CN110134806A - 上下文用户简档照片选择的方法和系统 - Google Patents
上下文用户简档照片选择的方法和系统 Download PDFInfo
- Publication number
- CN110134806A CN110134806A CN201910084246.4A CN201910084246A CN110134806A CN 110134806 A CN110134806 A CN 110134806A CN 201910084246 A CN201910084246 A CN 201910084246A CN 110134806 A CN110134806 A CN 110134806A
- Authority
- CN
- China
- Prior art keywords
- photo
- user
- viewer
- profile
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- 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
- G06F3/04842—Selection of displayed objects or displayed text elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
- G06F16/436—Filtering based on additional data, e.g. user or group profiles using biological or physiological data of a human being, e.g. blood pressure, facial expression, gestures
-
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/54—Browsing; Visualisation therefor
-
- 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
- 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]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0483—Interaction with page-structured environments, e.g. book metaphor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Library & Information Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Multimedia (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及上下文用户简档照片选择的方法和系统。选择和显示简档照片可以包括确定触发用于打开显示照片图像的图像文件的动作的查看者的查看者特征。可以确定与查看所述简档照片关联的上下文和多个照片的照片图像特征。基于所述查看者特征、所述照片图像特征以及与查看所述简档照片关联的所述上下文,可以选择所述多个照片中的照片。响应于确定将要变换所选择的照片,可以生成和显示所述照片图像的变换版本。
Description
技术领域
本申请一般地涉及计算机和计算机应用,并且更具体地说,涉及基于标准对要显示的图像进行选择和变形。
背景技术
可以经由许多不同的计算机应用在计算机显示设备上将用户照片显示为图像。例如,显示社交媒体网站页面的Web浏览器可以在不同的上下文中显示用户的照片。诸如公司的目录站点或专业站点之类的网站可以以专业设置显示用户照片。个人具有表达各种人物角色和/或情绪的各种照片,并且表情可以根据查看者是谁、用户想要向查看者传达什么印象等而改变。
发明内容
可以提供一种选择和显示简档照片(profile photo)的方法和系统。在一个方面,所述方法可以包括确定查看者的查看者特征,所述查看者触发用于打开包括用户、用户组、或者对象的照片图像的图像文件以查看所述用户、用户组、和/或对象的简档照片的动作,所述确定基于分析至少社交媒体应用数据来执行。所述方法还可以包括确定与查看所述简档照片关联的上下文。所述方法还可以包括确定在至少一个存储设备上存储的多个照片的照片图像特征。所述方法还可以包括基于所述查看者特征、所述照片图像特征以及与查看所述简档照片关联的所述上下文,从所述多个照片中选择照片。所述方法还可以包括确定是否将要变换所选择的照片。所述方法还可以包括响应于确定将要变换所选择的照片,生成所述用户、所述用户组、和/或所述对象的所述照片图像的变换版本,以及经由用户界面在与所述查看者关联的显示设备上显示所述用户、所述用户组、和/或所述对象的所述照片图像的所述变换版本。所述方法还可以包括响应于确定不需要变换所选择的照片,经由所述用户界面在所述显示设备上显示所选择的照片。
在一个方面,一种选择和显示简档照片的系统可以包括与通信网络耦合的硬件处理器、以及与所述硬件处理器耦合的至少一个存储设备。所述硬件处理器可操作以执行确定查看者的查看者特征,所述查看者触发用于打开包括用户、用户组、或者对象的照片图像的图像文件以查看所述用户、用户组、和/或对象的简档照片的动作,所述确定基于分析至少社交媒体应用数据来执行。所述硬件处理器还可操作以确定与查看所述简档照片关联的上下文。所述硬件处理器还可操作以确定在所述至少一个存储设备上存储的多个照片的照片图像特征。所述硬件处理器还可操作以基于所述查看者特征、所述照片图像特征以及与查看所述简档照片关联的所述上下文,从所述多个照片中选择照片。所述硬件处理器还可操作以确定是否将要变换所选择的照片。所述硬件处理器还可操作以响应于确定将要变换所选择的照片,生成所述用户、所述用户组、和/或所述对象的所述照片图像的变换版本,以及触发经由用户界面在与所述查看者关联的显示设备上显示所述用户、所述用户组、和/或所述对象的所述照片图像的所述变换版本。所述硬件处理器还可操作以响应于确定不需要变换所选择的照片,触发经由所述用户界面在所述显示设备上显示所选择的照片。
还可以提供一种存储具有指令的程序的计算机可读存储介质,所述指令能够由机器执行以执行在此描述的一种或多种方法。
下面参考附图详细描述各种实施例的进一步特性以及结构和操作。在附图中,相同的参考标号指示相同或功能相似的元件。
附图说明
图1是示出一个实施例中的选择和显示照片的系统的组件的框图;
图2是示出一个实施例中的用户简档存储库的图;
图3是示出一个实施例中的自动选择和显示照片的方法的流程图;
图4示出可以实现本公开的一个实施例中的系统的示例计算机或处理系统的示意图。
具体实施方式
提供方法、系统和技术,其显示简档照片(例如,在万维网的网页上),并且基于对照片的查看者的分析和可用用户照片的特征和/或对各种上下文(例如,用户上下文和地理位置上下文)的分析,自动选择将要显示的一个或多个照片。
一个人通常具有本人的照片(也被称为照片),其呈现各种不同的人物角色和上下文(例如,表情、同情、哀悼)。可以根据各种标准向不同的查看者呈现不同的照片。例如,在社交媒体的网页上,经常使用照片。用户的照片或甚至有趣绘画用于诸如网页之类的各种计算机显示,并且甚至用于诸如简历站点和商业站点之类的网站,例如以用于各种目的。
在某些实施例中,具有照片的网页可以是社交媒体网页或公司的直接网页、工作站点的网页等。在某些实施例中,由本公开的系统和/或方法执行的查看者分析可以包括:查看者人口统计的估计;查看者的地理位置(例如,文化敏感地区)和上下文(例如,表情、同情、哀悼);查看者的服务提供者;查看者的兴趣;查看者的角色(例如,朋友、公司经理、招聘人员或机器人招聘人员);单独页面的页面查看次数,其指示大约多少人访问显示照片的站点以及该站点上的哪些页面最受欢迎;人们在特定页面上花费的持续时间,其指示诸如主页是否保持人们的兴趣、人们在访问该站点之前访问了什么站点之类的信息,其有助于了解Web业务是否来自其它网页上的链接、来自搜索等;人们何时(例如,时间)访问该站点以及他们停留多久;站点访问者来自什么国家,例如以确定着装要求的类型(例如,自由,保守)、访问者使用什么浏览器和操作系统等。
照片的特征可以涉及以下任何一项或多项:面部表情和情绪、裁剪、放大、大小、服装、颜色主题、发型、照明、位置、姿势、视点、背景图像、基于众包(例如,投票)的吸引力估计、单独拍摄或与其它人(例如,配偶或另一个人)合影的人、照片写实(例如,真实照片、头像(avatar)、绘画或素描)、和/或动画。
额外上下文可以包括查看者打开简档和照片的时间和地点,例如在公共场所(例如文化敏感地区、需要头巾的地区等)、一天中的时间、假日、和/或一周中的天。
关于(例如,网页上的照片、社交媒体应用的)查看者的信息可以以选择加入方式(opt-in fashion)执行和/或可以从社交媒体简档(例如社交媒体应用的网页或墙帖上显示的那些简档)中收集。照片可以由用户预加载。例如,用户可以向系统提供从中选择的多个照片(例如,5个照片)。
在某些实施例中,用于动态用户简档照片选择的方法和/或系统可以使用在用户偏好设置中的用户定义的地理标记规则。规则的示例包括但不限于:
规则1:如果位置L被视为拥挤,则使用7个照片中的照片3。
规则2:如果位置L被视为隐私敏感,则生成头像以替换我的真实照片。
规则3:如果查看者上下文被确定/检测为“快乐”,则选择被标记为“快乐”的照片。
在某些实施例中,可以基于历史信息来学习规则。例如,规则引擎可以使用各种地理位置相关的分析服务。这些服务可以包括人群密度分析,其可以使用附近信标、WiFi(无线网络)、连接设备等;社交网络分析,其了解对给定位置的用户的隐私关联风险;深度学习服务,其用于通过变换用户的真实照片来生成头像以进行隐私保护。
在某些实施例中,可以基于历史位置相关的上下文信息、用户、查看或浏览历史、社交媒体历史来学习规则。例如,自动或自主学习的新规则可以在图形用户界面(GUI)上呈现给用户和/或一旦被用户批准便添加到偏好设置。
在某些实施例中,所述系统和/或方法可以基于特定地理标记、位置上下文对简档图片进行改变或变形,例如以表达或显示同情或哀悼。这种上下文可以从分析社交媒体和众包数据来学习,以及使用地理位置信息进行三角测量。
在某些实施例中,可以根据查看者对简档照片的反馈来升级或修改简档照片,以获得来自查看者的合适响应。例如,可以从社交媒体网站获得反馈,例如以如下形式:“喜好”(对帖子的批准的指示)和/或其它指示、评论、与其它人共享照片以及他们的描述。例如,还可以通过眼睛跟踪、凝视模式分析、查看者显示照片的时间量、来自面部表情的生物特征反馈等,从检测查看者的眼睛移动来接收反馈。例如当用户(例如,查看者)例如使用来自用户的许可或授权来选择加入时,可以以隐私保护方式获得这种类型的自动反馈。
在某些实施例中,本公开的系统和/或方法可以自动解释查看者的响应并且修改现有图像或选择新图像(例如,从云或用户的链接设备或另一个设备中取回)。还可以基于由用户设置的优先级和偏好来修改图像,以便显示新的简档照片以获得设置的目标,例如以便下次同一查看者访问显示用户照片的用户网页等。
例如,用户可以在他们的简档中存储显示用户在不同环境中的多个照片。例如,用户的第一个照片是与另一个用户在一起,用户的第二个照片显示用户穿着大学服装,用户的第三个照片是在商业环境中,用户的第四个照片是在更随意的环境中,用户的第五个照片显示用户在观众面前的讲台上使用麦克风讲话。可以存在具有不同面部表情的不同照片。可以存在具有不同姿势和服装的不同照片。在某些实施例中,本公开的系统和/或方法可以基于对上下文的分析和查看照片的查看者,选择存储在用户的简档中的照片之一以用于显示。
在某些实施例中,本公开的系统和/或方法可以例如在间歇性网络连接的情况下,基于上下文而自动选择不同质量的图像。在某些实施例中,图像质量子系统可以计算图像的质量得分,其表示图像的视觉质量的度量。质量可以指分辨率、清晰度、以及其它方面。
在某些实施例中,系统可以通过发送诸如上下文、规则、和/或另一个标准之类的信息,触发附近用户设备以获得新照片。例如,如果系统能够例如经由诸如蓝牙之类的近程通信技术,或者例如经由局域网(LAN)或广域网(WAN)或另一个网络与用户设备通信,则用户设备可以被识别为在附近。在另一个方面,被触发的用户设备可能不需要在近程通信范围内,例如,只要系统能够例如经由无线网络(WiFi)或另一个网络与用户设备通信。用户设备的示例可以包括但不限于智能电话、移动电话、平板计算机等。响应于接收到触发,用户设备可以从照片库(例如,存储在用户的设备存储器上的照片、或者存储在用户设备例如可经由WiFi访问的其它位置的照片)中选择合适的照片,建立通信(例如,蓝牙),并且然后安全地发送所选择的照片以改变用户简档。
在某些实施例中,可以基于诸如语音命令之类的用户命令,触发用户简档照片选择的自动系统和/或方法。例如,查看者可以说出指示查看者基于当前需要的简档图片选择的命令。作为一个示例,查看者可以具有参加聚会的计划并且想要查看具有特定发型(例如,朋友或同事之前使用的卷发发型)的照片。本公开的系统和/或方法然后可以动态选择与卷发发型匹配的照片并且呈现给查看者。
本公开的系统和/或方法还可以可选地实现心理语言学分析模块以生成查看者的心理语言学个性简档,以便找到和/或建议简档图片的类型。还可以结合对简档页面的“所有者”的分析,构建查看者的心理语言学个性简档。分析模块可以收集查看者的最近过去社交网络贡献(例如,包括他发布和/或回复的内容),并且然后基于心理语言学分析,本公开的系统和/或方法可以标识用户的最近个性简档。查看者的所确定的个性简档的示例可以是查看者是“冒险的”。
可以采用诸如Watson Personality Insights服务(其使用Bluemix服务)之类的工具来确定个性简档。例如,Watson Personality Insights服务使用语言分析以从用户经由诸如电子邮件、文本消息、博客消息、论坛帖子之类的媒体提供的通信中,推断个人的个性特征、内在需要、以及价值。该工具包括使用在颜色编码部分中显示的信息类型,并且另外使用个性简档中每个特征的百分比指示,对分析进行可视化。作为另一种实现,可以使用可视分析技术(例如,深度神经网络)以通过分析面部表情、眼睛移动、凝视模式等来推断用户的个性特征。
在某些实施例中,高于阈值百分比的特性或特征可以用于获得简档图片。在某些实施例中,可以考虑颜色和服装款式偏好,例如,包括访问网站的用户的颜色和服装款式偏好。例如,可以从人的实际照片到修改后的图像利用不同的照片写实度。
用户简档照片可以应用于团队,例如照片中的多个人。这些场景中的系统和/或方法可以搜索照片,所述照片中显示具有所需特征或简档的组的全部或一部分。在某些实施例中,所述系统可以使用定制的训练后的机器学习模型(例如,使用历史数据的训练后的深度学习模型)通过合并个人的照片来合成组照片,其中,可以从用户的联系人目录、他们的网站、社交媒体页面等中取得个人照片。
本公开的系统和/或方法可以由人工智能(AI)代理使用。例如,在Web上以简档照片存在的自动机器人可能需要基于各种分析(例如,分析照片的查看者、可用用户照片的特征、以及地理位置上下文)来改变简档照片。
图1是示出一个实施例中的选择和显示照片的系统的组件的框图。分析模块102、照片操纵模块104、照片和简档选择器106以及显示管理器108组件在一个或多个硬件处理器(例如,与一个或多个存储设备耦合)上运行或执行。显示管理器108管理照片管理器136和图形用户界面(GUI)134,GUI 134可以例如在网站页面、和/或移动设备上(例如,在设备的显示屏上)显示照片。
分析模块102可以包括执行上下文分析110、社交媒体分析112、个性分析114以及心理语言学分析116的功能。
上下文分析器110可以确定有关用户、位置、以及照片的上下文。例如,给定位置L处的用户和查看者的文化规范、查看者的兴趣、用户和查看者的环境上下文以及其它上下文信息。上下文分析器110可以确定查看者触发显示或打开用户照片的时间和地点,例如显示用户照片的网页或应用页面。上下文分析器110可以使用历史地理位置数据和众包数据来理解和表征给定位置L处的文化规范。上下文分析器可以使用个性分析器114、社交媒体分析器112、和/或心理语言学分析器来进一步理解给定时间和位置处的查看者的兴趣、用户的上下文(例如,表情、同情、哀悼)等。
社交媒体分析器112可以从社交媒体应用中提取相关信息以针对查看者动态选择和配置照片。例如,查看者和用户简档、社交媒体网页(例如,查看者和/或用户查看的网页)上的查看者和/或用户活动、查看者和/或用户发布的评论、和/或社交媒体网站上的其它活动。可以使用诸如预测分析、统计和机器学习算法之类的各种现有算法,以使用所提取的社交媒体数据来训练这些算法,并且识别有关给定位置和时间处的文化规范的帖子的语言或图像的模式。
个性分析器114例如基于来自以下各项的信息来确定查看者和/或用户个性:上下文分析、社交媒体分析、心理语言学分析、与某个时间段内用于面部分析、眼睛移动、凝视模式分析等的查看者参与和交互相关的历史数据的分析。个性分析方法可以通过执行定制的训练后的机器学习模型(例如神经网络模型)来接收和分析查看者反馈。
例如如上所述,心理语言学分析器116例如采用诸如推断个性特征的Watson Personality Insights服务之类的工具,确定查看者的心理语言学个性简档。心理语言学分析器116可以向这种工具输入由社交媒体分析112提取的信息以生成个性特征。
照片操纵模块104可以操纵照片,并且可以包括诸如规则引擎118、变形引擎120、简档匹配器122以及照片接收器124之类的功能。规则引擎118可以确定对以下规范进行编码的一个或多个规则:应该选择什么简档/照片、是否应该修改简档和/或照片、或者应生成头像还是绘画以显示从而代替显示照片。一个或多个规则可以从一组预定规则(例如,用户指定的规则)中取回和/或通过应用一个或多个规则生成算法来生成,这些规则生成算法可以使用一个或多个机器学习算法以从历史数据中学习。例如,可以采用基于规则的机器学习方法(例如,关联规则学习)来发现规则数据库中的先前规则、地理位置/人口统计数据库中的特性、查看者简档中的特性、用户简档照片存储库中的特性之间的感兴趣的关系。
照片接收器124可以从照片或简档组件106或者从附近用户设备接收照片,例如图像文件。变形引擎120可以基于由规则引擎118生成的规则或者来自至少分析模块102上的输入来修改照片,例如改变图像文件的像素值,改变图像的颜色或亮度,变换(例如,模糊或隐藏)图像的可能包含敏感或不适当信息的部分。
简档匹配器122从照片接收器124接收简档和/或照片,并且负责将简档和/或照片与从简档和/或照片配置引擎126接收的要求或因素相匹配。简档匹配器122可以与分析模块102交互以进一步细化和优化最初已通过匹配要求或因素的照片。在一个实施例中,简档匹配器可以根据对匹配结果的分析来触发变形引擎120(例如,如果所匹配的照片的质量被视为低于指定阈值,则可以触发变形引擎)。
简档选择器组件106可以例如基于规则引擎的规则,从用户简档存储库或数据库(例如图2中所示的212)中选择或取得照片,以及向照片操纵模块104发送所选择的照片。简档选择器组件106还可以接收修改后的照片(如果有),以及经由显示管理器108将修改后的照片或所述照片显示到显示设备或类似的界面,例如网页、移动设备等的图形用户界面(GUI)134。
简档选择器组件106可以包括简档配置引擎126、S&P控制器128、视图监视组件130、以及显示控制器132。简档配置引擎126通过与照片操纵模块104、上下文分析器110、和/或基于对从视图监视130接收的数据的分析来配置简档和/或照片。配置简档的过程可以包括接收首次生成简档的要求或因素、解释查看者反馈以修改简档照片(多个)、与照片操纵模块104通信以取回简档或照片。
S&P控制器128通过针对输入(例如所确定的上下文、地理位置信息、人口统计特征)与分析模块102交互,控制用户照片(和用户)和/或查看者的安全和隐私(S&P)方面,以确定与显示控制器132通信的安全和隐私要求。
视图监视组件130可以通过非侵入式工具和监视方法(例如,Analytics工具),收集有关查看者的数据流,例如查看者与每个所显示的照片的交互和参与(例如,点击流、花费的时间等)。在一个方面,可以在查看者或者被监视的另一个人的许可下执行这种监视。
显示控制器132在运行时管理显示管理器108所需的模型和逻辑。显示管理器可以包括预配置的模型和逻辑(例如,S&P要求)。
显示管理器136使用由显示控制器132提供的模型和逻辑来控制照片管理器136。例如,显示管理器136可以在运行时根据至少一个运行时条件(例如设备大小和网络连接),确定应该如何在图形用户界面(GUI)134上显示简档和/或照片(多个)。可以基于客户机-服务器架构(例如,其中客户机侧向后端系统插装、收集和发送数据,以及在GUI上显示照片)来实现图2中所示的组件。可以在云计算环境和/或专有系统、或者另一个计算系统上实现后端系统。后端系统可以执行在此描述的各种实施例。在某些实施例中,例如基于计算资源(例如中央处理单元、存储装置、和/或其它资源)的可用性,一个或多个处理能力可以驻留在客户机侧。在一个方面,GUI 134可以驻留在客户机侧。
图2是示出一个实施例中的用户简档存储库的图,例如照片库(例如,来自用户的社交媒体站点、例如移动电话上的照片库存储、和/或另一个存储装置)。可以从各种数据存储库和网站中取得用户简档照片,例如方式为:在因特网或万维网上执行人肉搜索(如202处所示);搜索用户自己的站点204(例如在社交媒体应用或平台搜索例如所有者自己的网站或网页)、其它网站206和/或定制简档208。可以使用特性提取和标记模块210来分析从各种数据源中取得或接收的每个简档照片和数据,以便提取简档和/或照片的一个或多个特征以及简档和/或照片的一个或多个特性。简档和/或照片的一个或多个特征可以包括照片的拍摄日期和位置、照片的描述、照片的上下文(例如在诸如聚会之类的事件期间拍摄)。简档和/或照片的一个或多个特性可以包括照片的一个或多个导出值(例如,用户的情感、用户的认知状态,例如快乐、压力、困惑、情绪水平等)。通过应用多个定制机器学习算法或模型(例如边缘检测、直方图计算、深度学习算法、稀疏编码方法等)中的一个或多个,可以从简档和/或照片中提取照片的一个或多个导出值。例如,特性提取和标记模块210可以使用统计关联规则挖掘算法来选择最相关的简档图像特性。在另一实施例中,关于照片的已提取特征、特性和其它元数据信息可以与照片(它们也被标记以促进动态搜索和索引)一起安全地(例如,使用加密技术)存储在用户简档存储库212中。用户简档存储库212可以被托管在云或专用(内部)存储设备或环境上。用户简档存储库212可以包括存储为数据库系统并存储在存储设备上的数据。
本公开的系统和/或方法可以由一个或多个跨供应商社交媒体网站或服务或人工智能(AI)代理使用。
图3是示出一个实施例中的自动选择和显示照片的方法的流程图。该方法可以由一个或多个硬件处理器(例如,以通信方式耦合到通信网络,并且在操作上耦合到至少一个存储设备)执行。在302处,确定尝试查看用户的简档照片的查看者的查看者特征。例如,查看者可以触发用于显示或打开包括用户的照片图像的图像文件的动作,例如通过访问显示照片的网站或网页、或者将显示图像文件的另一个动作来请求打开文件。可以通过分析数据(例如,社交媒体应用数据和/或其它数据)来确定查看者特征。用户可以包括用户组,例如团队。在另一个方面,用户可以包括用户的组织、软件代理。在这些示例中,用户的照片可以包括工作中的团队、家庭成员、公司、商店的照片、和/或代表机器人的图形或图标。作为另一个示例,被请求显示以供查看者查看的照片可以包括建筑物或另一个物体。
查看者特征的示例可以包括查看者人口统计的估计、用户的服务提供者、用户的兴趣、用户的地理位置、用户的单独页面的页面查看次数、人们在用户的特定页面上花费的持续时间、人们在访问显示简档照片的站点之前访问的网站、人们访问显示简档照片的站点的时间以及他们在该站点上停留多久、站点的访问者来自什么国家(例如以确定着装要求的自由度)、网站的访问者使用什么计算设备(例如,智能电话、平板计算机、标准计算机、和/或其它设备)、浏览器和操作系统。照片选择过程的方法可以接收用于选择照片(多个)的要求或因素,并且根据所接收的要求或因素,应用选择算法以从用户简档存储库212中取得最佳匹配简档和/或照片。如果未找到匹配简档和/或照片或者所选照片的置信度级别低于定义的阈值,则选择算法可以触发一种或多种其它技术,例如通过发送选择因素、和/或触发变形引擎、和/或另一个动作,触发附近或远程用户设备以获得新照片。
在304处,可以确定与查看简档照片关联的上下文。可以通过分析社交媒体数据和/或从众包数据来确定这种上下文。上下文可以包括文化规范上下文和环境上下文,例如查看者打开简档照片的时间和地点,例如在公共场所、文化敏感地区、一天中的时间、一周中的天、假日等。
在306处,可以确定在至少一个存储设备上存储的多个照片的照片图像特征。例如,可以针对多个照片执行图像分析以标识照片的不同特征。照片特征可以包括照片的各种属性,例如:面部表情、微表情(例如,情绪分析)、裁剪/放大、大小、服装、颜色主题、出现在照片中的个人的发型、照明、位置、姿势、视点、背景图像、基于众包(例如,投票)的吸引力估计、出现在照片中的个人的数量、照片写实度(例如,真实照片、头像、绘画)、动画。
可以经由通信网络从移动设备、服务器设备、以及Web服务器设备中的一者或多者接收从中进行选择的多个照片。在另一个方面,多个照片可能已由用户预加载,并且能够由执行该方法的硬件处理器访问。
在308处,基于查看者特征、照片图像特征、照片图像特性以及与查看简档照片关联的上下文,从在用户简档存储库212中存储的多个照片中选择照片。在某些实施例中,可以进一步基于指定选择照片时的一个或多个条件的一个或多个规则来选择照片。
在310处,确定是否将要变换所选择的照片。例如,基于诸如隐私要求之类的上下文,可以确定应在显示之前变换所选择的照片。例如,可以从查看者对查看者已查看的照片的先前响应、和/或基于对查看者简档的分析等,确定应该变换照片。用户还可能已指定不按原样显示所选择的照片。在另一个方面,该方法可以例如通过使用机器学习算法并训练至少一个定制的训练后的机器学习模型,学习上下文、用户反馈、风险、以及来自历史数据和其它多个数据源(例如,众包)的其它因素,以使得可以执行至少一个变换算法以动态调整符合要求(例如,符合隐私和安全要求以及查看者关注级别)的头像。
在312处,响应于确定将要变换所选择的照片,生成用户的照片图像的变换版本,以及经由用户界面在与查看者关联的显示设备上显示用户的照片图像的变换版本。例如,可以生成与用户对应的头像的图像以代替实际用户的照片来显示。作为另一个示例,可以生成具有选定照片写实度的用户的图像。选择的照片写实度可以基于用于照片变形的至少一个定制的训练后的机器学习模型的准确性级别、针对要进行的迭代次数设置的阈值、用户反馈、和/或其它因素。可以采用诸如深度学习服务之类的技术以通过变换用户的真实照片来生成头像图像,例如以进行隐私保护。在另一个方面,可以基于上下文对用户的照片进行改变或变形,例如以表达同情或哀悼。
在314处,响应于确定不需要变换所选择的照片,经由用户界面在显示设备上显示所选择的照片。
例如,可以在社交媒体网页(例如现有社交媒体应用的网页)、公司电话簿、简历页面等处显示用户的简档照片。
在某些实施例中,可以自动确定一个或多个规则以指定选择照片时的一个或多个条件,例如应该选择什么照片、是否应该修改简档和/或照片、或者应该生成头像或绘画以显示从而代替显示照片。一个或多个规则可以从一组预定规则(例如,用户指定的规则)中取回和/或通过应用一个或多个规则生成算法来生成,这些规则生成算法可以使用机器学习算法(例如,遗传算法、关联规则算法)以从一个或多个数据源提供的历史数据中自动学习。例如,可以采用基于规则的机器学习方法来发现规则数据库中的历史规则、地理位置/人口统计数据库中的特性、查看者简档中的特性、和/或用户简档照片存储库中的特性之间的感兴趣的关系(例如,照片匹配)。一个或多个规则可以基于历史数据、以下一项或多项:社交媒体应用数据、所确定的上下文、和/或其它数据。可以从以下各项学习规则:历史信息;使用人群密度分析(使用附近信标、WiFi、和/或其它连接设备来执行)确定的人群密度信息;和/或来自社交网络分析的信息,其用于了解对给定位置的用户的隐私关联风险。
在另一个方面,可以进一步基于用户定义的地理标记规则来选择照片,可以针对诸如防火墙规则之类的用户偏好设置配置这些地理标记规则。规则的一个示例可以指定“如果位置L被视为拥挤,则使用7个照片中的照片3”;另一个示例规则可以指定“如果位置L被视为隐私敏感,则生成头像以替换我的真实照片”。
该方法还可以包括通过发送诸如上下文和/或规则之类的信息,触发附近或远程用户设备(例如移动电话、平板计算机、膝上型计算机、或者另一个设备)以获得新照片。可以基于从照片选择算法接收的至少一个要求,确定触发附近或远程用户设备的方法,该照片选择算法可以驻留在所公开的系统的客户机侧或服务器侧。在远程用户设备上运行的应用可以接收该信息,并且基于该信息从照片库中选择合适的照片,如果尚未建立通信则建立通信(例如,蓝牙),以及然后安全地发送所选择的照片以改变用户简档。
该方法还可以包括检测或监视、聚合和分析查看者关于简档照片的反馈。在一个方面,可以从社交媒体网站获得反馈,例如以如下形式:“喜好”、由查看者输入的评论、与其它人共享照片以及他们的描述、语音命令、隐式反馈等。基于反馈,简档照片可以例如被动态升级到新照片、被变形或者被替换为不同图像。例如,查看者对照片或变形照片的反馈可以用于建立新照片的置信度级别。例如,在某些实施例中,基于查看者的反馈来建立置信度级别。可以反馈对不同照片(包括选择要显示的照片)的正面和负面评论以及反应作为神经网络机器学习算法的输入,以便学习最佳照片选择。例如,最初仅基于诸如查看者的简档、社交媒体门户信息和其它因素的输入特性,可能认为显示的照片(相对)不适当。实时反馈意味着分析对照片的实时评论或反应(例如“喜好”),这可以在任何给定时间修改输出。因此,这导致基于该主动反馈来选择备选照片或者过滤或模糊(隐藏)照片的内容,该主动反馈固有地修改机器学习算法的置信度级别(或者作为要使用的备选项的刚性因子)。例如,以选择加入方式,在查看者的许可下获得关于查看者的信息。
系统可以自动解释查看者对修改后的简档照片的响应,以便修改现有照片或选择新照片。解释查看者反馈的方法可以接收查看者对修改后的简档照片的响应。查看者响应可以是显式响应(例如,文本或音频命令或反馈)、隐式响应、或者两者的组合。显式响应的示例包括查看者困惑、厌恶或满意度级别,其可以从查看者监视模式、面部表情分析、眼睛移动、语音声调等来动态检测。在另一个方面,可以基于由用户设置的预定义优先级和偏好来修改现有照片。在某些实施例中,基于查看者响应的解释结果(多个),该方法可以包括选择新照片,应用至少一个定制的训练后的机器学习模型来修改现有照片,例如对现有照片进行变形。
图4示出可以实现本公开的一个实施例中的系统的示例计算机或处理系统的示意图。计算机系统仅是合适的处理系统的一个示例,而并非旨在对在此描述的方法的实施例的使用范围或功能带来任何限制。所示处理系统可以与众多其它通用或专用计算系统环境或配置一起操作。众所周知,可以适合于与图4中所示的处理系统一起使用的计算系统、环境、和/或配置的示例可以包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络PC、小型计算机系统﹑大型计算机系统、以及包括上述任意系统或设备的分布式云计算环境等。
计算机系统可以在由计算机系统执行的计算机系统可执行指令(例如程序模块)的一般上下文中描述。通常,程序模块可以包括例程、程序、对象、组件、逻辑、数据结构等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统可以在分布式云计算环境中实施,其中由通过通信网络链接的远程处理设备来执行任务。在分布式云计算环境中,程序模块可以位于本地和远程计算机系统存储介质(包括存储设备)两者中。
计算机系统的组件可以包括但不限于:一个或多个处理器或处理单元12、系统存储器16、以及耦合各种系统组件(包括系统存储器16和处理器12)的总线14。处理器12可以包括执行在此描述的方法的模块30。模块30可以被编程到处理器12的集成电路中,或者从存储器16、存储设备18、或者网络24或它们的组合来加载。
总线14可以表示几类总线结构中的一种或多种,包括存储器总线或存储器控制器、外围总线、图形加速端口、处理器或者使用各种总线体系结构中的任意一种的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)局域总线、以及外围组件互连(PCI)总线。
计算机系统可以包括各种计算机系统可读介质。这些介质可以是可由计算机系统访问的任意可用介质,并且可以包括易失性和非易失性介质、可移动和不可移动介质。
系统存储器16可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)和/或高速缓冲存储器等。计算机系统可以进一步包括其它可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统18可以用于读写不可移动、非易失性磁介质(例如,“硬盘驱动器”)。尽管未示出,但可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器、以及对可移动非易失性光盘(例如CD-ROM、DVD-ROM或其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或多个数据介质接口连接到总线14。
计算机系统还可以与一个或多个外部设备26(例如键盘、指向设备、显示器28等)通信,还可以与一个或多个使用户能够与该计算机系统交互的设备通信,和/或与使该计算机系统能够与一个或多个其它计算设备进行通信的任何设备(例如,网卡、调制解调器等等)通信。这种通信可以经由输入/输出(I/O)接口20进行。
并且,计算机系统可以经由网络适配器20与一个或多个网络24(例如局域网(LAN)、广域网(WAN)、和/或公共网络(例如,因特网))通信。如图所示,网络适配器22经由总线14与计算机系统的其它组件通信。应该理解,尽管未示出,但其它硬件和/或软件组件可以与计算机系统结合使用。示例包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器、以及数据备份存储系统等。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是—但不限于—电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输介质传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其它设备以特定方式工作,从而,存储有指令的计算机可读存储介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在此使用的术语仅出于描述特定实施例的目的并且并非旨在作为本发明的限制。如在此使用的,单数形式“一”、“一个”和“该”旨在同样包括复数形式,除非上下文明确地另有所指。还将理解,术语“包括”和/或“包含”在用于本说明书中时指定所述特性、整数、步骤、操作、元件和/或组件的存在,但不排除存在或添加一个或多个其它特性、整数、步骤、操作、元件、组件和/或它们的组合。
以下的权利要求中的对应结构、材料、操作以及所有功能性限定的装置或步骤的等同替换,旨在包括任何用于与在权利要求中具体指出的其它单元相组合地执行该功能的结构、材料或操作。所给出的对本发明的描述其目的在于示意和描述,并非是穷尽性的,也并非是要将本发明限定到所表述的形式。对于所属技术领域的普通技术人员来说,在不偏离本发明范围和精神的情况下,显然可以作出许多修改和变型。对实施例的选择和说明,是为了最好地解释本发明的原理和实际应用,使所属技术领域的普通技术人员能够明了,本发明可以有适合所要的特定用途的具有各种改变的各种实施方式。
Claims (10)
1.一种选择和显示简档照片的方法,所述方法由至少一个硬件处理器执行,所述方法包括:
确定触发用于打开包括用户的照片图像的图像文件以查看所述用户的简档照片的动作的查看者的查看者特征,所述确定基于分析至少社交媒体应用数据来执行;
确定与查看所述简档照片关联的上下文;
确定在至少一个存储设备上存储的多个照片的照片图像特征;
基于所述查看者特征、所述照片图像特征以及与查看所述简档照片关联的所述上下文,从所述多个照片中选择照片;
确定是否将要变换所选择的照片;
响应于确定将要变换所选择的照片,生成所述用户的所述照片图像的变换版本,以及经由用户界面在与所述查看者关联的显示设备上显示所述用户的所述照片图像的所述变换版本;以及
响应于确定不需要变换所选择的照片,经由所述用户界面在所述显示设备上显示所选择的照片。
2.根据权利要求1所述的方法,还包括:基于所述社交媒体应用数据和所述上下文中的一者或多者,自动生成指定在选择所述照片时的一个或多个条件的一个或多个规则。
3.根据权利要求1所述的方法,其中,从所述多个照片中选择照片的步骤进一步基于指定在选择所述照片时的一个或多个条件的一个或多个规则来执行。
4.根据权利要求1所述的方法,其中,生成所述照片图像的所述变换版本包括生成与所述用户对应的头像的图像。
5.根据权利要求1所述的方法,其中,生成所述照片图像的所述变换版本包括生成具有与所述用户对应的照片写实度的图像。
6.根据权利要求1所述的方法,其中,在至少一个存储设备上存储的所述多个照片是经由通信网络从移动设备、服务器设备、以及Web服务器设备中的一个或多个接收的。
7.根据权利要求1所述的方法,其中,所述多个照片由所述用户预加载。
8.一种存储具有指令的程序的计算机可读存储介质,所述指令能够由机器执行以执行根据权利要求1至7所述的任一方法。
9.一种选择和显示简档照片的系统,包括:
与通信网络耦合的硬件处理器;以及
与所述硬件处理器耦合的至少一个存储设备;
所述硬件处理器可操作以执行根据权利要求1至7所述的任一方法。
10.一种选择和显示简档照片的系统,包括用于实现根据权利要求1至7所述的任一方法的任何步骤的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/893019 | 2018-02-09 | ||
US15/893,019 US10572121B2 (en) | 2018-02-09 | 2018-02-09 | Contextual user profile photo selection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110134806A true CN110134806A (zh) | 2019-08-16 |
CN110134806B CN110134806B (zh) | 2023-01-10 |
Family
ID=67541610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910084246.4A Active CN110134806B (zh) | 2018-02-09 | 2019-01-29 | 上下文用户简档照片选择的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (2) | US10572121B2 (zh) |
CN (1) | CN110134806B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10752253B1 (en) * | 2019-08-28 | 2020-08-25 | Ford Global Technologies, Llc | Driver awareness detection system |
US11991419B2 (en) | 2020-01-30 | 2024-05-21 | Snap Inc. | Selecting avatars to be included in the video being generated on demand |
US11036781B1 (en) * | 2020-01-30 | 2021-06-15 | Snap Inc. | Video generation system to render frames on demand using a fleet of servers |
US11284144B2 (en) | 2020-01-30 | 2022-03-22 | Snap Inc. | Video generation system to render frames on demand using a fleet of GPUs |
CN115175748A (zh) | 2020-01-30 | 2022-10-11 | 斯纳普公司 | 用于按需生成媒体内容项的系统 |
US11356720B2 (en) | 2020-01-30 | 2022-06-07 | Snap Inc. | Video generation system to render frames on demand |
US11601481B2 (en) * | 2020-08-25 | 2023-03-07 | Spatial Systems Inc. | Image-based file and media loading |
EP4244792A1 (en) * | 2020-11-11 | 2023-09-20 | IDS Technology LLC | Systems and methods for automatic persona generation from content and association with contents |
US20230205812A1 (en) * | 2021-12-03 | 2023-06-29 | Awes.Me, Inc. | Ai-powered raw file management |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322123A (zh) * | 2005-11-30 | 2008-12-10 | 皇家飞利浦电子股份有限公司 | 用于更新用户简档的方法和系统 |
US20120030227A1 (en) * | 2010-07-30 | 2012-02-02 | Microsoft Corporation | System of providing suggestions based on accessible and contextual information |
CN104641399A (zh) * | 2012-02-23 | 2015-05-20 | 查尔斯·D·休斯顿 | 用于创建环境并用于共享环境中基于位置的体验的系统和方法 |
US20160255082A1 (en) * | 2016-03-27 | 2016-09-01 | Yogesh Rathod | Identifying & storing followers, following users, viewers, users and connections for user |
CN106105185A (zh) * | 2014-03-10 | 2016-11-09 | 微软技术许可有限责任公司 | 基于元数据的照片和/或视频动画 |
US9817625B1 (en) * | 2016-10-20 | 2017-11-14 | International Business Machines Corporation | Empathetic image selection |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8510669B2 (en) | 2006-02-06 | 2013-08-13 | Yahoo! Inc. | Method and system for presenting photos on a website |
US20090031003A1 (en) | 2007-07-26 | 2009-01-29 | International Business Machines Corporation | Color Coding Web Site Presentation |
US20090327923A1 (en) | 2008-06-30 | 2009-12-31 | Yahoo! Inc. | Automated system and method for creating a web site based on a subject using information available on the internet |
US8370282B1 (en) | 2009-07-22 | 2013-02-05 | Google Inc. | Image quality measures |
US8572177B2 (en) * | 2010-03-10 | 2013-10-29 | Xmobb, Inc. | 3D social platform for sharing videos and webpages |
US9223802B2 (en) * | 2011-01-24 | 2015-12-29 | T-Mobile Usa, Inc. | Automatic sharing of superlative digital images |
US8867849B1 (en) | 2011-10-05 | 2014-10-21 | Google Inc. | Suggesting profile images for a social network |
US8667579B2 (en) * | 2011-11-29 | 2014-03-04 | Genband Us Llc | Methods, systems, and computer readable media for bridging user authentication, authorization, and access between web-based and telecom domains |
WO2013104005A1 (en) | 2012-01-08 | 2013-07-11 | Thomson Licensing | Method and appartus for providing media asset recommendations |
US9246917B2 (en) * | 2012-02-06 | 2016-01-26 | Crytek Ip Holding Llc | Live representation of users within online systems |
US20130282808A1 (en) * | 2012-04-20 | 2013-10-24 | Yahoo! Inc. | System and Method for Generating Contextual User-Profile Images |
US9158857B2 (en) | 2012-06-05 | 2015-10-13 | Google Inc. | Identifying landing pages for images |
US9246958B2 (en) | 2012-08-02 | 2016-01-26 | Facebook, Inc. | Systems and methods for multiple photo selection |
US9118967B2 (en) | 2012-08-17 | 2015-08-25 | Jamdeo Technologies Ltd. | Channel changer for intelligent television |
US20140074620A1 (en) | 2012-09-12 | 2014-03-13 | Andrew G. Bosworth | Advertisement selection based on user selected affiliation with brands in a social networking system |
US9275420B1 (en) | 2012-10-05 | 2016-03-01 | Google Inc. | Changing user profile impression |
US20140157153A1 (en) * | 2012-12-05 | 2014-06-05 | Jenny Yuen | Select User Avatar on Detected Emotion |
US9331970B2 (en) * | 2012-12-05 | 2016-05-03 | Facebook, Inc. | Replacing typed emoticon with user photo |
US11212362B2 (en) * | 2012-12-27 | 2021-12-28 | Avaya Inc. | System and method for authorizing third party profile data sharing |
US9319727B2 (en) | 2013-10-29 | 2016-04-19 | Fx Networks, Llc | Viewer-authored content acquisition and management system for in-the-moment broadcast in conjunction with media programs |
WO2016040922A1 (en) | 2014-09-12 | 2016-03-17 | Thomson Licensing | Content recommendations associated with context provided by a viewer |
US10491553B2 (en) * | 2016-05-26 | 2019-11-26 | International Business Machines Corporation | Dynamically integrating contact profile pictures into messages based on user input |
US10255668B2 (en) * | 2016-08-23 | 2019-04-09 | International Business Machines Corporation | Enhancement of a profile photo system |
US10416859B2 (en) * | 2016-08-23 | 2019-09-17 | International Business Machines Corporation | Enhanced configuration of a profile photo system |
US20180060439A1 (en) * | 2016-08-25 | 2018-03-01 | Facebook, Inc. | User status update suggestions |
US10382382B2 (en) * | 2016-10-04 | 2019-08-13 | Facebook, Inc. | Methods and systems for managing a user profile picture associated with an indication of user status on a social networking system |
US10425498B2 (en) * | 2017-01-25 | 2019-09-24 | International Business Machines Corporation | Targeted profile picture selection |
-
2018
- 2018-02-09 US US15/893,019 patent/US10572121B2/en active Active
-
2019
- 2019-01-29 CN CN201910084246.4A patent/CN110134806B/zh active Active
- 2019-12-11 US US16/710,284 patent/US11016640B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322123A (zh) * | 2005-11-30 | 2008-12-10 | 皇家飞利浦电子股份有限公司 | 用于更新用户简档的方法和系统 |
US20120030227A1 (en) * | 2010-07-30 | 2012-02-02 | Microsoft Corporation | System of providing suggestions based on accessible and contextual information |
CN104641399A (zh) * | 2012-02-23 | 2015-05-20 | 查尔斯·D·休斯顿 | 用于创建环境并用于共享环境中基于位置的体验的系统和方法 |
CN106105185A (zh) * | 2014-03-10 | 2016-11-09 | 微软技术许可有限责任公司 | 基于元数据的照片和/或视频动画 |
US20160255082A1 (en) * | 2016-03-27 | 2016-09-01 | Yogesh Rathod | Identifying & storing followers, following users, viewers, users and connections for user |
US9817625B1 (en) * | 2016-10-20 | 2017-11-14 | International Business Machines Corporation | Empathetic image selection |
Non-Patent Citations (2)
Title |
---|
BERGER,H等: "Photo-based user profiling for tourism recommender systems", 《8TH INTERNATIONAL CONFERENCE ON E-COMMERENCE AND WEB TECHNOLOGIES》 * |
黄欣: "关联数据在照片档案管理中的应用研究", 《中国硕士论文2014年第01期》 * |
Also Published As
Publication number | Publication date |
---|---|
US20190250795A1 (en) | 2019-08-15 |
US11016640B2 (en) | 2021-05-25 |
US10572121B2 (en) | 2020-02-25 |
US20200117344A1 (en) | 2020-04-16 |
CN110134806B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110134806A (zh) | 上下文用户简档照片选择的方法和系统 | |
Luce | Artificial intelligence for fashion: How AI is revolutionizing the fashion industry | |
US9691183B2 (en) | System and method for dynamically generating contextual and personalized digital content | |
US10755487B1 (en) | Techniques for using perception profiles with augmented reality systems | |
US20190385212A1 (en) | Real-time in-venue cognitive recommendations to user based on user behavior | |
US11113719B2 (en) | Content demotion | |
US20180225632A1 (en) | Finding virtual teams within a company according to organizational hierarchy | |
Monteith et al. | Commercial use of emotion artificial intelligence (AI): implications for psychiatry | |
US20180300755A1 (en) | Segmenting customers of educational technology products | |
CN110175297A (zh) | 馈送中的个性化的每成员模型 | |
CN113557521A (zh) | 使用机器学习从动画媒体内容项目提取时间信息的系统和方法 | |
Stefanidi et al. | Real-time adaptation of context-aware intelligent user interfaces, for enhanced situational awareness | |
US20170140049A1 (en) | Web search based on browsing history and emotional state | |
Bucher | Facing AI: conceptualizing ‘fAIce communication’as the modus operandi of facial recognition systems | |
Lee | Towards Informatic Personhood: understanding contemporary subjects in a data-driven society | |
US11501059B2 (en) | Methods and systems for auto-filling fields of electronic documents | |
US20210350202A1 (en) | Methods and systems of automatic creation of user personas | |
Zhu | Construction and risk analysis of marketing system based on ai | |
CN111506718A (zh) | 会话消息确定方法、装置、计算机设备和存储介质 | |
US20230111633A1 (en) | Lead conversion using conversational virtual avatar | |
US10554768B2 (en) | Contextual user experience | |
US11010935B2 (en) | Context aware dynamic image augmentation | |
Mora et al. | An in-store recommender system leveraging the microsoft hololens | |
Bustos-López et al. | Emotion Detection in Learning Environments Using Facial Expressions: A Brief Review | |
CN112115231A (zh) | 一种数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |