 셋을 이용하여 사전 학습을 수행하여 인공지능 기반 음성 탐지 모델을 생성하되, 전처리 수행된 학습용 데이터 셋을 이용하여 제1 모델 학습 및 제2 모델 학습을 통해 사전 학습을 수행하여 입력값으로부터 화자 고유 정보를 추출하고 진위여부를 판별하는 음성 탐지 모델을 생성하는 탐지 모델 학습부; 및 음성 탐지 모델을 이용하여 입력되는 음성 데이터의 변조 확률을 기초한 변조 유무를 판단하는 탐지 처리부를 포함한다.
AI 휴먼을 이용한 실시간 통역 서비스 시스템 및 방법이 개시된다. 일 양상에 따른 AI 휴먼을 이용한 실시간 통역 서비스 시스템은, 제1 사용자 측에 배치되어 상기 제1 사용자가 발화하는 제1 언어의 제1 음성 데이터를 입력받는 제1 단말; 상기 제1 음성 데이터를 인식하여 제1 언어의 제1-1 텍스트 데이터를 생성하고, 상기 제1-1 텍스트 데이터를 제2 언어로 번역하여 상기 제2 언어의 제1-2 텍스트 데이터를 생성하고, 상기 제1-2 텍스트 데이터를 AI 휴먼이 상기 제2 언어로 발화하는 제1 발화 동영상을 생성하는 서비스 서버; 및 제2 사용자 측에 배치되어 상기 제1 발화 동영상을 재생하는 제2 단말; 을 포함할 수 있다.
텍스트 분석 및 음성 합성 장치 및 방법이 개시된다. 일 실시예에 따른 텍스트 분석 및 음성 합성 장치는 입력 텍스트를 발화 단위로 분리하여 복수의 텍스트 청크를 생성하는 텍스트 분석 모듈; 생성된 복수의 텍스트 청크를 인코딩하여 복수의 텍스트 피처 청크를 생성하는 텍스트 인코딩 모듈; 및 복수의 텍스트 피처 청크에 기반하여 음성 신호를 생성하는 음성 합성 모듈을 포함한다.
발화 영상 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 발화 영상 제공 방법은, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 영상 내 인물이 대기 상태에 있는 대기 상태 영상을 생성하는 동작, 대기 상태 영상의 기 설정된 기준 프레임 간의 이미지 보간을 위해 대기 상태 영상에서 기 설정된 프레임 간격으로 복수 개의 백모션 이미지를 생성하는 동작, 발화 내용의 소스에 기반하여 영상 내 인물이 발화 상태에 있는 발화 상태 영상을 생성하는 동작, 발화 상태 영상의 생성이 완료되는 시점을 기준으로 대기 상태 영상의 복수 개의 백모션 이미지에 기반하여 재생 중인 대기 상태 영상을 기준 프레임으로 되돌리는 동작, 및 기준 프레임부터 발화 상태 영상의 프레임과 합성하여 합성 발화 영상을 생성하는 동작을 포함한다.
신경망 기반의 특징점 학습 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 특징점 학습 장치는, 입력 영상으로부터 키 포인트를 추출하도록 학습되는 특징점 모델 및 특징점 모델에서 출력하는 키 포인트를 입력으로 하여 입력 영상을 복원하도록 학습되는 영상 복원 모델을 포함한다.
AI 캐디를 활용한 골프 라운딩 보조 장치 및 방법이 개시된다. 일 실시예에 따른 골프 라운딩 보조 장치는 복수의 AI 캐디 모델 중 하나의 AI 캐디 모델을 선택하는 AI 캐디 선택부; 사용자의 위치 정보를 기반으로 상기 사용자가 위치하는 골프장 정보를 수집하는 골프장 정보 수집부; 상기 사용자가 위치하는 골프장과 관련된 플레이 기록 정보를 수집하는 플레이 기록 수집부; 상기 위치 정보, 상기 골프장 정보 및 상기 플레이 기록 정보를 기반으로 라운딩 중인 코스에 대한 공략 정보를 생성하는 공략 정보 생성부; 및 상기 선택된 AI 캐디 모델을 통해 상기 사용자에게 골프장 정보 및 공략 정보 중 적어도 하나를 제공하는 정보 제공부; 를 포함한다.
랜드마크를 함께 생성하는 발화 동영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 소정 인물의 발화 동영상 중 비디오 부분인 인물 배경 영상을 입력 받고, 인물 배경 영상으로부터 영상 특징 벡터를 추출하는 제1 인코더, 발화 동영상 중 오디오 부분인 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제2 인코더, 제1 인코더에서 출력되는 영상 특징 벡터 및 제2 인코더에서 출력되는 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 조합 벡터를 입력으로 하여 인물의 발화 동영상을 복원하는 제1 디코더, 및 조합 벡터를 입력으로 하여 발화 동영상의 랜드마크를 예측하는 제2 디코더를 포함한다.
발화 동영상 생성 방법 및 장치가 개시된다. 일 실시예에 따른 발화 동영상 생성 장치는, 제1 마스크로 인물의 발화 관련 부분의 최대 영역이 가려진 제1 인물 배경 영상으로부터 제1 영상 특징 벡터를 추출하는 제1 인코더; 제2 마스크로 상기 제1 마스크 보다 적은 영역이 가려지되, 상기 인물의 발화와 관련된 부분의 핵심 영역이 가려진 제2 인물 배경 영상으로부터 제2 영상 특징 벡터를 추출하는 제2 인코더; 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제3 인코더; 및 상기 제1 영상 특징 벡터, 상기 제2 영상 특징 벡터 및 상기 음성 특징 벡터를 기반으로 상기 인물의 발화 동영상을 복원하는 디코더; 를 포함한다.
발화 비디오 제공 장치 및 방법이 개시된다. 일 실시예에 따른 컴퓨팅 장치에 의해 수행되는 발화 비디오 제공 방법은 비디오 속 인물이 대기 상태에 있는 비디오 파일 포맷의 대기 상태 비디오를 재생하는 단계; 상기 대기 상태 비디오의 재생 중 발화 내용의 소스에 기반하여 상기 비디오 속 인물이 발화 상태에 있는 복수의 발화 상태 이미지들 및 발화 음성을 생성하는 단계; 상기 대기 상태 비디오의 재생을 중지하고 상기 대기 상태 비디오의 기준 프레임으로 되돌아가기 위한 비디오 파일 포맷의 백모션 비디오를 재생하는 단계; 및 상기 기준 프레임부터 상기 대기 상태 비디오에 상기 복수의 발화 상태 이미지들 및 상기 발화 음성을 합성하여 합성 발화 비디오를 생성하는 단계; 를 포함한다.
발화 비디오 제공 장치 및 방법이 개시된다. 일 실시예에 따른 컴퓨팅 장치에 의해 수행되는 발화 비디오 제공 방법은, 비디오 속 인물이 대기 상태에 있는 제1 구간과 상기 제1 구간의 마지막 프레임과 기준 프레임 간의 이미지 보간을 위한 제2 구간을 포함하는 복수의 대기 상태 비디오의 상기 제1 구간을 순차 재생하는 단계; 발화 내용의 소스에 기반하여 상기 비디오 속 인물이 발화 상태에 있는 복수의 발화 상태 이미지들 및 발화 음성을 생성하는 단계; 상기 복수의 발화 상태 이미지들 및 발화 음성의 생성이 완료되면, 완료 당시 재생 중이던 대기 상태 비디오의 제2 구간을 재생하는 단계; 및 상기 복수의 대기 상태 비디오 중 적어도 일부에 상기 복수의 발화 상태 이미지들 및 상기 발화 음성을 합성하여 합성 발화 비디오를 생성하는 단계; 를 포함한다.
발화 영상 제공 방법이 개시된다. 일 양상에 따른 컴퓨팅 장치에 의해 수행되는 발화 영상 제공 방법은, 영상 내 인물이 대기 상태에 있는 대기 상태 영상을 재생하는 동작; 상기 대기 상태 영상의 재생 중에 발화 내용의 소스에 기반하여 상기 영상 내 인물의 얼굴 부분에 대한 영상 파트와 음성 파트를 생성하는 동작; 상기 영상 파트와 상기 음성 파트를 합성하여 발화 상태 영상을 생성하는 동작; 상기 대기 상태 영상과 상기 발화 상태 영상을 합성하여 합성 발화 영상을 생성하는 동작; 및 상기 생성된 합성 발화 영상을 재생하는 동작을 포함할 수 있다.
문자소-음소 변환 장치 및 방법이 개시된다. 일 실시예에 따른 문자소-음소 변환 장치는 입력 문자열을 토큰으로 분할하는 토큰화부; 및 각 토큰과 상기 각 토큰의 좌우 인접 토큰들을 기반으로 상기 각 토큰의 음소를 판단하는 음소 판단부; 를 포함한다.
3D 립싱크 비디오 생성 장치 및 방법이 개시된다. 일 실시예에 따른 3D 립싱크 비디오 생성 장치는 입력 텍스트를 기반으로 발화 오디오를 생성하는 음성 변환부; 및 상기 생성된 발화 오디오, 인물의 발화 모습이 촬영된 2D 비디오 및 상기 인물의 발화 모습으로부터 획득된 3D 데이터를 기반으로 상기 인물의 3차원 모델이 발화하는 3D 립싱크 비디오를 생성하는 3D 립싱크 비디오 생성 모델; 을 포함한다.
합성용 동영상 촬영 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 합성용 동영상 촬영 시스템은 사용자의 응시 영역에 위치하여 사용자의 라이브 동영상 및 사용자의 라이브 동영상에 중첩 표시되는 기본 자세 정지영상을 출력하기 위한 제1 모니터; 사용자를 촬영하기 위한 촬영 장치; 및 촬영 장치로부터 전달되는 사용자 동영상을 기초로 상기 기본 자세 정지영상 및 사용자의 라이브 동영상을 상기 제1 모니터로 전송하되, 사용자의 라이브 동영상 촬영 중 영상 전환 조건에 일치하는 경우 제1 모니터로 전송하는 기본 자세 정지영상을 변경하기 위한 영상 제어부를 포함한다.
텍스트 기반의 음성 합성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 음성 합성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 입력되는 각 단위 텍스트에 기 설정된 분류 기호를 표시하는 전처리 모듈 및 분류 기호가 표시된 각 단위 텍스트를 입력 받고, 입력된 단위 텍스트를 기반으로 상기 단위 텍스트를 발화하는 음성을 합성하는 음성 합성 모듈을 포함한다.
발화 합성 영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 발화 합성 영상 생성 장치는, 머신 러닝 기반의 발화 합성 영상 생성 장치로서, 동일 인물이 포함된 소스 이미지 및 타겟 이미지를 각각 입력 받고, 소스 이미지 및 타겟 이미지에 기반하여 소스 이미지 및 타겟 이미지 사이의 인물의 전역적 움직임에 대한 전역적 기하 변환을 예측하도록 학습되는 제1 전역적 기하 변환 예측부, 기 설정된 입력 데이터에 기반하여 소스 이미지 및 타겟 이미지 사이의 상기 인물의 지역적 움직임에 대한 지역적 기하 변환을 예측하도록 학습되는 지역적 기하 변환 예측부, 전역적 기하 변환 및 지역적 기하 변환을 조합하여 인물의 전체 움직임에 대한 전체 움직임 기하 변환을 산출하는 기하 변환 조합부, 및 소스 이미지 및 전체 움직임 기하 변환에 기반하여 타겟 이미지를 복원하도록 학습되는 영상 생성부를 포함한다.
발화 합성 영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 발화 합성 영상 생성 장치는, 머신 러닝 기반의 발화 합성 영상 생성 장치로서, 동일 인물이 포함된 소스 이미지 및 타겟 이미지를 각각 입력 받고, 상기 소스 이미지 및 상기 타겟 이미지에 기반하여 상기 소스 이미지 및 상기 타겟 이미지 사이의 상기 인물의 전역적 움직임에 대한 전역적 기하 변환을 예측하도록 학습되는 제1 전역적 기하 변환 예측부; 입력되는 타겟 이미지 관련 정보에 기반하여 상기 인물의 지역적 움직임에 대한 특징 텐서를 예측하도록 학습되는 지역적 특징 텐서 예측부; 및 상기 전역적 기하 변환, 상기 소스 이미지, 및 상기 지역적 움직임에 대한 특징 텐서에 기반하여 상기 타겟 이미지를 복원하도록 학습되는 영상 생성부를 포함한다.
발화 합성 영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 발화 합성 영상 생성 장치는, 머신 러닝 기반의 발화 합성 영상 생성 장치로서, 동일 인물이 포함된 소스 이미지 및 타겟 이미지를 각각 입력 받고, 상기 소스 이미지 및 상기 타겟 이미지에 기반하여 상기 소스 이미지 및 상기 타겟 이미지 사이의 상기 인물의 전역적 움직임에 대한 전역적 기하 변환을 예측하도록 학습되는 제1 전역적 기하 변환 예측부; 기 설정된 입력 데이터에 기반하여 상기 인물의 지역적 움직임에 대한 특징 텐서를 예측하도록 학습되는 지역적 특징 텐서 예측부; 및 상기 전역적 기하 변환, 상기 소스 이미지, 및 상기 지역적 움직임에 대한 특징 텐서에 기반하여 상기 타겟 이미지를 복원하도록 학습되는 영상 생성부를 포함한다.
발화 합성 영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 발화 합성 영상 생성 장치는, 머신 러닝 기반의 발화 합성 영상 생성 장치로서, 동일 인물이 포함된 소스 이미지 및 타겟 이미지를 각각 입력 받고, 소스 이미지 및 타겟 이미지에 기반하여 소스 이미지 및 타겟 이미지 사이의 인물의 전역적 움직임에 대한 전역적 기하 변환을 예측하도록 학습되는 제1 전역적 기하 변환 예측부, 기 설정된 입력 데이터에 기반하여 소스 이미지 및 타겟 이미지 사이의 상기 인물의 지역적 움직임에 대한 지역적 기하 변환을 예측하도록 학습되는 지역적 기하 변환 예측부, 전역적 기하 변환 및 지역적 기하 변환을 조합하여 인물의 전체 움직임에 대한 전체 움직임 기하 변환을 산출하는 기하 변환 조합부, 소스 이미지 및 전체 움직임 기하 변환에 기반하여 소스 이미지 및 타겟 이미지 사이의 광학 흐름을 산출하도록 학습되는 광학 흐름 예측부, 및 소스 이미지 및 광학 흐름에 기반하여 타겟 이미지를 복원하도록 학습되는 영상 생성부를 포함한다.
발화 동영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 인물의 발화와 관련된 부분이 마스크로 가려진 인물 배경 영상을 입력 받고, 인물 배경 영상으로부터 영상 특징 벡터를 추출하는 제1 특징 추출부 및 추출한 영상 특징 벡터를 압축하는 제1 압축부를 포함하는 제1 인코더, 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제2 특징 추출부 및 추출한 음성 특징 벡터를 압축하는 제2 압축부를 포함하는 제2 인코더, 제1 인코더에서 출력되는 압축된 영상 특징 벡터 및 제2 인코더에서 출력되는 압축된 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 및 조합 벡터를 입력으로 하여 인물의 발화 동영상을 복원하는 영상 복원부를 포함하고, 제1 압축부는, 추출한 영상 특징 벡터를 기반으로 각 채널 별 영상 특징 벡터의 대표값을 산출하고, 각 채널 별 영상 특징 벡터의 대표값을 각 행렬 요소로 하는 영상 대표 특징 행렬을 산출하며, 영상 대표 특징 행렬에 풀리 커넥티드(Fully Connected) 신경망을 연결하여 영상 특징 벡터의 압축되는 크기를 제어한다.
발화 영상 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 영상 내 인물이 대기 상태에 있는 대기 상태 영상을 생성하고, 대기 상태 영상의 기 설정된 기준 프레임 간의 이미지 보간을 위해 대기 상태 영상에서 기 설정된 프레임 간격으로 복수 개의 백모션 이미지를 포함하는 백모션 이미지 셋을 생성하는 대기 상태 영상 생성 모듈, 발화 내용의 소스에 기반하여 영상 내 인물이 발화 상태에 있는 발화 상태 영상을 생성하는 발화 상태 영상 생성 모듈, 및 대기 상태 영상을 재생하다가 대기 상태 영상과 발화 상태 영상을 합성하여 합성 발화 영상을 생성하는 영상 재생 모듈을 포함한다.
발화 영상 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 영상 내 인물이 대기 상태에 있는 대기 상태 영상을 생성하는 대기 상태 영상 생성 모듈, 대기 상태 영상과 기 저장된 발화 준비 영상 간의 보간을 위한 보간 이미지 셋을 생성하는 보간 이미지 생성 모듈, 및 발화 상태 영상이 생성되는 경우, 보간 이미지 셋에 기반하여 상기 대기 상태 영상과 상기 발화 상태 영상을 연결하는 연결 영상을 생성하는 영상 재생 모듈을 포함한다.
발화 영상 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 발화 영상 제공 방법은, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 영상 내 인물이 대기 상태에 있는 대기 상태 영상을 생성하는 동작, 대기 상태 영상의 기 설정된 기준 프레임 간의 이미지 보간을 위해 대기 상태 영상에서 기 설정된 프레임 간격으로 복수 개의 백모션 이미지를 생성하는 동작, 발화 내용의 소스에 기반하여 영상 내 인물이 발화 상태에 있는 발화 상태 영상을 생성하는 동작, 발화 상태 영상의 생성이 완료되는 시점을 기준으로 대기 상태 영상의 복수 개의 백모션 이미지에 기반하여 재생 중인 대기 상태 영상을 기준 프레임으로 되돌리는 동작, 및 기준 프레임부터 발화 상태 영상의 프레임과 합성하여 합성 발화 영상을 생성하는 동작을 포함한다.
머신 러닝 기반의 립싱크 영상 생성을 위한 학습 방법 및 이를 수행하기 위한 립싱크 영상 생성 장치가 개시된다. 개시되는 일 실시예에 따른 머신 러닝 기반의 립싱크 영상 생성 장치는, 인공 신경망 모델이고, 인물 배경 영상 및 발화 오디오 신호를 입력으로 하여 립싱크 영상을 생성하는 영상 합성 모델 및 인공 신경망 모델이고, 영상 합성 모델에서 생성하는 립싱크 영상과 영상 합성 모델로 입력되는 발화 오디오 신호 간의 일치 정도를 판별하는 립싱크 판별 모델을 포함한다.
기계 학습을 이용한 데이터 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하며, 기계 학습 모델을 포함하는 컴퓨팅 장치로서, 기계 학습 모델은, 원본 데이터의 일부가 손상 또는 제거된 데이터를 입력 받고, 손상 또는 제거된 데이터 부분을 복원(restoration)하여 출력하는 과제를 주 과제로 수행하도록 학습되고, 원본 데이터를 입력 받고, 입력 받은 원본 데이터를 재건(reconstruction)하여 출력하는 과제를 보조 과제로 수행하도록 학습된다.
영상 품질을 향상시킬 수 있는 영상 합성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 영상 합성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 영상 합성 장치로서, 손상 영상을 입력으로 하여 복원 영상을 출력하도록 하는 제1 과제 및 원본 영상을 입력으로 하여 재건 영상을 출력하도록 하는 제2 과제를 각각 학습하도록 마련되는 제1 인공 신경망부 및 제1 인공 신경망부의 출력층에 연결되고, 제1 인공 신경망부에서 출력되는 재건 영상을 입력으로 하여 재건 영상의 영상 품질을 향상시키도록 학습되는 제2 인공 신경망부를 포함한다.
영상 품질을 향상시킬 수 있는 영상 합성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 영상 합성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 영상 합성 장치로서, 손상 영상을 입력으로 하여 복원 영상을 출력하도록 하는 제1 과제 및 원본 영상을 입력으로 하여 재건 영상을 출력하도록 하는 제2 과제를 각각 학습하도록 마련되는 제1 인공 신경망 모델 및 제1 인공 신경망 모델에서 출력되는 재건 영상을 입력으로 하여 재건 영상의 영상 품질을 향상시키도록 학습되는 제2 인공 신경망 모델을 포함한다.
립싱크 영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 립싱크 영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 립싱크 영상 생성 장치로서, 인물 배경 영상 및 인물 배경 영상과 대응하는 발화 일치 오디오 신호를 입력으로 하여 발화 일치 합성 영상을 생성하고, 인물 배경 영상 및 인물 배경 영상과 대응하지 않는 발화 불일치 오디오 신호를 입력으로 하여 발화 불일치 합성 영상을 생성하는 제1 인공 신경망 모델 및 영상과 음성이 일치하는 입력 쌍 및 영상과 음성이 불일치 하는 입력 쌍을 입력으로 하여 그에 대한 분류 값을 출력하는 제2 인공 신경망 모델을 포함한다.
립싱크 영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 립싱크 영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 립싱크 영상 생성 장치로서, 인물 배경 영상 및 인물 배경 영상과 대응하는 발화 오디오 신호를 입력으로 하여 발화 합성 영상을 생성하고, 인물 배경 영상만을 입력으로 하여 사일런스 합성 영상을 생성하는 제1 인공 신경망 모델 및 기 설정된 발화 유지 영상 및 제1 인공 신경망 모델로부터 사일런스 합성 영상을 입력으로 하여 발화 유지 영상 및 사일런스 합성 영상에 대한 분류 값을 출력하는 제2 인공 신경망 모델을 포함한다.
발화 영상 제공 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 영상 내 인물이 대기 상태에 있는 대기 상태 영상을 생성하는 대기 상태 영상 생성 모듈, 발화 내용의 소스에 기반하여 영상 내 인물이 발화 상태에 있는 발화 상태 영상을 생성하는 발화 상태 영상 생성 모듈, 및 대기 상태 영상을 재생하고, 재생 중인 대기 상태 영상과 발화 상태 영상을 합성하여 합성 발화 영상을 생성하는 영상 재생 모듈을 포함한다.
텍스트 기반의 음성 합성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 음성 합성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 입력되는 각 단위 텍스트에 기 설정된 분류 기호를 표시하는 전처리 모듈 및 분류 기호가 표시된 각 단위 텍스트를 입력 받고, 입력된 단위 텍스트를 기반으로 상기 단위 텍스트를 발화하는 음성을 합성하는 음성 합성 모듈을 포함한다.
랜드마크를 함께 생성하는 발화 동영상 생성 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 소정 인물의 발화 동영상 중 비디오 부분인 인물 배경 영상을 입력 받고, 인물 배경 영상으로부터 영상 특징 벡터를 추출하는 제1 인코더, 발화 동영상 중 오디오 부분인 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제2 인코더, 제1 인코더에서 출력되는 영상 특징 벡터 및 제2 인코더에서 출력되는 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 조합 벡터를 입력으로 하여 인물의 발화 동영상을 복원하는 제1 디코더, 및 조합 벡터를 입력으로 하여 발화 동영상의 랜드마크를 예측하는 제2 디코더를 포함한다.
발화 동영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 제1 마스크로 일부가 가려진 소정 인물의 제1 인물 배경 영상을 입력 받고, 제1 인물 배경 영상으로부터 제1 영상 특징 벡터를 추출하는 제1 인코더, 제2 마스크로 일부가 가려진 인물의 제2 인물 배경 영상을 입력 받고, 제2 인물 배경 영상으로부터 제2 영상 특징 벡터를 추출하는 제2 인코더, 인물의 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제3 인코더, 제1 인코더에서 출력되는 제1 영상 특징 벡터, 제2 인코더에서 출력되는 제2 영상 특징 벡터, 및 제3 인코더에서 출력되는 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 및 조합 벡터를 입력으로 하여 인물의 발화 동영상을 복원하는 디코더를 포함한다.
텍스트 전처리 장치 및 방법이 개시된다. 일 실시예에 따른 텍스트 전처리 장치는 복수의 자소(grapheme)를 포함하는 텍스트 데이터를 획득하는 획득부, 기 설정된 변환 규칙에 기초하여 상기 복수의 자소를 복수의 음소(phoneme)로 변환하는 변환부 및 상기 복수의 자소가 기술된 순서에 기초하여, 상기 복수의 음소를 기 설정된 개수 단위로 군집화함으로써 하나 이상의 토큰(token)을 생성하는 생성부를 포함한다.
발화 영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 발화 영상 생성 장치로서, 인물의 발화 영상을 입력으로 하여 영상 특징을 추출하고, 추출한 영상 특징으로부터 발화 영상을 복원하도록 하는 제1 머신 러닝 모델 및 인물의 발화 오디오 신호를 입력으로 하여 영상 특징을 예측하도록 하는 제2 머신 러닝 모델을 포함한다.
발화 동영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 소정 인물의 발화 동영상 중 비디오 부분으로 인물의 발화와 관련된 부분이 마스크로 가려진 인물 배경 영상을 입력 받고, 인물 배경 영상으로부터 영상 특징 벡터를 추출하며, 추출한 영상 특징 벡터를 압축하는 제1 인코더, 발화 동영상 중 오디오 부분인 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하며, 추출한 음성 특징 벡터를 압축하는 제2 인코더, 제1 인코더에서 출력되는 압축된 영상 특징 벡터 및 제2 인코더에서 출력되는 압축된 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 및 조합 벡터를 입력으로 하여 인물의 발화 동영상을 복원하는 영상 복원부를 포함한다.
영상 생성을 위한 학습 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 영상 생성을 위한 학습 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 인물 기본 영상을 입력으로 하여 인물 기본 영상에서 발화와 관련된 부분에 마스킹 처리 할 마스크를 생성하고, 인물 기본 영상과 마스크를 합성하여 인물 배경 영상을 생성하는 제1 머신 러닝 모델을 포함한다.
신경망 기반의 특징점 학습 장치 및 방법이 개시된다. 개시되는 일 실시예에 따른 특징점 학습 장치는, 입력 영상으로부터 키 포인트를 추출하도록 학습되는 특징점 모델 및 특징점 모델에서 출력하는 키 포인트를 입력으로 하여 입력 영상을 복원하도록 학습되는 영상 복원 모델을 포함한다.
텍스트를 이용한 발화 동영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 소정 인물의 인물 배경 영상을 입력 받고, 인물의 발화 동영상 중 영상 파트를 생성하는 영상 파트 생성부; 및 텍스트를 입력 받고, 텍스트로부터 인물의 발화 동영상 중 음성 파트를 생성하며, 음성 파트를 생성하는 과정에서 발생하는 발화 관련 정보를 영상 파트 생성부로 제공하는 음성 파트 생성부를 포함한다.
머신 러닝 기반의 발화 동영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 소정 인물의 발화 동영상 중 비디오 부분인 인물 배경 영상을 입력 받고, 인물 배경 영상으로부터 영상 특징 벡터를 추출하는 제1 인코더, 발화 동영상 중 오디오 부분인 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제2 인코더, 제1 인코더에서 출력되는 영상 특징 벡터 및 제2 인코더에서 출력되는 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 및 조합 벡터를 입력으로 하여 상기 인물의 발화 동영상을 복원하는 디코더를 포함하며, 제1 인코더로 입력되는 인물 배경 영상은, 인물의 발화와 관련된 부분이 마스크로 가려지고, 인물의 얼굴 및 상반신이 포함된 것이다.
음성 신호를 이용한 발화 동영상 생성 방법 및 장치가 개시된다. 개시되는 일 실시예에 따른 발화 동영상 생성 장치는, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치로서, 소정 인물의 발화 동영상 중 비디오 부분인 인물 배경 영상을 입력 받고, 인물 배경 영상으로부터 영상 특징 벡터를 추출하는 제1 인코더, 발화 동영상 중 오디오 부분인 발화 오디오 신호를 입력 받고, 발화 오디오 신호로부터 음성 특징 벡터를 추출하는 제2 인코더, 제1 인코더에서 출력되는 영상 특징 벡터 및 제2 인코더에서 출력되는 음성 특징 벡터를 조합하여 조합 벡터를 생성하는 조합부, 및 조합 벡터를 입력으로 하여 인물의 발화 동영상을 복원하는 디코더를 포함한다.
본 발명의 일 특징에 의하면, 대화형 AI 에이전트 시스템에 의해 수행되는 북마크 정보를 저장하는 방법이 제공된다. 본 발명의 방법은 대화 이해 AI 서비스 서버에 의하여 수행되는, 북마크 정보를 저장하는 방법으로서, 웹페이지의 주소를 입력받는 단계; 및 상기 웹페이지의 주소를 연관된 키워드와 함께 북마크로 저장하는 단계를 포함하고, 상기 웹페이지의 주소를 연관된 키워드와 함께 북마크로 저장하는 단계는 상기 웹페이지와 관련되는 적어도 하나의 단어를 사용자로부터 입력받아 제1 키워드 그룹으로 저장하는 단계를 포함할 수 있다.
대화 이해 AI 서비스 서버에 의하여 수행되는, 문맥기반 북마크 검색 서비스를 제공하는 방법이 제공된다. 본 발명은 소정의 계층적 구조에 따라, 웹페이지를 상기 웹페이지의 검색 정보와 함께 북마크하여 저장하는 단계 - 상기 검색 정보는 사용자 단말로부터 입력받은 상기 웹페이지에 관련된 태그, 상기 웹페이지를 검색하여 북마크로 저장한 경우, 검색할 때 사용자로부터 입력받은 검색어, 상기 웹페이지를 요약한 요약어 중 적어도 하나를 포함함 -; 상기 사용자 단말로부터 북마크된 웹페이지를 검색하기 위한 사용자의 입력을 수신하는 단계; 상기 사용자의 입력에 대응하는 엔티티를 결정하고, 상기 사용자 입력 및 상기 엔티티를 검색어로 설정하는 단계; 사용자의 검색어와 북마크된 웹페이지들 간의 유사도를 계산하는 단계; 가장 높은 유사도가 소정의 임계 값을 초과하는지 판정하는 단계; 및 상기 가장 높은 유사도가 제1 임계값을 초과하는 경우, 상기 북마크된 웹페이지들 중 높은 유사도를 가지는 중 적어도 하나의 북마크된 웹페이지의 리스트를 표시하는 단계; 를 포함할 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 112건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 81.8 | 73.1 |
| 영업비용 | 176.2 | 143.2 |
| 영업이익(손실) | (94.3) | (70.1) |
| 영업외수익 | 298.4 | 69.3 |
| 기타이익 | 0.9 | 0.5 |
| 금융수익 | 297.5 | 68.8 |
| 영업외비용 | 33.4 | 39.7 |
| 기타손실 | 3.6 | 0.2 |
| 금융원가 | 29.7 | 39.5 |
| 법인세비용차감전순이익(손실) | 170.7 | (40.5) |
| 법인세비용 | (0.0) | — |
| 당기순이익(손실) | 170.7 | (40.5) |
매출은 73.1억으로 전년 대비 10.7% 감소한 것으로 나타났다.
영업이익률은 -95.9%로 전년 -115.2%에서 상승했다.
당기순이익은 -40.5억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.