KR102595790B1 - 전자 장치 및 그의 제어방법 - Google Patents
전자 장치 및 그의 제어방법 Download PDFInfo
- Publication number
- KR102595790B1 KR102595790B1 KR1020180009965A KR20180009965A KR102595790B1 KR 102595790 B1 KR102595790 B1 KR 102595790B1 KR 1020180009965 A KR1020180009965 A KR 1020180009965A KR 20180009965 A KR20180009965 A KR 20180009965A KR 102595790 B1 KR102595790 B1 KR 102595790B1
- Authority
- KR
- South Korea
- Prior art keywords
- voice
- information
- tag information
- electronic device
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 110
- 238000004422 calculation algorithm Methods 0.000 abstract description 20
- 238000013528 artificial neural network Methods 0.000 abstract description 6
- 238000010801 machine learning Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 57
- 230000006870 function Effects 0.000 description 48
- 238000010586 diagram Methods 0.000 description 35
- 239000003795 chemical substances by application Substances 0.000 description 29
- 238000004891 communication Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 21
- 230000000007 visual effect Effects 0.000 description 19
- 230000033001 locomotion Effects 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 13
- 230000014509 gene expression Effects 0.000 description 13
- 238000012549 training Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 235000013305 food Nutrition 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241000220259 Raphanus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000021109 kimchi Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/24—Speech recognition using non-acoustical features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/221—Announcement of recognition results
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/225—Feedback of the input speech
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Library & Information Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 개시는 기계학습, 신경망 또는 딥러닝 알고리즘 중 적어도 하나에 따라 학습된 인공지능 모델을 이용하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 본 개시에서는 전자 장치의 제어방법이 제공된다. 본 제어방법은 적어도 하나의 오브젝트를 포함하는 영상을 표시하는 단계, 음성을 수신하는 단계, 인공지능 알고리즘에 의해 학습된 인공지능 모델에 음성을 입력하여 영상 속에 포함된 적어도 하나의 오브젝트 중 음성과 관련한 오브젝트를 식별하고 식별된 오브젝트에 대한 태그 정보를 획득하는 단계 및 획득된 태그 정보를 제공하는 단계를 포함한다.
Description
본 개시는 전자 장치 및 이의 제어방법에 관한 것으로, 더욱 상세하게는 사용자의 음성을 기초로 태그 정보를 생성할 수 있는 전자 장치 및 그의 제어방법에 관한 것이다.
근래에는 인간 수준의 지능을 구현하는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 오브젝트 인식, 오브젝트 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
한편, 근래에는 정보의 효율적 관리 및 다양한 사용자 경험을 위해, 전자 장치는 영상에 대한 태그 정보를 생성하는 기능을 제공하였다. 태그 정보는 영상에 대한 데이터로서 메타 데이터의 일종이다.
그러나 기존의 태그 정보 생성 방식은 영상으로부터 누구나 동일하게 식별할 수 있는 정보로만 태그 정보가 획일적으로 생성되는 것이 일반적이었고, 사용자가 영상에 대하여 느끼는 고유의 생각, 느낌 등이 태그 정보로서 반영되진 않았다.
본 개시의 목적은 사용자의 음성을 기초로 태그 정보를 생성할 수 있는 전자 장치 및 그의 제어방법을 제공함에 있다.
이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치의 제어방법은 적어도 하나의 오브젝트를 포함하는 영상을 표시하는 단계, 음성을 수신하는 단계, 인공지능 알고리즘에 의해 학습된 인공지능 모델에 상기 음성을 입력하여 상기 영상 속에 포함된 적어도 하나의 오브젝트 중 상기 음성과 관련한 오브젝트를 식별하고 상기 식별된 오브젝트에 대한 태그 정보를 획득하는 단계 및 상기 획득된 태그 정보를 제공하는 단계를 포함한다.
또한 본 개시의 일 실시 예에 따른 전자장치는 디스플레이, 마이크, 컴퓨터 실행가능 명령어(computer executable instructions)를 저장하는 메모리 및 상기 컴퓨터 실행가능 명령어를 실행함으로써, 적어도 하나의 오브젝트를 포함하는 영상을 표시하도록 상기 디스플레이를 제어하고, 인공지능 알고리즘에 의해 학습된 인공지능 모델에 상기 마이크를 통해 수신된 음성을 입력하여 상기 영상 속에 포함된 적어도 하나의 오브젝트 중 상기 음성과 관련한 오브젝트를 식별하고 상기 식별된 오브젝트에 대한 태그 정보를 획득하며, 상기 획득된 태그 정보를 제공하는 프로세서를 포함한다.
도 1은 본 개시의 일 실시 예에 따른, 음성을 기초로 태그 정보를 생성하기 위한 전자 장치의 사용도,
도 2는 본 개시의 일 실시 예에 따른, 전자 장치의 구성을 설명하기 위한 블록도,
도 3 내지 도 4는 전자 장치에서 태깅 기능을 실행하는 것과 관련한 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 5는 태그 정보를 삭제하기 위한 본 개시의 일 실시 예를 설명하기 위한 도면,
도 6은 전자 장치에서 태깅 기능을 종료하는 방식에 관련한 본 개시의 일 실시 예를 설명하기 위한 도면,
도 7은 영상 내 복수의 오브젝트 각각에 대한 태그 정보를 생성하는 것과 관련한 본 개시의 일 실시 예를 설명하기 위한 도면,
도 8은 본 개시의 일 실시 예에 따른 영상 내에서 태깅 대상 오브젝트를 식별하는 방법을 설명하기 위한 도면,
도 9 내지 도 10은 기 생성된 태그 정보를 참조하여 새로운 태그 정보를 생성하는 것과 관련한 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 11은 본 개시의 일 실시 예에 따라 생성된 태그 정보를 설명하기 위한 도면,
도 12는 본 개시의 일 실시 예에 따른 태그 정보 생성 방식을 설명하기 위한 도면,
도 13a 내지 도 13b는 본 개시의 일 실시 예에 따른 태그 정보 생성에 대해 설명하기 위한 도면,
도 14는 본 개시의 일 실시 예에 따른 태깅 정보 공유에 대해 설명하기 위한 도면,
도 15 내지 도 16은 본 개시의 다양한 실시 예에 따른 태깅 정보 활용 방식을 설명하기 위한 도면,
도 17 도 18은 냉장고 음식에 대한 태그 정보를 생성하는 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 19는 본 개시의 일 실시 예에 따른, 인식 모델을 학습하고 이용하기 위한 프로세서를 설명하기 위한 블록도,
도 20 내지 도 22는 본 개시의 다양한 실시 예에 따른 학습부 및 분석부를 설명하기 위한 블록도,
도 23은 본 개시의 일 실시 예에 따른, 전자 장치의 세부 구성을 설명하기 위한 블록도,
도 24 내지 도 25는 본 개시의 다양한 실시 예에 따른, 인식 모델을 이용하는 네트워크 시스템의 흐름도,
도 26은 본 개시의 일 실시 예에 따른 전자 장치의 제어방법을 설명하기 위한 흐름도이다.
도 2는 본 개시의 일 실시 예에 따른, 전자 장치의 구성을 설명하기 위한 블록도,
도 3 내지 도 4는 전자 장치에서 태깅 기능을 실행하는 것과 관련한 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 5는 태그 정보를 삭제하기 위한 본 개시의 일 실시 예를 설명하기 위한 도면,
도 6은 전자 장치에서 태깅 기능을 종료하는 방식에 관련한 본 개시의 일 실시 예를 설명하기 위한 도면,
도 7은 영상 내 복수의 오브젝트 각각에 대한 태그 정보를 생성하는 것과 관련한 본 개시의 일 실시 예를 설명하기 위한 도면,
도 8은 본 개시의 일 실시 예에 따른 영상 내에서 태깅 대상 오브젝트를 식별하는 방법을 설명하기 위한 도면,
도 9 내지 도 10은 기 생성된 태그 정보를 참조하여 새로운 태그 정보를 생성하는 것과 관련한 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 11은 본 개시의 일 실시 예에 따라 생성된 태그 정보를 설명하기 위한 도면,
도 12는 본 개시의 일 실시 예에 따른 태그 정보 생성 방식을 설명하기 위한 도면,
도 13a 내지 도 13b는 본 개시의 일 실시 예에 따른 태그 정보 생성에 대해 설명하기 위한 도면,
도 14는 본 개시의 일 실시 예에 따른 태깅 정보 공유에 대해 설명하기 위한 도면,
도 15 내지 도 16은 본 개시의 다양한 실시 예에 따른 태깅 정보 활용 방식을 설명하기 위한 도면,
도 17 도 18은 냉장고 음식에 대한 태그 정보를 생성하는 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 19는 본 개시의 일 실시 예에 따른, 인식 모델을 학습하고 이용하기 위한 프로세서를 설명하기 위한 블록도,
도 20 내지 도 22는 본 개시의 다양한 실시 예에 따른 학습부 및 분석부를 설명하기 위한 블록도,
도 23은 본 개시의 일 실시 예에 따른, 전자 장치의 세부 구성을 설명하기 위한 블록도,
도 24 내지 도 25는 본 개시의 다양한 실시 예에 따른, 인식 모델을 이용하는 네트워크 시스템의 흐름도,
도 26은 본 개시의 일 실시 예에 따른 전자 장치의 제어방법을 설명하기 위한 흐름도이다.
이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서의 실시예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
본 문서에서 사용된 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
어떤 구성요소(예: 제 1 구성요소)가 다른 구성요소(예: 제 2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제 1 구성요소)가 다른 구성요소(예: 제 2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다. 다양한 실시예에 따르면, 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드(skin pad) 또는 문신), 또는 생체 이식형(예: implantable circuit) 중 적어도 하나를 포함할 수 있다.
어떤 실시 예들에서, 전자 장치는 가전 제품(home appliance)일 수 있다. 가전 제품은, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), 홈 오토매이션 컨트롤 패널(home automation control panel), 보안 컨트롤 패널(security control panel), TV 박스(예: 삼성 HomeSync™, 애플TV™, 또는 구글 TV™), 게임 콘솔(예: Xbox™, PlayStation™), 전자 사전, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션(navigation) 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트(infotainment) 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 금융 기관의 ATM(automatic teller's machine), 상점의 POS(point of sales), 또는 사물 인터넷 장치(internet of things)(예: 전구, 각종 센서, 전기 또는 가스 미터기, 스프링클러 장치, 화재경보기, 온도조절기(thermostat), 가로등, 토스터(toaster), 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
어떤 실시예에 따르면, 전자 장치는 가구(furniture) 또는 건물/구조물의 일부, 전자 보드(electronic board), 전자 사인 수신 장치(electronic signature receiving device), 프로젝터(projector), 또는 각종 계측 기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 다양한 실시예에서, 전자 장치는 전술한 다양한 장치들 중 하나 또는 그 이상의 조합일 수 있다. 어떤 실시예에 따른 전자 장치는 플렉서블 전자 장치일 수 있다. 또한, 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않으며, 기술 발전에 따른 새로운 전자 장치를 포함할 수 있다.
본 개시는 영상에 정보를 태그하는 기술에 대한 것으로서, 특히 음성을 기반으로 더욱 쉽게 영상 내 포함된 오브젝트에 대한 태그 정보를 생성하는 것과 관련된다. 태그 정보는 메타 데이터의 일종으로 데이터에 대한 데이터를 의미한다.
도 1은 영상에 정보를 태그하는 본 개시의 일 실시 예에 따른 전자 장치(100)에 대해 설명하기 위한 도면이다.
도 1을 참고하면 전자 장치(100)는 적어도 하나의 오브젝트를 포함하는 영상(10)을 표시하고, 사용자의 음성에 포함된 정보가 영상(10)에 포함된 오브젝트에 태그될 수 있다. 여기서 오브젝트란 사람, 사물 등 다른 것과 구별되어 존재하는 어떠한 것라도 될 수 있다. 오브젝트는 독립체(entity)라고 명명될 수 있다.
사용자는 영상(10)이 전자 장치(100)에서 표시되고 있는 동안 영상(10)을 설명하는 말을 할 수 있다. 영상(10)을 설명하는 사용자의 음성은 전자 장치(100)에 마련된 마이크를 통해 입력될 수 있다. 또는, 상기 전자 장치(100)와 전기적으로 연결된 외부의 마이크를 통해 입력되는 것도 가능하다.
영상(10) 내 포함된 오브젝트들 중 음성과 관련한 오브젝트, 즉 정보를 태깅할 대상 오브젝트(target object)가 식별될 수 있다. 음성은 정보를 태깅할 대상 오브젝트를 식별하기 위한 적어도 하나의 설명(description)을 포함할 수 있다. 예컨대 음성은 대상 오브젝트의 외형(appearance)에 대한 설명, 대상 오브젝트의 성별에 대한 설명, 대상 오브젝트의 색상에 대한 설명, 대상 오브젝트의 위치에 대한 설명, 대상 오브젝트의 카테고리에 대한 설명, 대상 오브젝트의 이름에 대한 설명 등 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 인공지능 알고리즘에 의해 학습된 인공지능 모델에 음성 및 영상을 입력하여 영상 내 대상 오브젝트가 식별될 수 있다.
도 1의 예시에선 "왼쪽은 내 아들 준서" 라는 음성을 기초로 영상(10) 내에서 대상 오브젝트(11)가 식별될 수 있다.
전자 장치(100)는 음성과 관련한 오브젝트가 식별되면, 식별된 오브젝트가 태깅 대상 오브젝트임을 알리는 UI 요소를 표시할 수 있다. 예컨대, 도 1에 도시한 바와 같이 전자 장치(100)는 태깅 대상 오브젝트(11) 주위를 둘러싸는 사각형의 UI 요소가 표시할 수 있다.
그리고 음성을 기초로 대상 오브젝트(11)에 대한 태그 정보(12)가 획득될 수 있다. 도 1의 예시에선 음성에 포함된 단어인 "아들", "준서"가 대상 오브젝트(11)에 태그되었다. 일 실시 예에 따르면 인공지능 알고리즘에 의해 학습된 인공지능 모델에 음성을 입력하여 음성으로부터 핵심 단어를 획득할 수 있고, 획득된 핵심 단어가 대상 오브젝트에 태그될 수 있다. 전자 장치(100)는 태그된 핵심 단어를 영상(10)과 함께 표시할 수 있다.
후속하여 입력되는 사용자 음성의 핵심 단어가 추가적으로 대상 오브젝트(11)에 태그될 수 있다. 도 1의 예시에선 "5살", "개구쟁이"가 추가적으로 태그되었다. 태그 정보(12)는 영상(10)과 함께 표시될 수 있다. 도 1에 도시한 것처럼 후속하여 입력되는 음성의 핵심 단어가 태그 정보로 추가되면서 기존에 표시된 핵심 단어와 함께 표시될 수 있다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)의 구성을 설명하기 위한 블럭도이다.
도 2를 참고하면, 전자 장치(100)는 디스플레이(110), 메모리(120), 마이크(130) 및 프로세서(140)를 포함한다. 실시 형태에 따라 구성들 중 일부는 생략될 수 있고, 도시되지 않았더라도 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 전자 장치(100)에 추가로 포함될 수 있다.
디스플레이(110)는 예를 들면, 액정 디스플레이(liquid crystal display(LCD)), 발광 다이오드(light-emitting diode(LED)) 디스플레이, 유기 발광 다이오드(organic light-emitting diode(OLED)) 디스플레이(예컨대 AMOLED(active-matrix organic light-emitting diode), PMOLED(passive-matrix OLED)), 또는 마이크로 전자기계 시스템(microelectromechanical systems(MEMS)) 디스플레이, 또는 전자종이(electronic paper) 디스플레이를 포함할 수 있다.
디스플레이(110)는 다양한 영상을 표시할 수 있다. 예를 들면, 텍스트, 이미지, 비디오, 아이콘, 또는 심볼 등을 포함한 영상을 표시할 수 있다.
일 실시 예에 따르면 디스플레이(110)는 터치 스크린을 포함할 수 있으며, 예를 들면, 전자 펜 또는 사용자의 신체의 일부를 이용한 터치, 제스쳐, 근접, 또는 호버링 입력을 수신할 수 있다.
메모리(120)는 예를 들면, 내장 메모리 또는 외장 메모리를 포함할 수 있다. 내장 메모리는, 예를 들면, 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나를 포함할 수 있다.
외장 메모리는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 또는 메모리 스틱(memory stick) 등을 포함할 수 있다. 외장 메모리는 다양한 인터페이스를 통하여 전자 장치(100)와 기능적으로 및/또는 물리적으로 연결될 수 있다.
메모리(120)는 프로세서(140)에 의해 액세스되며, 프로세서(140)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(120), 프로세서(140) 내 롬, 램 또는 전자 장치(100)에 장착되는 메모리 카드(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 메모리(120)는 컴퓨터 실행가능 명령어(computer executable instructions)를 저장할 수 있다. 또한, 메모리(120)에는 디스플레이부(110)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
일 실시 예에 따르면 메모리(120)는 전자 장치(100) 내의 저장 매체뿐만 아니라, 네트워크를 통한 웹 서버(Web server) 등으로 구현될 수 있다.
마이크(130)는 사운드를 수신하기 위한 구성이다. 마이크(130)는 수신된 사운드를 전기적 신호로 변환할 수 있다. 마이크(130)는 전자 기기(100)와 일체형으로 구현되거나 또는 분리될 수 있다. 분리된 마이크(130)는 전자 기기(100)와 전기적으로 연결될 수 있다.
프로세서(140)는 전자 장치(100)의 전반적인 동작을 제어하기 위한 구성이다. 프로세서(140)는 예컨대, CPU, ASIC, SoC, MICOM 등으로 구현될 수 있다. 프로세서(140)는 운영 체제 또는 응용 프로그램을 구동하여 프로세서(140)에 연결된 다수의 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 한 실시 예에 따르면, 프로세서(140)는 GPU(graphic processing unit) 및/또는 이미지 신호 프로세서(image signal processor)를 더 포함할 수 있다. 프로세서(140)는 메모리(120)에 저장된 컴퓨터 실행가능 명령어를 실행함으로써 본 개시의 다양한 실시 예에 따른 기능을 수행할 수 있다.
프로세서(140)는 메모리(120)에 저장된 컴퓨터 실행 가능 명령어를 실행함으로써, 디스플레이(110), 메모리(120) 및 마이크(130)와 연동하여 다양한 동작을 수행할 수 있다.
예컨대, 프로세서(140)는 적어도 하나의 오브젝트를 포함하는 영상을 표시하도록 디스플레이(110)를 제어할 수 있다. 그리고 프로세서(140)는 인공지능 알고리즘에 의해 학습된 모델에 마이크(130)를 통해 수신한 사용자 음성을 입력하여, 디스플레이(110)에 표시된 영상 속에 포함된 적어도 하나의 오브젝트 중 음성과 관련한 오브젝트를 식별하고 상기 식별된 오브젝트에 대한 태그 정보를 생성할 수 있다. 그리고 프로세서(140)는 생성된 태그 정보를 제공할 수 있다.
예를 들어, 도 1을 참고하여 설명하자면, 전자 장치(100)의 디스플레이(110)를 통해 영상(10)이 표시되는 동안 전자 장치(100)의 마이크(130)를 통해 사용자 음성이 입력되면, 프로세서(140)는 인공지능 알고리즘에 의해 학습된 인공지능 모델에 음성을 입력하여 음성과 관련한 오브젝트(11)를 식별하고, 오브젝트에 대한 태그 정보(12)를 생성하여 디스플레이(110)를 통해 제공할 수 있다.
인공지능 알고리즘에 의해 학습된 인공지능 모델은 메모리(120)에 저장되어 있을 수 있다. 또는, 인공지능 알고리즘에 의해 학습된 인공지능 모델은 전자 장치(100)의 외부에 있는 서버에 저장되어 전자 장치(100)가 서버로 영상 및 사용자 음성(음성 데이터)을 전송하면 외부 서버가 영상 내에서 음성과 관련한 오브젝트를 식별하고, 그 결과를 전자 장치(100)로 전송할 수 있다.
본 개시의 일 실시 예에 따르면, 사용자가 지정한 시점부터 말하는 내용이 영상 내 오브젝트에 태그될 수 있다. 즉, 사용자가 원하는 시점에 전자 장치(100)의 태깅 기능이 개시될 수 있다. 태깅 기능을 개시하는 방법으로는 다양한 방식이 이용될 수 있다.
도 3 내지 도 4는 본 개시의 다양한 실시 예에 따른 태깅 기능 개시 방법을 설명하기 위한 도면이다.
도 3을 참고하면, 본 개시의 일 실시 예에 따른 전자 장치(100)는 영상(10)에 대한 태깅 기능을 개시하기 위한 UI 요소(20)를 제공하고, UI 요소(20)가 선택되면 태깅 기능을 개시할 수 있다. 태깅 기능이 개시된 후 입력되는 음성에 기초하여 태깅 동작이 수행될 수 있다. UI 요소(20)는 다양한 입력 방식을 통해 선택될 수 있다. 예컨대, 전자 장치(100)가 터치 스크린을 구비한 장치인 경우, 사용자는 UI 요소(20)를 터치함으로써 태깅 기능을 개시할 수 있다.
도 4는 음성 인식 기반으로 태깅 기능을 개시하는 본 개시의 일 실시 예를 설명하기 위한 도면이다.
전자 장치(100)는 음성 인식 서비스를 제공하는 인공지능 에이전트(Artificial intelligence agent)를 구비할 수 있다. 인공 지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서 또는 별도의 AI 전용 프로세서에 의해 실행될 수 있다.
예컨대, 사용자가 음성 인식 기능을 개시하기 위한 트리거 단어(예컨대 "빅스비")를 발화하고 태깅 기능을 요청하는 음성(예컨대 "태깅 기능 실행해")을 발화하면 태깅 기능이 개시될 수 있다. 이때, 영상(10)에 대한 태깅 기능이 개시되었음을 알리는 UI(30)가 표시될 수 있다. 예컨대 도 4에 도시한 바와 같이 UI(30)는 영상(10) 내 오브젝트에 태그할 정보를 말하도록 사용자를 유도하는 가이드 문구를 포함할 수 있다. 이와 같이 음성에 의해 태깅 기능이 개시된 후 입력되는 음성에 기초하여 태깅 동작이 수행될 수 있다.
상술한 바와 같이 태깅 기능이 개시된 이후에 입력되는 음성에 기초해서 태깅 동작을 수행하는 실시 예에 따르면 사용자가 원하는 말만 영상에 태깅할 수 있다는 효과가 있다.
본 개시의 일 실시 예에 따르면, 음성으로 태그를 수행하는 도중 태그를 삭제할 수 있다. 예컨대, 태그 정보에 포함된 음성의 핵심 단어를 태그 정보로부터 삭제하기 위한 UI 요소가 표시될 수 있다. 본 실시 예에 대해선 도 5를 참고하여 설명하도록 한다.
도 5를 참고하면, 전자 장치(100)는 태그된 단어별로 삭제하기 위한 UI 요소(40)를 제공할 수 있다. 사용자가 UI 요소(40)를 선택하면, 해당 태그가 삭제될 수 있다. 예컨대, "아들" 옆에 표시된 UI 요소(40)가 선택되면 "아들"이 태그 정보로부터 삭제될 수 있다.
또 다른 실시 예에 따르면 태그된 단어를 수정, 편집하는 것이 가능하다. 예컨대, 전자 장치(100)가 터치 스크린을 구비한 경우, 터치 스크린 상에 표시된 태그 정보 중 사용자가 예컨대 "아들"을 터치하면 "아들"이 수정 가능한 상태가 될 수 있다. 수정 가능한 상태에서 커서 및 소프트 키보드가 표시될 수 있고, 사용자는 소프트 키보드를 이용하여 내용을 수정할 수 있다. 태그된 내용을 수정, 삭제하는 것뿐만 아니라 새로운 태그 내용을 소프트 키보드를 통해 입력하는 것도 가능하다.
상술한 실시 예들에 따르면 사용자가 말을 하던 도중 태깅을 원하지 않는 내용은 제외시킬 수 있으며, 음성 인식이 부정확하게 이루어지더라도 태그를 수정할 수 있다는 효과가 있다.
사용자는 태그가 완료되면 태깅 기능을 종료할 수 있다. 본 개시에 따르면 다양한 방식으로 태깅 기능을 종료할 수 있다. 도 6은 태깅 기능을 종료하는 일 실시 예를 설명하기 위한 도면이다.
도 6을 참고하면, 전자 장치(100)는 태깅을 완료할 것인지를 문의하는 UI(50)를 제공할 수 있다. 예컨대, 전자 장치(100)는 태깅을 수행하던 중 사용자 음성이 기 설정된 시간 동안 입력되지 않으면 사용자가 태깅을 마치고자 하는 의도인 것으로 판단하고 UI(50)를 표시할 수 있다. 표시된 UI(50)에 대응하여 사용자가 예컨대 "응"과 같이 동의하는 음성을 발화하면 전자 장치(100)는 이를 인식하여 태깅 기능을 종료할 수 있다. 그리고 전자 장치(100)는 영상(10) 내 오브젝트(11)와 태그 정보(12)를 매칭하여 메모리(120)에 저장할 수 있다.
이 밖에도 다양한 방식으로 태깅 기능이 종료될 수 있다. 본 개시의 또 다른 실시 예에 따르면, 사용자가 "사진 설명 끝났어" 등과 같이 태깅 종료를 의도하는 음성을 발화하면 전자 장치(100)는 이를 인식하여 태깅 기능을 종료할 수 있다. 또 다른 실시 예에 따르면, 전자 장치(100)는 태깅 기능을 종료하기 위한 아이콘을 영상(10)과 함께 표시할 수 있고, 이 아이콘이 선택되면 태깅 기능을 종료할 수 있다.
본 개시의 일 실시 예에 따르면, 한 영상 내에 사용자가 정보를 태그하고 싶은 오브젝트가 여러 개인 경우에 오브젝트를 구분하여 태그를 할 수 있다. 예컨대, 전자 장치(100)는 영상에서 입력된 음성과 연관된 복수의 오브젝트가 식별되면, 복수의 오브젝트 각각에 대한 태깅 정보를 입력된 음성을 기초로 획득할 수 있다. 본 실시 예에 대해선 도 7을 참고하여 설명하도록 한다.
도 7은 본 개시의 일 실시 예에 따른 복수의 오브젝트에 정보를 태그하는 방법을 설명하기 위한 도면이다.
도 7을 참고하면 사용자는 영상(10)에서 준서에 대한 태깅이 완료되면 윤서에 대한 태깅을 수행할 수 있다.
전자 장치(100)는 영상(10) 내 제1 오브젝트에 대한 태깅이 수행되는 중에 오브젝트 전환을 위한 트리거 음성이 입력되면, 트리거 음성에 대응하는 오브젝트를 식별하고, 식별된 오브젝트에 대하여 새롭게 태깅을 수행할 수 있다. 트리거 음성은 예컨대 대상 오브젝트의 외형에 대한 설명, 대상 오브젝트의 성별에 대한 설명, 대상 오브젝트의 색상에 대한 설명, 대상 오브젝트의 위치에 대한 설명, 대상 오브젝트의 카테고리에 대한 설명, 대상 오브젝트의 이름에 대한 설명 등 중 적어도 하나를 포함할 수 있다. 도 7에 도시된 바와 같이 "오른쪽"과 같은 오브젝트의 위치에 대한 설명이 태깅 대상이 될 오브젝트를 전환하기 위한 트리거 음성이 될 수 있다.
전자 장치(100)는 오브젝트 전환을 위한 트리거 음성이 입력되어 새로운 오브젝트(13)가 식별되면, 새로운 오브젝트가 태깅 대상이 되었음을 알리는 UI 요소를 표시할 수 있다. 예컨대 도 7에 도시한 것처럼 식별된 오브젝트(13)를 둘러싸는 사각형의 UI 요소가 표시될 수 있다. 새로운 오브젝트(13)가 식별되고 사용자 음성이 입력되면, 입력되는 음성을 바탕으로 새로운 오브젝트(13)에 대한 태그 정보(14)가 생성될 수 있다.
상술한 실시 예에 따르면, 사용자가 자연스럽게 말을 하면서 영상 내 여러 오브젝트에 대해 각각 태그 정보를 생성할 수 있게 된다.
앞서 설명한 실시 예들에선 음성에 기초하여 태깅 대상 오브젝트를 식별하는 것으로 설명하였으나, 본 개시의 또 다른 실시 예에 따르면, 사용자 조작으로 태깅 대상 오브젝트를 식별할 수도 있다. 도 8은 본 실시 예를 설명하기 위한 도면이다.
도 8을 참고하면, 전자 장치(100)가 터치 스크린을 구비한 경우, 터치 스크린을 통해 표시된 영상(10)에 대한 사용자 터치가 감지되면, 전자 장치(100)는 터치가 감지된 곳에 위치한 오브젝트를 태깅 대상 오브젝트로 식별할 수 있다. 태깅 대상 오브젝트가 식별되고 사용자 음성이 입력되면, 입력된 음성을 기초로 태깅 대상 오브젝트(13)에 대한 태그 정보(14)가 생성될 수 있다.
상술한 바와 같이 사용자 조작에 기초하여 오브젝트를 식별하는 것은 음성에 기초한 오브젝트의 식별이 잘 이루어지지 않을 때 보조 수단으로 사용될 수 있다. 예컨대, 전자 장치(100)는 음성을 기초로 하여 오브젝트를 식별하는 것에 실패할 경우, '태깅할 대상을 터치해주세요'와 같은 가이드 UI를 표시할 수 있다.
본 개시의 일 실시 예에 따르면, 기 생성된 태그 정보를 참조해서 태그 정보가 획득될 수 있다. 예컨대, 전자 장치(100)는 영상에서 음성과 관련된 제1 오브젝트를 식별하고 영상에 포함된 제2 오브젝트에 대하여 기 생성된 태그 정보를 참조하여 제1 오브젝트에 대한 태그 정보를 획득할 수 있다. 본 실시 예에 대해선 도 9 내지 10을 참고하여 설명하도록 한다.
도 9를 참고하면, 영상(10) 내 오브젝트 중 제1 오브젝트(11)에 대해 기 생성된 태그 정보(70)가 존재하는 경우, 사용자 음성을 기초로 제2 오브젝트(13)에 대한 태그 정보를 생성할 때 기 생성된 태그 정보(70)가 참조될 수 있다. 태그 정보(70)는 메모리(120)에 저장된 것일 수 있다.
도 9에 도시한 바와 같이 "준서보다 4살 많고"라는 사용자 음성이 입력되면 전자 장치(100)는 상기 음성 및 태그 정보(70)를 인공지능 알고리즘을 이용해 학습된 인공 지능 모델에 입력하여 기 생성된 태그 정보(70)에서 준서가 5살이라는 정보와, 태그 대상 오브젝트(13)가 준서보다 4살 많다는 정보를 획득하고, 획득된 정보들을 기초로 "9살"을 태그 대상 오브젝트(13)에 태그할 수 있다.
도 10은 기 생성된 태그 정보를 참조하여 새로운 태그 정보를 생성하는 본 개시의 또 다른 실시 예를 설명하기 위한 도면이다.
도 10을 참조하면, 영상(10) 내 오브젝트 중 제1 오브젝트(13)에 대해 기 생성된 태그 정보(80)가 존재하는 경우, 사용자 음성을 기초로 제2 오브젝트(15)에 대한 태그 정보를 생성할 때 기 생성된 태그 정보(80)가 참조될 수 있다.
도 10에 도시한 바와 같이 "윤서가 가지고 노는 저 물총"라는 사용자 음성이 입력되면 전자 장치(100)는 기 생성된 태그 정보들 중 "윤서"가 포함된 태그 정보(80)를 추출하고, 추출된 태그 정보(80)를 참조하는 새로운 태그 정보(90)를 생성할 수 있다.
생성된 태그 정보는 다양하게 활용될 수 있다. 예컨대, 사용자가 특정 물건을 구매하고자 하는 의도를 담은 음성을 발화하면, 전자 장치(100)는 해당 물건에 대응하는 태그 정보를 참조하여 해당 물건을 구매하기 위한 웹페이지가 표시될 수 있다. 예컨대 도 10의 예시에서 사용자가 "윤서가 가지고 노는 저 물총, 준서도 사달라고 난리야. 준서꺼도 하나 주문해야겠어"라는 음성을 발화하면, 전자 장치(100)는 물총에 대하여 생성된 태그 정보(90)에서 Named entity 항목을 참고하여 분홍색 물총을 판매하는 웹사이트를 표시할 수 있다.
본 개시의 일 실시 예에 따르면, 전자 장치(100)는 영상을 제1 인공지능 모델에 입력하여 영상 내 적어도 하나의 오브젝트에 대한 정보를 획득하고, 상기 적어도 하나의 오브젝트에 대한 정보 및 상기 음성에 포함된 단어를 바탕으로 상기 획득된 적어도 하나의 오브젝트 중 상기 음성에 관련된 오브젝트를 식별할 수 있다. 그리고 상기 음성을 제2 인공지능 모델에 입력하여 상기 음성의 핵심 단어를 포함하는 태그 정보를 획득할 수 있다.
한편, 태그 정보는 음성을 기초로 획득한 태그 정보뿐만 아니라 영상을 분석하여 획득한 태그 정보도 포함할 수 있다. 즉, 예컨대 태그 정보는 음성을 제2 인공지능 모델에 입력하여 획득한 음성의 핵심 단어뿐만 아니라 영상을 제1 인공지능 모델에 입력하여 획득한 적어도 하나의 오브젝트에 대한 정보 중 상기 식별된 오브젝트에 대한 정보도 포함할 수 있다. 여기서 제1 인공지능 모델은 시각적 이해를 위한 모델일 수 있고, 제2 인공지능 모델은 언어 이해를 위한 모델일 수 있다.
도 11은 본 개시의 일 실시 예에 따라 생성된 태그 정보에 대해 설명하기 위한 도면이다.
영상 내 오브젝트에 대한 태그 정보는 영상을 분석하여 획득된 오브젝트에 대한 정보를 포함할 수 있다. 도 11을 참조하면 'Named entity' 항목이 영상 분석을 통해 획득된 정보이다. 다양한 종래의 영상 분석 기술을 이용하여 오브젝트에 대한 정보를 획득할 수 있다. 예컨대, 인공지능 모델을 이용하여 영상을 분석하여 오브젝트의 카테고리(인간, 동물, 사물, 풍경 등)를 인식할 수 있고, 오브젝트의 외형, 색상, 성별, 나이, 얼굴 등을 인식하는 것이 가능하다. 이와 같은 영상 분석을 통해 오브젝트에 대한 정보를 획득하여 태그 정보에 포함시킬 수 있다.
또한, 태그 정보는 사용자로부터 입력된 음성을 인공지능 모델에 입력하여 획득된 오브젝트에 대한 정보를 포함할 수 있다. 도 11을 참조하면 'Attribute' 항목이 음성을 통해 획득된 정보이다.
음성을 통해 획득된 정보는 사용자 고유의 생각, 느낌이 반영된 것으로서, 영상 분석을 통해 획득된 정보와 비교하여 더욱 개인화된 정보로서의 성격을 지닌다. 본 실시 예에 따르면, 영상 분석을 통해 획득된 정보뿐만 아니라 음성을 통해 획득된 정보도 포함하여 태그 정보가 생성될 수 있으므로 더욱 다양한 종류의 태그 정보가 활용될 수 있다.
또한, 태그 정보는 태그 대상 오브젝트가 식별된 영상을 포함한다. 도 11을 참조하면 'Image' 항목이 태그 대상 오브젝트가 식별된 영상이다.
이와 같이 생성된 태그 정보들(70, 80, 90)은 메모리(120)에 저장될 수 있다. 또한, 생성된 태그 정보들(70, 80)은 외부 서버에 저장되어 다른 사용자들과 공유될 수 있다.
도 12는 본 개시의 일 실시 예에 따른 태그 정보 생성에 대해 설명하기 위한 도면이다.
도 12를 참고하면, 사용자 음성은 음성 엔진(1210)으로 입력되고, 적어도 하나의 오브젝트를 포함한 영상은 영상 엔진(1220)으로 입력된다. 음성 엔진(1210)은 인공지능 알고리즘을 이용해 학습된 언어 이해를 위한 모델을 이용하여 입력된 음성에 대한 처리를 수행할 수 있다. 또한, 영상 엔진(1220)은 인공지능 알고리즘을 이용해 학습된 시각적 이해를 위한 모델을 이용하여 영상에 대한 처리를 수행할 수 있다.
ASR(Automatic Speech Recognition) 모듈(1211)로 입력된 음성은 평문(plain text)으로 변환된다. 그리고 변환된 텍스트를 입력받은 NLU(natural language understanding) 모듈(1212)은 변환된 텍스트를 시스템이 이해할 수 있도록 하는 여러 가지 분석을 수행한다.
ASR 모듈(1211)을 이용하여 변환된 텍스트를 기반으로 NLU 모듈(1212)은 사용자 발화의 의도를 파악하기 위한 자연어 이해 처리를 수행할 수 있다. 자연어 이해 처리 과정 중 형태소 분석, 구문분석, 화행(dialogue act), 주행(main action) 및 핵심 단어 분석 등이 수행될 수 있다. 구체적으로, NLU 모듈(1212)은 텍스트를 의미를 지닌 가장 작은 단위인 형태소 단위로 구분해 각 형태소가 어떤 품사를 가지는지 분석하는 형태소 분석을 수행할 수 있다. 형태소 분석으로 명사, 동사, 형용사, 조사 등의 품사 정보를 알 수 있다. 그리고 NLU 모듈(1212)은 구문분석 처리를 수행할 수 있다. 구문분석은 사용자의 발화를 명사구, 동사구, 형용사구 등 특정 기준을 가지고 구분하고, 구분된 각 덩어리(chunk) 사이에 어떠한 관계가 존재하는지 분석하는 것이다. 이러한 구문분석을 통해 사용자 발화의 주어, 목적어, 수식어구들을 파악할 수 있다.
NLU 모듈(1212)에서 음성을 분석한 결과로 획득되는 음성의 핵심 단어들은 태그 정보에서 'Attribute'항목으로 포함될 수 있다.
영상 엔진(1220)은 오브젝트 인식 엔진(1221)을 포함하며, 오브젝트 인식 엔진(1221)은 영상에 등장하는 오브젝트가 어떤 사물인지 판단할 수 있다. 예컨대, 영상 엔진(1220)은 특징 벡터 기술을 이용하여 오브젝트가 무엇인지 판단할 수 있다. 특징 벡터 기술은 오브젝트가 가진 다양한 특징, 예컨대 색상, 모양, 움직임 등을 종합해 오브젝트가 무엇인지 파악하는 기술이다. 예를 들어 남자 어린이가 포함된 영상이 입력되면 오브젝트 인식 엔진은 오브젝트의 체구, 비율, 얼굴 특징 등의 인식을 통해 남자 어린이라고 정의할 수 있다.
오브젝트 인식 엔진(1221)은 영상을 처리한 결과로서 오브젝트에 대한 정보(예컨대 "남자 어린이")를 제공할 수 있고, 이는 태그 정보에 'Named entity'항목으로 포함될 수 있다.
에이전트(1240)는 인공지능 에이전트(Artificial intelligence agent)일 수 있다. 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다. 에이전트(1240)는 전자 장치(100)에 탑재된 것이거나 또는 전자 장치(100)의 외부 서버에 탑재된 것일 수 있다.
에이전트(1240)는 사용자의 발화 중 이해가 되지 않는 독립체(entity)(예컨대, '저건' 뭐야, '그 사람'을 불러)에 대해선 대화 테스크 온톨로지(Dialog Task Ontology)(1230)를 활용하여 구분할 수 있다.
태그 생성부(1250)는 음성 엔진(1210)과 영상 엔진(1220)을 통해 획득된 정보들을 기초로 태그 정보를 생성하여 데이터 베이스(1260)에 저장할 수 있다.
상술한 실시 예에서 음성 엔진(1210), 오브젝트 인식 엔진(1220), 에이전트(1240), 대화 태스크 온톨로지(1230), 태그 생성부(1250) 중 적어도 하나는 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치(100)에 탑재될 수 있다. 또는 전자 장치(100)의 외부 서버에 탑재될 수 있다. 음성 엔진(1210), 오브젝트 인식 엔진(1220) 및 에이전트(1240)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 13a는 본 개시의 일 실시 예에 따른 태그 정보 생성에 대해 설명하기 위한 도면이다.
사용자(A)가 전자 장치(100)에 표시된 영상을 보며 "왼쪽은 내 아들 준서"라고 말하면, 오브젝트 인식 엔진(1221)은 사진 내에서 오브젝트들을 식별하고, 영상 분석을 통해 오브젝트의 특징 정보(예컨대 성별, 나이 등)를 획득할 수 있고, NLU 모듈(1212)은 영상 내 오브젝트 위치에 대한 정보, 오브젝트의 관계, 성별, 이름 등에 대한 정보를 획득할 수 있다. 이와 같이 영상에 대한 인식 정보와 음성에 대한 인식 정보를 토대로 태그 정보(75)가 생성될 수 있다. 태그 정보(75)는 인식 정보에 따라 Arribute로서 예컨대, 관계(Relation), 성별(Gender), 나이(Age), 색상(Color) 등 다양한 정보를 포함할 수 있다.
한편, 도 13b를 참조하면, 추가적으로 입력되는 음성을 바탕으로 태그 정보(75)에 정보가 추가될 수 있다. 이 경우, 영상 인식으로 파악된 추상적 정보(Age: 어린이)가 음성에 대한 인식 정보를 통해 구체적인 정보(Age:5)로 보강될 수 있다.
태그 정보를 포함한 데이터 베이스는 사용자별로 생성될 수 있고, 여러 사용자가 포함된 그룹이 서로의 태그 정보를 공유할 수 있다. 예컨대, 도 14를 참고하면, 제1 사용자의 데이터 베이스(1260)와 제2 사용자의 데이터 베이스(1270)가 생성될 수 있다. 제1 사용자의 데이터 베이스(1260)와 제2 사용자의 데이터 베이스(1270)는 클라우드 서버에 저장될 수 있다. 지정된 사용자 그룹 간에는 태그 정보에 대한 데이터 베이스가 공유될 수 있다. 에이전트(1240)는 공유된 태그 정보에 대한 데이터 베이스를 기초로 다양한 서비스를 제공할 수 있다. 예컨대, 그룹에 속하는 사용자들은 대화할 때 태그 정보를 사용하여 대화할 수 있다. 본 실시 예에 대해선 도 15를 참고하여 설명하도록 한다.
도 15는 본 개시의 일 실시 예에 따른 전자 장치(100)에서 표시되는 채팅 화면을 도시한 것이다. 대화 상대방인 재인의 딸에 대해 잘 모르는 전자 장치(100)의 사용자에게 재인의 딸에 대한 정보를 포함하는 UI(1300)가 표시될 수 있다.
에이전트(1240)는 NLU 모듈(1241), 태깅 액션 플래너(tagging Action planner)(1242) 및 NLG(Natural language generation) 모듈(1243)을 포함할 수 있다. 에이전트(1240)는 인공지능 에이전트(Artificial intelligence agent)일 수 있다. 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다. 에이전트(1240)는 전자 장치(100)에 탑재된 것이거나 또는 전자 장치(100)의 외부 서버에 탑재된 것일 수 있다.
NLU 모듈(1241)은 채팅 화면에 입력되는 텍스트에 대하여 자연어 이해 처리를 수행하고, 그 결과를 바탕으로 태깅 액션 플래너(1242)는 재인의 데이터 베이스(1260)에 포함되어 있는 태깅 정보(80)를 획득할 수 있다. NLG 모듈(1243)은 결과 데이터를 자연어 형태로 만들어주는 모듈로서, 태깅 정보(80)를 바탕으로 자연어 형태의 정보를 생성할 수 있고, 상기 생성된 정보를 포함한 UI(1300)가 전자 장치(100)에서 표시될 수 있다.
도 16은 태그 정보의 활용에 대한 본 개시의 또 다른 실시 예를 설명하기 위한 도면이다.
도 16을 참조하면, 사용자가 태그 정보를 가지는 오브젝트의 특정 부분에 관심을 가지는 경우 그 부분을 확대해서 보여줄 수 있으며, 사용자의 관심 이미지로 별도 관리할 수 있다. 예를 들어 도 16에 도시한 바와 같이 사용자가 "준서 표정 좀 봐. 너무 귀엽네"라고 말하면, NLU 모듈(1212)을 통해 자연어 분석이 이루어지고, '준서'에 해당하는 태그 정보(75)가 검색된다(①). 그리고 태그 정보(75)로부터 영상 내 오브젝트(11)가 식별되고(②), NLU 모듈(1212)에서 획득된 '표정'이라는 단어로부터 영상 내 관련 영역으로서 얼굴이 검출되고(③,④), 오브젝트 인식 엔진(1221)은 오브젝트(11)에서 얼굴 영역(11a)을 검출한다(⑥). 그리고 검출된 영역이 전자 장치(100)에서 확대되어 표시되고, 태그 정보(75)에 추가될 수 있다(⑦⑧). 전자 장치(100)는 검출된 영역을 관심 이미지로서 별도로 메모리(120)에 저장할 수도 있다.
도 17은 냉장고 음식에 대한 태그 정보를 생성하는 본 개시의 일 실시 예를 설명하기 위한 도면이다.
전자 장치(100)는 디스플레이를 포함한 냉장고로 구현될 수 있다. 도 17에 도시된 영상(1710, 1720)은 냉장고로 구현된 전자 장치(100)의 내부를 촬영한 영상으로서 냉장고의 전면에 마련된 디스플레이를 통해 표시될 수 있다. 도 17을 참고하면 NLU 모듈(1212)은 사용자(재인)의 발화 중 "지금 넣은 건"의 의미를 파악하고, 오브젝트 인식 엔진(1221)은 냉장고 문이 열렸다 닫히는 이벤트가 발생하기 이전의 영상(1710)과 현재의 영상(1720)을 비교해서 새로 추가된 오브젝트들(1721, 1722)을 식별할 수 있다. 그리고 NLU 모듈(1212)이 사용자의 발화를 분석하여 획득한 정보를 기초로 오브젝트 인식 엔진(1221)은 현재 영상(1721) 내에서 오브젝트들(1721, 1722)의 위치를 파악할 수 있다. 그리고 오브젝트들(1721, 1722)이 무엇인지(ex. 음식종류), 언제 생성된 것인지(ex. 음식 만든 시간)에 관한 정보를 기초로 오브젝트들(1721, 1722) 각각에 대한 태그 정보들(1721a, 1722b)이 생성될 수 있다.
상술한 바와 같이 냉장고로 구현된 전자 장치(100) 내부의 이미지에 포함된 음식들에 대한 태그 정보가 생성될 수 있고, 생성된 태그 정보는 사용자(재인)의 데이터 베이스에 저장될 수 있다. 그리고 재인이 태그 정보 공유를 허용한 세라에게 태그 정보가 제공될 수 있다. 본 실시 예에 대해선 도 18을 참고하여 설명하도록 한다.
도 18을 참고하면, 냉장고 내부를 촬영한 영상(1810)을 보면서 다른 사용자(세라)가 "재인이 만든 열무김치가 어느 것이지?"라는 음성을 발화하면, NLU 모듈(1212)이 의미를 분석하고, 태깅 액션 플래너(1242)가 음성 인식 결과와 재인의 데이터 베이스의 태그 정보(1722b)를 기초로 오브젝트의 위치에 대한 정보를 획득할 수 있다. 그리고 획득한 정보를 기초로 에이전트(1240)는 오브젝트의 위치를 식별하기 위한 그래픽 오브젝트(오브젝트를 둘러싸는 사각형)를 포함한 영상(1820)과 함께 "냉장고 보관 위치 보여드릴게요"와 같은 음성 안내를 출력할 수 있다. 여기서 에이전트는 냉장고로 구현된 전자 장치(100)에 탑재된 것일 수도 있고, 세라의 단말 장치(예컨대 스마트폰)에 탑재된 것이거나 또 다른 별도의 에이전트일 수 있다.
상술한 다양한 실시 예들은 인공지능 시스템을 활용하여 구현될 수 있다. 인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.
인공 지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 인공 지능 알고리즘을 이용하여 모델을 학습하는 기술과, 학습된 모델을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로 구성될 수 있다.
학습된 모델의 예로, 인간의 언어/문자를 인식하는 언어 이해를 위한 모델, 사물을 인간의 시각처럼 인식하는 시각적 이해를 위한 모델, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측을 위한 모델, 인간의 경험 정보를 지식 데이터로 처리하는 지식 표현을 위한 모델 등이 있을 수 있다.
본 개시의 일 실시 예에 따르면, 언어 이해를 위한 모델을 이용하여 인간의 언어, 문자를 인식하고 응용/처리할 수 있다. 관련 기능으로서는 자연어 처리, 기계 번역, 대화 시스템, 질의 응답, 음성 인식/합성 등을 포함한다.
본 개시의 일 실시 예에 따르면, 시각적 이해를 위한 모델을 이용하여 영상 내의 오브젝트 인식, 오브젝트 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해 등의 기능이 수행될 수 있다.
본 개시의 일 실시 예에 따르면, 추론/예측을 위한 모델을 이용하여 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등의 기능이 수행될 수 있다.
본 개시의 일 실시 예에 따르면 지식 표현을 위한 모델을 이용하여 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등의 기능이 수행될 수 있다.
본 개시의 일 실시 예에 따르면, 상술한 다양한 모델들 중 적어도 2 이상을 기반으로 새로운 모델을 생성하여 이용할 수 있다.
한편, 상술한 것과 같은 모델은 인공지능 알고리즘 기반으로 학습된 판단 모델로서, 예로, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 학습된 인공지능 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 또한, 학습된 인공지능 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 학습된 인공지능 모델의 예에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등이 있을 수 있으나 이에 한정되지 않는다.
본 개시의 다양한 실시 예들은 인공지능 전용 프로그램(또는 인공지능 에이전트, Artificial intelligence agent)인 개인 비서 프로그램을 이용할 수 있다. 이때, 개인 비서 프로그램은 AI(Artificial Intelligence) 기반의 서비스를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.
구체적으로, 기설정된 사용자 입력(예를 들어, 개인 비서 챗봇에 대응되는 아이콘 터치, 기설정된 단어를 포함하는 사용자 음성 등)이 입력되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면, 전자 장치(100)에 탑재된 인공지능 에이전트가 동작(또는 실행)할 수 있다. 그리고 인공지능 에이전트는 사용자의 음성에 대한 정보와 태깅 대상 오브젝트가 포함된 영상에 대한 정보를 외부 서버로 전송하고, 외부 서버로부터 수신된 데이터를 기초로 태깅 정보를 제공할 수 있다.
물론, 인공지능 에이전트는 기설정된 사용자 입력이 감지되거나 전자 장치(100)에 구비된 버튼이 선택되기 이전에 기 실행된 상태일 수도 있다. 이 경우, 태깅 기능이 실행되면 전자 장치(100)의 인공지능 에이전트가 영상과 사용자 음성을 바탕으로 태깅 정보를 획득할 수 있다. 또한, 인공지능 에이전트는 기설정된 사용자 입력이 감지되거나 전자 장치(100)에 구비된 버튼이 선택되기 이전에 대기 상태일 수 있다. 여기서, 대기 상태란, 인공지능 에이전트의 동작 시작을 제어하기 위해 미리 정의된 사용자 입력이 수신되는 것을 감지하는 상태이다. 인공지능 에이전트가 대기 상태인 동안 태깅 기능이 실행되면, 전자 장치(100)는 인공지능 에이전트를 동작시키고, 영상과 사용자 음성을 바탕으로 태깅 정보를 획득할 수 있다.
전자 장치(100)의 외부에 있는 서버에서 인공 지능 모델을 이용하여 상술한 실시 예들이 구현되거나, 또는 전자 장치(100)가 직접 인공 지능 모델을 이용하는 것도 가능하다. 이 경우, 전자 장치(100)에 탑재된 인공지능 에이전트는 인공지능 모델을 제어하여 상술한 실시 예들의 동작을 수행할 수 있다.
도 19는 본 개시의 일 실시 예에 따른, 인공 지능 모델을 학습하고 이용하기 프로세서를 설명하기 위한 블럭도이다.
도 19를 참조하면 프로세서(1500)는 학습부(1510) 및 분석부(1520) 중 적어도 하나를 포함할 수 있다.
학습부(1510)는 학습 데이터를 이용하여 인공 지능 모델을 생성 또는 학습시킬 수 있다.
일 예로, 학습부(1510)는 인간의 언어를 학습 데이터로 이용하여 언어 이해를 위한 모델을 생성, 학습 또는 갱신시킬 수 있다.
또 다른 예로, 학습부(1510)는 적어도 하나의 오브젝트를 포함하는 영상을 학습 데이터로 이용하여 시각적 이해를 위한 모델을 생성, 학습 또는 갱신시킬 수 있다.
또 다른 예로, 학습부(1510)는 인간의 언어와 적어도 하나의 오브젝트를 포함하는 영상을 학습 데이터로 이용하여 영상 내에서 인간의 언어가 지칭하는 오브젝트를 인식(또는 식별)하는 오브젝트 인식을 위한 모델을 생성, 학습 또는 갱신시킬 수 있다. 오브젝트 인식을 위한 모델은 별도로 생성, 학습 또는 갱신될 수 있고, 또는, 언어 이해를 위한 모델과 시각적 이해를 위한 모델을 바탕으로 생성, 학습 또는 갱신될 수 있다.
분석부(1520)는 소정의 데이터를 학습된 모델에 입력 데이터로 사용하여 언어 이해, 시각적 이해, 오브젝트 인식 등을 수행할 수 있다.
일 예로, 분석부(1520)는 언어 이해를 위한 모델에 음성을 입력 데이터로 사용하여 음성에 나타난 사용자의 의도를 판단할 수 있다.
언어 이해를 위한 모델을 기능적으로 구분하자면 ASR(Automatic Speech Recognition) 모듈, NLU(natural language understanding)모듈, NLG(Natural language generation) 모듈을 포함할 수 있다. ASR 모듈, NLU 모듈, NLG 모듈에 대해선 상술하였으므로 중복 설명은 생략한다.
또 다른 예로, 분석부(1520)는 시각적 이해를 위한 모델에 적어도 하나의 오브젝트를 포함하는 영상을 입력 데이터로 사용하여 상기 적어도 하나의 오브젝트에 대한 정보를 획득(또는, 추정, 추론)할 수 있다. 예를 들어, 도 1에 도시한 영상(10)을 시각적 이해를 위한 모델에 입력 데이터로 사용하면 인간으로 분류되는 오브젝트 2개가 검출되고 하나는 남자 아이, 다른 하나는 여자 아이라는 정보가 획득될 수 있다.
또 다른 예로, 분석부(1520)는 오브젝트 인식을 위한 모델에 사용자 음성과 적어도 하나의 오브젝트를 포함하는 영상을 입력 데이터로 하여 영상 내에서 사용자 음성이 지칭하는 오브젝트를 인식할 수 있다. 또는, 분석부(1520)는 상기 언어 이해를 위한 모델을 통해 획득된 정보와 상기 시각적 이해를 위한 모델을 통해 획득된 정보를 입력 데이터로 하여 영상 내에서 사용자 음성이 지칭하는 오브젝트를 인식할 수 있다.
학습부(1510)의 적어도 일부 및 분석부(1520)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 학습부(1510) 및 분석부(1520) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치 또는 객체 인식 장치에 탑재될 수도 있다. 이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 학습부(1510) 및 분석부(1520)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
학습부(1510) 및 분석부(1520)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 도 19의 프로세서(1500)는 도 2의 프로세서(140)가 될 수 있다. 또 다른 예로, 학습부(1510) 및 분석부(1520) 중 하나는 전자 장치(100)에 포함되고, 나머지 하나는 외부의 서버에 포함될 수 있다. 또한, 학습부(1510) 및 분석부(1520)는 유선 또는 무선으로 통하여, 학습부(1510)가 구축한 모델 정보를 분석부(1520)로 제공할 수도 있고, 학습부(1510)로 입력된 데이터가 추가 학습 데이터로서 학습부(1510)로 제공될 수도 있다.
도 20은 일 실시 예에 따른 학습부(1510)의 블록도이다.
도 20을 참조하면, 일부 실시 예에 따른 학습부(1510)는 학습 데이터 획득부(1510-1) 및 모델 학습부(1510-4)를 포함할 수 있다. 또한, 학습부(1510)는 학습 데이터 전처리부(1510-2), 학습 데이터 선택부(1510-3) 및 모델 평가부(1510-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
학습 데이터 획득부(1510-1)는 언어적 이해, 시각적 이해, 오브젝트 인식 등을 위한 모델을 학습시키기 위한 학습 데이터를 획득할 수 있다. 학습 데이터는 학습부(1510) 또는 학습부(1510)의 제조사가 수집 또는 테스트한 데이터가 될 수도 있다. 예컨대 학습 데이터는 음성, 적어도 하나의 오브젝트를 포함하는 영상을 포함할 수 있다.
모델 학습부(1510-4)는 학습 데이터를 이용하여, 모델이 입력 데이터를 어떻게 이해, 인식, 인지, 판단, 추론 등을 할 것인지에 관한 기준을 갖도록 학습시킬 수 있다. 예컨대, 모델 학습부(1510-4)는 입력된 영상에서 특징을 추출하고, 벡터 공간에 투영(projection)하고, 각각의 벡터에 오브젝트의 정보를 인덱싱하여 시각적 이해를 위한 모델을 구축할 수 있다.
모델 학습부(1510-4)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 모델을 학습시킬 수 있다. 또는, 모델 학습부(1510-4)는, 예를 들어, 별다른 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 상황의 판단을 위한 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 모델을 학습시킬 수 있다. 또한, 모델 학습부(1510-4)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 모델을 학습시킬 수 있다. 또한, 모델 학습부(1510-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 모델을 학습시킬 수 있다
모델 학습부(1510-4)는 입력 데이터를 이용하여 인식 대상을 추정하기 위하여 어떤 학습 데이터를 이용해야 하는지에 대한 선별 기준을 학습할 수도 있다.
모델 학습부(1510-4)는 미리 구축된 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 모델을 학습할 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입별로 기 분류되어 있을 수 있으며, 모델은 데이터의 타입별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
모델이 학습되면, 모델 학습부(1510-4)는 학습된 모델을 저장할 수 있다. 예컨대, 모델 학습부(1510-4)는 학습된 모델을 전자 장치(100)의 메모리(120)에 저장할 수 있다. 또는, 모델 학습부(1510-4)는 학습된 모델을 전자 장치(100)와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
학습부(1510)는 모델의 처리 능력을 향상시키거나, 모델의 생성에 필요한 자원 또는 시간을 절약하기 위하여, 학습 데이터 전처리부(1510-2) 및 학습 데이터 선택부(1510-3)를 더 포함할 수도 있다.
학습 데이터 전처리부(1510-2)는 상황 판단을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 학습 데이터 전처리부(1510-2)는 모델 학습부(1510-4)가 상황 판단을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1510-3)는 학습 데이터 획득부(1510-1)에서 획득된 데이터 또는 학습 데이터 전처리부(1510-2)에서 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(1510-4)에 제공될 수 있다. 학습 데이터 선택부(1510-3)는 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1510-3)는 모델 학습부(1510-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 학습 데이터를 선택할 수도 있다.
학습부(1510)는 모델의 처리 능력을 향상시키기 위하여, 모델 평가부(1510-5)를 더 포함할 수도 있다.
모델 평가부(1510-5)는 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1510-4)로 하여금 다시 모델을 학습시키도록 할 수 있다. 이 경우, 평가 데이터는 모델을 평가하기 위한 기 정의된 데이터일 수 있다.
예를 들어, 모델 평가부(1510-5)는 평가 데이터에 대한 학습된 모델의 분석 결과 중에서, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
한편, 학습된 모델이 복수 개가 존재하는 경우, 모델 평가부(1510-5)는 각각의 학습된 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1510-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 모델로서 결정할 수 있다.
도 21을 참조하면, 일부 실시 예에 따른 분석부(1220)는 데이터 획득부(1520-1) 및 분석 결과 제공부(1520-4)를 포함할 수 있다. 또한, 분석부(1520)는 데이터 전처리부(1520-2), 데이터 선택부(1520-3) 및 모델 갱신부(1520-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
데이터 획득부(1520-1)는 분석에 필요한 데이터를 획득할 수 있다. 분석 결과 제공부(1520-4)는 데이터 획득부(1520-1)에서 획득된 데이터를 학습된 모델에 입력한 결과를 제공할 수 있다. 분석 결과 제공부(1520-4)는 데이터의 분석 목적에 따른 분석 결과를 제공할 수 있다. 분석 결과 제공부(1520-4)는 후술할 데이터 전처리부(1520-2) 또는 데이터 선택부(1520-3)에 의해 선택된 데이터를 입력 값으로 인식 모델에 적용하여 분석 결과를 획득할 수 있다. 분석 결과는 모델에 의해 결정될 수 있다.
일 실시 예로, 분석 결과 제공부(1520-4)는 데이터 획득부(1520-1)에서 획득한 적어도 하나의 오브젝트를 포함하는 영상을 학습된 시각적 이해를 위한 모델 적용하여 각 오브젝트에 대한 정보를 획득(또는, 추정)할 수 있다.
다른 실시 예로, 분석 결과 제공부(1520-4)는 데이터 획득부(1520-1)에서 획득한 적어도 하나의 오브젝트를 포함하는 영상 및 음성을 학습된 오브젝트 인식을 위한 모델에 적용하여 음성이 지시하는 오브젝트를 인식(또는 식별)할 수 있다.
다른 실시 예로, 분석 결과 제공부(1520-4)는 데이터 획득부(1520-1)에서 획득한 음성(음성 데이터)을 학습된 언어 이해를 위한 모델에 적용하여 음성에 대응하는 사용자 의도를 판단할 수 있다.
분석부(1520)는 모델의 분석 결과를 향상시키거나, 분석 결과의 제공을 위한 자원 또는 시간을 절약하기 위하여, 데이터 전처리부(1520-2) 및 데이터 선택부(1520-3)를 더 포함할 수도 있다.
데이터 전처리부(1520-2)는 상황 판단을 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 데이터 전처리부(1520-2)는 분석 결과 제공부(1520-4)가 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 정의된 포맷으로 가공할 수 있다.
데이터 선택부(1520-3)는 데이터 획득부(1520-1)에서 획득된 데이터 또는 데이터 전처리부(1520-2)에서 전처리된 데이터 중에서 상황 판단에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 분석 결과 제공부(1520-4)에게 제공될 수 있다. 데이터 선택부(1520-3)는 상황 판단을 위한 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 데이터 선택부(1520-3)는 모델 학습부(1510-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 데이터를 선택할 수도 있다.
모델 갱신부(1520-5)는 분석 결과 제공부(1520-4)에 의해 제공되는 분석 결과에 대한 평가에 기초하여, 모델이 갱신되도록 제어할 수 있다. 예를 들어, 모델 갱신부(1520-5)는 분석 결과 제공부(1520-4)에 의해 제공되는 분석 결과를 모델 학습부(1510-4)에게 제공함으로써, 모델 학습부(1510-4)가 모델을 추가 학습 또는 갱신하도록 요청할 수 있다.
도 22는, 상술한 학습부(1510)과 분석부(1520)가 서로 다른 장치에서 구현된 실시 예를 설명하기 위한 도면이다.
도 22를 참조하면, 외부의 서버(200)는 학습부(1510)를 포함할 수 있고, 전자 장치(100)는 분석부(1520)를 포함할 수 있다. 전자 장치(100)와 서버(200)는 네트워크 상에서 서로 통신할 수 있다.
전자 장치(100)의 분석 결과 제공부(1520-4)는 데이터 선택부(1520-3)에 의해 선택된 데이터를 서버(200)에 의해 생성된 모델에 적용하여 분석 결과를 획득할 수 있다. 이 경우, 전자 장치(100)의 분석 결과 제공부(1520-4)는 서버(200)에 의해 생성된 모델을 서버(200)로부터 수신하고, 수신된 모델을 이용하여 마이크(130)를 통해 입력된 사용자 음성에서의 사용자 의도를 판단하거나, 디스플레이(110)에 표시된 영상에서 오브젝트 정보를 획득하거나, 상기 영상에서 사용자 음성과 관련된 오브젝트를 식별할 수 있다.
도 23은 본 개시의 일 실시 예에 따른 전자 장치(100)의 세부 구성을 설명하기 위한 블록도이다.
도 23을 참고하면, 전자 장치(100)는 디스플레이(110), 메모리(120), 마이크(130), 프로세서(140), 터치 감지부(150), 통신부(160), GPS 수신부(170), 모션 감지부(180), 버튼(190), 카메라(192) 및 오디오 출력부(194)를 포함할 수 있다. 실시 형태에 따라 구성들 중 일부는 생략될 수 있고, 도시되지 않았더라도 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 전자 장치(100)에 추가로 포함될 수 있다.
디스플레이(110)는 영상을 표시하기 위한 구성이다. 디스플레이(110)는 도 2에서 설명한 디스플레이(110)와 같은 것일 수 있다. 디스플레이(110)는 사용자의 터치 조작을 감지할 수 있는 터치 감지부(150)와 함께 터치스크린 형태로 구현될 수도 있다.
터치 감지부(150)는 사용자 또는 펜의 터치 조작을 감지할 수 있다. 터치 감지부(150)는 터치 센서를 포함하고, 터치 센서는 정전식 또는 감압식으로 구현될 수 있다. 정전식은 디스플레이 레이어 표면에 코팅된 유전체를 이용하여, 사용자의 신체 일부가 디스플레이 레이어 표면에 터치되었을 때 사용자의 인체로 여기되는 미세 전기를 감지하여 터치 좌표를 산출하는 방식이다. 감압식은 두 개의 전극 판을 포함하여, 사용자가 화면을 터치하였을 경우, 터치된 지점의 상하 판이 접촉되어 전류가 흐르게 되는 것을 감지하여 터치 좌표를 산출하는 방식이다. 이상과 같이 터치 센서는 다양한 형태로 구현될 수 있다.
펜이 입력 수단으로 이용되는 경우에 있어서, 펜이 내부에 코일을 포함하는 펜인 경우, 터치 감지부(150)는 펜 내부의 코일에 의해 변화되는 자기장을 감지할 수 있는 자기장 감지 센서를 포함할 수도 있다. 이에 따라, 터치 조작 뿐만 아니라 근접 조작, 즉, 호버링(hovering)도 감지할 수 있게 된다.
터치 감지부(150)는 입력부로서 역할을 하며, 사용자로부터 오브젝트를 선택받을 수 있고, 사용자 또는 펜에 의한 필기를 입력받을 수 있다.
프로세서(140)는 터치 감지부(150)의 터치 센서에서 감지되는 감지 신호에 기초하여 터치 조작의 형태를 판단할 수 있다. 터치 조작에는 단순 터치, 탭, 터치앤홀드, 무브, 플릭, 드래그앤드랍, 핀치 인, 핀치 아웃 등과 같은 다양한 조작이 있을 수 있다. 프로세서(140)는 터치 감지부(150)에서 감지되는 사용자 터치에 따라 전자 장치(100)의 각종 구성을 제어할 수 있다.
디스플레이(110)와 터치 감지부(150)가 터치 스크링 형태로 구현된 경우, 예컨대 도 3에서 설명한 바와 같이 태깅 기능 실행을 위한 아이콘(20)에 대한 터치를 감지할 수 있고, 또 다른 예로 도 8에서 설명한 바와 같이 태깅 대상 오브젝트를 선택하는 사용자 터치를 감지할 수 있다.
메모리(120)는 도 2에서 설명한 메모리(120)와 같은 것일 수 있다. 메모리(120)는 컴퓨터 실행가능 명령어(computer executable instructions)를 저장할 수 있고, 프로세서(140)는 컴퓨터 실행가능 명령어를 실행함으로써 전자 장치(100)의 다양한 기능을 수행할 수 있다.
일 실시 예에 따르면 메모리(120)는 인공지능 알고리즘에 의해 학습된 인공지능 모델을 저장할 수 있다. 인공 지능 모델로서는 언어 이해를 위한 모델, 시각적 이해를 위한 모델, 오브젝트 식별을 위한 모델이 있을 수 있다. 인공지능 모델에 대해선 상술한 바 있으므로 중복 설명은 생략한다.
마이크(130)는 사용자 음성이나 기타 소리를 입력받아 디지털 신호로 변환하기 위한 구성이다. 프로세서(140)는 마이크(130)를 통해 입력되는 사용자 음성을 태깅 기능에 이용할 수 있다.
통신부(160)는 다양한 유형의 통신방식에 따라 다양한 유형의 외부 기기와 통신을 수행하는 구성이다. 통신부(160)는 와이파이칩(161), 블루투스 칩(162), NFC칩(163), 무선 통신 칩(164) 등과 같은 다양한 통신 칩을 포함한다.
와이파이 칩(161), 블루투스 칩(162), NFC 칩(163)은 각각 WiFi 방식, 블루투스 방식, NFC 방식으로 통신을 수행한다. 이 중 NFC 칩(163)은 135kHz, 13.56MHz, 433MHz, 860~960MHz, 2.45GHz 등과 같은 다양한 RF-ID 주파수 대역들 중에서 13.56MHz 대역을 사용하는 NFC(Near Field Communication) 방식으로 동작하는 칩을 의미한다. 와이파이 칩(161)이나 블루투스 칩(162)을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 무선 통신 칩(164)은 IEEE, 지그비, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evoloution) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다.
상기 예시한 통신 방식들 이외에도, 통신부(160)는 적외선 통신(IrDA, infrared Data Association), RFID(Radio Frequency Identification), UWB(ultra wideband), WiDi(WirelessDisplay), WiHD(WirelessHD), WHDI(Wireless Home Digital Interface), 미라캐스트(Miracast), Wigig(Wireless Gigabit Alliance), 와이파이 다이렉트(Wi-Fi Direct), AirPlay, Z-wave, 4LoWPAN, GPRS, Weightless, DLNA(Digital Living Network Alliance), ANT+, DECT(Digital Enhanced Cordless Telecommunications), WLAN(wireless local area network), GSM(Global System for Mobile communications), UMTS(Universal Mobile Telecommunication System), WiBRO(Wireless Broadband) 등의 통신 방식 중 적어도 하나의 방식으로 외부 장치와 통신을 수행할 수 있다.
본 개시의 일 실시 예에 따르면, 통신부(160)는 외부의 서버와 통신할 수 있다. 외부의 서버는 시각적 이해를 위한 모델, 언어 이해를 위한 모델, 오브젝트 인식을 위한 모델 등이 저장되어 있을 수 있고, 프로세서(140)는 적어도 하나의 오브젝트를 포함하는 영상이 디스플레이(110)에 표시된 동안 마이크(120)를 통해 사용자 음성이 입력되면 상기 영상 및 상기 음성을 외부 서버로 전송하도록 통신부(160)를 제어할 수 있다.
본 개시의 일 실시 예에 따르면 외부 서버에서 영상에 포함된 오브젝트에 대한 태그 정보가 생성되면, 외부 서버는 전자 장치(100)로 태그 정보를 전송할 수 있고, 통신부(160)를 통해 외부 서버로부터 태그 정보가 수신될 수 있다.
본 개시의 또 다른 실시 예에 따르면, 전자 장치(100) 자체적으로 태그 정보를 생성할 수 있다. 이 경우, 프로세서(140)는 영상 분석 및 음성 인식을 위한 인공 지능 모델이 저장된 외부 서버로 영상 및 음성을 전송하도록 통신부(160)를 제어할 수 있고, 외부 서버로부터 영상 내 오브젝트에 대한 정보와 음성 인식 결과가 통신부(160)를 통해 수신되면, 프로세서(140)는 수신된 정보를 바탕으로 영상 내에서 음성과 관련된 오브젝트를 식별하고, 식별된 오브젝트에 대한 태그 정보를 생성할 수 있다.
모션 감지부(180)는 복수의 모션 감지 센서(180-1 ~ 180-m)를 포함할 수 있다.
복수 개의 모션 감지 센서(180-1 ~ 180-m)들은 디스플레이 장치(100)의 회전 상태, 사용자의 위치 등을 감지하기 위한 센서이다. 회전 상태를 감지하기 위한 센서로는 지자기 센서, 가속도 센서, 자이로 센서 등이 사용될 수 있다. 가속도 센서는 그 센서가 부착된 장치의 기울기에 따라 변화되는 중력 가속도에 대응되는 센싱값을 출력한다. 자이로 센서는 회전 운동이 일어나면, 그 속도 방향으로 작용하는 코리올리의 힘을 측정하여, 각속도를 검출하는 센서이다. 지자기 센서는 방위각을 감지하기 위한 센서이다. 사용자의 위치를 감지하기 위한 센서로는 이미지 센서, 적외선 센서, 초음파 센서, 근접 센서가 있다.
카메라(192)는 피사체를 촬영하여 촬영 영상 생성하기 위한 구성이다. 본 개시의 일 실시 예에 따르면, 카메라(192)를 이용해 촬영하여 생성된 영상 내 포함된 오브젝트에 대한 태그 정보가 생성될 수 있다.
GPS 수신부(170)는 GPS(Grobal Positioning System) 위성으로부터 GPS 신호를 수신하여, 전자 장치(100)의 현재 위치를 산출하기 위한 구성요소이다. 프로세서(140)는 태깅 기능이 실행되면, GPS 수신부(170)에 의해 수신된 GPS 신호를 이용하여 현재 위치를 산출하고, 그 현재 위치에 대한 정보를 영상에 대한 태그 정보로 생성할 수 있다.
버튼(190)은 전자 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다. 버튼(190)은 전원을 턴온, 턴오프하기 위한 전원 버튼일 수 있다.
프로세서(140)는 마이크(130)를 통해 입력되는 사용자 음성, 모션 감지부(180)를 통해 감지된 사용자 모션, 카메라(192)를 통해 촬영된 사용자 모션 등에 따라 제어 동작을 수행할 수도 있다. 즉, 전자 장치(100)는 사용자의 터치나 버튼 조작에 의해 제어되는 일반 모드 이외에도 모션 제어 모드나 음성 제어 모드로 동작할 수 있다. 모션 제어 모드로 동작하는 경우, 프로세서(140)는 사용자의 모션 변화를 추적하여 그에 대응되는 제어 동작을 수행할 수 있다. 음성 제어 모드로 동작하는 경우 프로세서(140)는 마이크(130)를 통해 입력된 사용자 음성에 따라 제어 동작을 수행하는 음성 인식 모드로 동작할 수도 있다.
오디오 출력부(194)는 오디오를 출력하기 위한 구성으로서, 스피커 및/또는 이어폰 단자를 포함할 수 있다. 이어폰에 마이크가 구비된 경우, 이어폰 단자를 통해 사용자 음성을 입력받을 수 있다.
프로세서(140)는 전자 장치(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(140)는 메모리(120)에 저장된 각종 모듈을 이용하여 전자 장치(100)의 전반적인 동작을 제어할 수 있다. 프로세서(140)는 도 1에서 설명한 프로세서(140)와 동일한 것일 수 있다.
프로세서(140)는 RAM(141), ROM(142), GPU(143), CPU(144), 제1 내지 n 인터페이스(145-1 ~ 145-n), 버스(146)를 포함한다. 이때, RAM(141), ROM(142), GPU(143), CPU(144), 제1 내지 n 인터페이스(145-1 ~ 145-n) 등은 버스(146)를 통해 서로 연결될 수 있다.
ROM(142)에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 전자 장치(100)에 대한 턴-온 명령이 입력되어 전원이 공급되면, CPU(144)는 ROM(142)에 저장된 명령어에 따라 메모리(120)에 저장된 O/S를 RAM(141)에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, CPU(144)는 메모리(120)에 저장된 각종 프로그램을 RAM(141)에 복사하고, RAM(141)에 복사된 프로그램을 실행시켜 각종 동작을 수행할 수 있다. CPU(144)는 메모리(120)에 저장된 각종 프로그램 모듈, 데이터 등을 이용하여 다양한 동작을 수행할 수 있다.
GPU(143)는 전자 장치(100)의 부팅이 완료되면, 영상을 디스플레이할 수 있다. GPU(143)는 연산부 및 렌더링부를 이용하여 아이콘, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성할 수 있다. 연산부는 화면의 레이아웃에 따라 각 객체들이 표시될 좌표값, 형태, 크기, 컬러 등과 같은 속성값을 연산한다. 렌더링부는 연산부에서 연산한 속성값에 기초하여 객체를 포함하는 다양한 레이아웃의 화면을 생성한다. 렌더링부에서 생성된 화면은 디스플레이(110)로 제공되어, 디스플레이 영역 내에 표시된다.
제1 내지 n 인터페이스(145-1 ~ 145-n)는 상술한 각종 구성요소들(110 내지 130, 150 내지 194)과 연결될 수 있다. 인터페이스들 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수도 있다.
프로세서(140)는 적어도 하나의 오브젝트를 포함하는 영상을 표시하도록 디스플레이(110)를 제어하고, 인공지능 알고리즘에 의해 학습된 인공지능 모델에 마이크(130)를 통해 수신된 음성을 입력하여 상기 영상 속에 포함된 적어도 하나의 오브젝트 중 상기 음성과 관련한 오브젝트를 식별하고 상기 식별된 오브젝트에 대한 태그 정보를 획득하며, 상기 획득된 태그 정보를 제공할 수 있다. 예컨대 도 1에 도시한 바와 프로세서(140)는 태그 정보(12)를 디스플레이(110)를 통해 제공할 수 있다.
또한, 프로세서(140)는 표시된 영상을 제1 인공지능 모델에 입력하여 영상 내 포함된 적어도 하나의 오브젝트에 대한 정보를 획득하고, 상기 적어도 하나의 오브젝트에 대한 정보 및 마이크(130)를 통해 수신된 음성에 포함된 단어를 바탕으로 상기 적어도 하나의 오브젝트 중 상기 음성에 관련된 오브젝트를 식별할 수 있다. 또한, 프로세서(140)는 마이크(130)를 통해 수신된 음성을 제2 인공지능 모델에 입력하여 상기 음성의 핵심 단어를 포함하는 태그 정보를 획득할 수 있다. 이때 제1 인공지능 모델과 제2 인공지능 모델은 메모리(120)에 저장된 것일 수 있다.
또한, 프로세서(140)는 음성의 핵심 단어를 영상과 함께 표시하도록 디스플레이(110)를 제어할 수 있다. 예컨대, 도 1에 도시한 바와 같이 영상(10) 상에 음성의 핵심 단어를 포함하는 태그 정보(12)가 표시될 수 있다.
또한, 프로세서(140)는 후속하여 입력되는 음성의 핵심 단어를 기존에 표시된 핵심 단어와 함께 표시하도록 디스플레이(110)를 제어할 수 있다. 예컨대, 도 1을 참고하면, "왼쪽은 내 아들 준서"에 후속하여 입력되는 "5살 밖에 안되었지만"의 핵심 단어인 '5살'이 기존에 표시된 핵심 단어인 '아들', '준서'와 함께 표시될 수 있다.
그리고 프로세서(140)는 태그 정보로 포함된 음성의 핵심 단어를 표시하면서 동시에 각 단어를 삭제할 수 있는 UI 요소를 표시하도록 디스플레이(110)를 제어할 수 있다. 예컨대 프로세서(140)는 도 5에 도시한 것과 같은 UI 요소(40)를 표시하도록 디스플레이(110)를 제어할 수 있다.
또한, 프로세서(140)는 수신된 음성과 관련된 제1 오브젝트를 영상에서 식별하고, 상기 영상에 포함된 제2 오브젝트에 대하여 기 생성된 태그 정보를 참조하여 상기 제1 오브젝트에 대한 태그 정보를 획득할 수 있다. 예컨대 도 9 내지 도 10을 참고해 설명한 것처럼 기 생성된 태그 정보를 참조하여 새로운 태그 정보가 생성될 수 있다.
또한, 프로세서(140)는 수신된 음성과 관련한 오브젝트가 영상에서 식별되면 식별된 오브젝트가 태깅 대상 오브젝트임을 알리는 UI 요소를 표시하도록 디스플레이(110)를 제어할 수 있다. 예컨대, 도 1에 도시한 바와 같이 태깅 대상 오브젝트(11) 주위를 둘러싸는 사각형의 UI 요소가 표시될 수 있다.
또한, 프로세서(140)는 상기 영상에서 상기 음성과 연관된 복수의 오브젝트가 식별되면, 상기 복수의 오브젝트 각각에 대한 태깅 정보를 상기 음성을 기초로 획득할 수 있다. 예컨대, 도 7에 도시한 것처럼 프로세서(140)는 영상 내에서 제1 오브젝트(준서)와 제2 오브젝트(윤서) 각각에 대한 태그 정보를 음성을 기초로 획득할 수 있다.
또한, 프로세서(140)는 획득된 태그 정보를 영상과 관련하여 메모리(120)에 저장할 수 있다.
도 24 내지 도 25는 본 개시의 다양한 실시 예에 따른, 인공지능 모델을 이용하는 네트워크 시스템의 흐름도이다.
도 24 내지 도 25에서, 인공지능 모델을 이용하는 네트워크 시스템은 제1 구성 요소(2010, 2110) 및 제2 구성 요소(2020,2120)를 포함할 수 있다.
여기서, 제1 구성 요소(2010, 2110)는 전자 장치(100)일 수 있다. 그리고 제2 구성 요소(2020,2120)는 인공지능 모델이 저장된 서버가 될 수 있다. 또는, 제1 구성 요소(2010, 2110)는 범용 프로세서이고, 제2 구성 요소(2020,2120)는 인공 지능 전용 프로세서가 될 수 있다. 또는, 제1 구성 요소(2010, 2110)는 적어도 하나의 어플리케이션이 될 수 있고, 제2 구성 요소(2020,2120)는 운영 체제(operating system, OS)가 될 수 있다. 즉, 제2 구성 요소(2020,2120)는 제1 구성 요소(2010, 2110)보다 더 집적화되거나, 전용화되거나, 딜레이(delay)가 작거나, 성능이 우세하거나 또는 많은 리소스를 가진 구성 요소로서 모델의 생성, 갱신 또는 적용 시에 요구되는 많은 연산을 제1 구성 요소(2010, 2110)보다 신속하고 효과적으로 처리 가능한 구성 요소가 될 수 있다.
제1 구성 요소(2010, 2110) 및 제2 구성 요소(2020,2120) 간에 데이터를 송/수신하기 위한 인터페이스가 정의될 수 있다.
일 예로, 모델에 적용할 학습 데이터를 인자 값(또는, 매개 값 또는 전달 값)으로 갖는 API(application program interface)가 정의될 수 있다. API는 어느 하나의 프로토콜(예로, 전자 장치(100)에서 정의된 프로토콜)에서 다른 프로토콜(예로, 전자 장치(100)의 외부 서버에서 정의된 프로토콜)의 어떤 처리를 위해 호출할 수 있는 서브 루틴 또는 함수의 집합으로 정의될 수 있다. 즉, API를 통하여 어느 하나의 프로토콜에서 다른 프로토콜의 동작이 수행될 수 있는 환경을 제공될 수 있다.
도 24를 참고하면, 제1 구성 요소(2010)는 적어도 하나의 오브젝트를 포함하는 영상을 표시할 수 있다(S2001).
적어도 하나의 오브젝트를 포함하는 영상이 표시되는 동안, 제1 구성 요소(2010)는 사용자 음성을 수신할 수 있다(S2003).
사용자 음성이 입력되면 제1 구성 요소(2010)은 상기 영상 및 상기 음성을 제2 구성 요소(2020)로 전송할 수 있다(S2105).
제2 구성 요소(2020)는 수신된 음성 및 영상을 기초로 영상에서 음성과 관련한 오브젝트를 식별할 수 있다(S2007).
제2 구성 요소(2020)는 영상을 시각적 이해를 위한 모델에 입력하여 영상 내 포함된 오브젝트에 대한 정보를 획득할 수 있다. 예컨대, 오브젝트에 대한 정보로서 오브젝트의 영상 내에서 위치, 오브젝트의 유형, 오브젝트의 색, 오브젝트의 크기, 오브젝트의 이름, 오브젝트의 성별 등에 대한 정보가 획득될 수 있다.
제2 구성 요소(2020)는 음성을 언어 이해를 위한 모델에 입력하여 음성이 나타내는 사용자 의도에 대한 정보를 획득할 수 있다. 예컨대, 사용자 의도에 대한 정보로서 음성이 행위 요구(Request)인지, 화자가 청자에게 어떤 변수의 값을 요구하는 것(WH-Question)인지, 또는 화자가 청자에게 YES/NO의 답을 요구하는 것(YN-Question)인지, 화자가 청자에게 정보를 제공(inform)하는 것인지 등을 나타내는 정보, 음성이 원하는 행위를 나타내는 정보, 음성에 포함된 핵심 단어에 대한 정보가 획득될 수 있다.
제2 구성 요소(2020)는 오브젝트에 대한 정보와 음성이 나타내는 사용자 의도에 대한 정보를 기초로 영상 내에서 음성과 관련된 오브젝트를 식별할 수 있다. 예컨대, 제2 구성 요소(2020)는 음성에 포함된 핵심 단어 중 태깅할 대상 오브젝트를 식별하기 위한 단어를 결정하고, 상기 결정된 단어에 기초하여 음성과 관련된 오브젝트를 식별할 수 있다. 예컨대, 오브젝트를 식별하기 위한 단어는 오브젝트의 외형에 대한 설명, 오브젝트의 성별에 대한 설명, 오브젝트의 색상에 대한 설명, 오브젝트의 위치에 대한 설명, 오브젝트의 카테고리에 대한 설명, 오브젝트의 이름에 대한 설명 등 중 적어도 하나와 관련된 것일 수 있다. 예컨대, "왼쪽은 내 아들 준서" 라는 음성에서 오브젝트를 식별하기 위한 단어는 "왼쪽"으로 판단될 수 있고, 이를 기초로 영상 내에서 왼쪽에 위치한 오브젝트가 음성과 관련된 오브젝트로 식별될 수 있다.
그리고 제2 구성 요소(2020)는 식별된 오브젝트에 대한 태그 정보를 생성할 수 있다(S2009). 일 실시 예에 따르면, 제2 구성 요소(2020)는 음성의 핵심 단어들 중 오브젝트를 설명하기 위한 단어를 결정하고, 상기 결정된 단어를 포함시켜 태그 정보를 생성할 수 있다. 예컨대 "왼쪽은 내 아들 준서" 라는 음성에서 오브젝트를 설명하기 위한 단어는 "아들", "준서"로 판단될 수 있고, 이를 기초로 영상 내에서 왼쪽에 위치한 오브젝트에 대한, "아들", "준서"라는 텍스트들을 포함하는 태그 정보가 생성될 수 있다.
제2 구성요소(2020)는 생성된 태그 정보를 제1 구성요소(2010)로 전송할 수 있다. 그리고 제1 구성 요소(2010)는 태그 정보를 제공할 수 있다(S2013). 예컨대, 도 1에 도시된 바와 같이 태깅 대상 오브젝트(11) 주변에 태그 정보(12)가 제공될 수 있다.
도 25는 본 개시의 또 다른 실시 예에 따른 네트워크 시스템을 설명하기 위한 도면이다.
도 25를 참고하면, 제1 구성 요소(2110)는 적어도 하나의 오브젝트를 포함하는 영상을 표시할 수 있다(S2101).
적어도 하나의 오브젝트를 포함하는 영상이 표시되는 동안, 제1 구성 요소(2110)는 사용자 음성을 수신할 수 있다(S2103).
사용자 음성이 입력되면 제1 구성 요소(2110)은 상기 영상 및 상기 음성을 제2 구성 요소(2120)로 전송할 수 있다(S2105).
제2 구성 요소(2120)는 수신된 영상에 포함된 오브젝트에 대한 정보를 획득할 수 있다(S2107).
제2 구성 요소(2120)는 영상을 시각적 이해를 위한 모델에 입력하여 영상 내 포함된 오브젝트에 대한 정보를 획득할 수 있다. 예컨대, 오브젝트에 대한 정보로서 오브젝트의 유형, 오브젝트의 색, 오브젝트의 크기, 오브젝트의 이름, 오브젝트의 성별 등에 대한 정보가 획득될 수 있다.
그리고 제2 구성 요소(2120)는 수신된 음성을 인식할 수 있다(S2109).
제2 구성 요소(2120)는 음성을 언어 이해를 위한 모델에 입력하여 음성을 인식할 수 있다. 예컨대, 제2 구성 요소(2120)는 사용자 의도에 대한 정보로서 음성이 행위 요구(Request)인지, 화자가 청자에게 어떤 변수의 값을 요구하는 것(WH-Question)인지, 또는 화자가 청자에게 YES/NO의 답을 요구하는 것(YN-Question)인지, 화자가 청자에게 정보를 제공(inform)하는 것인지를 판단할 수 있고, 음성이 원하는 행위를 판단할 수 있고, 음성에 포함된 핵심 단어를 결정할 수 있다.
그리고 제2 구성 요소(2120)는 획득한 오브젝트 정보와 음성 인식 결과를 제1 구성 요소(2110)로 전송할 수 있다(S2109).
제1 구성 요소(2110)는 수신된 오브젝트에 대한 정보와 음성 인식 결과를 기초로 영상에서 음성과 관련한 오브젝트를 식별할 수 있다(S2111).
제2 구성 요소(2120)로부터 수신한 음성 인식 결과는 음성의 핵심 단어에 대한 정보를 포함할 수 있다. 제1 구성 요소(2110)는 음성의 핵심 단어들 중 오브젝트를 식별하기 위한 단어를 결정하고, 상기 결정된 단어와 대응하는 정보를 갖는 영상 내의 오브젝트를 식별할 수 있다.
그리고 제1 구성 요소(2110)는 식별된 오브젝트에 대한 태그 정보를 생성할 수 있다(S2113).
제1 구성 요소(2110)는 음성의 핵심 단어 중 식별된 오브젝트를 설명하기 위한 단어를 결정하고, 상기 결정된 단어를 포함하는 태그 정보를 생성할 수 있다.
그리고 제1 구성 요소(2110)는 생성된 태그 정보를 제공할 수 있다(S2115). 예컨대, 태그 정보를 제1 구성 요소(2110)의 디스플레이를 통해 표시할 수 있다.
도 26은 본 개시의 일 실시 예에 따른 전자장치의 제어방법을 설명하기 위한 흐름도이다. 도 26에 도시된 흐름도는 본 명세서에서 설명되는 전자장치(100)에서 처리되는 동작들로 구성될 수 있다. 따라서, 이하에서 생략된 내용이라 하더라도 전자장치(100)에 관하여 기술된 내용은 도 26에 도시된 흐름도에도 적용될 수 있다.
도 26을 참고하면, 전자 장치(100)는 적어도 하나의 오브젝트를 포함하는 영상을 표시한다(S2210). 이 영상은 전자 장치(100)의 메모리(120)에 기 저장된 것일 수 있다. 일 예로, 영상은 카메라(192)를 통해 촬영된 것일 수 있다.
그리고 전자 장치(100)는 음성을 수신할 수 있다(S2220). 음성은 전자 장치(100)에 마련된 마이크(130)를 통해 수신될 수 있다. 전자 장치(100)는 마이크를 통해 수신된 음성에서 주변 노이즈 등을 제거할 수 있다.
그리고 전자 장치(100)는 인공지능 알고리즘에 의해 학습된 인공지능 모델에 상기 음성을 입력하여 상기 영상 속에 포함된 적어도 하나의 오브젝트 중 상기 음성과 관련한 오브젝트를 식별하고 상기 식별된 오브젝트에 대한 태그 정보를 획득할 수 있다(S2230). 상기 인공지능 모델은 전자 장치(100)에 저장된 것일 수 있다. 또는, 상기 인공지능 모델은 전자 장치(100)의 외부에 있는 서버에 저장되고, 전자 장치(100)가 음성을 외부 서버로 제공하는 것도 가능하다.
일 실시 예에 따르면, S2230 단계에서 전자 장치(100)는 상기 영상을 제1 인공지능 모델에 입력하여 상기 적어도 하나의 오브젝트에 대한 정보를 획득하고, 상기 적어도 하나의 오브젝트에 대한 정보 및 상기 음성에 포함된 단어를 바탕으로 상기 적어도 하나의 오브젝트 중 상기 음성에 관련된 오브젝트를 식별할 수 있다.
이 경우, 전자 장치(100)는 상기 음성을 제2 인공지능 모델에 입력하여 상기 음성의 핵심 단어를 포함하는 태그 정보를 획득할 수 있다. 이때, 태그 정보는 상기 영상을 상기 제1 인공지능 모델에 입력하여 획득한 상기 적어도 하나의 오브젝트에 대한 정보 중 상기 식별된 오브젝트에 대한 정보를 더 포함할 수 있다.
또 다른 실시 예에 따르면, S2230 단계에서 전자 장치(100)는 상기 음성과 관련된 제1 오브젝트를 식별하고, 상기 영상에 포함된 제2 오브젝트에 대하여 기 생성된 태그 정보를 참조하여 상기 제1 오브젝트에 대한 태그 정보를 획득할 수 있다.
또 다른 실시 예에 따르면, S2230 단계에서 전자 장치(100)는 상기 영상에서 상기 음성과 연관된 복수의 오브젝트가 식별되면, 상기 복수의 오브젝트 각각에 대한 태깅 정보를 상기 음성을 기초로 획득할 수 있다.
그리고 전자 장치(100)는 획득된 태그 정보를 제공할 수 있다(S2240).
일 실시 예에 따르면, S2240 단계에서 음성의 핵심 단어를 영상과 함께 표시할 수 있다. 이 경우, 전자 장치(100)는 후속하여 입력되는 음성의 핵심 단어를 기존에 표시된 핵심 단어와 함께 표시할 수 있다. 또한, 전자 장치(100)는 음성의 핵심 단어를 태그 정보로부터 삭제하기 위한 UI 요소를 표시할 수 있다.
그리고 전자 장치(100)는 상기 영상과 관련하여 상기 태그 정보를 저장할 수 있다. 예컨대 전자 장치(100)의 메모리(120)에 태그 정보를 저장할 수 있다. 또는, 외부의 서버에 태그 정보를 저장할 수 있다. 이 경우 다른 사용자들과 태그 정보를 공유할 수 있다.
상술한 다양한 실시 예들에 따르면 사용자가 영상을 설명하는 것만으로 영상의 태그 정보가 생성될 수 있으며, 특히, 사용자의 음성에서 태깅 대상 오브젝트를 식별해서 식별된 오브젝트에 대하여 태그 정보가 생성될 수 있으므로 태깅 기능을 사용하는 사용자의 편의가 향상될 수 있다.
이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합으로 구현될 수 있다. 하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
본 개시의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장될 수 있는 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 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, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
Claims (22)
- 전자 장치의 제어방법에 있어서,
적어도 하나의 오브젝트를 포함하는 영상을 표시하는 단계;
사용자 음성을 수신하는 단계;
영상 인식을 위한 제1 인공지능 모델에 상기 영상을 입력하여 상기 적어도 하나의 오브젝트에 대한 정보를 획득하고, 상기 획득된 정보 및 상기 사용자 음성에 포함된 단어에 기초하여 상기 적어도 하나의 오브젝트 중 타겟 오브젝트를 식별하는 단계;
상기 사용자 음성을 음성 인식을 위한 제2 인공지능 모델에 입력하여 상기 사용자 음성의 핵심 단어에 기초하여 상기 타겟 오브젝트에 대한 태그 정보를 획득하는 단계; 및
상기 획득된 태그 정보를 제공하는 단계;를 포함하는 제어방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 태그 정보는,
상기 영상을 상기 제1 인공지능 모델에 입력하여 획득한 상기 적어도 하나의 오브젝트에 대한 정보 중 상기 식별된 오브젝트에 대한 정보를 더 포함하는 제어방법. - 제1항에 있어서,
상기 제공하는 단계는,
상기 음성의 핵심 단어를 상기 영상과 함께 표시하는 제어방법. - 제5항에 있어서,
후속하여 입력되는 음성의 핵심 단어를 기존에 표시된 핵심 단어와 함께 표시하는 단계;를 더 포함하는 제어방법. - 제1항에 있어서,
상기 음성의 핵심 단어를 상기 태그 정보로부터 삭제하기 위한 UI 요소를 표시하는 단계;를 더 포함하는 제어방법. - 제1항에 있어서,
상기 획득하는 단계는,
상기 음성과 관련된 제1 오브젝트를 식별하고, 상기 영상에 포함된 제2 오브젝트에 대하여 기 생성된 태그 정보를 참조하여 상기 제1 오브젝트에 대한 태그 정보를 획득하는 제어방법. - 제1항에 있어서,
상기 음성과 관련한 오브젝트가 식별되면 상기 식별된 오브젝트가 태깅 대상 오브젝트임을 알리는 UI 요소를 표시하는 단계;를 더 포함하는 제어방법. - 제1항에 있어서,
상기 획득하는 단계는,
상기 영상에서 상기 음성과 연관된 복수의 오브젝트가 식별되면, 상기 복수의 오브젝트 각각에 대한 태깅 정보를 상기 음성을 기초로 획득하는 제어방법. - 제1항에 있어서,
상기 영상과 관련하여 상기 태그 정보를 저장하는 단계;를 더 포함하는 제어방법. - 전자장치에 있어서,
디스플레이;
마이크;
컴퓨터 실행가능 명령어(computer executable instructions)를 저장하는 메모리; 및
상기 컴퓨터 실행가능 명령어를 실행함으로써,
적어도 하나의 오브젝트를 포함하는 영상을 표시하도록 상기 디스플레이를 제어하고,
영상 인식을 위한 제1 인공지능 모델에 상기 영상을 입력하여 상기 적어도 하나의 오브젝트에 대한 정보를 획득하고,
상기 획득된 정보 및 사용자 음성에 포함된 단어에 기초하여 상기 적어도 하나의 오브젝트 중 타겟 오브젝트를 식별하고,
상기 사용자 음성을 음성 인식을 위한 제2 인공지능 모델에 입력하여 상기 사용자 음성의 핵심 단어에 기초하여 상기 타겟 오브젝트에 대한 태그 정보를 획득하며, 상기 획득된 태그 정보를 제공하는 프로세서;를 포함하는 전자장치. - 삭제
- 삭제
- 삭제
- 제12항에 있어서,
상기 프로세서는,
상기 음성의 핵심 단어를 상기 영상과 함께 표시하도록 상기 디스플레이를 제어하는 전자장치. - 제16항에 있어서,
상기 프로세서는,
후속하여 입력되는 음성의 핵심 단어를 기존에 표시된 핵심 단어와 함께 표시하도록 상기 디스플레이를 제어하는 전자장치. - 제12항에 있어서,
상기 프로세서는,
상기 음성과 관련된 제1 오브젝트를 식별하고, 상기 영상에 포함된 제2 오브젝트에 대하여 기 생성된 태그 정보를 참조하여 상기 제1 오브젝트에 대한 태그 정보를 획득하는 전자장치. - 제12항에 있어서,
상기 프로세서는,
상기 음성과 관련한 오브젝트가 식별되면 상기 식별된 오브젝트가 태깅 대상 오브젝트임을 알리는 UI 요소를 표시하도록 상기 디스플레이를 제어하는 전자장치. - 제12항에 있어서,
상기 프로세서는,
상기 영상에서 상기 음성과 연관된 복수의 오브젝트가 식별되면, 상기 복수의 오브젝트 각각에 대한 태깅 정보를 상기 음성을 기초로 획득하는 전자장치.
- 제1항에 있어서,
상기 영상에서 복수의 오브젝트가 식별되면, 상기 복수의 오브젝트에 대한 특징 정보를 획득하고,
상기 사용자 음성 및 상기 특징 정보에 기초하여 상기 복수의 오브젝트 중 하나를 식별하고, 상기 특징 정보에 기초하여 식별된 오브젝트에 대응되는 태그 정보를 생성하는 단계;를 더 포함하는 제어방법. - 제21항에 있어서,
상기 태그 정보를 생성하는 단계는,
상기 사용자 음성에 포함된 제1핵심 단어에 기초하여 상기 복수의 오브젝트 중 하나를 식별하고, 상기 사용자 음성에 포함된 제2핵심 단어에 기초하여 상기 식별된 오브젝트에 대응되는 태그 정보를 생성하는, 제어방법.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180009965A KR102595790B1 (ko) | 2018-01-26 | 2018-01-26 | 전자 장치 및 그의 제어방법 |
| EP19744176.9A EP3693958A4 (en) | 2018-01-26 | 2019-01-11 | ELECTRONIC DEVICE AND ITS CONTROL PROCESS |
| CN201980010152.0A CN111656438A (zh) | 2018-01-26 | 2019-01-11 | 电子装置及其控制方法 |
| US16/766,496 US11721333B2 (en) | 2018-01-26 | 2019-01-11 | Electronic apparatus and control method thereof |
| PCT/KR2019/000477 WO2019146942A1 (ko) | 2018-01-26 | 2019-01-11 | 전자 장치 및 그의 제어방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180009965A KR102595790B1 (ko) | 2018-01-26 | 2018-01-26 | 전자 장치 및 그의 제어방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190095620A KR20190095620A (ko) | 2019-08-16 |
| KR102595790B1 true KR102595790B1 (ko) | 2023-10-30 |
Family
ID=67396073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180009965A KR102595790B1 (ko) | 2018-01-26 | 2018-01-26 | 전자 장치 및 그의 제어방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11721333B2 (ko) |
| EP (1) | EP3693958A4 (ko) |
| KR (1) | KR102595790B1 (ko) |
| CN (1) | CN111656438A (ko) |
| WO (1) | WO2019146942A1 (ko) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3859488A4 (en) * | 2018-09-28 | 2022-06-29 | Shanghai Cambricon Information Technology Co., Ltd | Signal processing device, signal processing method and related product |
| KR102231909B1 (ko) * | 2019-09-20 | 2021-03-25 | 엘지전자 주식회사 | 인공지능 장치 |
| CN111752450A (zh) * | 2020-05-28 | 2020-10-09 | 维沃移动通信有限公司 | 显示方法、装置及电子设备 |
| KR20220019551A (ko) | 2020-08-10 | 2022-02-17 | (주)씨아이그룹 | Ａｉ 학습을 통한 음성 서비스 방법 |
| KR20220099830A (ko) * | 2021-01-07 | 2022-07-14 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
| CN113099033A (zh) * | 2021-03-29 | 2021-07-09 | 维沃移动通信有限公司 | 信息发送方法、信息发送装置和电子设备 |
| CN113220202B (zh) * | 2021-05-31 | 2023-08-11 | 中国联合网络通信集团有限公司 | 一种物联网设备的控制方法和装置 |
| CN116431855B (zh) * | 2023-06-13 | 2023-10-20 | 荣耀终端有限公司 | 图像检索方法和相关设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030152277A1 (en) * | 2002-02-13 | 2003-08-14 | Convey Corporation | Method and system for interactive ground-truthing of document images |
| US20090150147A1 (en) * | 2007-12-11 | 2009-06-11 | Jacoby Keith A | Recording audio metadata for stored images |
| US7813526B1 (en) | 2006-01-26 | 2010-10-12 | Adobe Systems Incorporated | Normalizing detected objects |
| US8793129B2 (en) | 2009-09-24 | 2014-07-29 | Casio Computer Co., Ltd. | Image display device for identifying keywords from a voice of a viewer and displaying image and keyword |
| US20170076222A1 (en) | 2015-09-14 | 2017-03-16 | International Business Machines Corporation | System and method to cognitively process and answer questions regarding content in images |
Family Cites Families (62)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8202094B2 (en) * | 1998-02-18 | 2012-06-19 | Radmila Solutions, L.L.C. | System and method for training users with audible answers to spoken questions |
| US20040174434A1 (en) * | 2002-12-18 | 2004-09-09 | Walker Jay S. | Systems and methods for suggesting meta-information to a camera user |
| US20050192808A1 (en) * | 2004-02-26 | 2005-09-01 | Sharp Laboratories Of America, Inc. | Use of speech recognition for identification and classification of images in a camera-equipped mobile handset |
| JP4158937B2 (ja) * | 2006-03-24 | 2008-10-01 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 字幕修正装置 |
| US8626731B2 (en) * | 2007-02-01 | 2014-01-07 | The Invention Science Fund I, Llc | Component information and auxiliary information related to information management |
| US8325886B1 (en) * | 2007-03-26 | 2012-12-04 | Callwave Communications, Llc | Methods and systems for managing telecommunications |
| US8447285B1 (en) * | 2007-03-26 | 2013-05-21 | Callwave Communications, Llc | Methods and systems for managing telecommunications and for translating voice messages to text messages |
| US8352261B2 (en) * | 2008-03-07 | 2013-01-08 | Canyon IP Holdings, LLC | Use of intermediate speech transcription results in editing final speech transcription results |
| JP2010282199A (ja) * | 2009-06-02 | 2010-12-16 | Honda Motor Co Ltd | 語彙獲得装置、マルチ対話行動システム及び語彙獲得プログラム |
| KR101597102B1 (ko) | 2009-09-29 | 2016-02-24 | 엘지전자 주식회사 | 휴대 단말기 및 그 제어방법 |
| US8280158B2 (en) * | 2009-10-05 | 2012-10-02 | Fuji Xerox Co., Ltd. | Systems and methods for indexing presentation videos |
| KR101134615B1 (ko) | 2010-06-22 | 2012-04-09 | 한국과학기술원 | 사용자 적응형 이미지 관리 시스템 및 사용자 적응형 이미지 관리 방법 |
| KR101196935B1 (ko) * | 2010-07-05 | 2012-11-05 | 엔에이치엔(주) | 실시간 인기 키워드에 대한 대표 문구를 제공하는 방법 및 시스템 |
| WO2012066557A1 (en) * | 2010-11-16 | 2012-05-24 | Hewlett-Packard Development Company L.P. | System and method for using information from intuitive multimodal interactions for media tagging |
| US8462231B2 (en) | 2011-03-14 | 2013-06-11 | Mark E. Nusbaum | Digital camera with real-time picture identification functionality |
| US9087058B2 (en) * | 2011-08-03 | 2015-07-21 | Google Inc. | Method and apparatus for enabling a searchable history of real-world user experiences |
| US9779114B2 (en) * | 2011-10-07 | 2017-10-03 | Henk B. Rogers | Media geotagging |
| EP2608055A1 (en) * | 2011-12-22 | 2013-06-26 | Nokia Corp. | Methods, apparatus and non-transitory computer readable storage mediums |
| WO2013124528A1 (en) * | 2012-02-20 | 2013-08-29 | Nokia Corporation | Method, apparatus and computer program product for management of media files |
| US10387960B2 (en) * | 2012-05-24 | 2019-08-20 | State Farm Mutual Automobile Insurance Company | System and method for real-time accident documentation and claim submission |
| US8768693B2 (en) * | 2012-05-31 | 2014-07-01 | Yahoo! Inc. | Automatic tag extraction from audio annotated photos |
| US20130346068A1 (en) * | 2012-06-25 | 2013-12-26 | Apple Inc. | Voice-Based Image Tagging and Searching |
| US9547647B2 (en) * | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
| US9317531B2 (en) * | 2012-10-18 | 2016-04-19 | Microsoft Technology Licensing, Llc | Autocaptioning of images |
| KR101989093B1 (ko) | 2012-11-21 | 2019-06-13 | 엘지전자 주식회사 | 이동 단말기 및 그 동작 방법 |
| KR20140075997A (ko) * | 2012-12-12 | 2014-06-20 | 엘지전자 주식회사 | 이동 단말기 및 이동 단말기의 제어 방법 |
| US9148499B2 (en) * | 2013-01-22 | 2015-09-29 | Blackberry Limited | Method and system for automatically identifying voice tags through user operation |
| KR102161230B1 (ko) * | 2013-05-28 | 2020-09-29 | 삼성전자주식회사 | 멀티미디어 콘텐츠 검색을 위한 사용자 인터페이스 방법 및 장치 |
| KR101449862B1 (ko) | 2013-07-02 | 2014-10-08 | 주식회사 엘지유플러스 | 촬영 영상을 음성 인식된 정보와 매칭시켜 저장하기 위한 촬영 장치, 그 제어방법 및, 기록 매체 |
| KR20150056160A (ko) | 2013-11-15 | 2015-05-26 | 엘지전자 주식회사 | 음성 태깅 사진 서비스를 위한 단말기 |
| US9972324B2 (en) * | 2014-01-10 | 2018-05-15 | Verizon Patent And Licensing Inc. | Personal assistant application |
| KR101592981B1 (ko) | 2014-02-03 | 2016-02-12 | 주식회사 엠앤엘솔루션 | 음성기반 이미지 파일 태깅장치 및 그를 이용한 클라우드 서비스 기반 이미지 파일 검색방법 |
| US9311525B2 (en) * | 2014-03-19 | 2016-04-12 | Qualcomm Incorporated | Method and apparatus for establishing connection between electronic devices |
| US9756091B1 (en) * | 2014-03-21 | 2017-09-05 | Google Inc. | Providing selectable content items in communications |
| US9484022B2 (en) * | 2014-05-23 | 2016-11-01 | Google Inc. | Training multiple neural networks with different accuracy |
| US10169642B2 (en) * | 2014-08-06 | 2019-01-01 | Facebook, Inc. | Systems and methods for face alert |
| CA2958888C (en) * | 2014-08-28 | 2023-02-28 | Retailmenot, Inc. | Reducing the search space for recognition of objects in an image based on wireless signals |
| KR102279674B1 (ko) * | 2014-09-02 | 2021-07-20 | 삼성전자주식회사 | 전자 장치의 멀티미디어 데이터 처리 방법 및 그 전자 장치 |
| US10725533B2 (en) * | 2014-09-26 | 2020-07-28 | Intel Corporation | Systems, apparatuses, and methods for gesture recognition and interaction |
| KR102252072B1 (ko) * | 2014-10-14 | 2021-05-14 | 삼성전자주식회사 | 음성 태그를 이용한 이미지 관리 방법 및 그 장치 |
| US10409547B2 (en) * | 2014-10-15 | 2019-09-10 | Lg Electronics Inc. | Apparatus for recording audio information and method for controlling same |
| JP6415929B2 (ja) * | 2014-10-30 | 2018-10-31 | 株式会社東芝 | 音声合成装置、音声合成方法およびプログラム |
| EP3040996A1 (en) * | 2014-12-22 | 2016-07-06 | Orange | User interface for syncronizing audio with video data |
| US10289919B2 (en) * | 2015-01-27 | 2019-05-14 | Hyundai Motor Company | Vehicle and method of controlling the same |
| CN106033418B (zh) * | 2015-03-10 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 语音添加、播放方法及装置、图片分类、检索方法及装置 |
| KR20160116752A (ko) | 2015-03-31 | 2016-10-10 | 엘지전자 주식회사 | 이동단말기 및 그 제어방법 |
| US10331752B2 (en) * | 2015-07-21 | 2019-06-25 | Oath Inc. | Methods and systems for determining query date ranges |
| US9769367B2 (en) * | 2015-08-07 | 2017-09-19 | Google Inc. | Speech and computer vision-based control |
| WO2017112813A1 (en) * | 2015-12-22 | 2017-06-29 | Sri International | Multi-lingual virtual personal assistant |
| US20170287524A1 (en) * | 2016-03-31 | 2017-10-05 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for processing dynamic image |
| US10943291B2 (en) * | 2016-04-01 | 2021-03-09 | Incontext Solutions, Inc. | Virtual reality platform for retail environment simulation |
| WO2018013366A1 (en) * | 2016-07-12 | 2018-01-18 | Proteq Technologies Llc | Intelligent software agent |
| KR20180018017A (ko) * | 2016-08-12 | 2018-02-21 | 엘지전자 주식회사 | 이동 단말기 및 그의 동작 방법 |
| US11748978B2 (en) * | 2016-10-16 | 2023-09-05 | Ebay Inc. | Intelligent online personal assistant with offline visual search database |
| CN115357748A (zh) | 2017-01-17 | 2022-11-18 | 腾讯科技（上海）有限公司 | 头戴式装置 |
| CN110036356B (zh) * | 2017-02-22 | 2020-06-26 | 腾讯科技（深圳）有限公司 | Vr系统中的图像处理 |
| US10277714B2 (en) * | 2017-05-10 | 2019-04-30 | Facebook, Inc. | Predicting household demographics based on image data |
| US20190027147A1 (en) * | 2017-07-18 | 2019-01-24 | Microsoft Technology Licensing, Llc | Automatic integration of image capture and recognition in a voice-based query to understand intent |
| US10431237B2 (en) * | 2017-09-13 | 2019-10-01 | Motorola Solutions, Inc. | Device and method for adjusting speech intelligibility at an audio device |
| US10403266B2 (en) * | 2017-10-18 | 2019-09-03 | Intel Corporation | Detecting keywords in audio using a spiking neural network |
| CN107748879A (zh) * | 2017-11-16 | 2018-03-02 | 百度在线网络技术（北京）有限公司 | 用于获取人脸信息的方法及装置 |
| US10896457B2 (en) * | 2017-12-12 | 2021-01-19 | Amazon Technologies, Inc. | Synchronized audiovisual responses to user requests |
-
2018
- 2018-01-26 KR KR1020180009965A patent/KR102595790B1/ko active IP Right Grant
-
2019
- 2019-01-11 US US16/766,496 patent/US11721333B2/en active Active
- 2019-01-11 CN CN201980010152.0A patent/CN111656438A/zh active Pending
- 2019-01-11 WO PCT/KR2019/000477 patent/WO2019146942A1/ko unknown
- 2019-01-11 EP EP19744176.9A patent/EP3693958A4/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030152277A1 (en) * | 2002-02-13 | 2003-08-14 | Convey Corporation | Method and system for interactive ground-truthing of document images |
| US7813526B1 (en) | 2006-01-26 | 2010-10-12 | Adobe Systems Incorporated | Normalizing detected objects |
| US20090150147A1 (en) * | 2007-12-11 | 2009-06-11 | Jacoby Keith A | Recording audio metadata for stored images |
| US8793129B2 (en) | 2009-09-24 | 2014-07-29 | Casio Computer Co., Ltd. | Image display device for identifying keywords from a voice of a viewer and displaying image and keyword |
| US20170076222A1 (en) | 2015-09-14 | 2017-03-16 | International Business Machines Corporation | System and method to cognitively process and answer questions regarding content in images |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200380976A1 (en) | 2020-12-03 |
| CN111656438A (zh) | 2020-09-11 |
| WO2019146942A1 (ko) | 2019-08-01 |
| US11721333B2 (en) | 2023-08-08 |
| EP3693958A4 (en) | 2020-12-02 |
| EP3693958A1 (en) | 2020-08-12 |
| KR20190095620A (ko) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102595790B1 (ko) | 전자 장치 및 그의 제어방법 | |
| US11671386B2 (en) | Electronic device and method for changing chatbot | |
| KR102643027B1 (ko) | 전자 장치, 그의 제어 방법 | |
| US11954150B2 (en) | Electronic device and method for controlling the electronic device thereof | |
| US10970900B2 (en) | Electronic apparatus and controlling method thereof | |
| KR102616850B1 (ko) | 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 | |
| US11709655B2 (en) | Electronic device and control method thereof | |
| CN111418198A (zh) | 提供文本相关图像的电子装置及其操作方法 | |
| US20210263963A1 (en) | Electronic device and control method therefor | |
| KR20200040097A (ko) | 전자 장치 및 그 제어 방법 | |
| US20230290343A1 (en) | Electronic device and control method therefor | |
| KR20180049787A (ko) | 전자 장치, 그의 제어 방법 | |
| CN111902812A (zh) | 电子装置及其控制方法 | |
| KR20200080389A (ko) | 전자 장치 및 그 제어 방법 | |
| US11817097B2 (en) | Electronic apparatus and assistant service providing method thereof | |
| KR102438132B1 (ko) | 전자 장치 및 그의 제어 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |