KR20230018096A - 전자 장치 및 입력 좌표 예측 방법 - Google Patents
전자 장치 및 입력 좌표 예측 방법Download PDFInfo
- Publication number
- KR20230018096A KR20230018096AKR1020210099851AKR20210099851AKR20230018096AKR 20230018096 AKR20230018096 AKR 20230018096AKR 1020210099851 AKR1020210099851 AKR 1020210099851AKR 20210099851 AKR20210099851 AKR 20210099851AKR 20230018096 AKR20230018096 AKR 20230018096A
- Authority
- KR
- South Korea
- Prior art keywords
- coordinates
- predicted
- electronic device
- input
- processor
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/0416—Control or interface arrangements specially adapted for digitisers
- G06F3/0418—Control or interface arrangements specially adapted for digitisers for error correction or compensation, e.g. based on parallax, calibration or alignment
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/0416—Control or interface arrangements specially adapted for digitisers
- G06F3/04166—Details of scanning methods, e.g. sampling time, grouping of sub areas or time sharing with display driving
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/0416—Control or interface arrangements specially adapted for digitisers
- G06F3/0418—Control or interface arrangements specially adapted for digitisers for error correction or compensation, e.g. based on parallax, calibration or alignment
- G06F3/04186—Touch location disambiguation
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
- G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- User Interface Of Digital Computer (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
Abstract
Description
본 문서의 다양한 실시예들은 입력 좌표를 예측 하는 방법 및 전자 장치에 관한 것이다. 예를 들어 전자 장치에서 복수의 예측 좌표를 생성하여 최종 드로잉(drawing)까지의 시간 지연(latency)을 보정하기 위한 기술이다.
이동통신 기술 및 하드웨어 및/또는 소프트웨어 기술의 발달에 따라 휴대용 전자 장치(이하, 전자 장치)는 종래의 통화 기능에서 나아가 다양한 기능들을 구현할 수 있게 되었다. 특히, 전자 장치는 소형화, 및 슬림화되고 있으며 보다 편리한 유저 인터페이스(user interface, UI)를 제공하기 위하여 터치스크린(touch screen)을 채택하고 있다.
상기 터치스크린은 다양한 포인팅 디바이스(예: 손가락, 스타일러스 펜(stylus pen), 터치 패드(touch pad), 펜 마우스(pen mouse), 또는 에어 마우스(air mouse))의 디스플레이에 대한 터치 입력을 감지하여, 전자 장치와 사용자 간의 인터페이스를 가능하게 하는 장치이다. 상기 터치 스크린은 다양한 기기 및 다양한 분야에서 널리 활용되고 있다. 전자 장치는 터치 입력에 대응하는 스트로크(stroke)를 디스플레이에 표시할 수 있다. 전자 장치는 터치 입력에 대응하는 스트로크를 디스플레이에 표시하기 위하여 렌더링(rendering) 동작을 수행할 수 있다. 상기 렌더링 동작은 전자 장치의 마이크로 프로세서(micro-processor)의 성능에 따라서 일정 시간 동안 지연될 수 있다.
전자 장치는 수신한 적어도 하나의 터치 좌표에 대한 입력 특성을 분석할 수 있다. 전자 장치는 분석한 입력 특성에 기초하여 좌표 예측 모델을 학습하고, 현재까지 입력된 터치 좌표를 바탕으로 좌표 예측 모델을 이용하여 예측 경로(drawing)를 출력할 수 있다. 아직 입력되지 않은 지점까지의 예측 드로잉을 통해서 시간 지연(latency)을 보정할 수 있다.
종래의 전자 장치는 디스플레이에 이미지를 출력하기 위한 렌더링 동작에서 소요되는 시간으로 인해 시간 지연이 발생할 수 있었다. 이를 위해 스트로크의 진행 경로를 예측하여 시간 지연을 보정하는 방법이 채택되었으나, 사용자의 필기 속도가 빠른 경우 예측 경로의 오차가 커져 예측 품질이 저하되는 상황이 발생할 수 있었다. 예측 경로가 직선인 경우에는 상대적으로 오차가 적으나, 예측 경로가 곡선인 경우에는 사용자가 실제로 의도한 경로와 큰 차이가 날 수 있었다.
또한, 예측 경로의 오차가 적은 경우에도 곡선 형태가 아닌 직선으로 표현하여 예측 경로가 부자연스럽게 나타날 수 있었다. 종래의 전자 장치는 예측 좌표들 사이를 직선으로 연결했기 때문에, 부드러운 곡선으로 나타내지 못하고 직선 형태의 현(chord)과 같이 부자연스럽게 나타날 수 있었다.
본 문서의 다양한 실시예들은 상기와 같이 전자 장치가 예측 좌표를 활용하여 필기 입력의 시간 지연을 보정하고자 할 경우, 더 자연스럽고 정확한 예측을 제공함에 그 목적이 있다.
다양한 실시예에 따른 전자 장치는, 디스플레이, 메모리, 및 상기 디스플레이 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 디스플레이에 대한 적어도 하나의 터치 입력을 수신하여 터치 입력에 대한 입력 특성을 분석하고, 수신한 터치 입력 중 적어도 하나에 기초하여, 서로 다른 복수의 시점에 각각 대응하는 예측 좌표를 생성하고, 상기 입력 특성에 기초하여, 상기 예측 좌표의 사용 개수를 결정할 수 있다.
다양한 실시예에 따른 전자 장치의 필기 입력 좌표 예측 방법은, 디스플레이에 대한 적어도 하나의 터치 입력을 수신하여 터치 입력에 대한 입력 특성을 분석하는 동작, 수신한 터치 입력 중 적어도 하나에 기초하여, 서로 다른 복수의 시점에 각각 대응하는 예측 좌표를 생성하는 동작, 및 상기 입력 특성에 기초하여, 상기 예측 좌표의 사용 개수를 결정하는 동작을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치는 하나의 예측 좌표가 아닌 복수 개의 예측 좌표를 생성하여 더 자연스러운 예측 경로를 출력할 수 있다. 전자 장치는 입력 좌표의 특성 및 좌표 예측 모델을 이용하여 복수 개의 예측 좌표를 생성하고, 예측 좌표를 곡선으로 연결하여 사용자 경험을 향상할 수 있다.
다양한 실시예에 따르면, 전자 장치는 정해진 기준에 따라 생성한 예측 좌표 사용 개수를 결정하여 예측 경로의 오차를 줄일 수 있다. 예측 좌표에 대한 오류가 커서 잘못된 예측 위치로 그려질 위험이 큰 경우에 불안정 상태가 발생할 수 있으며, 전자 장치는 필기 입력 상태가 불안정 상태인지 다양한 기준에 따라 판단하고, 불안정 상태인 경우 예측 좌표의 일부만 사용하여 오차를 줄일 수 있다. 이를 통하여 사용자가 의도하는 대로 예측 경로를 출력할 수 있다.
그 외에 본 전자 장치의 다양한 실시예들로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 전자 장치의 실시예에 대한 상세한 설명에서 직접적으로 또는 암시적으로 개시하도록 한다. 예컨대, 전자 장치의 다양한 실시예들에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
도 1은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2a, 도 2b 및 도 2c는 다양한 실시예에 따른 전자 장치가 예측 경로를 출력하는 실시예를 도시한 것이다.
도 3은 다양한 실시예에 따른 전자 장치의 블록도이다.
도 4는 다양한 실시예에 따른 전자 장치의 입력 좌표를 기초로 예측 좌표를 생성하는 도면이다.
도 5는 다양한 실시예에 따른 전자 장치의 다중 좌표 예측 모델을 도시한 것이다.
도 6은 다양한 실시예에 따른 전자 장치의 좌표 예측 모델에서 마지막 완전 연결층(final dense layer)을 도시한 것이다.
도 7은 다양한 실시예에 따른 전자 장치가 예측 좌표의 일부만 사용하는 것을 도시한 것이다.
도 8a, 도 8b 및 도 8c는 다양한 실시예에 따른 전자 장치가 다양한 기준에 따라서 예측 좌표 사용 개수를 결정하는 것을 도시한 것이다.
도 9는 다양한 실시예에 따른 전자 장치의 예측 좌표를 생성하는 방법의 순서도이다.
도 10은 다양한 실시예에 따른 전자 장치가 예측 좌표의 사용 개수를 결정하는 방법의 순서도이다.
도 2a, 도 2b 및 도 2c는 다양한 실시예에 따른 전자 장치가 예측 경로를 출력하는 실시예를 도시한 것이다.
도 3은 다양한 실시예에 따른 전자 장치의 블록도이다.
도 4는 다양한 실시예에 따른 전자 장치의 입력 좌표를 기초로 예측 좌표를 생성하는 도면이다.
도 5는 다양한 실시예에 따른 전자 장치의 다중 좌표 예측 모델을 도시한 것이다.
도 6은 다양한 실시예에 따른 전자 장치의 좌표 예측 모델에서 마지막 완전 연결층(final dense layer)을 도시한 것이다.
도 7은 다양한 실시예에 따른 전자 장치가 예측 좌표의 일부만 사용하는 것을 도시한 것이다.
도 8a, 도 8b 및 도 8c는 다양한 실시예에 따른 전자 장치가 다양한 기준에 따라서 예측 좌표 사용 개수를 결정하는 것을 도시한 것이다.
도 9는 다양한 실시예에 따른 전자 장치의 예측 좌표를 생성하는 방법의 순서도이다.
도 10은 다양한 실시예에 따른 전자 장치가 예측 좌표의 사용 개수를 결정하는 방법의 순서도이다.
이하, 본 발명의 실시 예를 첨부된 도면에 의거하여 상세히 설명한다.
실시 예를 설명함에 있어서 본 발명이 속하는 기술분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 또한, 실질적으로 동일한 구성과 기능을 가진 구성 요소들에 대해서는 상세한 설명을 생략하도록 한다.
마찬가지의 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되었으며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 따라서 본 발명은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되어지지 않는다.
도 1은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2a, 도 2b 및 도 2c는 다양한 실시예에 따른 전자 장치가 예측 경로를 출력하는 실시예를 도시한 것이다.
도 2a를 참조하면, 전자 장치(예: 도 1의 전자 장치(101))는 단일 좌표 예측 또는 다중 좌표 예측을 통하여 예측 경로를 출력할 수 있다. 전자 장치는 렌더링(rendering)으로 인한 시간 지연(latency)이 발생하는 것을 막기 위하여 예측 좌표를 생성하고, 이에 기초하여 예측 경로를 출력할 수 있다. 단일 좌표 예측은 단일한 예측 좌표에 기초하여 예측 경로를 출력하는 것이고, 다중 좌표 예측은 복수의 예측 좌표에 기초하여 예측 경로를 출력하는 방법일 수 있다. 전자 장치가 단일 좌표 예측을 수행하는 경우, 계산이 적어 더 빠른 보정이 이루어질 수 있고, 전자 장치가 다중 좌표 예측을 수행하는 경우, 여러 입력 특성을 고려하여 더 정밀한 보정을 수행할 수 있다.
다양한 실시예에 따르면, 전자 장치는 사용하는 좌표 예측 모델에 따라서 서로 다른 형태의 예측 경로를 출력할 수 있다. 예를 들어, 도 2a의 단일 좌표 예측 경로(202) 및 다중 좌표 예측 경로(204)는 서로 다른 형태로 출력될 수 있다. 단일 좌표 예측 경로(202)는 제1시점에서 마지막으로 수신된 터치 좌표와, 제2시점에 대응하는 예측 좌표를 직선으로 연결한 형태로 출력될 수 있다. 따라서 단일 좌표 예측에서 출력된 예측 경로는, 터치 입력이 곡선으로 이루어지는 경우에는 부자연스러운 형태일 수 있다. 다중 좌표 예측 경로(204)는 제1시점에서 마지막으로 수신된 터치 좌표와, 제2시점에 대응하는 제1예측 좌표, 제3시점에 대응하는 제2예측 좌표 및 제4시점에 대응하는 제3예측 좌표를 곡선으로 연결한 형태로 출력될 수 있다. 다중 좌표 예측에서 출력된 예측 경로는, 터치 입력이 곡선으로 이루어지는 경우에도 자연스럽게 이어지는 형태일 수 있다. 이하, 예측 좌표는 제1예측 좌표, 제2예측 좌표 및 제3예측 좌표 중 적어도 하나를 포함하는 것으로 설명하나, 예측 좌표의 실시예는 이에 한정되지 않는다.
도 2b를 참조하면, 전자 장치는 생성한 예측 좌표 중 적어도 하나를 이용하여 예측 경로를 출력할 수 있다. 전자 장치는 제1시점에 적어도 하나의 예측 좌표를 생성하고, 정해진 조건에 따라서 사용할 예측 좌표의 개수를 결정할 수 있다. 예를 들어, 필기 입력의 가속도 및 각가속도를 포함하는 입력 특성에 기초하여 예측 좌표의 사용 개수를 결정하거나, 불안정 상태인지 여부에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 일 실시예에 따르면, 전자 장치는 예측 오류가 정해진 값 이상인 경우에는 예측 경로를 출력하지 않을 수 있다. 예를 들어, 전자 장치는 제1시점에 생성한 예측 좌표를 이용하여 예측 경로를 생성하고, 이를 디스플레이에 출력하기 전에 예측 오류를 계산할 수 있다. 예측 오류가 정해진 값 이상인 경우, 전자 장치는 제1시점에 생성한 예측 좌표를 사용하지 않고, 제2시점에 예측 좌표를 다시 생성하여 예측 경로를 출력할 수 있다. 전자 장치는 정해진 기준에 따라서 예측 좌표의 사용 개수를 결정하고, 1개의 예측 좌표를 사용한 예측 경로(210a), 2개의 예측 좌표를 사용한 예측 경로(210b), 및 3개의 예측 좌표를 사용한 예측 경로(210c)를 출력할 수 있다. 전자 장치가 출력할 수 있는 예측 경로의 실시예는 이에 한정되지 않는다. 전자 장치가 예측 좌표의 사용 개수를 결정하는 자세한 알고리즘에 대해서는 추후 도 7 내지 도 8에서 자세하게 설명하도록 한다.
도 2c를 참조하면, 전자 장치는 다중 좌표 예측을 이용하여 단일 좌표 예측보다 더 자연스러운 예측 경로를 출력할 수 있다. 전자 장치는 앞선 입력 좌표들을 분석하여 입력 특성을 추출하고, 추출한 입력 특성에 기초하여 적어도 하나의 예측 좌표를 생성할 수 있다. 예를 들어, 전자 장치는 이전 필기 입력 중 방향 전환이 급격하게 이루어지는 커브 좌표(220)를 분석하여 입력 특성을 추출할 수 있다. 이후 터치 입력이 마지막으로 이루어진 제1시점에서, 추출한 입력 특성에 기초하여 생성한 예측 좌표를 이용하여 예측 경로를 출력할 수 있다. 단일 좌표 예측을 수행하는 경우, 전자 장치는 제1시점에 마지막으로 입력된 좌표만을 참고하여 직선 형태의 예측 경로(232)를 출력할 수 있다. 이러한 단일 좌표 예측은 단 하나의 입력 좌표에 기초하여 예측 경로를 출력하기 때문에 상대적으로 꺾임을 예측하기 어려워 예측 오차가 커지는 문제가 발생할 수 있다. 반면, 다중 좌표 예측을 수행하는 경우 전자 장치는 커브 좌표(220)를 포함하는 기 입력된 좌표들을 고려하여 급격한 방향 전환이 있는 예측 경로(230)를 출력할 수 있다. 이러한 좌표 예측 모델을 이용하여 전자 장치는 렌더링으로 인한 시간 지연을 보정하면서도 사용자에게 더 자연스러운 형태의 예측 경로를 제공할 수 있다.
도 3은 다양한 실시예에 따른 전자 장치의 블록도이다.
도 3을 참조하면, 전자 장치(300)는 디스플레이(320), 터치 센서(330), 좌표 예측 모듈(340), 프로세서(310) 및/또는 메모리(350)를 포함할 수 있으며, 다양한 실시예에서, 도시된 구성 중 일부가 생략 또는 치환 될 수도 있다. 전자 장치(300)는 도 1의 전자 장치(101)의 구성 및/또는 기능 중 적어도 일부를 더 포함할 수 있다. 도시된(또는 도시되지 않은) 전자 장치(300)의 각 구성 중 적어도 일부는 상호 작동적으로(operatively), 기능적으로(functionally) 및/또는 전기적으로 (electrically) 연결될 수 있다.
다양한 실시예에 따르면, 디스플레이(320)는 프로세서(310)의 제어에 따라 다양한 영상을 표시할 수 있다. 디스플레이(320)는 액정 디스플레이(liquid crystal display(LCD)), 발광 다이오드(light-emitting diode(LED)) 디스플레이, 마이크로 LED(micro LED) 디스플레이, QD(quantum dot) 디스플레이 또는 유기 발광 다이오드(organic light-emitting diode(OLED)) 디스플레이 중 어느 하나로 구현될 수 있으며, 이에 한정되지는 않는다. 디스플레이(320)는 사용자의 신체 일부(예: 손가락) 또는 입력 장치(예: 스타일러스 펜)를 이용한 터치 및/또는 근접 터치(또는 호버링) 입력을 감지하는 터치 스크린으로 형성될 수 있다. 디스플레이(320)는 도 1의 디스플레이 모듈(160)의 구성 및/또는 기능 중 적어도 일부를 포함할 수 있다.
다양한 실시예에 따르면, 디스플레이(320)는 적어도 일부가 플렉서블(flexible) 할 수 있으며, 폴더블(foldable) 디스플레이, 또는 롤러블(rollable) 디스플레이로 구현될 수도 있다.
다양한 실시예에 따르면, 터치 센서(330)는 도 1의 센서 모듈(176)의 구성 및/또는 기능 중 적어도 일부를 포함할 수 있으며, 디스플레이(320)에 대한 사용자의 입력을 수신할 수 있다. 터치 센서(330)는 전극 센서(conductivity sensor), 정전식 터치 센서(capacitive touch sensor), 저항막 터치 센서(resistive touch sensor), 표면형 터치 센서(surface touch sensor), 투영형 터치 센서(projected captivated(PCAP) touch sensor), 또는 초음파형 터치 센서(surface acoustic wave touch sensor) 중 어느 하나로 구현될 수 있으며, 이에 한정되지 않는다. 전자 장치(300)의 디스플레이(320)는 하나 이상의 터치 센서(330)로 구성될 수 있다.
다양한 실시예에 따르면, 좌표 예측 모듈(340)은 수신한 터치 입력에 기초하여 적어도 하나의 예측 좌표를 생성할 수 있다. 좌표 예측 모듈(340)은 좌표 예측 모델을 수립하여 적어도 하나의 예측 좌표를 생성할 수 있다. 좌표 예측 모듈(340)은 다양한 알고리즘을 이용하여 좌표 예측 모델을 생성할 수 있다. 일 실시예에 따르면, 프로세서(310)는 계산한 예측 오차가 정해진 값 이상인 경우 예측 좌표를 사용한 예측 경로를 출력하지 않을 수 있다. 좌표 예측 모듈(340)은 머신 러닝 알고리즘(machine learning algorithm)을 이용하여 터치 입력을 학습할 수 있다. 좌표 예측 모듈(340)은 CNN(convolution neural network) 및 RNN(recurrent neural network) 중 적어도 하나를 포함하는 인공신경망(artificial neural network, ANN)을 이용한 알고리즘으로 터치 입력을 학습할 수 있다. 일 실시예에 따르면, 좌표 예측 모듈(340)은 데이터의 인접 성분들을 조사하여 특징을 파악하여 합성곱 레이어(convolution layer)를 생성하고, 레이어의 사이즈를 줄인 풀링 레이어(pooling layer)를 생성할 수 있다. 일 실시예에 따르면, 좌표 예측 모듈(340) 의 마지막 레이어는, 레이어에 포함된 뉴런(neuron)이 이전 레이어의 모든 뉴런과 연결된 완전 연결층(fully connected layer)일 수 있다. 좌표 예측 모듈(340)은 도 3에서 메모리(350)와 개별적인 것으로 도시되어있으나, 프로세서(310)에 의해 수행될 수 있는 인스트럭션으로 구성되어 메모리(350)에 포함될 수 있다.
다양한 실시예에 따르면, 메모리(350)는 휘발성 메모리(예: 도 1의 휘발성 메모리(132)) 및 비휘발성 메모리(예: 도 1의 비휘발성 메모리(134))를 포함하여, 다양한 데이터들을 일시적 또는 영구적으로 저장할 수 있다. 메모리(350)는 도 1의 메모리(130)의 구성 및/또는 기능 중 적어도 일부를 포함하고, 도 1의 프로그램(140)을 저장할 수 있다.
다양한 실시예에 따르면, 메모리(350)는 프로세서(310)에서 수행될 수 있는 다양한 인스트럭션(instruction)들을 저장할 수 있다. 이와 같은 인스트럭션들은 프로세서(310)에 의해 인식될 수 있는 산술 및 논리 연산, 데이터 이동, 입출력 등과 같은 제어 명령을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 전자 장치(300)의 각 구성요소들(예: 디스플레이(320), 터치 센서(330), 좌표 예측 모듈(340) 및 메모리(350))과 작동적으로(operatively), 기능적으로(functionally), 및/또는 전기적으로(electrically) 연결되어, 각 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 수행할 수 있는 구성일 수 있다. 프로세서(310)는 도 1의 프로세서(120)의 구성 및/또는 기능 중 적어도 일부를 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(310)가 전자 장치(300) 상에서 구현할 수 있는 연산 및 데이터 처리 기능에는 한정됨이 없을 것이나, 이하에서는 전자 장치(300)가 예측 좌표를 활용하여 필기 입력의 시간 지연을 자연스럽게 보정하기 위한 다양한 실시예에 대해 설명하기로 한다. 후술할 프로세서(310)의 동작들은 메모리(350)에 저장된 인스트럭션들을 로딩(loading)함으로써 수행될 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 디스플레이(320)에 대한 터치 입력을 수신할 수 있다. 디스플레이(320)는 터치스크린을 포함할 수 있으며, 프로세서(310)는 터치 스크린에 대한 터치 입력을 감지하고, 각 터치 입력에 대응하는 입력 좌표를 생성할 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 적어도 하나의 입력 좌표를 분석하여 입력 특성을 추출할 수 있다. 프로세서(310)는 수신한 입력 좌표에 대한 정보를 좌표 예측 모델로 전송할 수 있다. 프로세서(310)는 좌표 예측 모델을 제어하여 입력 좌표를 분석하고, 적어도 하나의 입력 좌표 및 그 조합에 대한 입력 특성을 추출할 수 있다. 입력 특성은 터치 입력의 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각속도, 각가속도, 필압(pressure), 기울기(tilt) 및 방향(orientation) 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 입력 특성에 기초하여 적어도 하나의 예측 좌표를 생성할 수 있다. 프로세서(310)가 생성한 예측 좌표는 서로 다른 복수의 시점에 대응하는 좌표들일 수 있다. 일 실시예에 따르면, 프로세서(310)는 현재 시점으로부터 일정한 시간 간격(예: 8ms)마다 예측 좌표를 생성할 수도 있고, 일정한 시간 간격이 없이 복수 시점에 대응하는 예측 좌표를 생성할 수도 있다. 프로세서(310)는 좌표 예측 모델을 제어하여 예측 좌표를 생성할 수 있다. 좌표 예측 모델은 수신된 적어도 하나의 입력 좌표 및 분석한 입력 특성에 기초하여 머신 러닝(machine learning)을 통해 예측 좌표를 생성할 수 있다.
예를 들어, 프로세서(310)는 제1시점까지 수신한 입력 좌표에 기초하여 제2시점에 대응하는 제1예측 좌표, 제3시점에 대응하는 제2예측 좌표, 및 제4시점에 대응하는 제3예측 좌표를 생성할 수 있다. 프로세서(310)는 제2시점, 제3시점 및 제4시점에 대응하는 예측 좌표들을 제1시점에 한 번에 생성할 수 있다. 제2시점에 대응하는 제1예측 좌표, 제3시점에 대응하는 제2예측 좌표, 및 제4시점에 대응하는 제3예측 좌표는 제1시점까지 수신된 입력 좌표들뿐만 아니라 각 예측 좌표 간에 영향을 주고 받으며 학습할 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 예측 좌표의 사용 개수를 결정할 수 있다. 프로세서(310)는 최종 예측 좌표에 대한 예측 오류가 발생할 가능성이 높거나 예측 정확도가 낮을 것으로 판단되는 경우, 생성한 예측 좌표 중 일부만 사용하여 보수적으로 보정을 수행할 수 있다. 이후 시점에 예측 오류가 발생할 가능성이 낮을 것으로 판단되면, 해당 시점에 생성한 예측 좌표를 모두 사용하여 적극적인 시간 지연 보정을 수행할 수 있다. 이하, 프로세서(310)가 예측 좌표 중 일부만 사용하는 경우에 대하여 자세히 설명한다.
다양한 실시예에 따르면, 프로세서(310)는 입력 특성에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 프로세서(310)는 입력 특성의 적어도 일부에 대한 기준값을 결정하고, 측정값과 기준값을 비교하여 예측 좌표의 사용 개수를 결정할 수 있다. 예를 들어, 프로세서(310)는 가속도 기준값 및 각가속도 기준값을 결정하고, 가속도 기준값을 가속도 측정값과, 각가속도 기준값을 각가속도 측정값과 각각 비교할 수 있다. 프로세서(310)는 생성한 예측 좌표의 사용 개수를, 가속도 측정값이 가속도 기준값보다 높고 각가속도 측정값이 각가속도 기준값보다 높은 경우, 가속도 측정값이 가속도 기준값보다 높고 각가속도 측정값이 각가속도 기준값보다 낮은 경우, 가속도 측정값이 가속도 기준값보다 낮고 각가속도 측정값이 각가속도 기준값보다 높은 경우, 및 가속도 측정값이 가속도 기준값보다 낮고 각가속도 측정값이 각가속도 기준값보다 낮은 경우에 각각 다르게 결정할 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 불안정 상태 여부를 판단하여 예측 좌표의 사용 개수를 결정할 수 있다. 입력 장치에서 입력 좌표가 균일하게 센싱하지 못한 경우 또는 정상적으로 센싱하였으나 예측 오류 발생 가능성이 큰 입력 패턴인 경우, 프로세서(310)는 잘못된 예측 좌표를 생성할 수 있다. 결과적으로 프로세서(310)가 비정상적인 예측 좌표를 연결하여 출력한 예측 경로는 사용자가 의도한 경로와 오차가 크게 발생할 수 있다. 프로세서(310)는 출력한 예측 경로의 오류가 클 것으로 예상되는 경우 불안정한 입력 상태로 판단하고 생성한 예측 좌표의 일부만 사용하여 예측 경로를 상대적으로 짧게 출력할 수 있다. 프로세서(310)는 정해진 기준에 따라서 불안정 상태에서 예측 좌표의 사용 개수를 결정할 수 있다. 예를 들어, 터치 입력에 대한 제1입력 특성에 제1기준값, 제2기준값 및 제3기준값을 설정하고, 예측 좌표의 개수를 제1입력 특성이 제1기준값 이상이면 제1개수, 제1기준값 미만이고 제2기준값 이상이면 제2개수, 제2기준값 미만이고 제3기준값 이상이면 제3개수, 제3기준값 미만이면 제4개수로 결정할 수 있다.
일 실시예에 따르면, 프로세서(310)는 예측 좌표에 기초하여 생성한 예측 경로의 전체 길이가 정해진 길이 이상인 경우 불안정 상태로 판단할 수 있다. 프로세서(310)는 복수의 예측 좌표를 시간대별로 생성하고, 예측 좌표를 연결하여 예측 경로를 출력할 수 있다. 프로세서(310)는 예측 경로의 전체 길이 기준값을 결정할 수 있고, 입력 장치가 입력 좌표를 정상적으로 센싱 하였으나 출력한 예측 경로의 전체 길이가 기준값 이상인 경우 불안정 상태로 판단할 수 있다. 프로세서(310)는 렌더링으로 인한 시간 지연을 유의미하게 보정할 수 있을 정도로 크고 예측 경로와 실제 경로의 오차가 지나치게 크지 않을 정도로 작은 예측 경로 전체 길이의 기준값을 결정할 수 있다.
일 실시예에 따르면, 프로세서(310)는 예측 좌표간의 거리 차이가 정해진 값 이상인 경우 불안정 상태로 판단할 수 있다. 프로세서(310)는 예측 좌표 간의 거리 차이 기준값을 결정할 수 있고, 가장 가까운 시간대의 두 예측 좌표 간의 거리가 기준값 이상인 경우 불안정 상태로 판단할 수 있다.
일 실시예에 따르면, 프로세서(310)는 예측 좌표에 기초한 예측 경로의 진행 각도가 정해진 각도 이상인 경우 불안정 상태로 판단할 수 있다. 프로세서(310)는 예측 경로의 진행 각도 기준값을 결정할 수 있고, 예측 경로의 진행 각도가 기준값 이상인 경우 불안정 상태로 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(310)는 사용하기로 결정한 예측 좌표를 연결하여 예측 경로를 출력할 수 있다. 일 실시예에 따르면, 프로세서(310)는 예측 좌표들 사이를 곡선 형태로 잇는 예측 경로를 출력할 수 있다.
도 4는 다양한 실시예에 따른 전자 장치의 입력 좌표를 기초로 예측 좌표를 생성하는 도면이다.
도 4를 참조하면, 프로세서(예: 도 3의 프로세서(310))는 적어도 하나의 터치 입력을 수신하고 적어도 하나의 예측 좌표(410)를 생성할 수 있다. 다양한 실시예에 따르면, 프로세서는 포인팅 디바이스의 각 터치 입력에 대응하는 입력 좌표(400)를 획득할 수 있다. 예를 들어, 프로세서는 제1터치 입력에 대응하는 제1입력 좌표(400(a)), 제2터치 입력에 대응하는 제2입력 좌표(400(b))를 생성할 수 있다.
다양한 실시예에 따르면, 프로세서는 적어도 하나의 입력 좌표(400)를 분석하여 입력 특성을 추출할 수 있다. 입력 특성은 입력 좌표(400)들의 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각속도, 각가속도, 필압(pressure), 기울기(tilt) 및 방향(orientation) 중 적어도 하나를 포함할 수 있다. 예를 들어, 프로세서는 제1입력 좌표(400(a))의 x좌표 및 y좌표, 제2입력 좌표(400(b))의 x좌표 및 y좌표, 제1입력 좌표(400(a))에서의 필압, 기울기, 방향, 제2입력 좌표(400(b))에서의 필압, 기울기, 방향, 제1입력 좌표(400(a))에서 제2입력 좌표(400(b))까지의 거리, 속도, 및/또는 가속도를 측정할 수 있다. 이를 위하여 프로세서는 센서 모듈(예: 도 1의 센서 모듈(176))로부터 움직임, 좌표, 속도, 가속도, 압력, 및 방향 중 적어도 하나를 포함하는 정보를 획득할 수 있다.
다양한 실시예에 따르면, 프로세서는 추출한 입력 특성에 기초하여. 적어도 하나의 예측 좌표(410)를 생성할 수 있다. 프로세서는 입력 특성에 기초하여 사용자의 필기 의도에 가장 부합하는 예측 좌표(410)를 생성할 수 있다. 일 실시예에 따르면, 프로세서는 적어도 하나의 예측 좌표(410)를 시간대별로 생성할 수 있다. 예를 들어, 프로세서는 제1시점까지의 터치 입력에 기초하여, 제2시점에 대응하는 제1예측 좌표(410(a)), 제3시점에 대응하는 제2예측 좌표(410(b)), 및 제4시점에 대응하는 제3예측 좌표(410(c))를 생성할 수 있다. 제1시점과 제2시점 사이의 시간, 제2시점과 제3시점 사이의 시간 및 제3시점과 제4시점 사이의 시간은 동일할 수도 있고 다를 수도 있다. 프로세서는 입력 특성에 기초하여 오차가 발생할 가능성이 적은 예측 좌표(410)를 생성할 수 있다. 일 실시예에 따르면, 오차가 발생할 가능성을 줄이기 위하여, 프로세서는 전체 예측 경로의 길이가 기준값 이상인 경우 제1시점과 제2시점 사이의 시간을 짧게 설정하고, 제2시점과 제3시점 사이의 시간을 길게 설정할 수 있다.
다양한 실시예에 따르면, 프로세서는 제1예측 좌표(410(a)), 제2예측 좌표(410(b)) 및 제3예측 좌표(410(c))를 연결하여 예측 경로를 출력할 수 있다. 일 실시예에 따르면, 프로세서는 입력 특성에 기초하여 자연스러운 형태의 예측 경로를 출력할 수 있다. 예를 들어, 프로세서는 제1예측 좌표(410(a)), 제2예측 좌표(410(b)) 및 제3예측 좌표(410(c))를 잇는 자연스러운 곡선 형태로 예측 경로를 출력할 수 있다.
도 5는 다양한 실시예에 따른 전자 장치의 다중 좌표 예측 모델을 도시한 것이다.
도 5를 참조하면, 프로세서(예: 도 3의 프로세서(310))는 좌표 예측 모델을 제어하여 적어도 하나의 예측 좌표(예: 도 4의 예측 좌표(410))(530)를 생성할 수 있다. 도 5는 프로세서가 3개의 예측 좌표(530)를 생성하는 실시예를 나타낸 도면이나, 본 발명의 실시예는 이에 한정되지 않고 다양한 개수의 예측 좌표(530)를 생성할 수 있다.
다양한 실시예에 따르면, 프로세서는 터치 입력에 대한 데이터를 좌표 예측 모델에 전송하여, 머신 러닝을 통해 사용자의 필기 습관을 학습하고 예측 좌표(530)를 생성하도록 제어할 수 있다. 예를 들어, 프로세서는 제1시점에 이전까지 입력된 적어도 하나의 터치 입력에 대한 입력 특성 데이터를 좌표 예측 모델에 전송할 수 있다. 좌표 예측 모델은 상기 데이터를 머신 러닝을 통해 학습하고 예측 좌표(530)를 생성할 수 있다.
다양한 실시예에 따르면, 프로세서는 좌표 예측 모델에 전달되는 데이터를 N개의 연속적인 입력 좌표(예: 도 4의 입력 좌표(400))로부터 추출된 F개의 특징(예: 좌표간의 상대 거리, 필압(pressure), 기울임(tilt), 방향(orientation))을 이용한 N*F 크기로 구성할 수 있다. 좌표 예측 모델은 데이터 학습 동작에서 병렬 처리를 위해 배치(502)(batch)의 크기 B만큼 맵핑하여 B*N*F 크기로 구성할 수 있다.
다양한 실시예에 따르면, 좌표 예측 모델은 공간 정보 추출부(510)와 시간 정보 추출부(520)를 포함할 수 있다. 공간 정보 추출부(510)는 스트로크의 입력 좌표를 분석하여 제1시점까지 프로세서가 획득한 입력 좌표(예: x좌표, y좌표)들에 대한 공간적인 정보를 추출할 수 있다. 예를 들어, 공간적인 정보는 특징 정보로서, 프로세서 내부적으로 계산되어 실수(또는 부동소수점) 형태로 산출되는 임의의 값들을 가질 수 있다. 시간 정보 추출부(520)는 제1시점까지의 적어도 하나의 입력 좌표(예: 12개 내지 20개)에 기초하여, 해당 좌표들 사이에 시간에 따라 변화하는 정보를 추출할 수 있다. 좌표 예측 모델은 공간 정보 추출부(510) 및 시간 정보 추출부(520)에서 추출한 정보를 이용하여 예측 좌표(530)를 적어도 하나 생성할 수 있다.
다양한 실시예에 따르면, 공간 정보 추출부(510)는 적어도 하나의 CNN 블록(convolution neural network block)을 이용하여 데이터를 학습할 수 있다. 블록(block)은 적어도 하나의 레이어를 포함하는 구성 단위일 수 있다. 다중 좌표 예측 모델은 입력되는 데이터를 통하여 CNN 블록에서 공간적인 특징 정보(또는 공간적인 정보, 공간 정보)가 추출되도록 학습할 수 있다. 실제 모델 작동 과정에서 다중 좌표 예측 모델은 CNN 블록을 통과하는 입력 데이터로부터 공간적인 특징 정보를 추출할 수 있다. 마찬가지로, 다중 좌표 예측 모델은 RNN 블록이 시간적인 특징 정보(또는 시간에 따라 변화하는 정보, 시간 정보)를 추출할 수 있도록 학습한 뒤 실제로 입력되는 데이터로부터 시간적인 특징 정보를 추출할 수 있다. 공간 정보 추출부(510)는 합성곱(convolution) 동작이 수행되는 적어도 하나의 합성곱 레이어(512)(convolution layer)와, 풀링(pooling) 동작이 수행되는 적어도 하나의 풀링 레이어(514)(pooling layer)를 포함할 수 있다. 공간 정보 추출부(510)는 터치 입력으로 이루어진 스트로크의 외형(예: 직선, 곡선)에 대한 정보(또는 스트로크의 공간 정보)를 학습할 수 있다. CNN 기반의 레이어에서는 지정된 크기의 필터를 적용한 다수 개의 합성곱 동작을 수행하고, 풀링 레이어(514)를 통해 데이터 압축 동작을 수행할 있다. 이러한 동작을 한 번만 수행한 결과와 여러 번 수행한 결과를 동시에 결합하여 사용할 수 있다. 프로세서는 공간 정보 추출부(510)를 통하여 입력 좌표들의 공간적인 특징 정보를 추출할 수 있다.
다양한 실시예에 따르면, 시간 정보 추출부(520)는 적어도 하나의 RNN 블록(recurrent neural network block)을 이용하여 데이터(예: 스트로크의 시간 정보)를 학습할 수 있다. RNN 블록은 이전 타임 스텝에서의 정보(hidden state)를 다음 타임 스텝으로 연속해서 전달하여 연산할 수 있다. RNN 기반 레이어에서는 지정된 크기의 은닉 유닛(hidden unit)을 가지는 LSTM(long short-term memory) 또는 GRU(gated recurrent unit)를 포함할 수 있다. 게이트 순환 유닛(GRU)(522)은 LSTM(long short-term memory) 셀의 간소화한 것으로, 각 정보의 가중치를 구하기 위한 연산을 수행할 수 있다. 일 실시예에 따르면, RNN 레이어 앞 또는 뒤에 추가적인 RNN 레이어가 배치될 수 있다. 시간 정보 추출부(520)는 n번째 점과 n+1번째 점 사이의 관계를 분석하고, 시간에 따라 변화하는 정보를 학습함으로써 유의미한 시간 특징을 추출할 수 있다.
도 6은 다양한 실시예에 따른 전자 장치의 좌표 예측 모델에서 마지막 완전 연결층(final dense layer)을 도시한 것이다.
도 6을 참조하면, 좌표 예측 모델은 CNN 레이어 및 RNN 레이어에서 추출된 공간 특성 및 시간 특성을 합성(concatenation)하고, 마지막 레이어(final layer)를 완전 연결층(fully connected layer)으로 구성하여 원하는 개수의 예측 좌표(예: 도 4의 예측 좌표(410))를 생성할 수 있다. 완전 연결층은 모든 레이어의 뉴런은 그 다음 레이어의 뉴런과 연결된 것으로, 1차원 배열의 형태로 평탄화된 행렬을 통해 이미지를 분류하는데 사용될 수 있다. 완전 연결층으로 구성된 마지막 완전 연결층은 도 6에 도시된 것처럼 최종 출력단(600)과 상위 레이어(610)의 모든 뉴런이 서로 연결되도록 구성될 수 있다.
다양한 실시예에 따르면, 프로세서(예: 도 3의 프로세서(310))는 은닉 노드에서 모든 최종 출력단(600)에서 발생한 오류를 통합하여 상위 레이어(610)로 오류 역전파(error backpropagation)할 수 있다. 즉, 최종 출력단(600)에서는 시간대 별로 다른 여러 출력 좌표들을 생성하고, 이 시간대 별로 다른 예측 좌표들의 오류가 서로 영향을 미쳐서 여러 예측 좌표들이 서로 연관성을 가질 수 있다. 시간대 별로 다른 예측 좌표들은 독립적으로 동작하여, 서로 일관되지 않는 방향으로 생성되는 오류를 보정할 수 있게 되어 예측 좌표들을 더 정확하게 생성할 수 있다.
도 7은 다양한 실시예에 따른 전자 장치가 예측 좌표의 일부만 사용하는 것을 도시한 것이다.
도 7을 참조하면, 프로세서(예: 도 3의 프로세서(310))는 예측 경로의 오차가 클 것으로 예상되는 경우 생성한 예측 좌표(예: 도 4의 예측 좌표(410))의 일부만 사용하여 예측 경로를 출력할 수 있다. 예를 들어, 프로세서는 이전까지의 입력 좌표(예: 도 4의 입력 좌표(400))에 기초하여, 제1시점의 입력 좌표(700), 제2시점의 제1예측 좌표(702), 제3시점의 제2예측 좌표(704) 및 제4시점의 제3예측 좌표(706)를 연결하는 예측 경로를 출력할 수 있다. 이 때, 예측 오류가 정해진 값 이상이면, 사용자가 실제로 드로잉(drawing)하고자 하는 타깃 좌표(710)까지의 경로와 예측 경로의 차이가 크게 발생할 수 있다. 프로세서는 사용자 경험을 향상하기 위하여 생성한 예측 좌표의 일부를 사용하지 않을 수 있다. 예를 들어, 프로세서는 제4시점의 제3예측 좌표(706)를 사용하지 않고, 제2시점의 제1예측 좌표(702) 및 제3시점의 제2예측 좌표(704)까지만 사용하여 예측 경로를 출력할 수 있다. 이를 통하여 프로세서는 타깃 좌표(710)까지의 경로가 크게 틀어지지 않는 예측 경로를 출력할 수 있다.
다양한 실시예에 따르면, 프로세서는 사용하는 예측 좌표의 개수를 결정하는 기준을 설정할 수 있다. 프로세서는 입력 특성의 적어도 일부에 기초하여 불안정한 입력 및 출력 상태로 판단되는 경우 예측 좌표의 일부만 사용할 수 있다. 일 실시예에 따르면, 프로세서는 생성한 예측 좌표에서 정해진 비율만큼만 사용하여 예측 경로를 출력할 수도 있다. 이하 도 8에서 프로세서가 예측 좌표의 사용 개수를 결정하는 다양한 기준에 대하여 자세히 설명하도록 한다.
도 8a, 도 8b 및 도 8c는 다양한 실시예에 따른 전자 장치가 다양한 기준에 따라서 예측 좌표 사용 개수를 결정하는 것을 도시한 것이다.
다양한 실시예에 따르면, 프로세서(예: 도 3의 프로세서(310))는 생성한 예측 좌표(예: 도 4의 예측 좌표(410))를 이용하여 출력한 예측 경로의 길이가 정해진 값 이상이면 예측 좌표의 일부만 사용할 수 있다. 도 8a를 참조하면, 프로세서는 제1시점에서 마지막으로 수신된 터치 좌표(800)와, 제2시점에 대응하는 제1예측 좌표(802), 제3시점에 대응하는 제2예측 좌표(804) 및 제4시점에 대응하는 제3예측 좌표(806)를 생성할 수 있다. 프로세서는 제1시점 터치 좌표(800)와 제1예측 좌표(802) 사이의 제1거리(d1), 제1예측 좌표(802)와 제2예측 좌표(804) 사이의 제2거리(d2), 및 제2예측 좌표(804)와 제3예측 좌표(806) 사이의 제3거리(d3)를 측정할 수 있다. 프로세서는 예측 경로 전체 길이의 기준값을 결정하고, 제1거리, 제2거리 및 제3거리의 합(d1+d2+d3)이 기준값 이상이면 생성한 예측 좌표의 일부만 사용할 수 있다. 예를 들어, 프로세서는 제3예측 좌표(806)를 사용하지 않고, 제1예측 좌표(802)와 제2예측 좌표(804)만을 연결하여 예측 경로를 출력할 수 있다.
다양한 실시예에 따르면, 프로세서는 터치 입력 특성을 참조하여 생성한 예측 좌표의 일부만 사용할 수 있다. 프로세서는 입력 특성의 다양한 항목 중 적어도 일부를 이용하여 예측 좌표 사용 개수를 결정할 수 있다. 예를 들어, 프로세서는 제2시점에 대응하는 제1예측 좌표(802), 제3시점에 대응하는 제2예측 좌표(804), 및 제4시점에 대응하는 제3예측 좌표(806)를 생성하고, 터치 입력의 가속도 및 각가속도를 이용하여 예측 좌표의 사용 개수를 결정할 수 있다. 프로세서는 이를 위하여 가속도 기준값 및 각가속도 기준값을 결정할 수 있다.
다양한 실시예에 따르면, 프로세서는 인접한 입력 좌표들 간의 거리에 기초하여 속도 및 가속도를 측정할 수 있다. 프로세서는 모든 입력 좌표에 대해서, 인접한 두 좌표 사이의 거리들을 측정하고, 인접 좌표 간 거리가 일정하면 등속도 입력인 것으로 결정하고, 인접 좌표 간 거리가 변화하면 가속도가 있는 입력으로 결정할 수 있다. 프로세서는 등속도 입력의 경우에 인접 좌표 간 거리가 클수록 더 빠른 속도의 입력인 것으로 결정할 수 있다. 입력 속도가 클수록 프로세서가 생성하는 예측 좌표의 오류가 더 높을 수 있다. 같은 방식으로, 프로세서는 인접 좌표 간의 거리가 점차 증가하거나 감소하는 정도를 계산하여 필기 입력의 속도 및 가속도를 계산할 수 있다.
도 8b를 참조하면, 프로세서는 가속도 측정값에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 프로세서는 가속도 기준값을 설정하고, 인접 좌표들 간의 거리에 기초하여 측정한 필기 입력의 가속도와 비교하여 예측 좌표의 사용 개수를 결정할 수 있다. 도 8b는 가속도 스트로크(810)와 등속도 스트로크(820) 및 각각의 터치 좌표가 표시된 경로를 나타내고 있다. 가속도 스트로크(810)와 등속도 스트로크(820)는 디스플레이(예: 도 3의 디스플레이(320))에 출력된 형태는 비슷하나 서로 다른 터치 좌표를 수신할 수 있다. 즉, 가속도 스트로크 좌표(812)와 등속도 스트로크 좌표(822)를 비교하면, 가속도 스트로크 좌표(812)는 등속도 스트로크 좌표(822)보다 상대적으로 서로 멀리 떨어져 분포할 수 있다. 프로세서는 이러한 터치 좌표에 기초하여 가속도를 측정할 수 있다. 프로세서는 가속도 기준값을 결정하고, 측정된 가속도가 기준값 이상인지 여부를 결정할 수 있다.
다양한 실시예에 따르면, 프로세서는 터치 입력의 속도 및 가속도를 계산하는 것과 유사하게 각속도 및 각가속도를 계산할 수 있다. 즉, 입력 좌표 방향의 변화를 계산하여 각속도 및 각가속도를 계산할 수 있다. 예를 들어, 프로세서는 제1입력 좌표, 제2입력 좌표, 제3입력 좌표 및 제4입력 좌표를 수신할 수 있다. 프로세서는 제1입력 좌표에서 제2입력 좌표로 향하는 제1각도를 계산하고, 제2입력 좌표에서 제3입력 좌표로 향하는 제2각도를 계산하고, 제3입력 좌표에서 제4입력 좌표로 향하는 제3각도를 계산할 수 있다. 필기 입력이 등각속도로 이루어지는 경우, 제1각도, 제2각도 및 제3각도는 동일한 각도일 수 있다. 제1각도보다 제2각도가 크고, 제2각도보다 제3각도가 더 크면, 프로세서는 제1입력 좌표 내지 제4입력 좌표가 입력되는 동안 필기 입력에 각가속도가 작용하는 것으로 결정할 수 있다.
도 8c를 참조하면, 프로세서는 각가속도 측정값에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 프로세서는 각가속도 기준값을 설정하고, 상기 설명한 방법에 의하여 측정한 필기 입력의 각가속도와 비교하여 예측 좌표의 사용 개수를 결정할 수 있다. 도 8c는 사용자의 필기 입력에 따라 상대적으로 각가속도가 작은 제1스트로크(830)(예: 큰 원) 및 상대적으로 각가속도가 큰 제2스트로크(840)(예: 작은 원)를 그릴 때 인식된 터치 좌표를 도시한 것이다. 프로세서는 수신한 터치 좌표를 이용하여 필기 입력의 각가속도를 계산할 수 있다.
| 구분 | 정의 | 임계값(단일) | 임계값(다중) |
| 속도(속력) |  |  |   |
| 가속도 |  |  |   |
| 각속도(각속력) |  |  |   |
| 각가속도 |  |  |   |
다양한 실시예에 따르면, 프로세서는 계산한 입력 특성(예: 속도, 가속도, 각속도, 각가속도)에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 프로세서는 입력 특성의 각 항목 마다 임계값을 적어도 하나 설정할 수 있다. 프로세서는 입력 특성의 각 항목 별로 서로 다른 개수의 임계값을 결정할 수 있으며, 프로세서가 생성한 임계값의 개수에 따라서 예측 좌표의 사용 개수를 결정할 경우의 수가 달라질 수 있다. 표 1을 참조하면, 프로세서는 각 입력 특성에 대해서 적어도 하나의 임계값을 설정할 수 있으며, 예측한 좌표의 오류 가능성에 기초하여 각 항목의 임계값을 결정할 수 있다. 예를 들어, 프로세서는 입력 특성 중 속도 항목에 대한 속도 임계값을 설정하고, 가속도 항목에 대한 가속도 임계값을 설정하고, 각속도 항목에 대한 제1각속도 임계값 및 제2각속도 임계값을 설정하고, 각가속도 항목에 대한 제1각가속도 임계값 및 제2각가속도 임계값을 설정할 수 있다. 프로세서는 설정한 임계값을 기준으로 하여 측정값이 분포할 수 있는 적어도 하나의 구간을 정의할 수 있다. 예를 들어, 각가속도 항목의 경우 2개의 임계값을 설정했으므로 총 3개의 구간이 정의되며, 각각 회전감속 구간, 회전등속 구간 및 회전가속 구간으로 정의할 수 있다. 프로세서는 입력 특성 별로 정의한 구간의 개수에 따라서 적어도 하나의 조합(예: 36개)을 정의할 수 있다.
다양한 실시예에 따르면, 프로세서는 상기와 같은 방법으로 정의한 조합에 따라서 사용할 예측 좌표의 개수를 결정할 수 있다. 예를 들어, 프로세서는 속도 측정값이 임계값(
)보다 작은 경우를 하나의 조합으로 정의하고, 가속도, 각속도, 각가속도 측정값에 상관없이 생성한 모든 예측 좌표를 사용하도록 결정할 수 있다. 다른 실시예에 따르면, 속도 측정값이 임계값보다 크고 가속도 측정값 및 각가속도 측정값이 각각 임계값보다 큰 경우 예측 좌표를 하나도 사용하지 않도록 결정할 수 있다. 다른 실시예에 따르면, 가속도 측정값은 임계값보다 크지만 각가속도 측정값은 임계값보다 작은 경우에는 예측 좌표를 1개만 사용하도록 결정할 수도 있다. 프로세서가 정의할 수 있는 조합의 개수 및 그에 따라 사용하는 예측 좌표의 개수는 언급한 실시예에 한정되지 않는다.
다양한 실시예에 따른 전자 장치는, 디스플레이, 메모리, 및 상기 디스플레이 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 디스플레이에 대한 적어도 하나의 터치 입력을 수신하여 터치 입력에 대한 입력 특성을 분석하고, 수신한 터치 입력 중 적어도 하나에 기초하여, 서로 다른 복수의 시점에 각각 대응하는 예측 좌표를 생성하고, 상기 입력 특성에 기초하여, 상기 예측 좌표의 사용 개수를 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 입력 특성에 기초하여 불안정 상태인지 여부를 판단하고, 불안정 상태로 판단되는 경우 정해진 기준에 따라서 예측 좌표의 사용 개수를 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 예측 좌표의 전체 길이가 정해진 길이 이상인 경우 불안정 상태로 판단할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 제1예측 좌표 및 제1예측 좌표에 연속하는 제2예측 좌표간의 거리가 정해진 값 이상인 경우 불안정 상태로 판단할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 예측 경로의 진행 각도가 정해진 각도 이상인 경우 불안정 상태로 판단할 수 있다.
다양한 실시예에 따르면, 상기 입력 특성은 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각가속도, 기울기, 방향 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 속도 기준값을 결정하고, 상기 입력 특성 및 상기 속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 가속도 기준값을 결정하고, 상기 입력 특성 및 상기 가속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 예측 좌표를 이용하여 예측 경로를 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 적어도 하나의 예측 좌표를 잇는 곡선을 예측 경로로 결정할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 입력 특성에 기초한 머신 러닝(machine learning)을 통해 좌표 예측 모델을 생성하고, 상기 좌표 예측 모델을 이용하여 적어도 하나의 예측 좌표를 생성할 수 있다.
다양한 실시예에 따르면, 상기 좌표 예측 모델은 예측 좌표의 시간적 정보를 추출하는 CNN(convolution neural network) block, 및 예측 좌표의 공간적 정보를 추출하는 RNN(recurrent neural network) block을 포함할 수 있다.
도 9는 다양한 실시예에 따른 전자 장치의 예측 좌표를 생성하는 방법의 순서도이다.
도 9에 도시된 방법은 도 1 내지 도 8을 통해 설명한 전자 장치(예: 도 1의 전자 장치(101) 또는 도 3의 전자 장치(300))에 의해 수행될 수 있으며, 이하에서는 앞서 설명한 바 있는 기술적 특징에 대해서는 그 설명을 생략하기로 한다.
다양한 실시예에 따르면, 동작 902에서, 전자 장치는 수신된 터치 입력에 기초하여 좌표 데이터를 생성하고 입력 특성을 추출할 수 있다. 전자 장치는 적어도 하나의 입력 좌표(예: 도 4의 입력 좌표(400))를 분석하여 입력 특성을 추출할 수 있다. 전자 장치는 수신한 입력 좌표에 대한 정보를 좌표 예측 모델로 전송할 수 있다. 전자 장치는 좌표 예측 모델을 제어하여 입력 좌표를 분석하고, 적어도 하나의 입력 좌표 및 그 조합에 대한 입력 특성을 추출할 수 있다. 입력 특성은 터치 입력의 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각속도, 각가속도, 필압(pressure), 기울기(tilt) 및 방향(orientation) 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따르면, 동작 904에서, 전자 장치는 좌표 예측 모델을 제어하여 적어도 하나의 예측 좌표(예: 도 4의 예측 좌표(410))를 생성할 수 있다. 전자 장치가 생성한 예측 좌표는 서로 다른 복수의 시점에 대응하는 좌표들일 수 있다. 일 실시예에 따르면, 전자 장치는 현재 시점으로부터 일정한 시간 간격(예: 8ms)마다 예측 좌표를 생성할 수도 있고, 일정한 시간 간격이 없이 복수 시점에 대응하는 예측 좌표를 생성할 수도 있다. 전자 장치는 좌표 예측 모델을 제어하여 예측 좌표를 생성할 수 있다. 좌표 예측 모델은 수신된 적어도 하나의 입력 좌표 및 분석한 입력 특성에 기초하여 머신 러닝(machine learning)을 통해 예측 좌표를 생성할 수 있다.
다양한 실시예에 따르면, 전자 장치는 예측 좌표를 생성하는 시점까지 입력된 입력 좌표들 및 생성하는 다른 예측 좌표들을 고려하여 예측 좌표를 생성할 수 있다.
다양한 실시예에 따르면, 동작 910에서, 전자 장치는 불안정 상태인지 판단할 수 있다. 현재 불안정한 입력 상태이거나 이러한 상태를 좌표 예측 모델에서 미리 학습하지 못한 경우, 전자 장치는 비정상적인 예측 좌표를 생성하여 오차가 크게 발생할 수 있다. 전자 장치는 출력한 예측 경로의 오류가 클 것으로 예상되는 경우 불안정 상태로 판단하고 생성한 예측 좌표의 일부만 사용하여 예측 경로를 상대적으로 짧게 출력할 수 있다. 전자 장치는 정해진 기준에 따라서 불안정 상태에서 예측 좌표의 사용 개수를 결정할 수 있다.
일 실시예에 따르면, 전자 장치는 예측 경로의 전체 길이가 정해진 길이 이상인 경우 불안정 상태로 판단할 수 있다. 전자 장치는 복수의 예측 좌표를 시간대별로 생성하고, 예측 좌표를 연결하여 예측 경로를 출력할 수 있다. 전자 장치는 예측 경로의 전체 길이 기준값을 결정할 수 있고, 출력한 예측 경로의 전체 길이가 기준값 이상인 경우 불안정 상태로 판단할 수 있다. 전자 장치는 렌더링으로 인한 시간 지연을 유의미하게 보정할 수 있을 정도로 크고 예측 경로와 실제 경로의 오차가 지나치게 크지 않을 정도로 작은 예측 경로 전체 길이의 기준값을 결정할 수 있다.
일 실시예에 따르면, 전자 장치는 예측 좌표간의 거리 차이가 정해진 값 이상인 경우 불안정 상태로 판단할 수 있다. 전자 장치는 예측 좌표 간의 거리 차이 기준값을 결정할 수 있고, 가장 가까운 시간대의 두 예측 좌표 간의 거리가 기준값 이상인 경우 불안정 상태로 판단할 수 있다.
일 실시예에 따르면, 전자 장치는 예측 좌표에 기초한 예측 경로의 진행 각도가 정해진 각도 이상인 경우 불안정 상태로 판단할 수 있다. 전자 장치는 예측 경로의 진행 각도 기준값을 결정할 수 있고, 예측 경로의 진행 각도가 기준값 이상인 경우 불안정 상태로 판단할 수 있다.
다양한 실시예에 따르면, 전자 장치는 입력 특성에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 전자 장치는 입력 특성의 적어도 일부에 대한 기준값을 결정하고, 측정값과 기준값을 비교하여 예측 좌표의 사용 개수를 결정할 수 있다.
다양한 실시예에 따르면, 동작 912에서, 전자 장치는 터치 입력의 입력 특성 및 출력 특성에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 전자 장치는 최종 예측 좌표에 대한 예측 오류가 발생할 가능성이 높거나 예측 정확도가 낮을 것으로 판단되는 경우, 생성한 예측 좌표 중 일부만 사용하여 보수적으로 보정을 수행할 수 있다. 이후 시점에 예측 오류가 발생할 가능성이 낮을 것으로 판단되면, 해당 시점에 생성한 예측 좌표를 모두 사용하여 적극적인 시간 지연 보정을 수행할 수 있다.
다양한 실시예에 따르면, 동작 920에서, 전자 장치는 예측 좌표를 연결하여 예측 경로를 출력할 수 있다. 전자 장치는 사용하기로 결정한 예측 좌표를 연결하여 예측 경로를 출력할 수 있다. 일 실시예에 따르면, 전자 장치는 예측 좌표들 사이를 곡선 형태로 잇는 예측 경로를 출력할 수 있다.
도 10은 다양한 실시예에 따른 전자 장치가 예측 좌표의 사용 개수를 결정하는 방법의 순서도이다.
다양한 실시예에 따르면, 동작 1002에서, 전자 장치는 수신된 터치 입력에 기초하여 입력 특성을 분석할 수 있다. 전자 장치는 디스플레이에 대한 터치 입력을 수신하고, 적어도 하나의 입력 좌표를 획득할 수 있다. 전자 장치는 선택된 시간 간격으로 입력 좌표를 획득할 수 있으며, 획득한 입력 좌표에 기초하여 입력 특성을 분석할 수 있다. 입력 특성은 필기 입력의 속도, 가속도, 각속도, 및 각가속도 중 적어도 하나의 항목을 포함할 수 있다. 전자 장치는 인접한 입력 좌표들 간의 거리 및 방향을 계산하여 입력 특성을 분석할 수 있다.
다양한 실시예에 따르면, 동작 1004에서, 전자 장치는 좌표 예측 모델을 이용하여 적어도 하나의 예측 좌표를 생성할 수 있다. 전자 장치는 좌표 예측 모듈(예: 도 3의 좌표 예측 모듈(340))을 이용하여 좌표 예측 모델을 수립할 수 있으며, 입력 좌표 및 좌표 예측 모델을 이용하여 적어도 하나의 예측 좌표를 생성할 수 있다. 일 실시예에 따르면, 좌표 예측 모델은 적어도 하나의 입력 좌표를 이용하여 필기 입력의 공간적 특성 및 시간적 특성을 학습하고, 필기 입력이 발생할 디스플레이 상의 예측 좌표를 적어도 하나 생성할 수 있다.
다양한 실시예에 따르면, 동작 1006에서, 전자 장치는 입력 특성에 기초하여 예측 좌표의 사용 개수를 결정할 수 있다. 전자 장치는 입력 특성의 각 항목 별 임계값을 적어도 하나 설정하고, 설정한 임계값에 기초하여 입력 특성의 각 항목을 적어도 하나의 구간으로 나눌 수 있다. 전자 장치는 입력 특성 별로 생성한 구간의 개수에 따라서 적어도 하나의 조합을 정의하고, 각 조합 별로 사용할 예측 좌표의 개수를 결정할 수 있다.
다양한 실시예에 따른 전자 장치의 필기 입력 좌표 예측 방법은, 디스플레이에 대한 적어도 하나의 터치 입력을 수신하여 터치 입력에 대한 입력 특성을 분석하는 동작, 수신한 터치 입력 중 적어도 하나에 기초하여, 서로 다른 복수의 시점에 각각 대응하는 예측 좌표를 생성하는 동작, 및 상기 입력 특성에 기초하여, 상기 예측 좌표의 사용 개수를 결정하는 동작을 포함할 수 있다.
다양한 실시예에 따르면, 상기 예측 좌표의 사용 개수를 결정하는 동작은, 상기 입력 특성에 기초하여 불안정 상태인지 여부를 판단하는 동작, 및 불안정 상태로 판단되는 경우 정해진 기준에 따라서 예측 좌표의 사용 개수를 결정하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 불안정 상태인지 여부를 판단하는 동작은, 예측 좌표의 전체 길이가 정해진 길이 이상인 경우 불안정 상태로 판단하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 불안정 상태인지 여부를 판단하는 동작은, 제1예측 좌표 및 제1예측 좌표에 연속하는 제2예측 좌표간의 거리가 정해진 값 이상인 경우 불안정 상태로 판단하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 불안정 상태인지 여부를 판단하는 동작은, 예측 경로의 진행 각도가 정해진 각도 이상인 경우 불안정 상태로 판단하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 입력 특성은 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각가속도, 기울기, 방향 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따르면, 상기 예측 좌표의 사용 개수를 결정하는 동작은, 속도 기준값을 결정하는 동작, 및 상기 입력 특성 및 상기 속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 예측 좌표의 사용 개수를 결정하는 동작은, 가속도 기준값을 결정하는 동작, 및 상기 입력 특성 및 상기 가속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정하는 동작을 더 포함할 수 있다.
Claims (20)
- 전자 장치에 있어서,
디스플레이;
메모리; 및
상기 디스플레이 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서를 포함하고,
상기 프로세서는,
상기 디스플레이에 대한 적어도 하나의 터치 입력을 수신하여 터치 입력에 대한 입력 특성을 분석하고,
수신한 터치 입력 중 적어도 하나에 기초하여, 서로 다른 복수의 시점에 각각 대응하는 예측 좌표를 생성하고,
상기 입력 특성에 기초하여, 상기 예측 좌표의 사용 개수를 결정하도록 설정된 전자 장치. - 제 1항에 있어서,
상기 프로세서는,
상기 입력 특성에 기초하여 불안정 상태인지 여부를 판단하고,
불안정 상태로 판단되는 경우 정해진 기준에 따라서 예측 좌표의 사용 개수를 결정하도록 설정된 전자 장치. - 제 2항에 있어서,
상기 프로세서는,
예측 좌표의 전체 길이가 정해진 길이 이상인 경우 불안정 상태로 판단하도록 설정된 전자 장치. - 제 2항에 있어서,
상기 프로세서는,
제1예측 좌표 및 제1예측 좌표에 연속하는 제2예측 좌표간의 거리가 정해진 값 이상인 경우 불안정 상태로 판단하도록 설정된 전자 장치. - 제 2항에 있어서,
상기 프로세서는,
예측 경로의 진행 각도가 정해진 각도 이상인 경우 불안정 상태로 판단하도록 설정된 전자 장치. - 제 1항에 있어서,
상기 입력 특성은 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각가속도, 기울기, 방향 중 적어도 하나를 포함하는 전자 장치. - 제 6항에 있어서,
상기 프로세서는,
속도 기준값을 결정하고,
상기 입력 특성 및 상기 속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정하도록 설정된 전자 장치. - 제 6항에 있어서,
상기 프로세서는,
가속도 기준값을 결정하고,
상기 입력 특성 및 상기 가속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정하도록 설정된 전자 장치. - 제 1항에 있어서,
상기 프로세서는,
상기 예측 좌표를 이용하여 예측 경로를 결정하도록 설정된 전자 장치. - 제 9항에 있어서,
상기 프로세서는,
적어도 하나의 예측 좌표를 잇는 곡선을 예측 경로로 결정하도록 설정된 전자 장치. - 제 1항에 있어서,
상기 프로세서는,
상기 입력 특성에 기초한 머신 러닝(machine learning)을 통해 좌표 예측 모델을 생성하고,
상기 좌표 예측 모델을 이용하여 적어도 하나의 예측 좌표를 생성하도록 설정된 전자 장치. - 제 11항에 있어서,
상기 좌표 예측 모델은 예측 좌표의 시간적 정보를 추출하는 CNN(convolution neural network) block, 및 예측 좌표의 공간적 정보를 추출하는 RNN(recurrent neural network) block을 포함하는 전자 장치. - 전자 장치의 필기 입력 좌표 예측 방법에 있어서,
디스플레이에 대한 적어도 하나의 터치 입력을 수신하여 터치 입력에 대한 입력 특성을 분석하는 동작,
수신한 터치 입력 중 적어도 하나에 기초하여, 서로 다른 복수의 시점에 각각 대응하는 예측 좌표를 생성하는 동작, 및
상기 입력 특성에 기초하여, 상기 예측 좌표의 사용 개수를 결정하는 동작을 포함하는 방법. - 제 13항에 있어서,
상기 예측 좌표의 사용 개수를 결정하는 동작은,
상기 입력 특성에 기초하여 불안정 상태인지 여부를 판단하는 동작, 및
불안정 상태로 판단되는 경우 정해진 기준에 따라서 예측 좌표의 사용 개수를 결정하는 동작을 더 포함하는 방법. - 제 14항에 있어서,
상기 불안정 상태인지 여부를 판단하는 동작은,
예측 좌표의 전체 길이가 정해진 길이 이상인 경우 불안정 상태로 판단하는 동작을 더 포함하는 방법. - 제 14항에 있어서,
상기 불안정 상태인지 여부를 판단하는 동작은,
제1예측 좌표 및 제1예측 좌표에 연속하는 제2예측 좌표간의 거리가 정해진 값 이상인 경우 불안정 상태로 판단하는 동작을 더 포함하는 방법. - 제 14항에 있어서,
상기 불안정 상태인지 여부를 판단하는 동작은,
예측 경로의 진행 각도가 정해진 각도 이상인 경우 불안정 상태로 판단하는 동작을 더 포함하는 방법. - 제 13항에 있어서,
상기 입력 특성은 x좌표, y좌표, 좌표 간 거리, 속도, 가속도, 각가속도, 기울기, 방향 중 적어도 하나를 포함하는 방법. - 제 18항에 있어서,
상기 예측 좌표의 사용 개수를 결정하는 동작은,
속도 기준값을 결정하는 동작, 및
상기 입력 특성 및 상기 속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정하는 동작을 더 포함하는 방법. - 제 18항에 있어서,
상기 예측 좌표의 사용 개수를 결정하는 동작은,
가속도 기준값을 결정하는 동작, 및
상기 입력 특성 및 상기 가속도 기준값에 기초하여 상기 예측 좌표의 사용 개수를 결정하는 동작을 더 포함하는 방법.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210099851AKR20230018096A (ko) | 2021-07-29 | 2021-07-29 | 전자 장치 및 입력 좌표 예측 방법 |
| PCT/KR2022/003695WO2023008677A1 (ko) | 2021-07-29 | 2022-03-16 | 전자 장치 및 입력 좌표 예측 방법 |
| EP22849657.6AEP4293486A4 (en) | 2021-07-29 | 2022-03-16 | Electronic device, and input coordinate prediction method |
| US17/716,618US11669201B2 (en) | 2021-07-29 | 2022-04-08 | Electronic device and method for input coordinate prediction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210099851AKR20230018096A (ko) | 2021-07-29 | 2021-07-29 | 전자 장치 및 입력 좌표 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230018096Atrue KR20230018096A (ko) | 2023-02-07 |
Family
ID=85087740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210099851APendingKR20230018096A (ko) | 2021-07-29 | 2021-07-29 | 전자 장치 및 입력 좌표 예측 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11669201B2 (ko) |
| EP (1) | EP4293486A4 (ko) |
| KR (1) | KR20230018096A (ko) |
| WO (1) | WO2023008677A1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| LU101625B1 (en)* | 2020-02-03 | 2021-08-03 | Microsoft Technology Licensing Llc | Systems and methods for grid-aligned inking |
| KR20230097340A (ko)* | 2021-12-24 | 2023-07-03 | 주식회사 엘엑스세미콘 | 터치센싱장치 및 좌표 보정 방법 |
| JP2024051770A (ja)* | 2022-09-30 | 2024-04-11 | 株式会社ワコム | 電子ペン、入力システム、及び筆圧調整方法 |
| CN117406904A (zh)* | 2023-09-26 | 2024-01-16 | 惠州Tcl移动通信有限公司 | 手写笔坐标预测方法、装置、电子设备及计算机存储介质 |
| CN120406774B (zh)* | 2025-07-02 | 2025-09-05 | 广州炫视智能科技有限公司 | 触控笔迹压感自适应调节方法及系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3052997B2 (ja)* | 1996-01-12 | 2000-06-19 | 日本電気株式会社 | 手書き入力表示装置 |
| KR100595922B1 (ko) | 1998-01-26 | 2006-07-05 | 웨인 웨스터만 | 수동 입력 통합 방법 및 장치 |
| JP6034138B2 (ja)* | 2012-11-01 | 2016-11-30 | 株式会社東芝 | 電子機器、筆跡表示方法およびプログラム |
| US20140160032A1 (en) | 2012-12-07 | 2014-06-12 | Microsoft Corporation | Swipe Stroke Input and Continuous Handwriting |
| KR102043148B1 (ko) | 2013-02-19 | 2019-11-11 | 엘지전자 주식회사 | 이동 단말기 및 그의 터치 좌표 예측 방법 |
| US10338725B2 (en)* | 2014-09-29 | 2019-07-02 | Microsoft Technology Licensing, Llc | Wet ink predictor |
| US10241599B2 (en)* | 2015-06-07 | 2019-03-26 | Apple Inc. | Devices and methods for processing touch inputs |
| KR102412425B1 (ko) | 2015-09-17 | 2022-06-23 | 삼성전자 주식회사 | 전자 장치 및 그의 터치 입력 처리 방법 |
| US10338807B2 (en)* | 2016-02-23 | 2019-07-02 | Microsoft Technology Licensing, Llc | Adaptive ink prediction |
| KR102537133B1 (ko) | 2016-07-21 | 2023-05-30 | 삼성전자주식회사 | 좌표 예측을 통한 좌표 출력 지연시간 감소 방법 |
| GB201618288D0 (en)* | 2016-10-28 | 2016-12-14 | Remarkable As | Interactive displays |
- 2021
- 2021-07-29KRKR1020210099851Apatent/KR20230018096A/koactivePending
- 2022
- 2022-03-16WOPCT/KR2022/003695patent/WO2023008677A1/konot_activeCeased
- 2022-03-16EPEP22849657.6Apatent/EP4293486A4/enactivePending
- 2022-04-08USUS17/716,618patent/US11669201B2/enactiveActive
Also Published As
| Publication number | Publication date |
|---|---|
| US11669201B2 (en) | 2023-06-06 |
| EP4293486A1 (en) | 2023-12-20 |
| US20230051541A1 (en) | 2023-02-16 |
| EP4293486A4 (en) | 2024-10-16 |
| WO2023008677A1 (ko) | 2023-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20230018096A (ko) | 전자 장치 및 입력 좌표 예측 방법 | |
| US20240029461A1 (en) | Electronic device for processing handwriting input on basis of learning, operation method thereof, and storage medium | |
| KR20220048913A (ko) | 입력을 유도하는 전자 장치 및 방법. | |
| US12429955B2 (en) | Electronic device for obtaining user input through virtual keyboard and method of operating the same | |
| KR102849095B1 (ko) | 전자 장치 및 전자 장치에서 스트로크 분석 기반 도형 인식 방법 | |
| KR20230017538A (ko) | 전자 장치 및 필기 인식 방법 | |
| KR20220036679A (ko) | 증강 현실 콘텐츠를 제공하는 전자 장치 및 그의 동작 방법 | |
| KR20220006237A (ko) | 손글씨를 텍스트로 변환하기 위한 전자 장치 및 그에 관한 방법 | |
| US11989375B2 (en) | Electronic device for typo correction and method thereof | |
| KR20230114143A (ko) | 지자기 데이터를 이용하여 위치를 검출하는 전자 장치 및 그 제어 방법 | |
| KR20230062344A (ko) | 터치 입력 처리 방법 및 이를 지원하는 전자 장치 | |
| KR102771311B1 (ko) | 사용자의 자세를 측정하기 위한 전자 장치 및 그 방법 | |
| KR20230046701A (ko) | 포스 터치를 확인하는 전자 장치와 이의 동작 방법 | |
| KR20230094928A (ko) | 디지타이저를 포함하는전자 장치 및 이의 동작 방법 | |
| KR20220144119A (ko) | 전자 기기 제어를 위한 전자 장치 및 방법 | |
| US12189895B2 (en) | Electronic device sensing contact of fluid through touch sensor | |
| KR20230088197A (ko) | 전자 장치 및 상기 전자 장치에서 제스처의 오인식을 방지하는 방법 | |
| KR20230036021A (ko) | 가상 키보드를 통하여 사용자 입력을 획득하는 전자 장치와 이의 동작 방법 | |
| KR20240129544A (ko) | 엣지 영역의 터치 좌표를 설정하는 전자 장치 및 제어 방법 | |
| KR20230052758A (ko) | 전자 장치 및 그 제어 방법 | |
| KR20250015614A (ko) | 전자 장치 및 이를 이용한, 팝업 윈도우를 관리하는 방법 | |
| KR20220142886A (ko) | 터치 입력 데이터를 처리하는 전자 장치 및 터치 입력 데이터를 처리하는 전자 장치를 제어하는 방법 | |
| KR20240152173A (ko) | 터치 센서를 통해 유체의 접촉을 감지하는 전자 장치 | |
| KR20230127886A (ko) | 터치 인식을 위한 인식 감도를 조정하는 방법 및 이를 수행하는 전자 장치 | |
| KR20230135454A (ko) | 전자 장치 및 터치 가이드 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application | St.27 status event code:A-0-1-A10-A12-nap-PA0109 | |
| PG1501 | Laying open of application | St.27 status event code:A-1-1-Q10-Q12-nap-PG1501 | |
| A201 | Request for examination | ||
| P22-X000 | Classification modified | St.27 status event code:A-2-2-P10-P22-nap-X000 | |
| PA0201 | Request for examination | St.27 status event code:A-1-2-D10-D11-exm-PA0201 | |
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection | St.27 status event code:A-1-2-D10-D21-exm-PE0902 | |
| E13-X000 | Pre-grant limitation requested | St.27 status event code:A-2-3-E10-E13-lim-X000 | |
| P11-X000 | Amendment of application requested | St.27 status event code:A-2-2-P10-P11-nap-X000 |