CN111480168B - 基于情景的图像选择 - Google Patents
基于情景的图像选择 Download PDFInfo
- Publication number
- CN111480168B CN111480168B CN201880080215.5A CN201880080215A CN111480168B CN 111480168 B CN111480168 B CN 111480168B CN 201880080215 A CN201880080215 A CN 201880080215A CN 111480168 B CN111480168 B CN 111480168B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- context
- user
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000015654 memory Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 20
- 230000000694 effects Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001627 detrimental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007557 optical granulometry Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000019993 champagne Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Studio Devices (AREA)
Abstract
用于选择图像的方法和系统。所述系统和方法可以接收一个或多个图像以及与所接收的图像相关联的情景。基于所接收的图像的情景,适当的引擎可以通过执行一个或多个例行程序来分析图像。基于分析的结果,可以对图像中的一个或多个进行选择。
Description
相关申请的交叉引用
本申请要求2017年10月17日提交的共同未决的美国临时申请第62/573,645号的权益,其全部公开内容通过引用并入本文,如在本文中完整阐述一样。
技术领域
本文描述的实施例大体上涉及用于从多个图像中选择一个或多个图像的系统和方法,且更具体地但非排他地涉及通过考虑与所述图像相关联的情景信息来选择一个或多个图像的系统和方法。
背景技术
通过手机相机和其他具有图像采集功能的移动设备进行数码摄影的出现,使用户能够采集比以往更多的图像。由于摄影的数字化和增加的存储能力,实际上人们可以拍摄的照片、视频、实况照片等的数量没有限制。但结果是,用户最终拥有非常大的图像库,其中混合包含例如精美的照片和次佳的照片。
因此,需要能够从图像集合中自主地选择最符合期望的图像或“最好的”图像的系统和方法。
发明内容
本发明内容是用于以简化的形式介绍一些构思的选择,这些构思将在下面的具体实施方式部分中进一步描述。本发明内容不旨在确定或排除所要求保护的主题的关键特征或必要特征,也不旨在用于帮助确定所要求保护的主题的范围。
在一方面,实施例涉及一种用于选择至少一个图像的计算机实现的方法。所述方法包括使用连接至计算机的接口接收多个图像;至少一个处理器执行存储在存储器中的指令,接收与所述多个图像相关联的情景;使用所述处理器通过执行与所述情景相关联的至少一个例行程序来分析所述多个图像;使用所述处理器基于所述至少一个例行程序执行的结果选择所述多个图像中的至少一个。
在一些实施例中,所述情景从用户接收。
在一些实施例中,所述方法还包括使用处理器对所述多个图像中的每一个指定情景评分,其中所述情景评分由与所述情景相关联的至少一个例行程序确定。在一些实施例中,所述情景评分基于图像情景、图像EXIF数据、位置数据、图像拍摄者、访问图像的用户、图像中的对象、图像中的人、图像焦点以及用户与图像的交互中的至少其中一项。
在一些实施例中,选择所述多个图像中的至少一个包括使用图像定向、图像捕获时间、图像中的人、位置数据和图像中的对象中的至少其中一项来选择所述多个图像中的至少一个。
在一些实施例中,所述方法还包括使用处理器预测所述多个图像的情景以提供所述情景。
在一些实施例中,所述方法还包括将所选择的所述多个图像中的至少一个第一图像呈现给第一用户,以及将所选择的所述多个图像中的至少一个第二图像呈现给第二用户。
在一些实施例中,所述方法还包括将至少一个选择的图像共享给多个授权用户。
在一些实施例中,所选择的所述多个图像为跨不同时间段拍摄的。
在一些实施例中,所选择的所述多个图像为跨不同位置拍摄的。
根据另一方面,实施例涉及一种用于选择至少一个图像的计算机实现的系统。所述系统包括连接至计算机的接口,用于接收至少多个图像;以及至少一个处理器,执行存储在存储器中的指令,以接收与所述多个图像相关联的情景,通过执行与所述情景相关联的至少一个例行程序来分析所述多个图像,以及基于所述至少一个例行程序执行的结果选择所述多个图像中的至少一个。
在一些实施例中,所述情景从用户接收。
在一些实施例中,所述至少一个处理器还配置为使用所述至少一个处理器对所述多个图像中的每一个指定情景评分,其中所述情景评分由与所述情景相关联的至少一个例行程序确定。在一些实施例中,所述情景评分基于图像情景、图像EXIF数据、位置数据、图像拍摄者、访问图像的用户、图像中的对象、图像中的人、图像焦点以及用户与图像的交互中的至少其中一项。
在一些实施例中,所述至少一个处理器使用图像定向、图像捕获时间、图像中的人、位置数据和图像中的对象中的至少其中一项来选择所述多个图像中的至少一个。
在一些实施例中,所述至少一个处理器还配置为预测所述多个图像的情景以提供所述情景。
在一些实施例中,所述至少一个处理器还配置为将所述多个图像中的至少一个第一图像呈现给第一用户,以及将所述多个图像中的至少一个第二图像呈现给第二用户。
在一些实施例中,所述至少一个处理器还配置为将至少一个选择的图像共享给多个授权用户。
在一些实施例中,所选择的所述多个图像为跨不同时间段拍摄的。
在一些实施例中,所选择的所述多个图像为跨不同位置拍摄的。
附图说明
参考以下附图描述本公开内容的非限制性和非穷举性实施例,其中除非另有说明,否则相同的附图标记在各个视图中指代相同的部分。
图1示出了根据一个实施例,用于选择图像的计算机实现的系统的概览;
图2示出了根据一个实施例,用于选择至少一个图像的系统;
图3示出了根据一个实施例,用于操作图2的系统的方法的流程图;
图4示出了根据一个实施例,用于对照片评分的方法的流程图;
图5示出了根据一个实施例,分析婚礼情景中的照片的方法的流程图;
图6示出了根据一个实施例,图2的分发模块;以及
图7示出了根据一个实施例,用于选择至少一个图像的方法的流程图。
具体实施方式
下面参考附图更全面地描述各个实施例,各附图形成本发明的一部分并且示出了具体的示例性实施例。然而,本公开的构思可以以许多不同的形式来实现,并且不应解释为限于这里阐述的实施例;相反,提供这些实施例作为彻底和完整公开的一部分,以向本领域技术人员充分传达本公开的构思、技术和实施方式的范围。实施例可以实践为方法、系统或设备。因此,实施例可以采取硬件实施方式、完全软件实施方式或结合软件和硬件方面的实施方式的形式。因此,以下详细描述不应被视为限制性的。
说明书中引用“一个实施例”或“实施例”表示与描述该实施例有关的特定特征、结构或特性包括在根据本公开的至少一个示例性实施方式或技术中。在说明书中各处出现的短语“在一个实施例中”不一定都指的是同一实施例。在说明书中各处出现的短语“在一些实施例中”不一定都指的是相同的实施例。
下文描述的一些部分是根据存储在计算机存储器内的非瞬态信号操作的符号表示来描述的。这些描述和图示由数据处理领域的技术人员用来最有效地将其工作的实质传达给本领域的其他技术人员。此类操作通常需要对物理量进行物理操作。通常,尽管不是必须的,但这些量可以采取能够进行存储、传输、组合、比较或以其他方式控制的电、磁或光信号的形式。有时为了方便,主要是由于习惯用法的原因,将这些信号称为比特、数值、元素、符号、字符、术语、数字等。此外,有时也是为了方便,将某些需要物理量的物理操作的步骤的布置称为模块或编码装置,而不失一般性。
但是所有这些和类似术语都与适当的物理量有关,仅仅是应用于这些量的方便标签。除非从以下讨论中显而易见地明确说明,否则应当理解,在整个说明书中,利用诸如“处理”或“电脑运算”或“计算”或“确定”或“显示”等术语的讨论指的是计算机系统或类似电子计算装置的动作和过程,其操纵和变换表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示装置内的物理(电子)量的数据。本公开的部分包括可以实现在软件、固件或硬件中的过程和指令,并且当实现在软件中时,可以被下载以驻留在由各种操作系统使用的不同平台上并从其进行操作。
本公开还涉及用于执行本文操作的设备。该设备可以被特别构造用于所需目的,或者可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这样的计算机程序可以存储在计算机可读存储介质中,例如但不限于任何类型的盘,包括软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、专用集成电路(ASIC),或适合于存储电子指令的任何类型的介质,并且每个都可以耦合到计算机系统总线。此外,说明书中提到的计算机可以包括单个处理器,或者可以是采用多个处理器设计以提高计算能力的架构。
本文呈现的过程和显示并非固有地与任何特定计算机或其他设备相关。各种通用系统也可以与根据本文的教导的程序一起使用,或者可以证明构造更专用的设备以执行一个或多个方法步骤是方便的。在下面的描述中讨论了各种这些系统的结构。另外,可以使用足以实现本公开的技术和实施方式的任何特定的编程语言。如本文所讨论的,各种编程语言可以用于实现本公开。
此外,本说明书中使用的语言主要是出于可读性和指导目的而选择的,并非选择用于描述或限制所公开的主题。因此,本公开意在说明而非限制本文所讨论的构思的范围。
如前所述,数字图像采集设备的出现和增加的存储能力可能导致用户拥有其采集的图像的非常大的库。所述图像可以包括照片、视频、实景真人照片、GIF等(为简单起见,称为“照片”或“图像”)。因此,这些库可能包含值得共享和保存的精美照片,但也有次佳照片。这就给用户带来了挑战,例如,选择最佳照片以与他人共享以突显特定事件,或者将照片转换为更永久的记忆,例如印刷的相册、年历等。对于大部分,这些照片仅保留在用户的相机或计算机上。
解决此问题的尝试包括最近提出的自动方法,例如苹果公司的回忆、谷歌相册、EyeEom的“The Roll”以及Flayvr Media的My Roll。这些系统的详细信息通常不公开。但是,许多基本的图像处理算法已经公开了。
这些现有技术的局限性在于它们不考虑照片的情景。而是,这些技术通常将相同的算法应用于所有照片,而不管这些照片是否属于家庭活动、旅行照片等。这可能导致“最佳”照片的选择不理想。
根据本文描述的各个实施例的系统和方法解决了现有技术的局限性,从照片集中自动选择最佳照片。所述系统和方法可以通过考虑与其相关的情景信息来选择这些最佳照片。当用户创建照片集时,可以明确地提供情景数据,或者本文所述的系统和方法可以自主地预测照片的情景。
本文描述的系统和方法可以基于照片情景选择最合适的引擎或子系统来分析照片。换句话说,照片的情景控制使用哪个引擎或子系统(为简化起见,称为“引擎”)来分析照片。每个引擎可以执行针对所述情景的一个或多个例行程序来选择最佳照片。
图1示出了用于选择至少一个图像的计算机实现的系统的高级概览100。如图1,采集的图像001和与采集的图像001相关联的情景数据002被传送到“最佳拍摄系统”003。为简单起见,可以假定所有图像001都属于共同的情景002。
最佳拍摄系统003可以基于情景数据002执行一个或多个适当的引擎来分析图像001。最佳拍摄系统003然后可以基于分析结果输出最佳图像的排名/选择004。
在一些实施例中,用户可以上传或以其他方式使所有图像立即在一集合中可用。在其他实施例中,用户可以提交或以其他方式每次拍摄一张照片,且系统003可以在每张照片上传之后,以固定的时间间隔或每当用户查看照片集合时连续更新其对最佳照片的推荐。
最佳拍摄系统003可以通过从移动设备进行的网络服务调用或通过设计为向所述系统提交照片的基于网络的应用来实现。在一些实施例中,用户可以提供标识符,例如URL或URI,以检索集合中的照片。
图2示出了根据一个实施例的用于选择至少一个图像的系统200。系统200类似于图1的概览100,但进行了更详细的图示。
系统200可以包括用户设备202,执行可由一个或多个用户206访问的用户接口204。用户206可能有兴趣使系统200从用户206和/或其他用户(图2中未示出)提供的照片集合中选择最佳照片。
用户设备202可以是能够执行用户接口204的任何硬件设备。用户设备202可以配置为膝上型计算机、个人电脑、平板电脑、移动设备等。用户设备202的确切配置可以变化,只要它能够执行并将用户接口204呈现给用户206即可。在一些实施例中,用户设备202本身可以包括图像采集能力。
在本申请的语境中,术语“流”可以指一组用户能够访问的照片的集合。例如,有权访问特定流的用户可以将照片上传到所述流,以便其他用户能够查看上传的照片。
用户接口204可以允许用户206上传或以其他方式提供照片以供分析。用户接口204可以例如允许用户206邀请其他人加入流,允许用户206明确地标识与一张或多张照片相关联的情景,并且允许用户206输入关于照片分析的任何特定指令。
除了用户206提供照片之外,通过一个或多个网络210进行通信的用户设备208的用户还可以采集照片并将其提供给指定位置(例如,多个用户可访问的文件212)。这些用户设备208可以包括蜂窝电话、数码相机、平板电脑、膝上型计算机、智能手表、智能珠宝或用于采集图像的任何其他类型的设备,无论是现在可用还是以后发明的。
用户206可以邀请设备208的用户加入流,例如通过发送链接到所有用户可以向其提供照片的文件位置212。用户可以点击链接并提供任何必需的凭据或其他信息来获得对文件位置的访问。
采集的照片可以通过一个或多个网络210传送到接口214。网络210可以使用各种类型的网络连接来链接各种设备。网络210可以包括或可以通过接口连接至互联网、内联网、个人局域网(PAN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、存储区域网(SAN)、帧中继连接、高级智能网络(AIN)连接、同步光网络(SONET)连接、数字T1、T3、E1或E3链路、数字数据服务(DDS)连接、数字用户链路(DSL)连接、以太网连接、综合服务数字网络(ISDN)链路、拨号端口(例如V.90、V.34或V.34bis模拟调制解调器连接)、电缆调制解调器、异步传输模式(ATM)连接、光纤分布式数据接口(FDDI)连接、铜缆分布式数据接口(CDDI)连接或光纤/DWDM网络中的任意一种或多种。
网络210还可以包括、包含或通过接口连接至无线应用协议(WAP)链路、Wi-Fi链路、微波链路、通用分组无线服务(GPRS)链路、全球移动通信系统G(SM)链路、码分多址(CDMA)链路或时分多址(TDMA)链路(比如蜂窝电话信道)、全球定位系统(GPS)链路、蜂窝数字分组数据(CDPD)链路、黑莓公司(RIM)的双工寻呼类型装置、蓝牙无线电链路或基于IEEE802.11的链路中的任意一种或多种。
接口214可以接收采集的照片,并将它们传送到存储位置212(例如,指定的文件位置)和/或处理器216。处理器216可以是根据本文描述的实施例的能够执行存储器218上的指令以选择最佳照片的任何硬件设备。处理器216可以是微处理器、现场可编程门阵列(FPGA)、图形处理单元、专用集成电路(ASIC)或其他类似设备,无论是现在可用的还是以后发明的。
在一些实施例中,例如依赖于一个或多个ASIC的实施例,描述为部分通过软件提供的功能可以替代地配置为ASIC的设计,且因此可以省略相关的软件。处理器216可以配置为用户设备204的一部分,用户接口204在诸如膝上型计算机之类的用户设备204上执行,或者处理器216可以位于某个远程位置。
为了启动系统200,用户206可以首先使用用户接口204提供与采集的照片相关联的情景。例如,用户接口204可以呈现预定义情景的下拉菜单,用户206可以从中选择与采集的照片相关联的情景。
附加地或替代地,处理器216可以执行存储在存储器218中的指令以提供情景识别模块220。例如,如果用户206不提供情景,或者如果照片是在流外部拍摄的并且仅稍后上传,则情景识别模块220可以分析所采集的照片中的任何一个或多个以预测其情景。出于说明性目的,情景识别模块220可以基于存在白色礼服、花、婚礼蛋糕、大群人和/或与婚礼仪式和庆祝活动相关联的其他对象或类型的人来识别婚礼情景。作为另一个示例,情景识别模块220可以基于日期、存在火鸡晚餐、家庭成员等来识别感恩节情景。作为又另一个示例,情景识别模块220可以通过检测生日蛋糕上的蜡烛等来识别生日情景。
适用于此处描述的系统和方法的情景可以包括但不限于婚礼、体育赛事、音乐会、慈善比赛、节日(例如,与7月4日相关的节日)、筹款活动、节日派对、抗议活动、游行、贸易展览、公司郊游、公司/慈善活动、露营、学校活动(例如毕业典礼)、旅行游览(例如假期)、地标、自然/风景(例如,远足拍摄的照片)、宠物、在家中、在办公室、餐饮活动、项目等。此情景列表仅是示例性的,结合本文描述的系统和方法可以考虑到其他情景。
在一些实施例中,用户206可以建立流以定义特定情景。将一组照片分组在一个流中有助于系统200识别情景的连续性。例如,大学毕业典礼可以包括校园毕业的照片,以及毕业前后与家人和朋友的典礼。
本文描述的系统和方法也不需要在上传照片之前定义流。换句话说,对照片进行选择可以独立于流、或者是一个或多个流的一部分。
处理器216可以执行“最佳拍摄系统”222,其可以类似于图1的系统003。最佳拍摄系统222可以包括多个引擎224a-h,每个引擎针对诸如上面列出的那些特定情景执行一个或多个例行程序。例如,引擎224a可以执行针对婚礼情景的一个或多个例行程序,引擎224b可以执行针对假期情景的一个或多个例行程序,引擎224c可以执行针对职业足球比赛情景的一个或多个例行程序,等等。
因此,基于情景(无论是由用户206提供还是由情景识别模块220预测),引擎选择模块226可以选择最合适的引擎224a-h来分析接收到的照片。基于人们对不同情景的照片应有的期望来选择和操作引擎。例如,当查看婚礼的照片时,人们会期望/希望看到新娘、新郎、交换誓言、切蛋糕等的照片。因此,婚礼分析引擎可以搜索包括这些物品、人或活动的照片。
作为另一示例,对于竞赛事件,相应的引擎可以搜索并选择包括终点线的镜头的图像。在旅行情景中,相应的引擎可以搜索并选择包含地标(例如艾菲尔铁塔)的照片。对于音乐会情景,适当的引擎可以搜索并选择表演者和舞台的照片。
现有的照片分析技术可以识别照片中的对象,但是随着要识别的不同对象的数量增加,通常需要额外的处理资源。另外,并且如前所述,没有考虑照片的情景来辅助分析。
考虑情景并且使用专用引擎224a-h允许训练更专用的算法以及例如神经网络。这使得本文所述的系统和方法能够控制分析的复杂性,并因此提供更加定制的分析。通过不花费过多的计算资源,这必然改善了处理器216的功能。因此,由于在照片中有目标对象/人要检测,因此与不考虑情景的情况相比,对所述照片的分析更快。
从流中选择最佳照片可以分两个阶段实现。首先,排名模块228可以对由引擎224a-h输出或以其他方式选择的每张照片进行排名。一旦该过程完成,分发模块230可以确保实现关于许多属性的照片的充分分发。
排名模块228可以为由适用的引擎224分析的照片生成评分。附加地或替代地,引擎224分析照片可以为所分析的照片提供评分。在该“评分”阶段期间,排名模块228可以基于情景、照片本身、照片EXIF数据、拍摄者、有权访问照片(例如,访问文件位置212)的用户、在照片中检测到的对象、照片的拍摄时间(基于一天中的时间、一年中的时间等)、照片的拍摄位置、用户与照片的交互(例如,查看、缩放、喜欢、共享、评论等)以及外部数据源232(例如场地中的活动时间表、名人数据库等)中的至少一个来计算“情景评分”。
排名模块228(或引擎本身)可以对照片执行深度分析以生成其评分。该深度分析可以识别照片中的所有对象,识别照片中的所有人,图像中人的位置,识别图像中人的心态(例如,他们是否在微笑、眼睛是否睁开、脸是否对焦、脸是否修剪等)。排名模块228还可以考虑图像中对象和人的位置、照片中的颜色/光的分布和位置、照片的负空间、照片的清晰度等。
排名模块228还可以识别不应被选择的照片。即,评分较低的照片。这些类型的照片可以包括屏幕快照、口袋或“意外”照片、白板、收据、产品标签、序列号,或出于实践目的或其他目的而拍摄的照片,即使它们是流的一部分。
在本申请的语境中,术语“分发”可以指确保各种照片特征。正确的分发有助于确保系统200不会返回过于相似(例如,相同)的照片。换句话说,分发模块230确保系统200从不同的时间选择不同的人或对象等中不同类别(人像定向、风景定向、“自拍照”、集体照片、对象、城市等)的照片。
分发模块230和/或特定引擎也可以按一定顺序组织呈现照片。例如,当呈现照片时,用于分析、选择和组织婚礼照片的引擎可以在切蛋糕仪式的照片之前显示交换誓言的照片。
类似地,分发模块230可以按时间选择和组织照片。例如,分发模块230可以为旅行的每一天或为图像的每个主要时间群选择最佳照片。
附加地或替代地,分发模块230可以基于照片的拍摄地点来选择和组织照片。例如,分发模块230或适当的引擎可以提供婚礼的照片,所述婚礼的照片由在教堂、在接待处、晚餐等的照片分组。
分发模块230还可以选择不同的照片以呈现给流的不同成员。即,为第一用户选择的照片可能与为第二用户选择的照片不同。例如,为第一用户选择的照片可以包括有第一用户的几张照片,而为第二用户选择的照片可以包括有第二用户的几张照片,等等。
分发模块230可以基于例如所拍摄的照片的总数、照片的平均质量、情景等来适配所选择的照片的百分比。例如,如果用户拍摄了两百(200)张风景照片,则分发模块230可以选择风景照片的较小子集(例如,仅选择所拍摄的风景照片的总量的10%)。分发模块230可以进一步基于是否存在许多或低质量或不感兴趣的照片来修改该阈值。另一方面,分发模块230可以为诸如周年纪念之类的情景选择较大百分比的照片,尤其是如果许多照片具有多个肖像的高质量时。
如上所述,系统200还可包括一个或多个外部数据源232或与之通信,以进一步增强图像选择过程。例如,外部数据源232可以包括日历以帮助识别针对假日(例如,情人节、阵亡将士纪念日周末、7月4日、感恩节、圣诞节、光明节等)采集的图像的时间。这些外部数据源232还可以包括关于名人的日程表、活动场所的日程表等的数据。
图3示出了根据一个实施例操作图2的系统的方法300。首先,诸如图1的用户206之类的用户302可以在步骤304中创建情景。该情景可以对应于用户可以向其上传照片并且用户可以从其观看上传的照片的流/特定文件位置。在步骤306中,用户302可以为情景指定类别。如前所述,在一些实施例中,系统可以自主指定或以其他方式预测情景。
一个或多个用户可以在步骤308中上传图像,例如照片。一旦上传,图像就可以在步骤310中存储在数据库或某个指定位置,以供系统进一步访问。系统可以访问这些位置以显示上传的照片和/或通过适当的引擎来分析图像。
在步骤312中,适当的引擎或单独的排名模块然后可以对在步骤308中上传的照片进行评分。如图3所示,步骤308和312可以重复多次。即,一个或多个用户可以上传一张或多张照片,然后由系统200对其评分。
在步骤314中,基于照片的评分对照片进行排名,并选择最佳/最高排名的照片。在一些实施例中,对照片的排名和选择是针对每个上传的照片或在上传一定数量的照片之后进行的。在一些实施例中,可以以特定的时间间隔选择照片并对其进行排名。在一些实施例中,可以在查看照片时对其进行选择和排名。在其他实施例中,在步骤316中,照片的评分和排名存储在数据存储器中。
用户318(可以是与用户302相同或不同的用户)可以请求所述情景的最佳照片。用户318可以在步骤320中观看流,并且在步骤322中返回最佳镜头。系统200还可以确定应在返回的照片中包括多少百分比的照片。
当观看流时,用户318还可以在步骤324中与照片交互。例如,用户318可以放大照片,在特定时间段内查看照片,提供一些指示用户“喜欢”照片、对照片发表评论、与其他用户共享照片等的交互。在选择最佳照片时也可以考虑这些交互。
图4示出了根据一个实施例对照片评分的方法400的流程图。如图3所示,用户可以在步骤402中上传图像,例如照片。评分子方法404可以由处理器216并且具体地由引擎224a-h、排名模块228等执行。
在步骤406中,将上传的照片与情景流相关联,并传送到相应的位置。可以基于用户明确标识情景或通过系统自动预测情景,将照片与情景流相关联。
步骤408涉及选择引擎来分析上传的照片。图2的引擎选择模块226可以基于在步骤406中标识的情景来选择适当的引擎。如前所述,不同的引擎可能以不同的方式分析照片。
步骤410涉及执行在步骤408中选择的引擎。选择的引擎可以配置为使用各种计算机视觉技术执行一个或多个例行程序。例如,引擎可以执行尺寸不变特征变换(SIFT)技术和/或加速鲁棒特征(SURF)技术中的任何一种来分析上传的照片。关于要识别的对象的数据可以存储在一个或多个数据库或存储位置中。例如,对于婚礼情景,图2的系统200可以与存储婚礼蛋糕的库的存储位置通信以在照片中识别它们。
在一些实施例中,对于给定的情景可以有单个引擎。在其他实施例中,单个引擎可以分析不止一个相关情景。或者,对于给定的情景,可以有多个引擎。例如,可以使用多个引擎来实现稳定的系统并提供变型来衡量哪一个(多个)引擎表现最佳。
引擎可以基于分析结果为每张照片提供评分。或者,单独的模块可以基于由所述引擎在执行一个或多个例行程序来分析照片时采集的数据来提供评分。
步骤412涉及存储每张照片的评分。评分(和照片)可以被传送到并存储在存储位置414中,在存储位置中,当用户需要时由用户和/或当选择照片时由系统对其进行取回。
图5示出了根据一个实施例的用于在婚礼情景中分析照片的方法500的流程图。方法500可以由图2的最佳拍摄系统222和婚礼分析引擎224a执行或包括最佳拍摄系统222和婚礼分析引擎224a。
一旦识别出婚礼情景并且引擎选择模块226选择适当的引擎(即,婚礼分析引擎224a配置为分析婚礼和婚礼庆典的照片),引擎224a就可以执行一个或多个例行程序来分析作为流的一部分的照片。
婚礼分析引擎224a可以首先执行图像分析例行程序502以分析照片的结构。该例行程序502可以确定图像的全部或部分未对焦,分析照片的平均光度以不利于过暗或过亮的图像,分析EXIF数据,以及分析其他类似的照片特征等。与具有不良特征的照片相比,具有有利特征的照片的评分可能更高。
脸部/人分析例行程序504可以检测/识别照片中的脸部,并输出在照片中检测到的人数。因此,该例行程序504可能不利于没有特定焦点区域的大人群,而有利于较小人群的肖像和照片。脸部/人分析例行程序504可以识别照片中的共同用户。出现在多张照片中的用户可以被认为很重要,因此,那些照片的评分可能会比没有这些人的照片的评分更高。
普通对象识别例行程序506可以在照片中搜索普通对象。专用对象识别例行程序508可以在照片中搜索通常在婚礼上出现的对象。这些对象可以包括婚礼蛋糕、香槟酒瓶、教堂、白色礼服、马车等。在一些实施例中,一些对象的存在将提高包含那些对象的照片的评分,而其他对象的存在会降低照片的评分。
在一些实施例中,通用深度神经网络例行程序510可以尝试评估照片是否符合“最佳镜头”的资格,从而应将其退回或呈现给用户。在另一个实施例中,情景特定的深度神经网络可以预测一照片是否应该被选择。
在一些实施例中,婚礼分析引擎224a可以执行新郎/新娘识别例行程序512以识别新娘和/或新郎。该例行程序在构思上类似于专用对象识别例行程序508。例如,新郎/新娘识别例行程序512可以尝试通过检测白色礼服的存在或女性在教堂的存在来识别新娘。新郎/新娘识别例行程序512可以基于在教堂新郎在新娘旁边来识别新郎。与不包括新娘和/或新郎的照片相比,包括新娘和/或新郎的任何照片可能具有更高的评分。
图像类别分类例行程序514可以分析照片以确定它们的类别。例如,照片分类可以涉及它是处于风景模式还是肖像模式、自拍照还是集体照片等。
分发模块230可以执行相似图像分析例行程序516,以识别所分析的照片是否是重复照片(或至少基本上类似于另一张照片)。类似地,分发模块230可以选择某些照片的集合以确保如先前所讨论的适当的分发。在一些实施例中,相似图像分析例行程序516可以在由引擎分析之前在照片上执行。
图6示出了根据一个实施例的由处理器216执行的分发模块230。分发模块230可以执行多个例行程序以确保适当的分发。照片类别例行程序602可以分析照片以确保存在不同类别的照片(例如,肖像、自拍照、集体照片、风景照片、包括对象的照片等)。照片场地位置例行程序604可以分析照片以确保存在从各种位置拍摄的照片(例如,以确保最佳图像不是全部来自相同位置)。照片时间例行程序606可以分析照片以确保存在跨不同时间段拍摄的照片。
用户交互例行程序608可以检查照片查看者的交互。例如,用户交互例行程序608可以基于喜欢、评论、查看、缩放、分享等来提高照片评分。
在步骤610中对照片进行排名。图像顺序例行程序612然后可以以特定顺序对将要呈现的图像进行分类。
回来参照图5,婚礼分析引擎224a或图2的排名模块228可以基于例行程序502-514的结果在步骤518中生成最终图像评分。例如,可以将由每个例行程序(和/或分发模块230)生成的评分组合成一个或多个评分。这些评分可用于将照片排名为最佳照片以及存储,用于在步骤520中供将来使用。
图7示出了根据一个实施例的用于选择至少一个图像的计算机实现的方法700的流程图。方法700可以由例如图2的系统的各个组件执行,且可以包括例如图3–6的流程图的特征或步骤。
步骤702涉及使用连接至计算机的接口来接收多个图像。所述多个图像可以在接口处接收,并且可以包括由一个或多个用户采集的图像。
步骤704涉及在执行存储在存储器中的指令的处理器处接收与所述多个图像相关联的情景。如之前所讨论的,本文描述的各个实施例的系统和方法可以考虑与接收到的图像(例如照片)有关的情景数据,以更好地分析图像。用户可以明确地输入或以其他方式提供与图像相关联的情景。附加地或替代地,诸如图2的处理器216之类的处理器可以分析接收到的图像以预测所述情景。
步骤706涉及使用处理器通过执行与所述情景相关联的至少一个例行程序来分析所述多个图像。基于在步骤704中接收到的情景,诸如图2的处理器216之类的处理器可以选择引擎来执行一个或多个例行程序以分析接收的图像。换句话说,图像情景确定哪个引擎分析图像。这些例行程序可以包括各种计算机视觉算法,这些算法设计用于从接收的图像检测某些对象、人物类型和其他信息。
步骤708涉及使用处理器基于所述至少一个例行程序的执行结果来选择所述多个图像中的至少一个。执行的例行程序还可以提供与图像相关联的评分。所述评分可以表示图像满足与接收的情景相关联的某些要求或期望的程度。附加地或替代地,单独的排名模块可以基于例行程序的结果来生成图像的评分。
包含某些人或对象的图像基于所述情景可能排名较高。例如,并且如前所述,如果所述情景为婚礼情景,则包括新娘和新郎的照片可能比不包括新娘和/或新郎的照片的评分或以其他方式的排名更高。
可以选择这些高评分或以其他方式高排名的照片呈现给一个或多个用户。附加地或替代地,可以选择这些“最佳”照片并将其上传到数字相册。
以上讨论的方法、系统和设备是示例性的。各种配置可以适当地省略、替换或添加各种步骤或组件。例如,在替代配置中,可以以与所描述的顺序不同的顺序执行所述方法,并且可以添加、省略或组合各个步骤。以及,针对某些配置描述的特征可以以各种其他配置组合。可以以类似的方式组合所述配置的不同方面和元件。而且,技术在发展,因此,许多元件是示例性的,且不限制本公开或权利要求的范围。
例如,以上参考根据本公开的实施例的方法、系统和计算机程序产品的框图和/或操作示意图描述了本公开的实施例。方框中的功能/动作可以不按任何流程图所示的顺序发生。例如,连续示出的两个框实际上可以基本上同时执行,或者这些框有时可以以相反的顺序执行,这取决于所涉及的功能/动作。附加地或替代地,不是任何流程图中所示的所有框都需要进行和/或执行。例如,如果给定的流程图具有包含功能/动作的五个框,则可能的情况是五个框中只有三个框被进行和/或执行。在该示例中,可以进行和/或执行五个框中的三个框中的任何一个。
一个值超过(或大于)第一阈值的陈述等同于该值等于或超过略大于第一阈值的第二阈值(例如,在相关系统的分辨率中第二阈值是大于第一阈值的一个值)的陈述。一个值不超过(或小于)第一阈值的陈述等同于该值小于或等于略小于第一阈值的第二阈值(例如,在相关系统的分辨率中第二阈值是小于第一阈值的一个值)的陈述。
在说明书中给出了具体细节以提供对示例性配置(包括实现)的全面的理解。然而,在没有这些具体细节的情况下也可以实践配置。例如,已经示出了公知的电路、过程、算法、结构和技术,而没有不必要的细节,以避免使配置模糊。该说明书仅提供示例配置,并且不限制权利要求的范围、适用性或配置。相反,先前描述的配置将向本领域技术人员提供用于实施所描述的技术的实现描述。在不脱离本公开的精神或范围的情况下,可以对元件的功能和布置进行各种改变。
已经描述了若干种示例性配置,可以使用各种修改、替代构造和等同构造而不脱离本公开的精神。例如,以上元件可以是较大系统的组件,其中其他规则可以优先于或以其他方式修改本公开的各种实现方式或技术的应用。同样,在考虑以上元件之前、期间或之后可以采取许多步骤。
已经提供了本申请的说明和图示,本领域技术人员可以设想落入本申请讨论的总体发明构思内的变型、修改和替换实施例,其不脱离所附权利要求的范围。
Claims (20)
1.一种用于选择至少一个图像的计算机实现的方法,所述方法包括:
使用连接至计算机的接口接收多个图像;
通过至少一个处理器执行存储在存储器中的指令,接收与所述多个图像相关联的情景;
基于接收的情景选择至少一个引擎来分析所述多个图像,其中所选择的引擎执行与所述情景相关联的例行程序来检测所述多个图像的优选内容;
使用至少一个所选择的引擎,通过执行与所述情景相关联的例行程序来检测所述多个图像的优选内容来分析所述多个图像;以及
使用所述处理器基于至少一个所执行的例行程序的结果来选择所述多个图像中的至少一个。
2.根据权利要求1所述的方法,其中所述情景从用户接收。
3.根据权利要求1所述的方法,进一步包括使用所述处理器对所述多个图像中的每一个指定情景评分,其中所述情景评分由与所述情景相关联的至少一个例行程序确定。
4.根据权利要求3所述的方法,其中,所述情景评分基于图像情景、图像EXIF数据、位置数据、图像拍摄者、访问图像的用户、图像中的对象、图像中的人、图像焦点以及用户与图像的交互中的至少其中一项。
5.根据权利要求1所述的方法,其中,选择所述多个图像中的至少一个包括使用图像定向、图像捕获时间、图像中的人、位置数据和图像中的对象中的至少其中一项来选择所述多个图像中的至少一个。
6.根据权利要求1所述的方法,进一步包括使用处理器预测所述多个图像的情景以提供所述情景。
7.根据权利要求1所述的方法,进一步包括将所选择的所述多个图像中的至少一个第一图像呈现给第一用户,以及将所选择的所述多个图像中的至少一个第二图像呈现给第二用户。
8.根据权利要求1所述的方法,进一步包括将至少一个选择的图像共享给多个授权用户。
9.根据权利要求1所述的方法,其中,所选择的所述多个图像为跨不同时间段拍摄的。
10.根据权利要求1所述的方法,其中,所选择的所述多个图像为跨不同位置拍摄的。
11.一种用于选择至少一个图像的计算机实现的系统,所述系统包括:
连接至计算机的接口,用于接收至少多个图像;以及
至少一个处理器,执行存储在存储器中的指令,以:
接收与所述多个图像相关联的情景,
基于接收的情景选择至少一个引擎来分析所述多个图像,其中所选择的引擎执行与所述情景相关联的例行程序来检测所述多个图像的优选内容;
使用至少一个所选择的引擎,通过执行与所述情景相关联的例行程序来检测所述多个图像的优选内容来分析所述多个图像,以及,
基于至少一个所执行的例行程序的结果,选择所述多个图像中的至少一个。
12.根据权利要求11所述的系统,其中所述情景从用户接收。
13.根据权利要求11所述的系统,其中,所述至少一个处理器进一步配置为使用所述至少一个处理器对所述多个图像中的每一个指定情景评分,其中所述情景评分由与所述情景相关联的至少一个例行程序确定。
14.根据权利要求13所述的系统,其中,所述情景评分基于图像情景、图像EXIF数据、位置数据、图像拍摄者、访问图像的用户、图像中的对象、图像中的人、图像焦点以及用户与图像的交互中的至少其中一项。
15.根据权利要求11所述的系统,其中,所述处理器使用图像定向、图像捕获时间、图像中的人、位置数据和图像中的对象中的至少其中一项来选择所述多个图像中的至少一个。
16.根据权利要求11所述的系统,其中,所述至少一个处理器进一步配置为预测所述多个图像的情景以提供所述情景。
17.根据权利要求11所述的系统,其中,所述至少一个处理器进一步配置为将所述多个图像中的至少一个第一图像呈现给第一用户,以及将所述多个图像中的至少一个第二图像呈现给第二用户。
18.根据权利要求11所述的系统,其中,所述至少一个处理器进一步配置为将至少一个选择的图像共享给多个授权用户。
19.根据权利要求11所述的系统,其中,所选择的所述多个图像为跨不同时间段拍摄的。
20.根据权利要求11所述的系统,其中,所选择的所述多个图像为跨不同位置拍摄的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762573645P | 2017-10-17 | 2017-10-17 | |
US62/573,645 | 2017-10-17 | ||
PCT/US2018/056389 WO2019079526A1 (en) | 2017-10-17 | 2018-10-17 | IMAGE SELECTION BASED ON THE CONTEXT |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111480168A CN111480168A (zh) | 2020-07-31 |
CN111480168B true CN111480168B (zh) | 2023-10-24 |
Family
ID=66170016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880080215.5A Active CN111480168B (zh) | 2017-10-17 | 2018-10-17 | 基于情景的图像选择 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10885619B2 (zh) |
EP (1) | EP3698278A4 (zh) |
JP (1) | JP7232478B2 (zh) |
CN (1) | CN111480168B (zh) |
WO (1) | WO2019079526A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020112759A1 (en) * | 2018-11-26 | 2020-06-04 | Photo Butler Inc. | Scavenger hunt facilitation |
US11831832B2 (en) * | 2021-10-06 | 2023-11-28 | Relevant, Inc. | Scannable thumbnails for association with data objects |
US11895387B2 (en) * | 2022-07-08 | 2024-02-06 | I & EyeEnterprises, LLC | Modular camera that uses artificial intelligence to categorize photos |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102144231A (zh) * | 2008-06-16 | 2011-08-03 | 微软公司 | 用于基于文本的图像搜索结果重新排序的自适应视觉相似性 |
CN102667913A (zh) * | 2009-12-22 | 2012-09-12 | 电子湾有限公司 | 用于在情景环境中显示物品图像的增强现实系统方法和装置 |
CN103299305A (zh) * | 2010-11-23 | 2013-09-11 | 诺基亚公司 | 用于与多个媒体文件交互的方法和装置 |
WO2014008785A1 (en) * | 2012-07-11 | 2014-01-16 | Tencent Technology (Shenzhen) Company Limited | Image processing method, client, and image processing system |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6993180B2 (en) * | 2001-09-04 | 2006-01-31 | Eastman Kodak Company | Method and system for automated grouping of images |
US8732025B2 (en) * | 2005-05-09 | 2014-05-20 | Google Inc. | System and method for enabling image recognition and searching of remote content on display |
JP2009267682A (ja) * | 2008-04-24 | 2009-11-12 | Nikon Corp | 代表画像決定装置およびカメラ |
US8589402B1 (en) * | 2008-08-21 | 2013-11-19 | Adobe Systems Incorporated | Generation of smart tags to locate elements of content |
EP2341450A1 (en) * | 2009-08-21 | 2011-07-06 | Mikko Kalervo Väänänen | Method and means for data searching and language translation |
JP2011215963A (ja) * | 2010-03-31 | 2011-10-27 | Sony Corp | 電子機器、画像処理方法及びプログラム |
JP5740210B2 (ja) * | 2011-06-06 | 2015-06-24 | 株式会社東芝 | 顔画像検索システム、及び顔画像検索方法 |
US20150161177A1 (en) * | 2012-06-13 | 2015-06-11 | Google Inc. | Search result image processing |
JP2015095848A (ja) * | 2013-11-14 | 2015-05-18 | オリンパス株式会社 | 撮像装置および撮影制御方法 |
US11042588B2 (en) * | 2014-04-24 | 2021-06-22 | Nokia Technologies Oy | Apparatus, method, and computer program product for video enhanced photo browsing |
KR20160008920A (ko) * | 2014-07-15 | 2016-01-25 | 엘지전자 주식회사 | 이동 단말기 및 그 제어 방법 |
EP3178035B1 (en) | 2014-08-04 | 2020-09-23 | Ventana Medical Systems, Inc. | Image analysis system using context features |
KR102179958B1 (ko) * | 2015-09-02 | 2020-11-17 | 삼성전자주식회사 | LFD(large format display) 장치 및 그 제어 방법 |
US20170083519A1 (en) * | 2015-09-22 | 2017-03-23 | Riffsy, Inc. | Platform and dynamic interface for procuring, organizing, and retrieving expressive media content |
US10380256B2 (en) * | 2015-09-26 | 2019-08-13 | Intel Corporation | Technologies for automated context-aware media curation |
US9672632B2 (en) * | 2015-10-21 | 2017-06-06 | Disney Enterprises, Inc. | Device and method for camera driven background subtraction |
WO2017077076A1 (en) * | 2015-11-06 | 2017-05-11 | Thomson Licensing | Method and apparatus for generating codebooks for efficient search |
KR102421487B1 (ko) * | 2017-04-24 | 2022-07-15 | 엘지전자 주식회사 | 인공 지능 기기 |
US10567674B2 (en) * | 2017-06-30 | 2020-02-18 | Harman International Industries, Incorporated | Systems and methods for detecting objects in imaging systems |
KR20190024249A (ko) * | 2017-08-31 | 2019-03-08 | 삼성전자주식회사 | 광고를 제공하는 방법 및 전자 장치 |
KR20190100097A (ko) * | 2019-08-08 | 2019-08-28 | 엘지전자 주식회사 | 디스플레이 상의 화면의 화질 또는 화면 내용을 추론하여 화면을 조정하는 방법, 제어기 및 시스템 |
-
2018
- 2018-10-17 WO PCT/US2018/056389 patent/WO2019079526A1/en unknown
- 2018-10-17 CN CN201880080215.5A patent/CN111480168B/zh active Active
- 2018-10-17 JP JP2020522368A patent/JP7232478B2/ja active Active
- 2018-10-17 US US16/163,517 patent/US10885619B2/en active Active
- 2018-10-17 EP EP18868050.8A patent/EP3698278A4/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102144231A (zh) * | 2008-06-16 | 2011-08-03 | 微软公司 | 用于基于文本的图像搜索结果重新排序的自适应视觉相似性 |
CN102667913A (zh) * | 2009-12-22 | 2012-09-12 | 电子湾有限公司 | 用于在情景环境中显示物品图像的增强现实系统方法和装置 |
CN103299305A (zh) * | 2010-11-23 | 2013-09-11 | 诺基亚公司 | 用于与多个媒体文件交互的方法和装置 |
WO2014008785A1 (en) * | 2012-07-11 | 2014-01-16 | Tencent Technology (Shenzhen) Company Limited | Image processing method, client, and image processing system |
Also Published As
Publication number | Publication date |
---|---|
EP3698278A4 (en) | 2021-07-21 |
US20190122354A1 (en) | 2019-04-25 |
WO2019079526A1 (en) | 2019-04-25 |
EP3698278A1 (en) | 2020-08-26 |
JP7232478B2 (ja) | 2023-03-03 |
JP2021501508A (ja) | 2021-01-14 |
CN111480168A (zh) | 2020-07-31 |
US10885619B2 (en) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10896478B2 (en) | Image grid with selectively prominent images | |
US10885380B2 (en) | Automatic suggestion to share images | |
US9195678B2 (en) | Automatic selection of digital images from a multi-sourced collection of digital images | |
US20160283483A1 (en) | Providing selected images from a set of images | |
US10459968B2 (en) | Image processing system and image processing method | |
EP3226514B1 (en) | Picture sharing method and apparatus, and terminal device | |
US8983150B2 (en) | Photo importance determination | |
US20160179846A1 (en) | Method, system, and computer readable medium for grouping and providing collected image content | |
CN111480168B (zh) | 基于情景的图像选择 | |
US9251176B2 (en) | Photo chapters organization | |
US20150242405A1 (en) | Methods, devices and systems for context-sensitive organization of media files | |
US10860876B2 (en) | Image presentation system, image presentation method, program, and recording medium | |
US11783521B2 (en) | Automatic generation of people groups and image-based creations | |
US11055321B2 (en) | Rules based albums | |
WO2016079609A1 (en) | Generation apparatus and method for evaluation information, electronic device and server | |
JP7515552B2 (ja) | 人々のグループおよび画像ベースの作成物の自動生成 | |
AU2012232990A1 (en) | Image selection based on correspondence of multiple photo paths | |
US20240070189A1 (en) | Device messages provided in displayed image compilations based on user content |
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 |