KR20220159466A - 생체인식 데이터를 사용하는 심도 추정 - Google Patents

생체인식 데이터를 사용하는 심도 추정 Download PDF

Info

Publication number
KR20220159466A
KR20220159466A KR1020227037923A KR20227037923A KR20220159466A KR 20220159466 A KR20220159466 A KR 20220159466A KR 1020227037923 A KR1020227037923 A KR 1020227037923A KR 20227037923 A KR20227037923 A KR 20227037923A KR 20220159466 A KR20220159466 A KR 20220159466A
Authority
KR
South Korea
Prior art keywords
user
data
biometric data
client device
session
Prior art date
Application number
KR1020227037923A
Other languages
English (en)
Inventor
피어스 조지 카우번
데이비드 리
이삭 안드레아스 뮐러 산드빅
치 판
Original Assignee
스냅 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 스냅 인코포레이티드 filed Critical 스냅 인코포레이티드
Publication of KR20220159466A publication Critical patent/KR20220159466A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
    • 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
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/01—Head-up displays
    • G02B27/017—Head mounted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/01—Head-up displays
    • G02B27/0101—Head-up displays characterised by optical features
    • G02B2027/0138—Head-up displays characterised by optical features comprising image capture systems, e.g. camera
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/01—Head-up displays
    • G02B27/0101—Head-up displays characterised by optical features
    • G02B2027/014—Head-up displays characterised by optical features comprising information/image processing systems
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/0093—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 with means for monitoring data relating to the user, e.g. head-tracking, eye-tracking
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
    • G02B7/28—Systems for automatic generation of focusing signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/024—Multi-user, collaborative environment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Information Transfer Between Computers (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

생체인식 데이터에 기초하여 심도 추정치를 생성하는 방법은 서버가 제1 사용자와 연관된 제1 디바이스로부터 위치결정 데이터를 수신하는 것으로 시작한다. 제1 디바이스는 제2 디바이스와 연관된 제2 사용자의 이미지들을 포함하는 데이터 스트림의 분석에 기초하여 위치결정 데이터를 생성한다. 다음으로, 서버는 제2 디바이스로부터 제2 사용자의 생체인식 데이터를 수신한다. 생체인식 데이터는 제2 디바이스에 포함되는 센서 또는 카메라로부터의 출력에 기초한다. 다음으로, 서버는 위치결정 데이터 및 제2 사용자의 생체인식 데이터를 사용하여 제1 디바이스로부터의 제2 사용자의 거리를 결정한다. 다른 실시예들이 본 명세서에 설명된다.

Description

생체인식 데이터를 사용하는 심도 추정
<우선권 주장>
본 출원은 2020년 3월 30일에 출원된 미국 임시 출원 제63/002,128에 대한 우선권의 혜택을 주장하고, 2020년 8월 3일에 출원된 미국 특허 출원 제16/983,751에 대한 우선권의 혜택을 주장하며, 이들은 그 전체가 본 명세서에 참조로 원용된다.
<배경 기술>
AR(Augmented-Reality)은 가상 환경의 수정이다. 예를 들어, VR(Virtual Reality)에서, 사용자는 가상 세계에 완전히 몰입되는 반면, AR에서, 사용자는 가상 객체들이 현실-세계에 조합되는 또는 중첩되는 세계에 몰입된다. AR 시스템은 현실-세계 환경과 그리고 서로 현실적으로 상호작용하는 가상 객체들을 생성하고 제시하는 것을 목표로 한다. AR 애플리케이션들의 예들은 단일의 또는 다수의 플레이어 비디오 게임들, 인스턴트 메시징 시스템들 등을 포함할 수 있다.
반드시 스케일로 그려진 것은 아닌 도면들에서, 비슷한 숫자들은 상이한 도면들에서의 유사한 컴포넌트들을 설명할 수 있다. 상이한 문자 접미사들을 갖는 비슷한 숫자들은 유사한 컴포넌트들의 상이한 인스턴스들을 표현할 수 있다. 임의의 특정 엘리먼트 또는 액트의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 해당 엘리먼트가 처음 도입되는 도면 번호를 지칭한다. 일부 실시예들은 첨부 도면들의 도면들에서 제한이 아니라 예로서 예시된다.
도 1은, 일부 예시적인 실시예들에 따른, 본 개시내용이 배치될 수 있는 네트워킹된 환경의 도식적 표현이다.
도 2는, 일부 예시적인 실시예들에 따른, 메시징 클라이언트 애플리케이션의 도식적 표현이다.
도 3은, 일부 예시적인 실시예들에 따른, 데이터베이스에 유지되는 바와 같은 데이터 구조의 도식적 표현이다.
도 4는, 일부 예시적인 실시예들에 따른, 메시지의 도식적 표현이다.
도 5는, 하나의 실시예에 따른, 생체인식 데이터에 기초하여 심도 추정을 생성하는 프로세스(500)에 대한 흐름도이다.
도 6은, 하나의 실시예에 따른, 생체인식 데이터에 기초하여 심도 추정을 생성하는 프로세스(600)를 예시한다.
도 7은 하나의 실시예에 따라 제1 사용자(사용자 B)가 제1 클라이언트 디바이스(102)를 사용하여 제2 사용자(사용자 A)의 이미지들 또는 비디오를 캡처하는 예(700)를 예시한다.
도 8은 하나의 실시예에 따라 제1 클라이언트 디바이스(102)에 포함되는 카메라를 사용하여 캡처되는 이미지의 예(800)를 예시한다.
도 9는, 일부 예시적인 실시예들에 따른, 머신으로 하여금 본 명세서에 논의되는 방법론들 중 어느 하나 이상을 수행하게 하기 위해 명령어들의 세트가 실행될 수 있는 컴퓨터 시스템의 형태의 머신의 도식적 표현이다.
도 10은, 예시적인 실시예에 따른, 본 개시내용이 구현될 수 있는 소프트웨어 아키텍처를 도시하는 블록도이다.
이하의 설명은 본 개시내용의 예시적인 실시예들을 구현하는 시스템들, 방법들, 기술들, 명령어 시퀀스들, 및 컴퓨팅 머신 프로그램 제품들을 포함한다. 이하의 설명에서, 설명의 목적들을 위해, 많은 구체적인 상세사항들이 본 발명의 주제의 다양한 실시예들의 이해를 제공하기 위해 제기된다. 그러나, 해당 분야에서의 숙련자들에게는 본 발명의 주제의 실시예들 이러한 구체적인 상세사항들 없이 실시될 수 있다는 점이 명백할 것이다. 일반적으로, 잘 알려진 명령어 인스턴스들, 프로토콜들, 구조들, 및 기술들이 반드시 상세하게 도시되는 것은 아니다.
특히, 본 개시내용의 실시예들은 사용자의 심도 추정을 생성하기 위해 사용자에 대한 생체인식 데이터를 사용하는 것에 의해 AR(Augmented Reality) 생성 소프트웨어 및 시스템의 기능성을 개선한다. AR 장면을 생성하는 하나의 제1 과제는 추적 중인 사용자가 사용자를 추적하고 있는 클라이언트 디바이스로부터 얼마나 멀리 떨어져 있는지를 식별하는 것이다.
더 구체적으로, 제1 사용자는 제2 사용자를 포함하는 제1 클라이언트 디바이스 상에 디스플레이되는 AR 장면을 보고 있을 수 있다. 제2 사용자를 포함하는 제1 디바이스 상에서 AR 장면을 생성하기 위해, AR 시스템은 AR 장면에서 제2 사용자(예를 들어, 현실-세계 엘리먼트)와 현실적으로 상호작용하는 가상 객체들을 생성하고 제시하기 위해 제1 클라이언트 디바이스까지의 제2 사용자의 거리를 결정할 필요가 있다.
하나의 실시예에서, 제1 클라이언트 디바이스가 제2 사용자의 신체 또는 의류를 증강시키는 증강 현실 경험들을 허용하는 골격 추적을 수행하는 동안, 예를 들어, 제2 클라이언트 디바이스는 심도 추정을 생성하기 위해 사용되는 제2 사용자의 알려진 생체인식 데이터(예를 들어, 제1 클라이언트 디바이스까지의 제2 사용자의 거리)를 송신한다.
하나의 실시예에서, 메시징 서버 시스템은 제1 클라이언트 디바이스로부터 위치결정 데이터를 수신하고 제2 클라이언트 디바이스로부터 생체인식 데이터를 수신한다. 메시징 서버 시스템은 위치결정 데이터 및/또는 생체인식 데이터에 기초하여 제1 클라이언트 디바이스로부터의 사용자의 거리를 결정한다. 다른 실시예에서, 제2 클라이언트 디바이스는 생체인식 데이터를 제1 클라이언트 디바이스에 송신하고, 제1 클라이언트 디바이스는 위치결정 데이터 및/또는 생체인식 데이터에 기초하여 제1 클라이언트 디바이스로부터의 사용자의 거리를 결정한다.
도 1은 네트워크를 통해 데이터(예를 들어, 메시지들 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템(100)을 도시하는 블록도이다. 메시징 시스템(100)은 클라이언트 디바이스(102)의 다수의 인스턴스들을 포함하고, 이들 각각은 메시징 클라이언트 애플리케이션(104) 및 AR 세션 클라이언트 제어기(124)를 포함하는 다수의 애플리케이션들을 호스팅한다. 각각의 메시징 클라이언트 애플리케이션(104)은 메시징 클라이언트 애플리케이션(104)의 다른 인스턴스들에 그리고 네트워크(106)(예를 들어, Internet)를 통해 메시징 서버 시스템(108)에 통신가능하게 연결된다. 각각의 AR 세션 클라이언트 제어기(124)는 AR 세션 클라이언트 제어기(124)의 다른 인스턴스들에 그리고 네트워크(106)를 통해 메시징 서버 시스템(108)에서의 AR 세션 서버 제어기(126)에 통신가능하게 연결된다.
메시징 클라이언트 애플리케이션(104)은 다른 메시징 클라이언트 애플리케이션(104)과 그리고 네트워크(106)를 통해 메시징 서버 시스템(108)과 통신하고 데이터를 교환할 수 있다. 메시징 클라이언트 애플리케이션(104) 사이에서, 그리고 메시징 클라이언트 애플리케이션(104)과 메시징 서버 시스템(108) 사이에서 교환되는 데이터는, 기능들(예를 들어, 기능들을 불러오는 커맨드) 뿐만 아니라, 페이로드 데이터(예를 들어, 텍스트, 오디오, 비디오 또는 다른 멀티미디어 데이터)를 포함한다.
메시징 서버 시스템(108)은 네트워크(106)를 통해 특정 메시징 클라이언트 애플리케이션(104)에 서버-측 기능성을 제공한다. 메시징 시스템(100)의 특정 기능들이 메시징 클라이언트 애플리케이션(104)에 의해 또는 메시징 서버 시스템(108)에 의해 수행되는 것으로서 본 명세서에 설명되지만, 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 시스템(108) 내의 특정 기능성의 위치는 설계 선택사항이다. 예를 들어, 메시징 서버 시스템(108) 내에 특정 기술 및 기능성을 처음에 배치하지만, 클라이언트 디바이스(102)가 충분한 처리 용량을 갖는 메시징 클라이언트 애플리케이션(104)으로 이러한 기술 및 기능성을 나중에 이동시키는 것이 기술적으로 바람직할 수 있다.
메시징 서버 시스템(108)은 메시징 클라이언트 애플리케이션(104)에 제공되는 다양한 서비스들 및 동작들을 지원한다. 그러한 동작들은 메시징 클라이언트 애플리케이션(104)에 데이터를 송신하고, 그로부터 데이터를 수신하고, 그에 의해 생성되는 데이터를 처리하는 것을 포함한다. 이러한 데이터는, 예들로서, 메시지 콘텐츠, 클라이언트 디바이스 정보, 지오로케이션 정보, 미디어 주석 및 오버레이들, 메시지 콘텐츠 지속 조건들, 소셜 네트워크 정보, 및 라이브 이벤트 정보를 포함할 수 있다. 메시징 시스템(100) 내의 데이터 교환들은 메시징 클라이언트 애플리케이션(104)의 UI들(user interfaces)을 통해 이용가능한 기능들을 통해 불리우고 제어된다.
AR 세션 클라이언트 제어기(124)는 다른 AR 세션 클라이언트 제어기(124)와 그리고 네트워크(106)를 통해 AR 세션 서버 제어기(126)와 통신하고 데이터를 교환할 수 있다. 복수의 AR 세션 클라이언트 제어기들(124) 사이에서, 그리고 AR 세션 클라이언트 제어기(124)와 AR 세션 서버 제어기(126) 사이에서 교환되는 데이터는 위치결정 데이터, 생체인식 데이터, 심도 추정(예를 들어, 사용자를 추적하는 클라이언트 디바이스로부터의 사용자의 거리), 공유 AR 세션을 생성하라는 요청, 데이터 스트림(이미지들 또는 비디오)에서의 사용자의 식별, 공유 AR 세션을 식별하는 세션 식별자, 제1 디바이스와 제2 디바이스(예를 들어, 복수의 클라이언트 디바이스들(102)은 제1 및 제2 디바이스를 포함함) 사이의 변환, 공통 좌표 프레임, 기능들(예를 들어, 기능들을 불러내기 위한 커맨드들) 뿐만 아니라 다른 페이로드 데이터(예를 들어, 텍스트, 오디오, 비디오 또는 다른 멀티미디어 데이터)를 포함할 수 있다.
이제 구체적으로 메시징 서버 시스템(108)을 살펴보면, API(Application Program Interface) 서버(110)가 애플리케이션 서버(112)에 연결되어, 프로그램 방식의 인터페이스를 이에 제공한다. 애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신가능하게 연결되고, 이는 애플리케이션 서버(112)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.
API(Application Program Interface) 서버(110)는 클라이언트 디바이스(102)와 애플리케이션 서버(112) 사이에서 메시지 데이터(예를 들어, 커맨드들 및 메시지 페이로드들)를 수신하고 송신한다. 구체적으로, API(Application Program Interface) 서버(110)는 애플리케이션 서버(112)의 기능성을 불러오기 위해 메시징 클라이언트 애플리케이션(104)에 의해 호출되거나 또는 질의될 수 있는 인터페이스들(예를 들어, 루틴들 및 프로토콜들)의 세트를 제공한다. API(Application Program Interface) 서버(110)는, 계정 등록, 로그인 기능성, 특정 메시징 클라이언트 애플리케이션(104)으로부터 다른 메시징 클라이언트 애플리케이션(104)으로의, 애플리케이션 서버(112)를, 통한 메시지들의 전송, 메시징 클라이언트 애플리케이션(104)으로부터 메시징 서버 애플리케이션(114)으로의 미디어 파일들(예를 들어, 이미지 또는 비디오)의 전송, 및 다른 메시징 클라이언트 애플리케이션(104)에 의한 가능한 액세스를 위해, 미디어 데이터의 컬렉션(예를 들어, 스토리)의 설정, 클라이언트 디바이스(102)의 사용자의 친구들의 목록의 검색, 그러한 컬렉션들의 검색, 메시지 및 콘텐츠의 검색, 소셜 그래프로의 친구의 추가 및 삭제, 소셜 그래프 내의 친구들의 위치, 및 (예를 들어, 메시징 클라이언트 애플리케이션(104)에 관련된) 애플리케이션 이벤트를 오픈하는 것을 포함하는, 애플리케이션 서버(112)에 의해 지원되는 다양한 기능들을 노출시킨다.
애플리케이션 서버(112)는, 메시징 서버 애플리케이션(114), 이미지 처리 시스템(116), 및 소셜 네트워크 시스템(122)을 포함하는, 다수의 애플리케이션들 및 서브시스템들을 호스팅한다. 메시징 서버 애플리케이션(114)은, 메시징 클라이언트 애플리케이션(104)의 다수의 인스턴스들로부터 수신되는 메시지들에 포함되는 콘텐츠(예를 들어, 텍스트 및 멀티미디어 콘텐츠)의 집성 및 다른 처리에 특히 관련되는, 다수의 메시지 처리 기술들 및 기능성들을 구현한다. 추가로 상세히 설명되는 바와 같이, 다수의 소스들로부터의 텍스트 및 미디어 콘텐츠는, 콘텐츠의 컬렉션들(예를 들어, 스토리들 또는 갤러리들이라고 불림)로 집성될 수 있다. 다음으로, 이러한 컬렉션들은, 메시징 서버 애플리케이션(114)에 의해, 메시징 클라이언트 애플리케이션(104)에 이용가능하게 된다. 다른 프로세서 및 메모리 집약적인 데이터의 처리는, 그러한 처리를 위한 하드웨어 요건들을 고려하여, 메시징 서버 애플리케이션(114)에 의해 서버-측에서 또한 수행될 수 있다.
애플리케이션 서버(112)는, 전형적으로 메시징 서버 애플리케이션(114)에서 메시지의 페이로드 내에서 수신되는 이미지들 또는 비디오에 관하여, 다양한 이미지 처리 동작들을 수행하는 데 전용되는 이미지 처리 시스템(116)을 또한 포함한다.
소셜 네트워크 시스템(122)은 다양한 소셜 네트워킹 기능 서비스들을 지원하고 이러한 기능들 및 서비스들을 메시징 서버 애플리케이션(114)에 이용가능하게 한다. 이를 위해, 소셜 네트워크 시스템(122)은 데이터베이스(120) 내에 엔티티 그래프(304)(도 3에 도시되는 바와 같음)를 유지하고 액세스한다. 소셜 네트워크 시스템(122)에 의해 지원되는 기능들 및 서비스들의 예들은, 특정 사용자가 관계들을 갖거나 또는 "팔로우하는(following)" 메시징 시스템(100)의 다른 사용자들의 식별, 및 또한 다른 엔티티들의 식별 및 특정 사용자의 관심사항들을 포함한다.
애플리케이션 서버(112)는 개별 또는 공유 AR 세션들을 수립하기 위해 클라이언트 디바이스(102)에서의 AR 세션 클라이언트 제어기(124)와 통신할 수 있는 AR 세션 서버 제어기(126)를 또한 포함한다. AR 세션 서버 제어기(126)는 공유 AR 세션에서 클라이언트 디바이스들에 대한 전자 그룹 통신 세션(예를 들어, 그룹 채팅, 인스턴트 메시징)을 수립하기 위해 메시징 서버 애플리케이션(114)에 또한 연결될 수 있다. 전자 그룹 통신 세션은 전자 그룹 통신 세션에 대한 그리고 공유 AR 세션에 대한 액세스를 얻기 위해 클라이언트 디바이스들(102)에 의해 제공되는 세션 식별자와 연관될 수 있다. 하나의 실시예에서, 클라이언트 디바이스들은 전자 그룹 통신 세션에 대한 액세스를 먼저 얻고, 다음으로 클라이언트 디바이스들이 공유 AR 세션에 액세스하는 것을 허용하는 전자 그룹 통신 세션에서의 세션 식별자를 획득한다. 일부 실시예들에서, 클라이언트 디바이스들(102)은 애플리케이션 서버(112)에서의 AR 세션 서버 제어기(126)와의 통신 또는 보조 없이 공유 AR 세션에 액세스할 수 있다.
애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신가능하게 연결되고, 이는 메시징 서버 애플리케이션(114)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.
도 2는, 예시적인 실시예들에 따른, 메시징 시스템(100)에 관한 추가의 상세사항들을 예시하는 블록도이다. 구체적으로, 메시징 시스템(100)은 메시징 클라이언트 애플리케이션(104) 및 애플리케이션 서버(112)를 포함하는 것으로 도시되며, 이는 결국 다수의 일부 서브시스템들, 즉 단기적 타이머 시스템(202), 컬렉션 관리 시스템(204) 및 주석 시스템(206)을 구현한다.
단기적 타이머 시스템(202)은 메시징 클라이언트 애플리케이션(104) 및 메시징 서버 애플리케이션(114)에 의해 허락되는 콘텐츠에 대한 일시적인 액세스를 시행하는 것을 담당한다. 이를 위해, 단기적 타이머 시스템(202)은, 메시지, 또는 메시지들의 컬렉션(예를 들어, 스토리)과 연관된 지속기간 및 디스플레이 파라미터들에 기초하여, 메시징 클라이언트 애플리케이션(104)을 통해 메시지들 및 연관된 콘텐츠를 선택적으로 디스플레이하고 그에 대한 액세스를 가능하게 하는 다수의 타이머들을 포함한다. 단기적 타이머 시스템(202)의 동작에 관한 추가 상세사항들이 아래에 제공된다.
컬렉션 관리 시스템(204)은 미디어의 컬렉션들(예를 들어, 텍스트, 이미지 비디오 및 오디오 데이터의 컬렉션들)을 관리하는 것을 담당한다. 일부 예들에서, 콘텐츠의 컬렉션(예를 들어, 이미지들, 비디오, 텍스트 및 오디오를 포함하는 메시지들)은 "이벤트 갤러리(event gallery)" 또는 "이벤트 스토리(event story)"로 조직될 수 있다. 그러한 컬렉션은, 콘텐츠가 관련되는 이벤트의 지속기간과 같은, 명시된 기간 동안 이용가능하게 될 수 있다. 예를 들어, 음악 콘서트에 관련된 콘텐츠는 해당 음악 콘서트의 지속기간 동안 "스토리(story)"로서 이용가능하게 될 수 있다. 컬렉션 관리 시스템(204)은 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스에 특정 컬렉션의 존재의 통지를 제공하는 아이콘을 공개하는 것을 또한 담당할 수 있다.
컬렉션 관리 시스템(204)은 컬렉션 관리자가 콘텐츠의 특정 컬렉션을 관리 및 큐레이팅하는 것을 허용하는 큐레이션 인터페이스(208)를 더욱 포함한다. 예를 들어, 큐레이션 인터페이스(208)는 이벤트 조직자가 구체적인 이벤트에 관련된 콘텐츠의 컬렉션을 큐레이팅(예를 들어, 부적절한 콘텐츠 또는 중복 메시지들을 삭제)하는 것을 가능하게 한다. 추가적으로, 컬렉션 관리 시스템(204)은 머신 비전(또는 이미지 인식 기술) 및 콘텐츠 규칙들을 이용하여 콘텐츠 컬렉션을 자동으로 큐레이팅한다. 특정 실시예들에서, 사용자-생성 콘텐츠를 컬렉션에 포함시키는 것에 대한 보상이 사용자에게 지불될 수 있다. 그러한 경우들에서, 큐레이션 인터페이스(208)는 그러한 사용자들에게 그들의 콘텐츠를 사용하는 것에 대해 자동으로 지불하도록 동작한다.
주석 시스템(206)은 사용자가 메시지와 연관된 미디어 콘텐츠를 주석하거나 또는 다른 방식으로 수정하거나 또는 편집하는 것을 가능하게 하는 다양한 기능들을 제공한다. 예를 들어, 주석 시스템(206)은 메시징 시스템(100)에 의해 처리되는 메시지들에 대한 미디어 오버레이들의 생성 및 공개에 관련되는 기능들을 제공한다. 주석 시스템(206)은 클라이언트 디바이스(102)의 지오로케이션에 기초하여 미디어 오버레이 또는 보완(예를 들어, 이미지 필터)을 메시징 클라이언트 애플리케이션(104)에 동작적으로 공급한다. 다른 예에서, 주석 시스템(206)은, 클라이언트 디바이스(102)의 사용자의 소셜 네트워크 정보와 같은, 다른 정보에 기초하여 메시징 클라이언트 애플리케이션(104)에 미디어 오버레이를 동작적으로 공급한다. 미디어 오버레이는 청각적 및 시각적 콘텐츠 및 시각적 효과들을 포함할 수 있다. 청각적 및 시각적 콘텐츠의 예들은 사진들, 텍스트들, 로고들, 애니메이션들, 및 사운드 효과들을 포함한다. 시각적 효과의 예는 컬러 오버레잉을 포함한다. 청각적 및 시각적 콘텐츠 또는 시각적 효과들은 클라이언트 디바이스(102)에 있는 미디어 콘텐츠 아이템(예를 들어, 사진)에 적용될 수 있다. 예를 들어, 미디어 오버레이는 클라이언트 디바이스(102)에 의해 촬영되는 사진 위에 오버레이될 수 있는 텍스트를 포함할 수 있다. 다른 예에서, 미디어 오버레이는, 위치의 식별 오버레이(예를 들어, Venice beach), 라이브 이벤트의 명칭, 또는 상인의 명칭 오버레이(예를 들어, Beach Coffee House)를 포함한다. 다른 예에서, 주석 시스템(206)은, 클라이언트 디바이스(102)의 지오로케이션을 사용하여, 클라이언트 디바이스(102)의 지오로케이션에 있는 상인의 명칭을 포함하는 미디어 오버레이를 식별한다. 미디어 오버레이는 상인과 연관된 다른 표시를 포함할 수 있다. 미디어 오버레이들은 데이터베이스(120)에 저장되고 데이터베이스 서버(118)를 통해 액세스될 수 있다.
하나의 예시적인 실시예에서, 주석 시스템(206)은 사용자들이 지도 상의 지오로케이션을 선택하고, 선택된 지오로케이션과 연관된 콘텐츠를 업로드하는 것을 가능하게 하는 사용자-기반 공개 플랫폼을 제공한다. 사용자는 특정 미디어 오버레이가 다른 사용자들에게 제공되어야 하는 상황들을 또한 명시할 수 있다. 주석 시스템(206)은, 업로드된 콘텐츠를 포함하는 그리고 업로드된 콘텐츠를 선택된 지오로케이션과 연관시키는 미디어 오버레이를 생성한다.
다른 예시적인 실시예에서, 주석 시스템(206)은 상인들이 입찰 프로세스를 통해 지오로케이션과 연관된 특정 미디어 오버레이를 선택하는 것을 가능하게 하는 상인-기반 공개 플랫폼을 제공한다. 예를 들어, 주석 시스템(206)은 최고 입찰 상인의 미디어 오버레이를 미리 정의된 양의 시간 동안 대응하는 지오로케이션과 연관시킨다.
도 3은, 특정 예시적인 실시예들에 따른, 메시징 서버 시스템(108)의 데이터베이스(120)에 저장될 수 있는 데이터 구조들(300)을 예시하는 개략도이다. 데이터베이스(120)의 콘텐츠가 다수의 테이블들을 포함하는 것으로 도시되지만, 데이터는 다른 타입들의 데이터 구조들에 (예를 들어, 객체-지향 데이터베이스로서) 저장될 수 있다는 점이 인식될 것이다.
데이터베이스(120)는 메시지 테이블(314) 내에 저장되는 메시지 데이터를 포함한다. 엔티티 테이블(302)은 엔티티 그래프(304)를 포함하는 엔티티 데이터를 저장한다. 엔티티 테이블(302) 내에 레코드들이 유지되는 엔티티들은, 개인들, 법인들 엔티티들, 조직들, 객체들, 장소들, 이벤트들 등을 포함할 수 있다. 타입에 관계없이, 그에 관해 메시징 서버 시스템(108)이 데이터를 저장하는 임의의 엔티티는 인식된 엔티티일 수 있다. 각각의 엔티티에는 고유 식별자 뿐만 아니라 엔티티 타입 식별자(도시되지 않음)가 제공된다.
엔티티 그래프(304)는 엔티티들 사이의 관계들 및 연관들에 관한 정보를 더욱 저장한다. 그러한 관계들은, 단지 예를 들어, 소셜, 전문적(예를 들어, 공통 법인 또는 조직에서의 작업) 관심-기반 또는 활동-기반일 수 있다.
데이터베이스(120)는 주석 데이터를, 필터들의 예시적인 형태로, 주석 테이블(312)에 또한 저장한다. 주석 테이블(312) 내에 데이터가 저장되는 필터들은, (비디오 테이블(310)에 데이터가 저장되는) 비디오들 및/또는 (이미지 테이블(308)에 데이터가 저장되는) 이미지들과 연관되고 이들에 적용된다. 하나의 예에서, 필터들은 수신자 사용자에 대한 제시 동안 이미지 또는 비디오 상에 오버레이되는 것으로서 디스플레이되는 오버레이들이다. 필터들은, 전송 사용자가 메시지를 작성하고 있을 때 메시징 클라이언트 애플리케이션(104)에 의해 전송 사용자에게 제시되는 필터들의 갤러리로부터의 사용자-선택 필터들을 포함하는, 다양한 타입들일 수 있다. 다른 타입들의 필터들은 지리적 위치에 기초하여 전송 사용자에게 제시될 수 있는 지오로케이션 필터들(지오-필터들이라고 또한 알려짐)을 포함한다. 예를 들어, 이웃 또는 특수한 위치에 구체적인 지오로케이션 필터들이, 클라이언트 디바이스(102)의 GPS 유닛에 의해 결정되는 지오로케이션 정보에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 사용자 인터페이스 내에 제시될 수 있다. 다른 타입의 필터는, 메시지 생성 프로세스 동안 클라이언트 디바이스(102)에 의해 수집되는 정보 또는 다른 입력들에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 전송 사용자에게 선택적으로 제시될 수 있는, 데이터 필터이다. 데이터 필터들의 예는, 구체적인 위치에서의 현재 온도, 전송 사용자가 이동하고 있는 현재 속도, 클라이언트 디바이스(102)에 대한 배터리 수명, 또는 현재 시간을 포함한다.
이미지 테이블(308) 내에 저장될 수 있는 다른 주석 데이터는 (예를 들어, 렌즈들 또는 증강 현실 경험들을 적용하는 것에 대응하는) 증강 현실 콘텐츠 아이템들이다. 증강 현실 콘텐츠 아이템은 이미지 또는 비디오에 추가될 수 있는 실시간 특수 효과 및 사운드일 수 있다.
위에 설명된 바와 같이, 증강 현실 콘텐츠 아이템들, 오버레이들, 이미지 변환들, AR 이미지들 및 유사한 용어들은 비디오들 또는 이미지들에 대해 이루어질 수 있는 수정들을 지칭한다. 이러한 것은 이미지가 디바이스 센서를 사용하여 캡처되고 다음으로 수정들과 함께 디바이스의 스크린 상에 디스플레이됨에 따라 이를 수정하는 실시간 수정을 포함한다. 이러한 것은, 수정될 수 있는 갤러리에서의 비디오 클립들과 같은, 저장된 콘텐츠에 대한 수정들을 또한 포함한다. 예를 들어, 다수의 증강 현실 콘텐츠 아이템들에 대한 액세스를 갖는 디바이스에서, 사용자는 다수의 증강 현실 콘텐츠 아이템들을 갖는 단일 비디오 클립을 사용하여 상이한 증강 현실 콘텐츠 아이템들이 저장된 클립을 어떻게 수정할 것인지를 알아볼 수 있다. 예를 들어, 상이한 의사랜덤 움직임 모델들을 적용하는 다수의 증강 현실 콘텐츠 아이템들이 콘텐츠에 대해 상이한 증강 현실 콘텐츠 아이템들을 선택하는 것에 의해 동일한 콘텐츠에 적용될 수 있다. 유사하게, 디바이스의 센서들에 의해 현재 캡처되고 있는 비디오 이미지들이 캡처된 데이터를 어떻게 수정할 것인지를 보여주기 위해 예시된 수정과 함께 실시간 비디오 캡처가 사용될 수 있다. 그러한 데이터는 단순히 스크린 상에 디스플레이되고 메모리에 저장되지 않을 수 있거나, 또는 디바이스 센서들에 의해 캡처되는 콘텐츠가 수정들과 함께 또는 이들 없이 (또는 양자 모두로) 메모리에 기록 및 저장될 수 있다. 일부 시스템들에서, 미리보기 특징은 상이한 증강 현실 콘텐츠 아이템들이 동시에 디스플레이에서의 상이한 윈도우들 내에서 어떻게 보일 것인지를 보여줄 수 있다. 이러한 것은, 예를 들어, 상이한 의사 랜덤 애니메이션들을 갖는 다수의 윈도우들이 디스플레이 상에서 동시에 보여지는 것을 가능하게 할 수 있다.
따라서, 이러한 데이터를 사용하여 콘텐츠를 수정하기 위해 증강 현실 콘텐츠 아이템들 또는 다른 그러한 변환 시스템들을 사용하는 데이터 및 다양한 시스템들은 객체들(예를 들어, 얼굴들, 손들, 몸들, 고양이들, 개들, 표면들, 객체들 등)의 검출, 그러한 객체들이 비디오 프레임들에서 시야를 떠나고, 진입하고, 그 주위를 이동함에 따른 이들의 추적, 및 그러한 객체들이 추적됨에 따른 이들의 수정 또는 변환을 수반할 수 있다. 다양한 실시예들에서, 그러한 변환들을 달성하기 위한 상이한 방법들이 사용될 수 있다. 예를 들어, 일부 실시예들은 객체 또는 객체들의 3차원 메시 모델을 생성하는 것, 및 변환을 달성하기 위해 비디오 내에서 이러한 모델의 변환들 및 애니메이션화된 텍스처들을 사용하는 것을 수반할 수 있다. 다른 실시예들에서, (2차원 또는 3차원일 수 있는) 이미지 또는 텍스처를 추적된 위치에 배치하기 위해 객체 상의 포인트들의 추적이 사용될 수 있다. 또 다른 실시예들에서, 콘텐츠(예를 들어, 비디오의 이미지들 또는 프레임들)에서 이미지들, 모델들, 또는 텍스처들을 배치하기 위해 비디오 프레임들의 신경망 분석이 사용될 수 있다. 따라서, 증강 현실 콘텐츠 아이템들은 콘텐츠에서 변환들을 생성하기 위해 사용되는 이미지들, 모델들, 및 텍스처들 뿐만 아니라, 객체 검출, 추적, 및 배치로 그러한 변환들을 달성하는 데 필요한 추가적인 모델링 및 분석 정보 양자 모두를 지칭한다.
임의의 종류의 컴퓨터화된 시스템의 메모리에 저장되는 임의의 종류의 비디오 데이터(예를 들어, 비디오 스트림들, 비디오 파일들 등)로 실시간 비디오 처리가 수행될 수 있다. 예를 들어, 사용자는 비디오 파일들을 로딩하고 이들을 디바이스의 메모리에 저장할 수 있거나, 또는 디바이스의 센서들을 사용하여 비디오 스트림을 생성할 수 있다. 추가적으로, 사람의 얼굴 및 인체의 부분들, 동물들, 또는 의자들, 자동차들, 또는 다른 객체들과 같은 무생물들과 같은, 컴퓨터 애니메이션 모델을 사용하여 임의의 객체들이 처리될 수 있다.
일부 실시예들에서, 변환될 콘텐츠와 함께 특정 수정이 선택될 때, 변환될 엘리먼트들이 컴퓨팅 디바이스에 의해 식별되고, 다음으로 이들이 비디오의 프레임들에 존재하면 검출 및 추적된다. 객체의 엘리먼트들은 수정을 위한 요청에 따라 수정되고, 따라서 비디오 스트림의 프레임들을 변환한다. 비디오 스트림의 프레임들의 변환은 상이한 종류의 변환을 위한 상이한 방법들에 의해 수행될 수 있다. 예를 들어, 객체의 엘리먼트들의 형태들을 변경하는 것을 주로 지칭하는 프레임들의 변환들에 대해, 객체의 엘리먼트 각각에 대한 특유의 포인트들이 (예를 들어, ASM(Active Shape Model) 또는 다른 알려진 방법들을 사용하여) 계산된다. 다음으로, 객체의 적어도 하나의 엘리먼트 각각에 대해 특유의 포인트들에 기초하는 메시가 생성된다. 이러한 메시는 비디오 스트림에서 객체의 엘리먼트들을 추적하는 다음 단계에서 사용된다. 추적의 프로세스에서, 각각의 엘리먼트에 대한 언급된 메시는 각각의 엘리먼트의 위치와 정렬된다. 다음으로, 메시 상에 추가적인 포인트들이 생성된다. 제1 포인트들의 제1 세트가 수정을 위한 요청에 기초하여 각각의 엘리먼트에 대해 생성되고, 제2 포인트들의 세트가 제1 포인트들의 세트 및 수정을 위한 요청에 기초하여 각각의 엘리먼트에 대해 생성된다. 다음으로, 비디오 스트림의 프레임들은 제1 및 제2 포인트들의 세트들 및 메시에 기초하여 객체의 엘리먼트들을 수정하는 것에 의해 변환될 수 있다. 그러한 방법에서, 수정된 객체의 배경은 배경을 추적하고 수정하는 것에 의해 마찬가지로 변경 또는 왜곡될 수 있다.
하나 이상의 실시예에서, 객체의 엘리먼트들을 사용하여 그 일부 영역들을 변경하는 변환들은 객체의 각각의 엘리먼트에 대한 특유의 포인트들을 계산하고 계산된 특유의 포인트들에 기초하여 메시를 생성하는 것에 의해 수행될 수 있다. 포인트들이 메시 상에서 생성되고, 다음으로 이러한 포인트들에 기초하는 다양한 영역들이 생성된다. 객체의 엘리먼트들은 다음으로 각각의 엘리먼트에 대한 영역을 적어도 하나의 엘리먼트 각각에 대한 위치와 정렬하는 것에 의해 추적되고, 이러한 영역들의 속성들은 수정을 위한 요청에 기초하여 수정될 수 있고, 따라서 비디오 스트림의 프레임들을 변환한다. 수정을 위한 구체적인 요청에 의존하여 언급된 영역들의 속성들이 상이한 방식들로 변환될 수 있다. 이러한 수정들은 영역들의 컬러를 변경하는 것; 비디오 스트림의 프레임들로부터 영역들의 적어도 일부 부분을 제거하는 것; 수정을 위한 요청에 기초하는 영역들에 하나 이상의 새로운 객체를 포함시키는 것; 및 영역 또는 객체의 엘리먼트들을 수정 또는 왜곡하는 것을 수반할 수 있다. 다양한 실시예들에서, 그러한 수정들 또는 다른 유사한 수정들의 임의의 조합이 사용될 수 있다. 애니메이션화될 특정 모델들에 대해, 일부 특유의 포인트들이 모델 애니메이션에 대한 옵션들의 전체 상태-공간을 결정함에 있어서 사용될 제어 포인트들로서 선택될 수 있다.
얼굴 검출을 사용하여 이미지 데이터를 변환하는 컴퓨터 애니메이션 모델의 일부 실시예들에서, 얼굴은 구체적인 얼굴 검출 알고리즘(예를 들어, Viola-Jones)을 사용하여 이미지 상에서 검출된다. 다음으로, 얼굴 특징 참조 포인트들을 검출하기 위해 이미지의 얼굴 영역에 ASM(Active Shape Model) 알고리즘이 적용된다.
다른 실시예들에서, 얼굴 검출에 적합한 다른 방법들 및 알고리즘들이 사용될 수 있다. 예를 들어, 일부 실시예들에서, 특징들은 고려 중인 이미지들의 대부분에 존재하는 구별가능한 포인트를 표현하는 랜드마크를 사용하여 위치된다. 얼굴 랜드마크들에 대해, 예를 들어, 좌측 눈 동공의 위치가 사용될 수 있다. 초기 랜드마크가 식별가능하지 않을 때(예를 들어, 사람이 안대를 갖는 경우), 보조 랜드마크들이 사용될 수 있다. 그러한 랜드마크 식별 절차들은 임의의 그러한 객체들에 대해 사용될 수 있다. 일부 실시예들에서, 랜드마크들의 세트는 형상을 형성한다. 형상들은 형상에서의 포인트들의 좌표들을 사용하여 벡터들로서 표현될 수 있다. 하나의 형상은 형상 포인트들 사이의 평균 유클리드 거리를 최소화하는 유사성 변환(병진, 스케일링, 및 회전을 허용함)을 사용하여 다른 형상에 정렬된다. 평균 형상은 정렬된 훈련 형상들의 평균이다.
일부 실시예들에서, 전반적 얼굴 검출기에 의해 결정되는 얼굴의 위치 및 크기에 정렬되는 평균 형상으로부터의 랜드마크들에 대한 탐색이 시작된다. 다음으로 그러한 탐색은 각각의 포인트 주위의 이미지 텍스처의 템플릿 매칭에 의해 형상 포인트들의 위치들을 조정하는 것에 의해 임시 형상을 제안하는 단계 및 다음으로 수렴이 발생할 때까지 임시 형상을 전반적 형상 모델에 부합시키는 단계를 반복한다. 일부 시스템들에서, 개별 템플릿 매칭들은 신뢰할 수 없으며, 형상 모델은 약한 템플릿 매칭기들의 결과들을 풀링하여 더 강한 전체 분류기를 형성한다. 전체 탐색은, 거친 해상도에서 미세한 해상도로, 이미지 피라미드에서의 각각의 레벨에서 반복된다.
변환 시스템의 실시예들은, 적합한 사용자 경험, 계산 시간, 및 전력 소비를 유지하면서, 클라이언트 디바이스(예를 들어, 클라이언트 디바이스(102)) 상에서 이미지 또는 비디오 스트림을 캡처하고 클라이언트 디바이스(102) 상에서 로컬로 복잡한 이미지 조작들을 수행할 수 있다. 복잡한 이미지 조작들은, 크기 및 형상 변경들, 감정 전이들(예를 들어, 찡그림으로부터 미소로 얼굴을 변경시킴), 상태 전이들(예를 들어, 피사체를 노후화함, 겉보기 나이를 감소시킴, 성별을 변경함), 스타일 전이들, 그래픽 엘리먼트 애플리케이션, 및 클라이언트 디바이스(102) 상에서 효율적으로 실행되도록 구성된 컨볼루션 신경망에 의해 구현되는 임의의 다른 적합한 이미지 또는 비디오 조작을 포함할 수 있다.
일부 예시적인 실시예들에서, 이미지 데이터를 변환하기 위한 컴퓨터 애니메이션 모델은, 사용자가 클라이언트 디바이스(102) 상에서 동작하는 메시징 클라이언트 애플리케이션(104)의 일부로서 동작하는 신경망을 갖는 클라이언트 디바이스(102)를 사용하여 사용자의 이미지 또는 비디오 스트림(예를 들어, 셀카)을 캡처할 수 있는 시스템에 의해 사용될 수 있다. 메시징 클라이언트 애플리케이션(104) 내에서 동작하는 변환 시스템은 이미지 또는 비디오 스트림 내의 얼굴의 존재를 결정하고, 이미지 데이터를 변환하기 위해 컴퓨터 애니메이션 모델과 연관된 수정 아이콘들을 제공하거나, 또는 컴퓨터 애니메이션 모델은 본 명세서에 설명되는 인터페이스와 연관된 것으로서 존재할 수 있다. 수정 아이콘들은 수정 동작의 일부로서 이미지 또는 비디오 스트림 내의 사용자의 얼굴을 수정하기 위한 기초일 수 있는 변경들을 포함한다. 일단 수정 아이콘이 선택되면, 변환 시스템은 선택된 수정 아이콘을 반영하기 위해 사용자의 이미지를 변환하는(예를 들어, 사용자 상에 미소짓는 얼굴을 생성하는) 프로세스를 착수한다. 일부 실시예들에서, 수정된 이미지 또는 비디오 스트림은 이미지 또는 비디오 스트림이 캡처되고 명시된 수정이 선택되자마자 모바일 클라이언트 디바이스 상에 디스플레이되는 그래픽 사용자 인터페이스에 제시될 수 있다. 변환 시스템은 선택된 수정을 생성하고 적용하기 위해 이미지 또는 비디오 스트림의 일부에 대해 복잡한 컨볼루션 신경망을 구현할 수 있다. 즉, 사용자는 이미지 또는 비디오 스트림을 캡처하고, 일단 수정 아이콘이 선택되면 실시간으로 또는 거의 실시간으로 수정된 결과를 제시받을 수 있다. 추가로, 비디오 스트림이 캡처되고 있고 선택된 수정 아이콘이 토글된 채로 남아 있는 동안 수정은 지속적일 수 있다. 그러한 수정들을 가능하게 하기 위해 머신 교육 신경망들이 사용될 수 있다.
일부 실시예들에서, 변환 시스템에 의해 수행되는 수정을 제시하는, 그래픽 사용자 인터페이스는, 사용자에게 추가적인 상호작용 옵션들을 제공할 수 있다. 이러한 옵션들은 콘텐츠 캡처 및 특정 컴퓨터 애니메이션 모델의 선택을 착수(예를 들어, 콘텐츠 생성자 사용자 인터페이스로부터의 착수)하기 위해 사용되는 인터페이스에 기초할 수 있다. 다양한 실시예들에서, 수정 아이콘의 초기 선택 후에 수정이 지속적일 수 있다. 사용자는 변환 시스템에 의해 수정되고 있는 얼굴을 탭하는 것 또는 다른 방식으로 선택하는 것에 의해 수정을 온 또는 오프로 토글하고, 나중에 보는 것 또는 촬영 애플리케이션의 다른 영역들로 브라우징하는 것을 위해 이것을 저장할 수 있다. 변환 시스템에 의해 다수의 얼굴들이 수정되는 경우, 사용자는 그래픽 사용자 인터페이스 내에 수정되고 디스플레이되는 단일 얼굴을 탭하는 것 또는 선택하는 것에 의해 전반적으로 수정을 온 또는 오프로 토글할 수 있다. 일부 실시예들에서, 다수의 얼굴들의 그룹 중에서, 개별 얼굴들은, 개별적으로 수정될 수 있거나 또는 그러한 수정들은 그래픽 사용자 인터페이스 내에 디스플레이되는 개별 얼굴 또는 일련의 개별 얼굴들을 탭하는 것 또는 선택하는 것에 의해 개별적으로 토글될 수 있다.
위에 언급된 바와 같이, 비디오 테이블(310)은, 하나의 실시예에서, 그에 대해 레코드들이 메시지 테이블(314) 내에 유지되는 메시지들과 연관되는 비디오 데이터를 저장한다. 유사하게, 이미지 테이블(308)은 그에 대해 메시지 데이터가 엔티티 테이블(302)에 저장되는 메시지들과 연관된 이미지 데이터를 저장한다. 엔티티 테이블(302)은 주석 테이블(312)로부터의 다양한 주석들을 이미지 테이블(308) 및 비디오 테이블(310)에 저장되는 다양한 이미지들 및 비디오들과 연관시킬 수 있다.
스토리 테이블(306)은, 컬렉션(예를 들어, 스토리 또는 갤러리)으로 컴파일되는, 메시지들 및 연관된 이미지, 비디오 또는 오디오 데이터의 컬렉션들에 관한 데이터를 저장한다. 특정 컬렉션의 생성은 특정 사용자(예를 들어, 그에 대해 레코드가 엔티티 테이블(302)에서 유지되는 각각의 사용자)에 의해 착수될 수 있다. 사용자는 해당 사용자에 의해 생성되고 전송/브로드캐스팅된 콘텐츠의 컬렉션의 형태로 "개인 스토리(personal story)"를 생성할 수 있다. 이를 위해, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스는, 전송 사용자가 자신의 개인 스토리에 구체적인 콘텐츠를 추가하는 것을 가능하게 하기 위해 사용자-선택가능한 아이콘을 포함할 수 있다.
컬렉션은, 수동으로, 자동으로 또는 수동 및 자동 기술들의 조합을 사용하여 생성되는 다수의 사용자들로부터의 콘텐츠의 컬렉션인, "라이브 스토리(live story)"를 또한 구성할 수 있다. 예를 들어, "라이브 스토리(live story)"는 다양한 위치들 및 이벤트들로부터의 사용자-제출 콘텐츠의 큐레이팅된 스트림을 구성할 수 있다. 그 클라이언트 디바이스들이 위치 서비스들을 가능하게 하고 특정 시간에 공통 위치 이벤트에 있는 사용자들에게는, 예를 들어, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스를 통해, 특정 라이브 스토리에 콘텐츠를 기여하는 옵션이 제시될 수 있다. 라이브 스토리는, 자신의 위치에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 사용자에게 식별될 수 있다. 최종 결과는 커뮤니티 관점에서 말한 "라이브 스토리(live story)"이다.
콘텐츠 컬렉션의 추가의 타입은, 그 클라이언트 디바이스(102)가 구체적인 지리적 위치(예를 들어, 단과대학 또는 대학 캠퍼스) 내에 위치되는 사용자가 특정 컬렉션에 기여하는 것을 가능하게 하는, "위치 스토리(location story)"라고 알려져 있다. 일부 실시예들에서, 위치 스토리에 대한 기여는 최종 사용자가 구체적인 조직 또는 다른 엔티티에 속하는지(예를 들어, 대학 캠퍼스의 학생인지)를 검증하기 위해 제2 정도의 인증을 요구할 수 있다.
데이터베이스(120)는 개별 및 공유 AR 세션들에 관한 데이터를 AR 세션 테이블(316)에 또한 저장할 수 있다. AR 세션 테이블(316)에서의 데이터는 AR 세션 클라이언트 제어기(124)와 다른 AR 세션 클라이언트 제어기(124) 사이에 통신되는 데이터, 및 AR 세션 클라이언트 제어기(124)와 AR 세션 서버 제어기(126) 사이에 통신되는 데이터를 포함할 수 있다. 데이터는 위치결정 데이터, 생체인식 데이터, 심도 추정, 데이터 스트림(이미지들 또는 비디오)에서의 사용자의 식별, 공유 AR 장면의 공통 좌표 프레임을 수립하기 위해 사용되는 데이터, 디바이스들 사이의 변환, 세션 식별자 등을 포함할 수 있다.
도 4는 추가 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 애플리케이션(114)으로의 통신을 위해 메시징 클라이언트 애플리케이션(104)에 의해 생성되는, 일부 실시예들 중 일부에 따른, 메시지(400)의 구조를 예시하는 개략도이다. 특정 메시지(400)의 콘텐츠는 메시징 서버 애플리케이션(114)에 의해 액세스가능한, 데이터베이스(120) 내에 저장되는 메시지 테이블(314)을 채우기 위해 사용된다. 유사하게, 메시지(400)의 콘텐츠는 클라이언트 디바이스(102) 또는 애플리케이션 서버(112)의 "수송-중(in-transit)" 또는 "비행-중(in-flight)" 데이터로서 메모리에 저장된다. 메시지(400)는 다음의 컴포넌트들을 포함하는 것으로 도시된다:
메시지 식별자(402): 메시지(400)를 식별하는 고유 식별자.
메시지 텍스트 페이로드(404): 클라이언트 디바이스(102)의 사용자 인터페이스를 통해 사용자에 의해 생성될 그리고 메시지(400)에 포함되는, 텍스트.
메시지 이미지 페이로드(406): 클라이언트 디바이스(102)의 카메라 컴포넌트에 의해 캡처되는 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되는, 그리고 메시지(400)에 포함되는, 이미지 데이터.
메시지 비디오 페이로드(408): 카메라 컴포넌트에 의해 캡처되는 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되는 그리고 메시지(400)에 포함되는, 비디오 데이터.
메시지 오디오 페이로드(410): 마이크로폰에 의해 캡처되는 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되는, 그리고 메시지(400)에 포함되는, 오디오 데이터.
메시지 주석들(412): 메시지(400)의 메시지 이미지 페이로드(406), 메시지 비디오 페이로드(408), 또는 메시지 오디오 페이로드(410)에 적용될 주석들을 표현하는 주석 데이터(예를 들어, 필터들, 스티커들 또는 다른 강화들).
메시지 지속기간 파라미터(414): 그에 대해 메시지의 콘텐츠(예를 들어, 메시지 이미지 페이로드(406), 메시지 비디오 페이로드(408), 메시지 오디오 페이로드(410))가 메시징 클라이언트 애플리케이션(104)을 통해 사용자에게 제시되는 또는 액세스가능하게 되는 시간의 양을, 초 단위로, 표시하는 파라미터 값.
메시지 지오로케이션 파라미터(416): 메시지의 콘텐츠 페이로드와 연관된 지오로케이션 데이터(예를 들어, 위도 및 경도 좌표들). 다수의 메시지 지오로케이션 파라미터(416) 값들이 페이로드에 포함될 수 있으며, 이러한 파라미터 값들 각각은 콘텐츠(예를 들어, 메시지 이미지 페이로드(406) 내로의 구체적인 이미지, 또는 메시지 비디오 페이로드(408)에서의 구체적인 비디오)에 포함되는 콘텐츠 아이템들에 관하여 연관된다.
메시지 스토리 식별자(418): 메시지(400)의 메시지 이미지 페이로드(406)에서의 특정 콘텐츠 아이템이 연관되는 하나 이상의 콘텐츠 컬렉션(예를 들어, "스토리들(stories)")을 식별하는 식별자 값들. 예를 들어, 메시지 이미지 페이로드(406) 내의 다수의 이미지들이 식별자 값들을 사용하여 다수의 콘텐츠 컬렉션들과 각각 연관될 수 있다.
메시지 태그(420): 각각의 메시지(400)는 다수의 태그들로 태그될 수 있고, 그 각각은 메시지 페이로드에 포함되는 콘텐츠의 주제를 표시한다. 예를 들어, 메시지 이미지 페이로드(406)에 포함되는 특정 이미지가 동물(예를 들어, 사자)을 묘사하는 경우, 관련 동물을 표시하는 태그 값이 메시지 태그(420) 내에 포함될 수 있다. 태그 값들은, 사용자 입력에 기초하여, 수동으로 생성될 수 있거나, 또는, 예를 들어, 이미지 인식을 사용하여 자동으로 생성될 수 있다.
메시지 전송자 식별자(422): 그 상에서 메시지(400)가 생성되었고 그로부터 메시지(400)가 전송된 클라이언트 디바이스(102)의 사용자를 표시하는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 어드레스, 또는 디바이스 식별자).
메시지 수신자 식별자(424): 메시지(400)가 어드레싱되는 클라이언트 디바이스(102)의 사용자를 표시하는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 어드레스, 또는 디바이스 식별자).
메시지(400)의 다양한 컴포넌트들의 콘텐츠(예를 들어, 값들)는 그 내에 콘텐츠 데이터 값들이 저장되는 테이블에서의 위치들에 대한 포인터들일 수 있다. 예를 들어, 메시지 이미지 페이로드(406)에서의 이미지 값은 이미지 테이블(308) 내의 위치에 대한 포인터(또는 그 어드레스)일 수 있다. 유사하게, 메시지 비디오 페이로드(408) 내의 값들은 비디오 테이블(310) 내에 저장되는 데이터에 포인팅할 수 있고, 메시지 주석들(412) 내에 저장되는 값들은 주석 테이블(312)에 저장되는 데이터에 포인팅할 수 있고, 메시지 스토리 식별자(418) 내에 저장되는 값들은 스토리 테이블(306)에 저장되는 데이터에 포인팅할 수 있고, 메시지 전송자 식별자(422) 및 메시지 수신자 식별자(424) 내에 저장되는 값들은 엔티티 테이블(302) 내에 저장되는 사용자 레코드들에 포인팅할 수 있다.
다음의 흐름도들은 동작들을 순차적 프로세스로서 설명할 수 있지만, 동작들 중 많은 것이 병렬로 또는 동시에 수행될 수 있다. 또한, 동작들의 순서는 재배열될 수 있다. 프로세스는 그 동작들이 완료될 때 종료된다. 프로세스는 방법, 절차 등에 대응할 수 있다. 방법들의 단계들은 전체적으로 또는 부분적으로 수행될 수 있고, 다른 방법들에서의 단계들의 일부 또는 전부와 함께 수행될 수 있고, 도 1 및/또는 도 9에 설명되는 시스템들과 같은, 임의의 수의 상이한 시스템들, 또는, 시스템들 중 임의의 것에 포함되는 프로세서와 같은, 이들의 임의의 부분에 의해 수행될 수 있다.
도 5는, 하나의 실시예에 따른, 생체인식 데이터에 기초하여 심도 추정을 생성하는 프로세스(500)에 대한 흐름도이다. 하나의 실시예에서, 프로세스(500)는 제1 클라이언트 디바이스(102)와 제2 클라이언트 디바이스(102)의 사용자(예를 들어, 제2 사용자) 사이의 거리를 결정하기 위해 메시징 서버 시스템(108)에서의 AR 세션 서버 제어기(126)에 의해 수행될 수 있다. 제1 클라이언트 디바이스(102) 및 제2 클라이언트 디바이스(102)는 공유 AR 세션에 포함될 수 있다. 하나의 예에서, 공유 AR 세션은 실시간 메시징 세션을 포함한다.
동작 502에서, AR 세션 서버 제어기(126)는 제1 사용자와 연관된 제1 클라이언트 디바이스(102)로부터 위치결정 데이터를 수신한다. 하나의 실시예에서, 제1 클라이언트 디바이스(102)는 제2 클라이언트 디바이스(102)와 연관된 제2 사용자의 이미지들을 포함하는 데이터 스트림의 분석에 기초하여 위치결정 데이터를 생성한다. 데이터 스트림은 제2 사용자의 비디오일 수 있다. 제1 클라이언트 디바이스(102)는, 예를 들어, 도 7에 도시되는 바와 같이, 제1 클라이언트 디바이스(102)에 포함되는 카메라를 사용하여 데이터 스트림 또는 비디오를 캡처할 수 있다. 도 8에 도시되는 바와 같이, 카메라(또는 카메라 프레임)의 시야는 제2 사용자를 포함할 수 있고, 제1 클라이언트 디바이스(102)의 디스플레이 상에 디스플레이될 수 있다. 이러한 실시예에서, 제1 클라이언트 디바이스(102)는 골격 추적을 사용하여 이미지들에서 제2 사용자를 추적할 수 있다. 하나의 실시예에서, 위치결정 데이터를 생성하기 위해, 제1 클라이언트 디바이스(102)는 카메라 프레임에서 제2 사용자의 골격의 위치 또는 포즈를 식별한다. 제1 클라이언트 디바이스(102)는 카메라 프레임에서 제2 사용자의 얼굴의 위치 또는 포즈를 식별하는 것에 의해 위치결정 데이터를 또한 생성할 수 있다. 이러한 단계에서, 골격 또는 얼굴의 스케일 및 제1 사용자(또는 제1 클라이언트 디바이스(102))로부터의 제2 사용자의 거리는 모호할 수 있다. 예를 들어, 이러한 거리는 제1 클라이언트 디바이스(102)에서의 양안 카메라들 또는 심도 센서들의 부족으로 인해 모호할 수 있다.
동작 504에서, AR 세션 서버 제어기(126)는 제2 클라이언트 디바이스(102)로부터 제2 사용자의 생체인식 데이터를 수신한다. 생체인식 데이터는 제2 디바이스에 포함되는 센서 또는 카메라로부터의 출력에 기초할 수 있다. 예를 들어, 생체인식 데이터는 제2 클라이언트 디바이스(102)에 포함되는 카메라에 의해 캡처되는 제2 사용자의 이미지에 기초할 수 있다. 예를 들어, 제2 사용자의 이미지는 제2 클라이언트 디바이스(102)에 포함되는 전방 카메라에 의해 캡처될 수 있다. 제2 클라이언트 디바이스(102)는 제2 클라이언트 디바이스(102)에 포함되는 심도 센서들 또는 양안 카메라들로부터의 출력에 기초하여 제2 사용자의 생체인식 데이터를 또한 생성할 수 있다. 하나의 실시예에서, 제2 사용자의 생체인식 데이터는 제2 사용자의 얼굴의 크기이다.
동작 506에서, AR 세션 서버 제어기(126)는 위치결정 데이터 및 제2 사용자의 생체인식 데이터를 사용하여 제1 클라이언트 디바이스(102)로부터의 제2 사용자의 거리를 결정한다. 예를 들어, 위치결정 데이터를 사용하여, AR 세션 서버 제어기(126)는 데이터 스트림에서의 제2 사용자의 골격의 위치를 결정할 수 있고 데이터 스트림에서의 제2 사용자의 얼굴을 식별할 수 있다. AR 세션 서버 제어기(126)는 데이터 스트림에서의 제2 사용자의 얼굴의 치수들과 제2 사용자의 얼굴의 실제 크기 사이의 비율을 결정하기 위해 제2 사용자의 얼굴의 실제 크기를 포함하는 생체인식 데이터를 사용할 수 있다. 다음으로, 이러한 비율은 제1 클라이언트 디바이스(102)로부터의 제2 사용자의 거리를 결정하기 위해(예를 들어, 심도 추정) AR 세션 서버 제어기(126)에 의해 사용될 수 있다.
데이터 스트림에서의 제2 사용자의 심도 추정을 결정하는 것에 의해, 제1 클라이언트 디바이스(102)는, 예를 들어, 제1 클라이언트 디바이스(102) 상에 디스플레이되는 공유 AR 세션에서 제1 클라이언트 디바이스(102) 상의 제2 사용자의 이미지에 적용될 시각적 또는 사운드 효과들을 포함하는 증강된 사용자 경험을 생성할 수 있다. 예를 들어, 시각적 또는 사운드 효과들은 제2 사용자에 의해 착용될 의상들, 제2 사용자의 얼굴에 적용될 효과들, 제2 사용자에 적용될 음성 사운드 효과들 등을 포함할 수 있다.
도 6은, 하나의 실시예에 따른, 생체인식 데이터에 기초하여 심도 추정을 생성하는 프로세스(600)를 예시한다. 하나의 실시예에서, 프로세스(600)는 제1 클라이언트 디바이스(102)와 제2 클라이언트 디바이스(102)의 사용자(예를 들어, 제2 사용자) 사이의 거리를 결정하기 위해 제1 클라이언트 디바이스(102)에 포함되는 AR 세션 클라이언트 제어기(124)에 의해 수행될 수 있다. 제1 클라이언트 디바이스(102) 및 제2 클라이언트 디바이스(102)는 공유 AR 세션에 포함될 수 있다. 하나의 예에서, 공유 AR 세션은 실시간 메시징 세션을 포함한다.
동작 602에서, 제1 클라이언트 디바이스(102)의 AR 세션 클라이언트 제어기(124)는, 제1 클라이언트 디바이스(102)에 포함되는 카메라를 사용하여, 제2 클라이언트 디바이스(102)의 사용자의 이미지들을 포함하는 데이터 스트림을 캡처한다. 도 7에 도시되는 바와 같이, 제1 사용자(사용자 B)는 제1 클라이언트 디바이스(102)에서의 카메라를 사용하여 제2 클라이언트 디바이스(102)의 제2 사용자(사용자 A)의 이미지들 또는 비디오를 캡처한다. 데이터 스트림은 제2 사용자(사용자 A)의 비디오일 수 있다. 도 8에 도시되는 바와 같이, 카메라(또는 카메라 프레임)의 시야는 제2 사용자(사용자 A)를 포함할 수 있고, 제1 클라이언트 디바이스(102)의 디스플레이 상에 디스플레이될 수 있다.
하나의 실시예에서, 동작 604에서, 제1 클라이언트 디바이스(102)는 카메라 프레임에서 사용자의 얼굴 또는 골격의 위치 또는 포즈를 식별하는 것에 의해 데이터 스트림의 분석에 기초하여 위치결정 데이터를 생성한다. 이러한 실시예에서, 제1 클라이언트 디바이스(102)는 골격 추적을 사용하여 이미지들에서 사용자를 추적할 수 있다. 이러한 단계에서, 골격 또는 얼굴의 스케일 및 제1 클라이언트 디바이스(102)로부터의 사용자의 거리는 모호할 수 있다. 예를 들어, 이러한 거리는 제1 클라이언트 디바이스(102)에서의 양안 카메라들 또는 심도 센서들의 부족으로 인해 모호할 수 있다.
동작 606에서, 제1 클라이언트 디바이스(102)의 AR 세션 클라이언트 제어기(124)는 제2 클라이언트 디바이스(102)로부터 사용자의 생체인식 데이터를 수신한다. 생체인식 데이터는 제2 클라이언트 디바이스(102)에 포함되는 센서 또는 카메라로부터의 출력에 기초할 수 있다. 예를 들어, 생체인식 데이터는 제2 클라이언트 디바이스(102)에 포함되는 카메라에 의해 캡처되는 사용자의 이미지에 기초할 수 있다. 예를 들어, 사용자의 이미지는 제2 클라이언트 디바이스(102)에 포함되는 전방 카메라에 의해 캡처될 수 있다. 제2 클라이언트 디바이스(102)는 제2 클라이언트 디바이스(102)에 포함되는 심도 센서들 또는 양안 카메라들로부터의 출력에 기초하여 사용자의 생체인식 데이터를 또한 생성할 수 있다. 하나의 실시예에서, 사용자의 생체인식 데이터는 사용자의 얼굴의 크기이다.
제1 클라이언트 디바이스(102)의 AR 세션 클라이언트 제어기(124)는, 동작 608에서, 위치결정 데이터 및 사용자의 생체인식 데이터를 사용하여 제1 디바이스로부터의 사용자의 거리를 결정한다. 예를 들어, 위치결정 데이터를 사용하여, AR 세션 서버 제어기(126)는 데이터 스트림에서의 사용자의 골격의 위치를 결정할 수 있고 데이터 스트림에서의 사용자의 얼굴을 식별할 수 있다. AR 세션 서버 제어기(126)는 데이터 스트림에서의 사용자의 얼굴의 치수들과 사용자의 얼굴의 실제 크기 사이의 비율을 결정하기 위해 사용자의 얼굴의 실제 크기를 포함하는 생체인식 데이터를 사용할 수 있다. 다음으로, 이러한 비율은 제1 클라이언트 디바이스(102)로부터의 사용자의 거리를 결정하기 위해(예를 들어, 심도 추정) AR 세션 서버 제어기(126)에 의해 사용될 수 있다.
데이터 스트림에서의 사용자의 심도 추정을 결정하는 것에 의해, 제1 클라이언트 디바이스(102)는, 예를 들어, 제1 클라이언트 디바이스(102) 상에 디스플레이되는 공유 AR 세션에서 제1 클라이언트 디바이스(102) 상의 사용자의 이미지에 적용될 시각적 또는 사운드 효과들을 포함하는 증강된 사용자 경험을 생성할 수 있다. 예를 들어, 시각적 또는 사운드 효과들은 제2 사용자에 의해 착용될 의상들, 제2 사용자의 얼굴에 적용될 효과들, 제2 사용자에 적용될 음성 사운드 효과들 등을 포함할 수 있다.
도 7은 하나의 실시예에 따라 제1 사용자(사용자 B)가 제1 클라이언트 디바이스(102)를 사용하여 제2 사용자(사용자 A)의 이미지들 또는 비디오를 캡처하는 예(700)를 예시한다. 도 7에 도시되는 바와 같이, 제2 사용자(사용자 A)는 제2 클라이언트 디바이스(102)와 연관될 수 있다. 예를 들어, 제2 사용자(사용자 A)는 도 7에서의 제2 클라이언트 디바이스(102)를 잡고 있다. 제2 클라이언트 디바이스(102)는 제2 사용자(사용자 A)와 연관된 생체인식 데이터를 생성하고, 생체인식 데이터를 메시징 서버 시스템(108)에서의 AR 세션 서버 제어기(126) 및/또는 제1 클라이언트 디바이스(102)에서의 AR 세션 클라이언트 제어기(124)에 송신한다.
도 8은 하나의 실시예에 따라 제1 클라이언트 디바이스(102)에 포함되는 카메라를 사용하여 캡처되는 이미지의 예(800)를 예시한다. 도 8에서의 이미지는 제1 클라이언트 디바이스(102)의 카메라의 시야 내의 제2 사용자(사용자 A)를 예시한다. 하나의 실시예에서, 제2 사용자(사용자 A)를 포함하는 제1 클라이언트 디바이스(102)에 포함되는 카메라 프레임 또는 카메라의 시야가 제1 클라이언트 디바이스(102)의 디스플레이 상에 디스플레이된다.
도 9는, 머신(900)으로 하여금 본 명세서에 논의되는 방법론들 중 어느 하나 이상을 수행하게 하기 위한 명령어들(908)(예를 들어, 소프트웨어, 프로그램, 애플리케이션, 애플릿, 앱, 또는 다른 실행가능 코드)가 실행될 수 있는 머신(900)의 도식적 표현이다. 예를 들어, 명령어들(908)은 머신(900)으로 하여금 본 명세서에 설명되는 방법들 중 어느 하나 이상을 실행하게 할 수 있다. 명령어들(908)은, 일반적인 비-프로그래밍된 머신(900)을, 설명되고 예시된 기능들을 설명된 방식으로 수행하도록 프로그래밍된 특정 머신(900)으로 변환한다. 머신(900)은 독립형 디바이스로서 동작할 수 있거나 또는 다른 머신들에 연결(예를 들어, 네트워킹)될 수 있다. 네트워킹된 배치에서, 머신(900)은 서버-클라이언트 네트워크 환경에서 서버 머신 또는 클라이언트 머신의 용량에서 동작하거나, 또는 피어-투-피어(또는 분산형) 네트워크 환경에서 피어 머신으로서 동작할 수 있다. 머신(900)은, 이에 제한되는 것은 아니지만, 서버 컴퓨터, 클라이언트 컴퓨터, PC(personal computer), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, STB(set-top box), PDA, 엔터테인먼트 미디어 시스템, 셀룰러 전화, 스마트 폰, 모바일 디바이스, 웨어러블 디바이스(예를 들어, 스마트 워치), 스마트 홈 디바이스(예를 들어, 스마트 기기), 다른 스마트 디바이스들, 웹 어플라이언스(web appliance), 네트워크 라우터, 네트워크 스위치, 네트워크 브리지, 또는 머신(900)에 의해 취해질 액션들을 명시하는 명령어들(908)을, 순차적으로 또는 다른 방식으로, 실행할 수 있는 임의의 머신을 포함할 수 있다. 추가로, 단지 단일의 머신(900)만이 예시되지만, "머신(machine)"이라는 용어는 본 명세서에 논의되는 방법론들 중 어느 하나 이상을 수행하기 위해 개별적으로 또는 공동으로 명령어들(908)을 실행하는 머신들의 컬렉션을 포함하는 것으로 또한 취해질 수 있다.
머신(900)은, 버스(940)를 통해 서로 통신하도록 구성될 수 있는, 프로세서들(902), 메모리(904), 및 I/O 컴포넌트들(938)을 포함할 수 있다. 예시적인 실시예에서, 프로세서들(902)(예를 들어, CPU(Central Processing Unit), RISC(Reduced Instruction Set Computing) 프로세서, CISC(Complex Instruction Set Computing) 프로세서, GPU(Graphics Processing Unit), DSP(Digital Signal Processor), ASIC, RFIC(Radio-Frequency Integrated Circuit), 다른 프로세서, 또는 이들의 임의의 적합한 조합)은, 예를 들어, 명령어들(908)을 실행하는 프로세서(906) 및 프로세서(910)를 포함할 수 있다. "프로세서(Processor)"라는 용어는 명령어들을 동시에 실행할 수 있는 2개 이상의 독립적 프로세서들(때때로 "코어들(cores)"이라고 지칭됨)을 포함할 수 있는 멀티-코어 프로세서들을 포함하는 것으로 의도된다. 도 9는 다수의 프로세서들(902)을 도시하지만, 머신(900)은 단일 코어를 갖는 단일 프로세서, 다수의 코어들을 갖는 단일 프로세서(예를 들어, 멀티-코어 프로세서), 단일 코어를 갖는 다수의 프로세서들, 다수의 코어들을 갖는 다수의 프로세서들, 또는 이들의 임의의 조합을 포함할 수 있다.
메모리(904)는 메인 메모리(912), 정적 메모리(914), 및 저장 유닛(916)을 포함하며, 양자 모두는 버스(940)를 통해 프로세서들(902)에 액세스가능하다. 메인 메모리(904), 정적 메모리(914), 및 저장 유닛(916)은 본 명세서에 설명되는 방법론들 또는 기능들 중 어느 하나 이상을 구현하는 명령어들(908)을 저장한다. 명령어들(908)은, 머신(900)에 의한 그 실행 동안에, 완전히 또는 부분적으로, 메인 메모리(912) 내에, 정적 메모리(914) 내에, 저장 유닛(916) 내의 머신-판독가능 매체(918) 내에, 프로세서(902)들 중 적어도 하나 내에(예를 들어, 프로세서의 캐시 메모리 내에), 또는 이들의 임의의 적합한 조합으로 또한 존재할 수 있다.
I/O 컴포넌트들(938)은 입력을 수신하고, 출력을 제공하고, 출력을 생성하고, 정보를 전송하고, 정보를 교환하고, 측정들을 캡처하는 것 등을 위해 매우 다양한 컴포넌트들을 포함할 수 있다. 특정 머신에 포함되는 구체적인 I/O 컴포넌트들(938)은 머신의 타입에 의존할 것이다. 예를 들어, 모바일 전화들과 같은 휴대용 머신들은 터치 입력 디바이스 또는 다른 그러한 입력 메커니즘들을 포함할 수 있는 반면, 헤드리스 서버 머신(headless server machine)은 그러한 터치 입력 디바이스를 포함하지 않을 수 있다. I/O 컴포넌트들(938)은 도 9에 도시되지 않은 많은 다른 컴포넌트들을 포함할 수 있다는 것이 인식될 것이다. 다양한 예시적인 실시예들에서, I/O 컴포넌트들(938)은 사용자 출력 컴포넌트들(924) 및 사용자 입력 컴포넌트들(926)을 포함할 수 있다. 사용자 출력 컴포넌트(924)들은, 시각적 컴포넌트(예를 들어, PDP(plasma display panel), LED(light emitting diode) 디스플레이, LCD(liquid crystal display), 프로젝터, 또는 CRT(cathode ray tube)와 같은 디스플레이), 음향 컴포넌트들(예를 들어, 스피커들), 햅틱 컴포넌트들(예를 들어, 진동 모터, 저항 메커니즘들), 다른 신호 생성기들 등을 포함할 수 있다. 사용자 입력 컴포넌트들(926)은 영숫자 입력 컴포넌트들(예를 들어, 키보드, 영숫자 입력을 수신하도록 구성되는 터치 스크린, 포토-옵티컬 키보드(photo-optical keyboard), 또는 다른 영숫자 입력 컴포넌트들), 포인트-기반 입력 컴포넌트들(예를 들어, 마우스, 터치패드, 트랙볼, 조이스틱, 모션 센서, 또는 다른 포인팅 기구), 촉각 입력 컴포넌트들(예를 들어, 물리적 버튼, 터치들 또는 터치 제스처들의 위치 및/또는 힘을 제공하는 터치 스크린, 또는 다른 촉각 입력 컴포넌트들), 오디오 입력 컴포넌트들(예를 들어, 마이크로폰) 등을 포함할 수 있다.
추가의 예시적인 실시예들에서, I/O 컴포넌트들(938)은, 매우 다양한 다른 컴포넌트들 중에서, 생체인식 컴포넌트들(928), 모션 컴포넌트들(930), 환경 컴포넌트들(932), 또는 위치 컴포넌트들(934)을 포함할 수 있다. 예를 들어, 생체인식 컴포넌트들(928)은 표현들(예를 들어, 손 표현들, 얼굴 표현들, 음성 표현들, 신체 제스처들, 또는 시선-추적)을 검출하는, 생체신호들(예를 들어, 혈압, 심박수, 체온, 발한, 또는 뇌파)을 측정하는, 사람을 식별하는(예를 들어, 음성 식별, 망막 식별, 얼굴 식별, 지문 식별, 또는 뇌전도-기반 식별), 등을 하는 컴포넌트들을 포함할 수 있다. 모션 컴포넌트들(930)은 가속도 센서 컴포넌트들(예를 들어, 가속도계), 중력 센서 컴포넌트들, 회전 센서 컴포넌트들(예를 들어, 자이로스코프)을 포함한다. 환경 컴포넌트들(932)은, 예를 들어, (정지 이미지/사진 및 비디오 능력을 갖는) 하나 이상의 카메라, 조명 센서 컴포넌트(예를 들어, 광도계), 온도 센서 컴포넌트(예를 들어, 주변 온도를 검출하는 하나 이상의 온도계), 습도 센서 컴포넌트, 압력 센서 컴포넌트(예를 들어, 기압계), 음향 센서 컴포넌트(예를 들어, 배경 잡음을 검출하는 하나 이상의 마이크로폰), 근접 센서 컴포넌트(예를 들어, 근처의 객체를 검출하는 적외선 센서), 가스 센서(예를 들어, 안전을 위해 유해성 가스의 농도를 검출하거나 또는 대기 중의 오염 물질을 측정하는 가스 검출 센서), 또는 주변의 물리적 환경에 대응하는 표시들, 측정들, 또는 신호들을 제공할 수 있는 다른 컴포넌트를 포함한다. 위치 컴포넌트들(934)은, 위치 센서 컴포넌트들(예를 들어, GPS 수신기 컴포넌트), 고도 센서 컴포넌트들(예를 들어, 고도계들 또는 고도가 도출될 수 있는 기압을 검출하는 기압계들), 배향 센서 컴포넌트들(예를 들어, 자력계들) 등을 포함한다.
매우 다양한 기술들을 사용하여 통신이 구현될 수 있다. I/O 컴포넌트들(938)은 머신(900)을 각각의 연결 또는 접속들을 통해 네트워크(920) 또는 디바이스들(922)에 연결하도록 동작가능한 통신 컴포넌트들(936)을 추가로 포함한다. 예를 들어, 통신 컴포넌트들(936)은 네트워크 인터페이스 컴포넌트, 또는 네트워크(920)와 인터페이스하기에 적합한 다른 디바이스를 포함할 수 있다. 추가의 예들에서, 통신 컴포넌트들(936)은 유선 통신 컴포넌트들, 무선 통신 컴포넌트들, 셀룰러 통신 컴포넌트들, NFC(Near Field Communication) 컴포넌트들, Bluetooth® 컴포넌트들(예를 들어, Bluetooth®Low Energy), Wi-Fi® 컴포넌트들, 및 다른 양상들을 통해 통신을 제공하는 다른 통신 컴포넌트들을 포함할 수 있다. 디바이스들(922)은 다른 머신 또는 매우 다양한 주변 디바이스들(예를 들어, USB를 통해 연결되는 주변 디바이스) 중 임의의 것일 수 있다.
더욱이, 통신 컴포넌트들(936)은 식별자들을 검출할 수 있거나 또는 식별자들을 검출하기 위해 동작가능한 컴포넌트들을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(936)은 RFID(Radio Frequency Identification) 태그 판독기 컴포넌트들, NFC 스마트 태그 검출 컴포넌트들, 광학 판독기 컴포넌트들(예를 들어, UPC(Universal Product Code) 바코드와 같은 1차원 바코드들, QR(Quick Response) 코드, Aztec 코드, Data Matrix, Dataglyph, MaxiCode, PDF417, Ultra Code, UCC RSS-2D 바코드와 같은 다차원 바코드들, 및 다른 광학 코드들을 검출하는 광학 센서), 또는 음향 검출 컴포넌트들(예를 들어, 태그된 오디오 신호들을 식별하는 마이크로폰들)을 포함할 수 있다. 또한, IP(Internet Protocol) 지오로케이션을 통한 위치, Wi-Fi® 신호 삼각측량을 통한 위치, 특정 위치를 표시할 수 있는 NFC 비컨 신호 검출을 통한 위치 등과 같은, 다양한 정보가 통신 컴포넌트(936)를 통해 도출될 수 있다.
다양한 메모리들(예를 들어, 메인 메모리(912), 정적 메모리(914), 및/또는 프로세서들(902)의 메모리) 및/또는 저장 유닛(916)은 본 명세서에 설명되는 방법론들 또는 기능들 중 어느 하나 이상을 구현하는 또는 그에 의해 사용되는 명령어들 및 데이터 구조들(예를 들어, 소프트웨어)의 하나 이상의 세트를 저장할 수 있다. 이러한 명령어들(예를 들어, 명령어들(908))은 프로세서들(902)에 의해 실행될 때, 다양한 동작들로 하여금 개시된 실시예들을 구현하게 한다.
명령어들(908)은, 송신 매체를 사용하여, 네트워크 인터페이스 디바이스(예를 들어, 통신 컴포넌트들(936)에 포함되는 네트워크 인터페이스 컴포넌트)를 통해 그리고 몇몇 잘 알려진 전송 프로토콜들 중 어느 하나(예를 들어, HTTP(hypertext transfer protocol))를 사용하여, 네트워크(920)를 통해 송신되거나 또는 수신될 수 있다. 유사하게, 명령어들(908)은 디바이스들(922)에 대한 연결(예를 들어, 피어-투-피어 연결)을 통해 송신 매체를 사용하여 송신되거나 또는 수신될 수 있다.
도 10은, 본 명세서에 설명되는 디바이스들 중 어느 하나 이상에 설치될 수 있는, 소프트웨어 아키텍처(1004)를 예시하는 블록도(1000)이다. 이러한 소프트웨어 아키텍처(1004)는, 프로세서들(1020), 메모리(1026), 및 I/O 컴포넌트들(1038)을 포함하는 머신(1002)과 같은, 하드웨어에 의해 지원된다. 이러한 예에서, 소프트웨어 아키텍처(1004)는, 각각의 레이어가 특정 기능성을 제공하는, 레이어들의 스택으로서 개념화될 수 있다. 소프트웨어 아키텍처(1004)는 운영 체제(1012), 라이브러리들(1010), 프레임워크들(1008), 및 애플리케이션들(1006)과 같은 레이어들을 포함한다. 동작적으로, 애플리케이션들(1006)은 소프트웨어 스택을 통해 API 호출들(1050)을 불러오고 API 호출들(1050)에 응답하여 메시지들(1052)을 수신한다.
운영 체제(1012)는 하드웨어 리소스들을 관리하고 공통 서비스들을 제공한다. 운영 체제(1012)는, 예를 들어, 커널(1014), 서비스들(1016), 및 드라이버들(1022)을 포함한다. 커널(1014)은 하드웨어와 다른 소프트웨어 레이어들 사이에서 추상화 레이어(abstraction layer)로서 역할을 한다. 예를 들어, 커널(1014)은, 다른 기능성 중에서, 메모리 관리, 프로세서 관리(예를 들어, 스케줄링), 컴포넌트 관리, 네트워킹, 및 보안 설정들을 제공한다. 서비스들(1016)은 다른 소프트웨어 레이어들에 대한 다른 공통 서비스들을 제공할 수 있다. 드라이버들(1022)은 기본 하드웨어를 제어하는 것 또는 그와 인터페이싱하는 것을 담당한다. 예를 들어, 드라이버들(1022)은 디스플레이 드라이버들, 카메라 드라이버들, BLUETOOTH® 또는 BLUETOOTH® Low Energy 드라이버들, 플래시 메모리 드라이버들, 직렬 통신 드라이버들(예를 들어, USB(Universal Serial Bus) 드라이버들), WI-FI® 드라이버들, 오디오 드라이버들, 전력 관리 드라이버들 등을 포함할 수 있다.
라이브러리들(1010)은 애플리케이션들(1006)에 의해 사용되는 로우-레벨 공통 인프라스트럭처를 제공한다. 라이브러리들(1010)은, 메모리 할당 기능들, 문자열 조작 기능들, 수학 기능들 등과 같은 기능들 제공할 수 있는 시스템 라이브러리들(1018)(예를 들어, C 표준 라이브러리)를 포함할 수 있다. 또한, 라이브러리들(1010)은, 미디어 라이브러리들(예를 들어, MPEG4(Moving Picture Experts Group-4), H.264 또는 AVC(Advanced Video Coding), MP3(Moving Picture Experts Group Layer-3), AAC(Advanced Audio Coding), AMR(Adaptive Multi-Rate) 오디오 코덱, JPG 또는 JPEG(Joint Photographic Experts Group), 또는 PNG(Portable Network Graphics)와 같은 다양한 미디어 포맷들의 제시 및 조작을 지원하는 라이브러리들), 그래픽 라이브러리들(예를 들어, 디스플레이 상의 그래픽 콘텐츠에서 2차원(2D) 및 3차원(3D)으로 렌더링하기 위해 사용되는 OpenGL 프레임워크), 데이터베이스 라이브러리들(예를 들어, 다양한 관계형 데이터베이스 기능들을 제공하는 SQLite), 웹 라이브러리들(예를 들어, 웹 브라우징 기능성을 제공하는 WebKit) 등과 같은 API 라이브러리들(1024)을 포함할 수 있다. 라이브러리들(1010)은 많은 다른 API들을 애플리케이션들(1006)에 제공하기 위해 매우 다양한 다른 라이브러리들(1028)을 또한 포함할 수 있다.
프레임워크들(1008)은 애플리케이션들(1006)에 의해 사용되는 하이-레벨 공통 인프라스트럭처를 제공한다. 예를 들어, 프레임워크들(1008)은 다양한 GUI(graphical user interface) 기능들, 하이-레벨 리소스 관리, 및 하이-레벨 위치 서비스들을 제공한다. 프레임워크들(1008)은 애플리케이션들(1006)에 의해 사용될 수 있는 광범위한 스펙트럼의 다른 API들을 제공할 수 있고, 그 중 일부는 특정 운영 체제 또는 플랫폼에 구체적일 수 있다.
예시적인 실시예에서, 애플리케이션들(1006)은, 홈 애플리케이션(1036), 연락처 애플리케이션(1030), 브라우저 애플리케이션(1032), 북 리더 애플리케이션(1034), 위치 애플리케이션(1042), 미디어 애플리케이션(1044), 메시징 애플리케이션(1046), 게임 애플리케이션(1048), 및 제3자 애플리케이션들(1040)과 같은 다른 애플리케이션들의 광범위한 컬렉션을 포함할 수 있다. 애플리케이션들(1006)은 프로그램들에서 정의되는 기능들을 실행하는 프로그램들이다. 객체-지향 프로그래밍 언어들(예를 들어, Objective-C, Java, 또는 C++) 또는 절차적 프로그래밍 언어들(예를 들어, C 또는 어셈블리 언어)과 같은, 다양한 방식으로 구조화되는, 다양한 프로그래밍 언어들이 애플리케이션들(1006) 중 하나 이상을 생성하기 위해 이용될 수 있다. 구체적인 예에서, 제3자 애플리케이션(1040)(예를 들어, 특정 플랫폼의 벤더 이외의 엔티티에 의해 ANDROIDTM 또는 IOSTM SDK(software development kit)를 사용하여 개발되는 애플리케이션)은 IOSTM, ANDROIDTM, WINDOWS® Phone, 또는 다른 모바일 운영 체제와 같은 모바일 운영 체제 상에서 실행되는 모바일 소프트웨어일 수 있다. 이러한 예에서, 제3자 애플리케이션(1040)은 본 명세서에 설명되는 기능성을 용이하게 하기 위해 운영 체제(1012)에 의해 제공되는 API 호출들(1050)을 불러낼 수 있다.

Claims (20)

  1. 방법으로서,
    제1 사용자와 연관된 제1 디바이스로부터 위치결정 데이터를 수신하는 단계- 상기 제1 디바이스는 제2 사용자의 이미지들을 포함하는 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하고, 상기 제2 사용자는 제2 디바이스와 연관됨 -;
    상기 제2 디바이스로부터 상기 제2 사용자의 생체인식 데이터를 수신하는 단계- 상기 생체인식 데이터는 상기 제2 디바이스에 포함되는 센서 또는 카메라로부터의 출력에 기초함 -; 및
    상기 위치결정 데이터 및 상기 제2 사용자의 생체인식 데이터를 사용하여 상기 제1 디바이스로부터의 상기 제2 사용자의 거리를 결정하는 단계를 포함하는 방법.
  2. 제1항에 있어서, 상기 데이터 스트림은 상기 제2 사용자의 비디오이고, 상기 비디오는 상기 제1 디바이스에 포함되는 카메라에 의해 캡처되는 방법.
  3. 제1항에 있어서, 상기 제1 디바이스가 상기 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하는 것은 추가로,
    상기 제1 디바이스가 카메라 프레임에서 상기 제2 사용자의 골격의 위치 또는 포즈를 식별하는 것을 포함하는 방법.
  4. 제1항에 있어서, 상기 제1 디바이스가 상기 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하는 것은 추가로,
    상기 제1 디바이스가 카메라 프레임에서 상기 제2 사용자의 얼굴의 위치 또는 포즈를 식별하는 것을 포함하는 방법.
  5. 제1항에 있어서, 상기 제2 사용자의 생체인식 데이터는 상기 제2 사용자의 얼굴의 크기인 방법.
  6. 제1항에 있어서, 상기 제2 사용자의 생체인식 데이터는 상기 제2 디바이스에 포함되는 심도 센서 또는 양안 카메라들로부터의 출력에 기초하는 방법.
  7. 제1항에 있어서, 상기 제1 디바이스 및 상기 제2 디바이스는 공유 AR(augmented reality) 세션에 포함되는 방법.
  8. 제7항에 있어서, 상기 공유 AR 세션은 실시간 메시징 세션을 포함하는 방법.
  9. 시스템으로서,
    프로세서; 및
    명령어들을 저장한 메모리를 포함하고, 상기 명령어들은, 상기 프로세서에 의해 실행될 때, 상기 시스템으로 하여금 동작들을 수행하게 하고, 상기 동작들은,
    제1 사용자와 연관된 제1 디바이스로부터 위치결정 데이터를 수신하는 동작- 상기 제1 디바이스는 제2 사용자의 이미지들을 포함하는 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하고, 상기 제2 사용자는 제2 디바이스와 연관됨 -;
    상기 제2 디바이스로부터 상기 제2 사용자의 생체인식 데이터를 수신하는 동작- 상기 생체인식 데이터는 상기 제2 디바이스에 포함되는 센서 또는 카메라로부터의 출력에 기초함 -; 및
    상기 위치결정 데이터 및 상기 제2 사용자의 생체인식 데이터를 사용하여 상기 제1 디바이스로부터의 상기 제2 사용자의 거리를 결정하는 동작을 포함하는 시스템.
  10. 제9항에 있어서, 상기 데이터 스트림은 상기 제2 사용자의 비디오이고, 상기 비디오는 상기 제1 디바이스에 포함되는 카메라에 의해 캡처되는 시스템.
  11. 제9항에 있어서, 상기 제1 디바이스가 상기 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하는 것은 추가로,
    상기 제1 디바이스가 카메라 프레임에서 상기 제2 사용자의 골격의 위치 또는 포즈를 식별하는 것을 포함하는 시스템.
  12. 제9항에 있어서, 상기 제1 디바이스가 상기 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하는 것은 추가로,
    상기 제1 디바이스가 카메라 프레임에서 상기 제2 사용자의 얼굴의 위치 또는 포즈를 식별하는 것을 포함하는 시스템.
  13. 제9항에 있어서, 상기 제2 사용자의 생체인식 데이터는 상기 제2 사용자의 얼굴의 크기인 시스템.
  14. 제9항에 있어서, 상기 제2 사용자의 생체인식 데이터는 상기 제2 디바이스에 포함되는 심도 센서 또는 양안 카메라들로부터의 출력에 기초하는 시스템.
  15. 제9항에 있어서, 상기 제1 디바이스 및 상기 제2 디바이스는 공유 AR(augmented reality) 세션에 포함되는 시스템.
  16. 제15항에 있어서, 상기 공유 AR 세션은 실시간 메시징 세션을 포함하는 시스템.
  17. 명령어들이 저장된 비-일시적 컴퓨터-판독가능 저장 매체로서, 상기 명령어들은, 프로세서에 의해 실행될 때, 상기 프로세서로 하여금 동작들을 수행하게 하고, 상기 동작들은,
    제1 사용자와 연관된 제1 디바이스로부터 위치결정 데이터를 수신하는 동작- 상기 제1 디바이스는 제2 사용자의 이미지들을 포함하는 데이터 스트림의 분석에 기초하여 상기 위치결정 데이터를 생성하고, 상기 제2 사용자는 제2 디바이스와 연관됨 -;
    상기 제2 디바이스로부터 상기 제2 사용자의 생체인식 데이터를 수신하는 동작- 상기 생체인식 데이터는 상기 제2 디바이스에 포함되는 센서 또는 카메라로부터의 출력에 기초함 -; 및
    상기 위치결정 데이터 및 상기 제2 사용자의 생체인식 데이터를 사용하여 상기 제1 디바이스로부터의 상기 제2 사용자의 거리를 결정하는 동작을 포함하는 비-일시적 컴퓨터-판독가능 저장 매체.
  18. 방법으로서,
    제1 디바이스에 포함되는 카메라를 사용하여, 제2 디바이스의 사용자의 이미지들을 포함하는 데이터 스트림을 캡처하는 단계;
    상기 제1 디바이스에 의해, 카메라 프레임에서 상기 사용자의 골격 또는 얼굴의 위치 또는 포즈를 식별하는 것에 의해 상기 데이터 스트림의 분석에 기초하여 위치결정 데이터를 생성하는 단계;
    상기 제1 디바이스에 의해, 상기 제2 디바이스로부터 상기 제2 사용자의 생체인식 데이터를 수신하는 단계- 상기 생체인식 데이터는 상기 제2 디바이스에 포함되는 센서 또는 카메라로부터의 출력에 기초함 -; 및
    상기 제1 디바이스에 의해, 상기 위치결정 데이터 및 상기 사용자의 생체인식 데이터를 사용하여 상기 제1 디바이스로부터의 상기 사용자의 거리를 결정하는 단계를 포함하는 방법.
  19. 제18항에 있어서, 상기 사용자의 생체인식 데이터는 상기 사용자의 얼굴의 크기인 방법.
  20. 제19항에 있어서, 상기 사용자의 생체인식 데이터는 상기 제2 디바이스에 포함되는 심도 센서 또는 양안 카메라들로부터의 출력에 기초하는 방법.
KR1020227037923A 2020-03-30 2021-03-30 생체인식 데이터를 사용하는 심도 추정 KR20220159466A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063002128P 2020-03-30 2020-03-30
US63/002,128 2020-03-30
US16/983,751 US11580657B2 (en) 2020-03-30 2020-08-03 Depth estimation using biometric data
US16/983,751 2020-08-03
PCT/US2021/070341 WO2021203134A1 (en) 2020-03-30 2021-03-30 Depth estimation using biometric data

Publications (1)

Publication Number Publication Date
KR20220159466A true KR20220159466A (ko) 2022-12-02

Family

ID=77857552

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227037923A KR20220159466A (ko) 2020-03-30 2021-03-30 생체인식 데이터를 사용하는 심도 추정

Country Status (5)

Country Link
US (2) US11580657B2 (ko)
EP (1) EP4127876A1 (ko)
KR (1) KR20220159466A (ko)
CN (1) CN115516406B (ko)
WO (1) WO2021203134A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11580657B2 (en) 2020-03-30 2023-02-14 Snap Inc. Depth estimation using biometric data
US11360733B2 (en) 2020-09-10 2022-06-14 Snap Inc. Colocated shared augmented reality without shared backend
US11949527B2 (en) 2022-04-25 2024-04-02 Snap Inc. Shared augmented reality experience in video chat

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100781170B1 (ko) 2005-12-27 2007-11-30 삼성테크윈 주식회사 촬상장치
JP4264660B2 (ja) * 2006-06-09 2009-05-20 ソニー株式会社 撮像装置、および撮像装置制御方法、並びにコンピュータ・プログラム
JP4571617B2 (ja) 2006-12-28 2010-10-27 三星デジタルイメージング株式会社 撮像装置及び撮像方法
KR101740231B1 (ko) * 2010-11-17 2017-05-26 삼성전자주식회사 3차원 얼굴 위치 추정 방법 및 장치
US20120130284A1 (en) * 2010-11-24 2012-05-24 Honeywell International Inc. System and method for constructing distance estimate models for personal navigation
US9507416B2 (en) * 2011-02-22 2016-11-29 Robert Howard Kimball Providing a corrected view based on the position of a user with respect to a mobile platform
US9894116B2 (en) * 2012-04-12 2018-02-13 Intel Corporation Techniques for augmented social networking
US9791872B2 (en) * 2013-03-14 2017-10-17 Pelco, Inc. Method and apparatus for an energy saving heating, ventilation, and air conditioning (HVAC) control system
US20160048202A1 (en) 2014-08-13 2016-02-18 Qualcomm Incorporated Device parameter adjustment using distance-based object recognition
CN105578018B (zh) * 2014-10-10 2019-03-29 中兴通讯股份有限公司 一种调整焦距的方法、装置及终端
JP2017204156A (ja) 2016-05-11 2017-11-16 ソフトバンク株式会社 情報端末
US20180024633A1 (en) * 2016-07-21 2018-01-25 Aivia, Inc. Using Eye Tracking to Display Content According to Subject's Interest in an Interactive Display System
KR102269065B1 (ko) * 2016-10-05 2021-06-24 매직 립, 인코포레이티드 혼합 현실 교정을 위한 안구주위 테스트
NO344671B1 (en) * 2017-12-21 2020-03-02 Elliptic Laboratories As Contextual display
JP7075237B2 (ja) * 2018-02-23 2022-05-25 ラピスセミコンダクタ株式会社 操作判定装置及び操作判定方法
KR20210046984A (ko) * 2019-10-21 2021-04-29 삼성전자주식회사 얼굴 데이터 획득을 위한 방법 및 이를 위한 전자 장치
US11580657B2 (en) 2020-03-30 2023-02-14 Snap Inc. Depth estimation using biometric data
CN111707374B (zh) * 2020-06-04 2021-08-06 安徽清新互联信息科技有限公司 一种人体红外测温仪的距离估算方法及系统

Also Published As

Publication number Publication date
WO2021203134A1 (en) 2021-10-07
US11580657B2 (en) 2023-02-14
CN115516406A (zh) 2022-12-23
US20230186498A1 (en) 2023-06-15
EP4127876A1 (en) 2023-02-08
CN115516406B (zh) 2024-04-23
US20210304429A1 (en) 2021-09-30
US11887322B2 (en) 2024-01-30

Similar Documents

Publication Publication Date Title
US11960651B2 (en) Gesture-based shared AR session creation
US11700225B2 (en) Event overlay invite messaging system
US11943283B2 (en) Dynamically assigning storage locations for messaging system data
KR20230035672A (ko) 자동 웹사이트 데이터 마이그레이션
US11887322B2 (en) Depth estimation using biometric data
US20210303110A1 (en) Reply back mechanism within a messaging system
US20210409615A1 (en) Skeletal tracking for real-time virtual effects
US11651019B2 (en) Contextual media filter search
CN115668119A (zh) 用于消息收发系统的具有标贴的回复界面
EP4197180A1 (en) User interface for pose driven virtual effects
US11294538B2 (en) Timeline media content navigation system