CN117171119A - 用于填充共享数字资产库的智能共享选项 - Google Patents
用于填充共享数字资产库的智能共享选项 Download PDFInfo
- Publication number
- CN117171119A CN117171119A CN202310634258.6A CN202310634258A CN117171119A CN 117171119 A CN117171119 A CN 117171119A CN 202310634258 A CN202310634258 A CN 202310634258A CN 117171119 A CN117171119 A CN 117171119A
- Authority
- CN
- China
- Prior art keywords
- library
- shared
- sharing
- sharable
- participant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 60
- 230000000977 initiatory effect Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 47
- 230000015654 memory Effects 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 14
- 230000003111 delayed effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 34
- 238000004891 communication Methods 0.000 description 28
- 238000007726 management method Methods 0.000 description 27
- 238000001514 detection method Methods 0.000 description 19
- 230000008859 change Effects 0.000 description 17
- 230000007246 mechanism Effects 0.000 description 16
- 230000002093 peripheral effect Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000036541 health Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000012797 qualification Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000220225 Malus Species 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013503 de-identification Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000013442 quality metrics Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000009528 vital sign measurement Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及用于填充共享数字资产库的智能共享选项。提供了与用于共享数字资产(DA)库的智能共享选项相关的系统和方法。一种由系统执行的示例性方法包括:发起相机会话;识别可共享DA触发;在识别该可共享DA触发之后在该相机会话期间捕获DA;以及基于所识别的可共享DA触发,为该共享DA库选择所捕获的DA。
Description
技术领域
本公开整体涉及联网环境中针对最终用户设备的内容管理领域。更具体地,本公开涉及支持用于填充共享数字资产(DA)库的智能共享选项的系统和过程。
背景技术
现代消费电子器件(最终用户设备)使用户能够创建、购买和积累大量数字资产(例如,图像、视频等)。例如,计算系统(例如,智能电话、固定计算机系统、便携式计算机系统、媒体播放器、平板计算机系统、可穿戴计算机系统或设备等)通常访问数万甚至数十万张照片/视频以及照片/视频的集合。
由最终用户设备获得的数字资产(DA)可以不同的方式进行分类。对DA进行分类的一种方法与相对优先级有关(例如,将DA指定为首要DA和次要DA)。首要DA可由最终用户设备所包括的传感器(例如,相机、麦克风等)、耦接到最终用户设备的外部传感器(例如,外部网络相机、专业相机等)捕获,或者从与用户相关联的可信来源获得(例如,用户的云帐户的DA库;用户的计算机、膝上型电脑或其他显示设备的DA库;来自相机、存储卡、扫描仪或其他设备的直接导入;来自先前由用户识别为可信来源的最终用户设备的导入;和/或任何其他可信来源)。次要DA可由最终用户设备经由有线或无线通信接口从其他用户的设备接收,或从其他次要来源(例如,最终用户设备上可接收DA的任何应用程序;另一用户的最终用户设备的DA库;来自先前未被用户识别为可信来源的最终用户设备的导入)接收。首要DA可被自动地添加到最终用户的个人DA库,而次要DA可不被自动地添加到最终用户设备的个人DA库。个人DA库提供各种选项来查询、组织和突出显示DA。
根据相对优先级(例如,首要DA或次要DA指定)或其他类别对DA进行分类的益处之一是其可允许最终用户更好地评估如何管理经由基于云的平台访问或备份的个人DA库。对于不同的最终用户,他们相应的个人DA库的基于云的存储量可能因订阅选项而有所不同,这可能影响每个最终用户或控制接口如何决定管理使用DA填充最终用户的个人DA库。作为可经由最终用户设备访问的基于云的平台特征而开发的另一服务是共享DA库。每个共享DA库将与最终用户的个人DA库分开存储在基于云的存储装置中,并且可作为特定最终用户的订阅选项而建立。一旦特定最终用户建立了共享DA库,共享DA库的所有参与者都将能够访问共享DA库(但不能访问特定最终用户的个人DA库)。确定如何填充共享DA库是尚未解决的问题。如果仅基于最终用户对DA的选择(许多最终用户设备和/或个人DA库已具有数千张照片/视频),则填充共享DA库对于最终用户而言将是乏味的。通过自动化,填充共享DA库可能导致非预期DA被转移到共享DA库的可能性更高。
发明内容
本文描述了与用于填充共享数字资产(DA)库的智能共享选项相关的方法和系统。示例性智能共享选项包括:共享自动化选项;共享建议选项;以及基于用户输入共享策略。共享自动化选项和/或共享建议选项可基于可共享DA触发(例如,位置、时间、对附近最终用户或相关最终用户设备的检测)、DA分析(例如,面部识别、元数据分析和/或知识图形分析)、可共享上下文度量(例如,确定现有DA、新DA或即将捕获的DA是可共享DA的可能性)和/或先前用户输入。随时间的推移,可应用机器学习技术来以最终减少从最终用户接收的输入量的方式微调共享自动化选项和/或共享建议选项(即,一旦更好地理解和考虑了最终用户共享偏好和相机使用,则理论上可实现共享自动化)。共享自动化的示例包括:基于预定共享自动化规则,从最终用户的个人DA库中的DA中为共享DA库选择DA;基于可共享DA触发和/或预定共享自动化规则,为共享DA库自动选择最近捕获的DA或即将捕获的DA;以及发起或更新相机接口以使其处于为共享DA库自动指定新DA的共享模式。
在不同场景中,为共享DA库选择DA可作为对自动共享选项和/或建议共享选项的响应在引导间隔、近实况间隔和/或延迟间隔期间发生。“引导间隔”是指最终用户首次建立共享DA库之后的间隔。在引导间隔期间,可使用智能共享选项来选择将最终用户的个人DA库中的哪些DA转移到共享DA库。此外,可由最终用户在引导间隔期间为未来DA选择智能共享策略或偏好。“近实况”间隔是指当最终用户正在使用最终用户设备的相机接口时(或之后不久)发生的间隔。在每个近实况时间间隔期间,识别可共享DA触发和/或可共享上下文度量,并且可使用相关智能共享选项来选择将哪些最近捕获的DA和/或即将捕获的DA转移到共享DA库。“延迟间隔”可指在最终用户设备插上电源、连接到另一设备或与另一设备同步后、在经过确定的时间量之后等(例如,在每天结束时)的间隔。在每个延迟间隔期间,识别扩展的可共享DA触发和/或扩展的可共享上下文度量,并且可使用相关智能共享选项来选择将哪些先前捕获的DA或先前获得的DA(例如,从另一设备下载或接收的DA)转移到共享DA库。
在引导间隔、近实况间隔和延迟间隔期间,随着关于最终用户的偏好和相机使用的新信息变得可用,可用智能共享选项可随时间的推移而变化。智能共享选项还可考虑DA的隐私考虑(例如,安全存储选项和/或加密/解密选项)、共享偏好、可共享上下文度量、共享策略和设置、可共享DA触发指令等)和最终用户定制。基于智能共享选项和可共享DA触发,共享DA库将填充有适用于给定共享DA库的DA。对于不同的共享DA库(例如,家庭、朋友、工作组或协会),智能共享选项和可共享DA触发可能有所不同。
非限制性地,一种为共享DA库选择DA的示例性方法包括:由共享DA库的第一参与者的最终用户设备发起相机会话;由该最终用户设备识别可共享DA触发;由该最终用户设备的相机在识别该可共享DA触发之后在该相机会话期间捕获DA;以及由该最终用户设备基于所识别的可共享DA触发来为该共享DA库选择所捕获的DA。非限制性地,该可共享DA触发的示例包括:将该共享DA库的第二参与者检测为在最终用户设备的目标接近度内;从该第二参与者的最终用户设备接收信号;最终用户选择在该相机会话期间显示的共享选项;最终用户选择在先前相机会话期间显示的共享选项;最终用户选择共享时间表(例如,共享开始时间和共享结束时间);和/或识别出该最终用户设备位于显著位置。
附图说明
本文所述的实施方案是通过示例而不是附图中的限制进行说明,在附图中相似的附图标号表示类似的特征。此外,在附图中省略了一些常规细节,以免模糊本文所述的发明构思。
图1以框图形式示出了根据一个实施方案的数字资产(DA)管理系统,该DA管理系统包括用于执行DA管理的电子部件,该DA管理包括用于填充共享DA库的智能共享选项。
图2以框图形式示出了根据一个实施方案的具有联网的最终用户设备的系统。
图3以框图形式示出了根据一个实施方案的知识图形更新架构。
图4以框图形式示出了根据一个实施方案的DA库操作。
图5以流程图形式示出了根据一个实施方案的在个人DA库和共享DA库之间进行选择的智能共享方法。
图6以流程图形式示出了根据一个实施方案的用于填充共享DA库的智能共享方法。
图7示出了根据一个实施方案的用于DA管理的例示性可编程电子设备的简化功能框图。
具体实施方式
本文描述了提供用于填充共享数字资产(DA)库的智能共享选项的方法、最终用户设备、计算机可读介质和系统。通过所描述的智能共享选项,自动识别可共享DA或将其建议给最终用户。随着更多信息通过最终用户定制、最终用户对建议的反馈、可共享DA触发、DA分析和/或可检测上下文度量变得可用,智能共享选项可通过最终用户的最小附加输入而变得更加自动化。非限制性地,与共享DA库相关的最终用户设备之间的本地信号接收(例如,或其他短程信令)是可与智能共享选项一起使用的一种类型的信息。作为选项,智能共享选项可包括覆写选项以使用户能够暂时覆写(例如,直到一天结束或另一时间间隔结束)为最终用户建立的智能共享设置(例如,通过将共享模式开/关设置变为关)。
在不同的示例性实施方案中,智能共享选项可取决于DA的来源、DA的相对优先级、电池状况、最终用户设备的插电状况和/或其他因素而随时间变化。非限制地,智能共享选项的意图是促进最初以及随时间推移填充共享DA库的过程,同时考虑不同的最终用户偏好、隐私考虑、不同的相机使用、不同的最终用户设备条件和/或其他变化。对于给定的最终用户,本文所述的智能共享选项可在不同时刻以不同方式组合。
通过智能共享选项,将DA从个人DA库(或另一可用库)转移到共享DA库。根据需要,可对要转移到共享DA库的DA执行一些排队。此外,可应用一些质量滤波器和/或防复制滤波器来避免使用低于质量度量(例如,模糊、光线不足、复制等)的DA填充共享DA库。一旦填充或更新共享DA库,DA对于共享DA库的所有参与者是可用的。在一些示例性实施方案中,共享DA库是在基于云的平台上可用的订阅选项。在不同的示例性实施方案中,最终用户可具有单个共享DA库或多个DA库。对于每个共享DA库,共享DA库可用的总存储量可能有所不同。此外,对于每种类型的共享DA库(例如,家人、朋友、工作组或协会),智能共享选项可能有所不同。在一些示例性实施方案中,智能共享选项将考虑不同类型的共享DA库,目标是用最少的最终用户输入为每个共享DA库填充正确的DA。为实现这一目标,最初可能会考虑更多的最终用户反馈或偏好。随着越来越多的信息随时间变得可用(例如,从周期性最终用户反馈到建议、DA分析、知识图形分析、可共享DA触发、可检测上下文度量等),机器学习算法可为每个最终用户和每个共享DA库微调智能共享选项。
术语
为了增强对本公开和所讨论的各种实施方案的理解,下面提供了对本公开中使用的各种术语的非限制性解释。
在说明书中提到“一个实施方案”或“一种实施方案”意指在至少一个所公开的实施方案中包括结合该实施方案描述的特定特征、结构或特性,并且多次提到“一个实施方案”或“一种实施方案”不应被理解为必然全部都参考相同的实施方案。
术语“数字资产”(DA)是指以由运算设备有意义地呈现以供人或其他运算设备/机器/电子设备观看、阅读和/或收听的方式捆绑或分组的数据/信息。数字资产可包括照片、录制和数据对象(或简称“对象”)以及视频文件和音频文件。与照片、录制、数据对象和/或视频文件相关的图像数据可包括使电子设备能够显示或渲染图像(诸如照片)和视频所必需的信息或数据。视听数据可包括使电子设备能够呈现具有视觉成分和/或听觉成分的视频和内容所必需的信息或数据。
术语“首要DA”是指使用最终用户设备的本地传感器(例如,相机、麦克风等)、耦接到最终用户设备的外部传感器(例如,外部网络相机、专业相机等)捕获的DA,或者从与用户相关联的可信来源获得的DA(例如,用户的云帐户的DA库;用户的计算机、膝上型电脑或其他显示设备的DA库;来自相机、存储卡、扫描仪或其他设备的直接导入;来自先前由用户识别为可信来源的最终用户设备的导入;和/或任何其他可信来源)。
术语“次要DA”是指由另一最终用户设备捕获并且稍后由给定的最终用户设备接收的DA(例如,经由有线或无线通信接口)。次要DA可另选地被称为“外部DA”或“客户DA”。次要DA由最终用户设备经由有线或无线通信接口从其他用户的设备接收,或者从其他次要来源(例如,最终用户设备上可接收DA的任何应用程序;另一用户的最终用户设备的DA库;来自先前未被用户识别为可信来源的最终用户设备的导入)接收。
术语“个人DA”是指存储在最终用户的个人DA库中的DA,无论来源如何。
术语“共享DA”是指存储在参与者的共享DA库中的DA,无论其来源如何。
术语“DA管理”是指用于管理DA的方法和程序。因此,DA管理系统是用于管理DA的系统。
术语“个人DA库”是指用于与个人DA交互的用户界面,包括照片、视频、增强照片(例如,苹果的实况照片)、歌曲或其他DA。作为示例,默认情况下,个人DA库可为首要DA提供各种查询、组织和有特色的DA选项。在经过资格滤波器的联合过程之后,次要DA变为链接到首要DA库。在不同场景中,个人DA库中的DA可被本地存储、存储在服务器处、或它们的组合。在一些场景中,为其用户帐户打开DA库“云存储”选项的用户可将其个人DA库的大部分高/全分辨率版本存储在云存储装置中,而默认情况下,图像的较低分辨率缩略图版本本地存储在最终用户设备上,除非或直到最终用户设备请求此类图像的高分辨率版本。例如,当用户滚动浏览或访问某些照片时,可在后台下载DA的全分辨率版本,使得当用户点击缩略图时,出现DA的全分辨率版本。
术语“共享DA库”是指用于与共享DA交互的用户界面,包括照片、视频、增强照片(例如,苹果的实况照片)、歌曲或其他DA。作为示例,共享DA库可提供各种查询、组织和有特色的DA选项。在不同场景中,共享DA库中的DA可被本地存储、存储在服务器处、或它们的组合。在一些场景中,为其用户帐户打开DA库“云存储”选项的用户可将其个人DA库的大部分高/全分辨率版本存储在云存储装置中,而默认情况下,图像的较低分辨率缩略图版本本地存储在最终用户设备上,除非或直到最终用户设备请求此类图像的高分辨率版本。例如,当用户滚动浏览或访问某些照片时,可在后台下载照片的全分辨率版本,使得当用户点击缩略图时,出现DA的全分辨率版本。
术语“可共享DA触发”是指指示DA可共享的任何预定的或实况的信号或值。一些可共享DA触发可基于最终用户输入或最终用户偏好(例如,选择基于菜单的选项或对建议的响应、用户切换共享模式、用户基于面部识别选择自动共享、最终用户设备相对于显著位置的位置或其他可测量参数等)。即使当可共享DA触发基于用户输入或用户偏好时,可共享DA触发也可稍后在检测到特定信号或参数(或相对于阈值的相关值)时发生。一些可共享DA触发是自动的,并且不需要依赖于用户输入或用户偏好。例如,一些可共享DA触发可涉及在无用户输入或用户偏好的情况下测量或检测可用信号或参数(或相对于相应阈值的相关值)。在此类情况下,自动可共享DA触发仍旨在遵守自动化DA共享和隐私的合理规则,同时减少最终用户输入的量。
术语“可共享上下文度量”是指用于指示DA可共享的可能性的值或分数。可共享上下文度量可像二进制指示一样简单(例如,是或否,或者检测到或未检测到信号),和/或可涉及与许多可用上下文参数相关的统计分析或机器学习。在确定可共享上下文度量时可考虑的示例性上下文参数包括人物检测、位置检测、行程检测、显著位置检测、事件检测、先前DA共享和相关参数等。
术语“联合库”是指与个人DA库或共享DA库分离的DA接口。联合库存储次要DA,该次要DA在与个人DA库链接之前经过资格滤波器。
术语“改变”用作动词时是指:使(某物)的形式、性质、内容、未来过程等与它本来的样子不同,或与它单独存在时的样子不同;转化或转换;以及替换另一个或其他。“改变”包括变得不同、改变和/或修改。当用作名词时,“改变”包括改变的行为或事实;被改变的事实;转化或修改;更改;变化或偏差。
术语“检测”是指通过运算设备,诸如通过一个或多个处理器,间接地(例如,经由一个或者多个耦接的传感器、其他设备)或者直接地地通知、记录、识别。例如,系统可检测到数据库中的信息已改变(例如,更新、修订、更改或重写)。
术语“数据”是指可由计算机存储器存储的信息。数字数据可在概念上与其他数字数据分组以形成DA。数据可包括媒体资产和“图像数据”。
术语“数据对象”可以是变量、数据结构、函数或方法,以及计算机可读存储器中由标识符引用的值。“数据对象”或简称“对象”可指类的特定实例,其中对象可以是变量、函数和数据结构的组合。对象可以是表或列,也可以是数据与数据库实体之间的关联(诸如将人的年龄与特定人相关);因此,对象可以是描述例如人或事件或一系列事件的一组数据。
术语“运算强度”是指执行一个或多个操作所需的运算次数和/或时间量。当执行操作需要相对大量的时间和/或大量的计算(calculation)或运算(computation)时,操作可能是运算密集的或运算昂贵的。
表述“修改信息”包括改变、删除、添加和移动数据存储单元(诸如数据库和计算机存储器)内的信息或数据。
术语“电子设备”(或简称“设备”)包括服务器、移动电子设备诸如智能电话、膝上型计算机、个人计算机和平板计算机。这些移动电子设备是最终用户设备的示例。
术语“耦接”是指能够直接或间接相互通信或交互的部件或设备。所有连接的元件都被耦接,但不是所有耦接的元件都被连接。耦接元件包括能够彼此通信的那些元件。
以举例的方式,术语“确定(determine)”和“确定(determination)”包括计算、评估、确定、确认和运算,以及由计算设备(诸如处理器)执行评估、确认、确定或辨别所需的运算(computation)/计算(calculation)。因此,例如,做出关于是否将数据的改变转换为一个或多个修改指令的确定将涉及一个或多个运算(computation)和/或计算(calculation)。
术语“知识图形”(也称为“元数据网络”)是指具有节点和边缘的数据结构。“节点”是“顶点”的同义词。图形的顶点通常被视为原子对象,无内部结构。边缘(与顶点一起)是构成图形的两个基本单元中的一个基本单元。每个边缘具有两个(或在超图中,更多)其所附接的顶点,该顶点被称为其端点。边缘可以是有向的,也可以是无向的;无向边缘也称为线,并且有向边缘也称为弧或箭头。在无向简单图形中,边缘可表示为其顶点的集合,而在有向简单图形中,边缘可表示顶点的有序对。连接顶点x和y的边缘有时被写成xy。
根据本公开的知识图形可以是图形数据库。图形数据库是使用图形结构进行语义查询的数据库,具有节点、边缘和属性来表示和存储数据。该系统的关键概念是直接关联存储中的数据项的图形(或边缘或关系)(诸如关系数据库)。这些关系允许将存储中的数据直接链接在一起,并且在许多情况下可通过一个操作进行检索。图形数据库基于图论,并且采用节点和边缘。图形数据库能够简单且快速地检索关系系统中难以建模的复杂层次结构。知识图形允许对数据元素进行分类,以便于大规模检索。
在知识图形内,“节点”表示实体,诸如人物、企业、帐户、事件、位置或要跟踪的任何其他项目。“边缘”(也称为图形或关系)将节点连接到其他节点。边缘表示节点之间的关系。当检查节点、属性和边缘的连接和互连时,出现有意义的模式。边缘是知识图形的关键,因为它们表示在诸如关系数据库的其他系统中无法直接实现的抽象。关系数据库的改变可能需要添加、删除或修改相关知识图形中的一个或多个节点和边缘。对于所描述的DA管理系统,可在智能共享操作之前、期间和之后使用一个或多个知识图形来处理首要DA、次要DA、个人DA和共享DA管理选项。
术语“关系数据库”是指使用数据中的信息将数据收集在一起的数据库。关系数据库并不固有地包含数据项(也称为“记录”)之间的固定关系的概念。相反,通过将一个记录的唯一密钥存储在另一记录的数据中来将相关数据彼此链接。关系系统可能必须搜索多个表和索引,收集大量信息,然后对信息进行排序以交叉引用数据项。相反,图形数据库直接存储记录之间的关系。
本文描述了提供用于填充共享DA库的智能共享选项的方法、最终用户设备、计算机可读介质和系统。示例性智能共享选项包括:共享自动化选项;共享建议选项;以及基于用户输入共享策略。共享自动化选项和/或共享建议选项可基于可共享DA触发(例如,位置、时间、对附近最终用户或相关最终用户设备的检测)、DA分析(例如,面部识别、元数据分析和/或知识图形分析)、可共享上下文度量(例如,确定现有DA、新DA或即将捕获的DA是可共享DA的可能性)和/或先前用户输入。随时间的推移,可应用机器学习技术来以最终减少从最终用户接收的输入量的方式微调共享自动化选项和/或共享建议选项(即,一旦更好地理解和考虑了最终用户共享偏好和相机使用,则理论上可实现共享自动化)。
在一些示例性实施方案中,选择DA来填充共享DA库可作为对自动共享选项和/或建议的共享选项的响应在引导间隔、近实况间隔和/或延迟间隔期间而发生。引导间隔是指最终用户首次建立共享DA库之后的间隔。在引导间隔期间,可使用智能共享选项来选择将最终用户的个人DA库中的哪些DA转移到共享DA库。此外,可由最终用户在引导间隔期间为未来DA选择智能共享策略或偏好。近实况间隔是指当最终用户正在使用最终用户设备的相机接口时(或之后不久)发生的间隔。在每个近实况时间间隔期间,识别可共享DA触发和/或可共享上下文度量,并且可使用相关智能共享选项来选择将哪些最近捕获的DA和/或即将捕获的DA转移到共享DA库。延迟间隔是指在经过预定量的时间或最终用户设备被置于预定状态或条件下之后的间隔,例如,最终用户设备插上电源、最终用户设备插上电源和/或与另一设备同步、每天或每周结束时的特定时间等。在每个延迟间隔期间,识别扩展的可共享DA触发和/或扩展的可共享上下文度量,并且可使用相关智能共享选项来选择将哪些先前捕获的DA或先前获得的DA(例如,从另一设备下载或接收的DA)转移到共享DA库。在一些示例性实施方案中,延迟间隔可包括新的联合操作,其中自上次联合操作发生以来(例如,经由下载、接收具有DA的消息)获得的符合资格的次要DA变为首要DA(例如,基于资格滤波器的应用程序)。一旦联合完成,就可对个人DA库的任何新添加执行智能共享选项(无论是通过联合过程还是通过DA捕获操作)。在一些示例性实施方案中,当最终用户设备被插上电源并且以其他方式处于非活动状态时(例如,当最终用户睡眠时),延迟间隔发生。
随着关于最终用户的偏好和相机使用的新信息变得可用,可用智能共享选项可随时间的推移而变化。智能共享选项还可考虑DA的隐私考虑(例如,安全存储选项和/或加密/解密选项)、共享偏好、可共享上下文度量、共享策略和设置、可共享DA触发指令等)和最终用户定制。
在一些示例性实施方案中,联合操作和/或智能共享选项涉及:1)更新与个人DA库、共享DA库和/或联合库相关联的知识图形;或2)链接多个知识图形(例如,与具有主DA的个人DA库相关联的第一知识图形、与共享DA库相联的第二知识图形、和/或与具有次要DA的联合库相关联的第三知识图形)。一旦DA与个人DA库或共享DA库链接,它们就变得可搜索。此外,更新的知识图形或链接的知识图形使DA能够与个人DA库和/或共享DA库的组织和有特色的DA选项兼容。在不同的示例性实施方案中,用于将次要DA与最终用户设备的个人DA库联合的资格滤波器可以变化。非限制性地,资格滤波器可基于审美质量度量、文本或模因排除度量、文件类型滤波器、工作场所资格滤波器、次要DA标识符与已与个人DA库相关联的DA标识符相匹配、次要DA元数据标识符与已与个人DA库相关联的DA元数据标识符的匹配、或其他滤波选项来将滤波器应用于次要DA。
本文所阐述的实施方案可有助于基于可共享DA的内容或可共享DA已被捕获/被捕获的上下文来改进对可共享DA的自动分析和确定。本公开的一些实施方案基于面向对象编程(OOP)。OOP是指基于“对象”概念的编程范式,“对象”可包含字段形式的数据,通常称为属性。对象可包含程序形式的代码,通常称为方法。对象的特征在于,对象的过程可访问并经常修改它们所使用的对象的数据字段。在OOP模式内,类型是类别。类型是具有大小、状态和一组能力的对象。定义类型以便对要解决的问题进行建模。类是新类型的定义,即,通过声明类来创建类型。类是变量与一组相关函数组合的集合。其他类和函数可使用类。成员变量是类中的变量。OOP语言可以是基于类的,这意味着对象是类的各个实例,其通常也确定它们的类型。
可能需要大量运算资源来管理DA集合中的DA(例如,用于执行查询或事务处理的处理能力、用于存储必要数据库的计算机可读存储器空间等)。由于存储容量有限,最终用户设备的DA管理可由远程设备(例如,外部数据存储、外部服务器等)提供,其中存储DA的副本,并将结果传输回具有有限存储容量的最终用户设备。
因此,根据一些DA管理实施方案,使用与数字资产的集合(即,DA集合)相关联的“知识图形”(在本文也称为“元数据网络”)。知识图形可包括描述与DA相关联的特性的相关“元数据资产”。每个元数据资产可描述与数字DA集合中的一个或多个DA相关联的特性。例如,元数据资产可描述与DA集合中的多个DA相关联的特性,诸如一个或多个相关联DA的位置、星期几、事件类型等。每个元数据资产可表示为元数据网络中的节点。元数据资产可以与至少一个其他元数据资产相关联。如上所述,元数据资产之间的相关性可表示为元数据网络中表示相关元数据资产的节点之间的边缘。根据一些实施方案,知识图形可基于给定具体实施的需要来定义多种类型的节点和边缘,例如,每种节点和边缘具有其自身的特性。
图1以框图形式示出根据本公开中所描述的一个或多个实施方案的DA管理系统100,该DA管理系统包括用于执行DA管理的电子部件,该DA管理包括向最终用户设备的个人DA库提供次要DA的智能共享选项。系统100可容纳在单个最终用户设备(诸如台式计算机系统、膝上型计算机系统、平板计算机系统、服务器计算机系统、移动电话、媒体播放器、个人数字助理(PDA)、个人通信器、游戏设备、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或它们的组合)中。系统100中的部件可在空间上分离,并且在通过通信机构132连接的分离计算系统上实施,如下文进一步详细描述。
对于一个实施方案,系统100可包括处理单元140、计算机可读存储器110、DA捕获设备102、传感器134和外围设备130。对于一个实施方案,系统100中的一个或多个部件可被实施为一个或多个集成电路(IC)。例如,处理单元140、通信机构132、DA捕获设备102、外围设备130、传感器134或计算机可读存储器110中的至少一者可被实施为片上系统(SoC)IC、三维(3D)IC、任何其他已知IC或任何已知IC组合。对于另一实施方案,系统100中的两个或更多个部件一起被实施为一个或多个IC。例如,处理单元140、通信机构132、DA捕获设备102、外围设备130、传感器134或计算机可读存储器110中的至少两者一起被实施为SoC IC。下文描述了系统100的每个部件。
如图1所示,系统100可包括处理单元140,诸如CPU、GPU、其他集成电路(IC)、计算机存储器和/或其他电子电路。对于一个实施方案,处理单元140操纵和/或处理与DA相关联的DA元数据114或与DA相关联的任选数据(例如,反映与给定DA相关联的一个或多个人、地点和/或事件的数据对象等)。处理单元140可包括用于执行DA管理的一个或多个实施方案的DA管理器142,如本文所述。对于一个实施方案,DA管理器142被实施为硬件(例如,与处理单元140相关联的电子电路、电路、专用逻辑部件等)、软件(例如,与处理单元140所执行的计算机程序相关联的一个或多个指令、在通用计算机系统或专用机器上运行的软件等)或它们的组合。
DA管理器142可使系统100能够生成和使用DA元数据114的知识图形120作为多维网络。可用于实施本文所述的各种技术的知识图形120和多维网络在2016年12月27日提交的名称为“数字资产集合中的重要时刻(Notable Moments in a Collection of DigitalAssets)”的美国非临时专利申请15/391,269中进一步详细描述,该专利申请据此以引用的方式并入本文。
在一个实施方案中,DA管理器142可执行以下操作中的一个或多个操作:(i)生成知识图形120;(ii)基于知识图形120关联和/或呈现至少两个DA,例如,作为时刻的一部分;(iii)基于知识图形120和一个或多个其他标准,确定DA集合中感兴趣的DA和/或将其呈现给用户作为共享建议;(iv)选择和/或呈现要与一个或多个第三方共享的所建议的DA(例如,基于上下文分析);以及选择和/或呈现用于链接或包含在共享DA库中的DA。
随时间推移,DA管理器142获得或接收包括个人DA元数据116和共享DA元数据118的DA元数据114的集合。个人DA元数据116和共享DA元数据118可至少在最初分开存储。如已知的,相关存储位置可在空间上或逻辑上分开。如本文所用,“元数据”、“数字资产元数据”、“DA元数据”以及它们的变型统称为关于一个或多个DA的信息。元数据可以为:(i)关于数字化数据的信息的单个实例(例如,与一个或多个图像相关联的时间戳等);或(ii)元数据分组,该元数据分组是指由关于数字化数据的信息的多个实例(例如,与一个或多个图像相关联的若干时间戳等)组成的组。还可存在与DA集合相关联的许多不同类型的元数据。每种类型的元数据(也称为“元数据类型”)描述了与一个或多个DA相关联的一个或多个特性或属性。关于可存储在DA集合中和/或与知识图形结合使用的各种类型的元数据的进一步细节在例如美国非临时专利申请15/391,269中更详细地描述,该专利申请以引用方式并入上文。
如本文中所用,“上下文”和其变型是指用户设备的任何或所有属性,所述用户设备包括与用户相关联的DA集合或具有对所述DA集合的访问权限,诸如物理、逻辑、社交和其他上下文信息。如本文中所用,“上下文信息”和其变型是指描述或定义用户上下文或用户设备的上下文的元数据,所述用户设备包括与用户相关联的DA集合或可具有对所述DA集合的访问权限。示例性上下文信息包括但不限于以下内容:预定时间间隔;计划以预定时间间隔发生的事件;在特定时间间隔期间访问的地理位置;与特定时间间隔相关联的一个或多个所识别的人物;在特定时间间隔期间发生的事件,或在特定时间间隔期间访问的地理位置;描述与特定时间段相关联的天气的天气元数据(例如,雨、雪、太阳、温度等);描述与一个或多个DA的捕获相关联的季节的季节元数据;描述用户和一个或多个第三方之间的社交关系的性质的关系信息;或描述用户和一个或多个第三方之间的交互的性质和/或内容的自然语言处理(NLP)信息。对于一些实施方案,上下文信息可从外部源例如社交网络应用程序、天气应用程序、日历应用程序、通讯录应用程序、任何其他类型的应用程序获得,或者从能够经由有线或无线网络(例如,互联网、专用内联网等)访问的任何类型的数据存储库中获得。
再次参见图1,对于一个实施方案,DA管理器142使用DA元数据114来生成知识图形120。如图1所示,知识图形120中的所有或一些知识图形可存储在处理单元140和/或计算机可读存储器110中。知识图形120包括个人DA知识图形122和共享DA知识图形124。个人DA知识图形122和次要DA知识图形124中的每一者都包括描述由一个或多个计算机系统使用的一个或多个DA(例如,DA集合中的一个或多个DA组、DA集合中的一个或多个DA等)的动态组织的元数据集合。在知识图形120中,未存储实际的DA,而仅存储元数据(例如,与一个或多个DA组相关联的元数据、与一个或多个DA相关联的元数据等)。知识图形120与数据库不同,因为一般来讲,知识图形120使得能够使用多个维度实现元数据之间的深度连接,其可被遍历以用于附加推断的相关性。在没有加载大量(例如,数百、数千等)数据库表的情况下,这种演绎推理通常在常规的关系数据库中是不可行的。与常规数据库相比,可使用较少的运算资源来查看、操作和/或存储知识图形120。此外,知识图形120是动态资源,其具有随着新信息被添加到它们而学习、增长和适应的能力。这与数据库不同,数据库对于访问交叉引用信息很有用。虽然可使用附加信息扩展数据库,但数据库仍然是访问放入其中的交叉引用信息的工具。知识图形120不只是访问交叉引用的信息,而是远不止于此,并涉及数据外推以用于推断或确定附加数据。如上所述,DA本身可例如存储在远离系统100的一个或多个服务器上,其中DA的缩略图版本存储在计算机可读存储器110中,并且特定DA的完整版本仅根据需要(例如,当用户希望查看或共享特定DA时)下载和/或存储到计算机可读存储器110。然而,在其他实施方案中,例如,当系统100的机载存储空间和处理资源的量足够大和/或用户的DA集合的大小足够小时,DA本身也可存储在计算机可读存储器110内,例如存储在单独的数据库,诸如存储在一个或多个关系数据库中。
DA管理器142可生成知识图形120作为DA元数据114的多维网络。如本文所用,“多维网络”及其变型是指具有多种关系的复杂图形。多维网络通常包括多个节点和边缘。对于一个实施方案,节点表示元数据,并且边缘表示元数据之间的关系或相关性。示例性多维网络包括但不限于边缘标记的多图、多部分边缘标记的多图和多层网络。
在一个实施方案中,知识图形120包括两种类型的节点:(i)时刻节点;和(ii)非时刻节点。如本文所用,“时刻”是指与一个或多个DA相关联的单个事件(如事件元数据资产所描述的)。例如,时刻可指于2018年3月26日访问美国加利福尼亚州库比蒂诺(Cupertino,California)的咖啡店。例如,该时刻可用于识别与2018年3月26日访问咖啡店相关联(而不与任何其他事件相关联)的一个或多个DA(例如,一张图像、一组图像、一个视频、一组视频、一首歌曲、一组歌曲等)。
如本文所用,“时刻节点”是指多维网络中表示时刻的节点(如上所述)。如本文所用,“非时刻节点”是指多维网络中不表示时刻的节点。因此,非时刻节点可指与并非时刻的一个或多个DA相关联的元数据资产(即,并非事件元数据资产)。
对于一个实施方案,知识图形120中节点之间的边缘表示节点之间的关系或相关性。对于一个实施方案,DA管理器142在其获得或接收新的DA元数据114和/或针对最终用户的DA集合中的DA确定新的DA元数据114时更新知识图形120。
DA管理器142可以各种方式使用知识图形120来管理与DA元数据114相关联的DA。在一些示例性实施方案中,DA管理器142可包括知识图形接口144、个人DA接口146和共享DA接口150,以利用知识图形120来基于DA元数据114(即,知识图形120中的节点)和一个或多个标准之间的相关性(即,知识图形120中的边缘)来识别和呈现DA集合中的一个或多个DA的感兴趣组。对于该第一示例,DA管理器142可基于知识图形120中的时刻节点来选择感兴趣的DA。在一些实施方案中,DA管理器142可建议用户与一个或多个第三方共享一个或多个所识别的DA。对于第二示例,DA管理器142可使用知识图形120和从系统收集的其他上下文信息(例如,用户与一个或多个第三方的关系、消息传送线程中的会话的主题、推断的共享与一个或多个时刻等相关的DA的意图)来选择和呈现用户可能想要与一个或多个第三方共享的一个或多个DA的代表性组。
在一些示例性实施方案中,与知识图形120相关的各种选项针对个人DA知识图形122与共享DA知识图形124而变化。具体地,DA管理器142的个人DA接口146被配置为将个人DA知识图形122用于与个人DA库相关的操作。相比之下,DA管理器142的共享DA接口150被配置为将共享DA知识图形124用于与共享DA库相关的操作。
如图所示,共享DA接口150包括共享模式开/关设置152,该共享模式开/关设置可通过一个或多个接口(例如,相机接口126或操作系统接口)中的切换(例如,按钮选择)来控制。当选择共享模式时,可基于最终用户输入(例如,另一切换按钮)和/或触发156来选择相关的手动/自动共享设置154。触发156可用于在手动共享设置和自动共享设置之间切换。在一些示例性实施方案中,各种触发156(例如,设备位置、设备与其他设备的接近度、行程标识等)是可能的,并且可用于确定共享上下文度量168。例如,共享上下文度量168可用于确定用于决定自动共享设置应为开还是关的数值或分数。共享上下文度量168还可用于过滤与建议开/关设置160相关的共享DA建议。当打开建议开/关设置160时,建议选项被分类为引导指令152、近实况指令154和延迟指令156。引导指令152在引导间隔期间处理智能共享建议。近实况指令154在每个近实况间隔期间处理智能共享建议。延迟指令156在每个延迟间隔期间处理智能共享建议。
在一些示例性实施方案中,共享DA接口150还被配置为将滤波器172应用于可用DA。示例性滤波器172可从对共享DA库的考虑中消除模糊的DA、GIF、PDF和其他非图像/视频文件类型(例如,仅某些文件类型可被视为符合共享DA库)。此外,滤波器172可执行语义上的“去重复”操作,以避免符合共享DA库的DA的重复(在某种相似性度量内)。作为另一选项,滤波器172基于相对于显著位置(例如,远离家或另一显著位置等)的位置将一些DA视为不符合共享DA库。
在一些示例性实施方案中,可共享DA建议涉及分析个人DA知识图形122和/或共享DA知识图形124(例如,以确定个人DA是否与共享DA库中已有的共享DA相关)。通过滤波器172的DA和/或由可共享DA建议操作识别的DA可被视为符合智能共享选项。根据需要,符合资格的DA可按时间/位置/发送者或其他分组标准进行分组。在这一点上,符合资格的DA与共享DA接口150的进一步操作相关联或链接。
对于符合资格的DA可如何与共享DA库相关联(例如,显示在共享DA库中,以及可用于共享DA库的查询、组织和有特色的DA选项)存在不同选项。在第一选项中,共享DA知识图形124被更新以包括关于符合资格的DA的信息。在第二选项中,共享DA知识图形124被更新以识别符合资格的DA,并且在个人DA知识图形122和共享DA知识图形124之间提供链接。无论使用何种特定技术,智能共享选项都使符合资格的DA能够与共享DA库及其相关查询、组织和有特色的DA选项相关联。
在一些示例性实施方案中,最终用户设备的最终用户的DA可被自动视为共享DA库的符合资格的DA。在一些示例性实施方案中,个人DA库的知识图形用于识别DA包括最终用户的图像,因为用户将他们的“我”联系人链接到他们的共享DA库。作为另一选项,知识图形可以能够在无明确的最终用户动作的情况下推断所有者是谁。在这种情况下,知识图形的人节点可用于推断最终用户的身份。
在一些示例性实施方案中,最终用户的孩子的DA可被自动视为共享DA库的符合资格的DA。与识别用户类似,知识图形可用于显式或隐式地识别最终用户的孩子。作为另一选项,父母的DA可来源于孩子的个人DA。在这种情况下,可使父母和孩子两者的单独知识图形彼此知晓以告知智能共享选项。
在一些示例性实施方案中,时间和位置与共享DA库中已识别的时刻相匹配的DA被视为共享DA库的符合资格的DA。该可共享DA建议选项旨在从最终用户所在的位置识别DA,并允许完成共享DA库中的对应回忆。
在一些示例性实施方案中,在某个时间间隔(例如,上个月)内具有匹配时间和设备位置的DA被视为共享DA库的符合资格的DA。该可共享DA建议选项利用位置数据,并旨在从最终用户最近所在的位置识别DA。连同位置数据一起,使用DA数据/位置来确定最终用户设备位置/数据与DA位置/数据之间是否存在在可接受容差内的匹配。该可共享DA建议的一个示例性场景涉及组设置(例如,与同事共进午餐),其中用户出现在该位置,并且因此无论用户可见或不可见,DA都被视为符合资格。
在一些示例性实施方案中,时间和人相对于共享DA库中的时刻相匹配的DA可被视为共享DA库的符合资格的DA。该可共享DA建议选项旨在识别共享DA库中已有的相关人物和回忆的DA。人不仅需要出现在共享DA库中,而且还应在同一时刻出现。例如,两年前最好朋友的DA不会自动被视为符合资格,除非同一时刻最好朋友的其他照片已存在于共享DA库中。
在一些示例性实施方案中,时间和宠物与共享DA库中已有的时刻相匹配的DA被视为共享DA库的符合资格的DA。该可共享DA建议选项旨在识别与共享DA库中已有的时刻相关的宠物的DA。需注意:由于DA不具有共享DA库及其相关联的共享DA知识图形124的完整上下文,因此将DA的人物/宠物与共享DA库中已有的人物/动物进行匹配可能依赖于面部识别和匹配。
一旦符合资格的DA被识别并经由智能共享选项链接到共享DA库,则共享DA库的策展查询可能包括符合资格的DA。在一些示例性实施方案中,符合资格的DA不会被推广用作共享DA库的回忆(除非没有其他选项)的封面照片,但回忆可包括这些符合资格的DA。根据需要,也可选择符合资格的DA作为共享DA库的有特色的DA。
除了参与构建/策划回忆的常规体验外,将符合资格的DA包括在共享DA库中还可作为触发或请求查找或构建上下文相关回忆,以便立即显示给共享DA库的一个或多个参与者。对于可包括符合资格的DA的如回忆、相册、其他DA集合的内容,可提示最终用户在相应的DA与其他人共享或以另一方式与其他设备同步之前将DA保存到共享DA库中。
质量滤波阶段、可共享DA建议选项、自动共享选项和/或其他智能共享选项一起为共享DA库找到相关的DA。虽然由最终用户设备捕获的DA更可能包括可共享DA,但所描述的DA管理系统100可在最终用户设备的文本/消息传送应用程序(包括具有消息传送特征的第三方应用程序)内发现可共享DA。
在一些示例性实施方案中,共享DA接口150包括机器学习指令170,该机器学习指令被配置成基于与共享反馈、最终用户的共享偏好和/或相机使用度量相关的可用信息来执行机器学习操作。随时间的推移,随着更多信息被获得(从最终用户、从共享上下文度量168、触发156和/或其他信息来源),可调整当共享模式设置152开时使用的自动共享设置以考虑机器学习结果。
在一些示例性实施方案中,共享DA接口150被配置为提供无摩擦共享(例如,相机接口126中的自动体验以及向个人DA库中的最终用户提供的更广泛建议)。在一些示例性实施方案中,相机接口126包括具有两种模式的新切换(例如,在相机预览128期间):个人模式;和共享模式(与共享模式开/关设置152相关)。最终用户可在处于相机接口126中(例如,在相机预览128期间)或处于操作系统菜单中时根据需要通过点击相关按钮在两种模式之间手动切换。
作为另一选项,当共享模式为开时(无论是在相机接口126内还是在智能共享设置的另一位置内被选择),多个设置是可能的。关于设置的示例性共享模式包括:手动共享设置和自动共享设置(与手动/自动共享设置154相关)。如果选择共享手动设置,则最终用户可手动选择是在相机接口126内(例如,在相机会话期间)还是在个人DA库内共享所捕获的DA(智能共享选项和相关自动化被关闭)。如果选择了共享自动设置,则基于智能共享选项(例如,先前对建议的反馈、对共享上下文度量的持续监测168、机器学习指令的结果170等)来自动选择要共享的DA。在一些示例性实施方案中,手动共享或自动共享设置是“粘性”设置。换句话讲,相机接口126将启动到最终用户所选择的最后一个设置(手动共享或自动共享)。
在一些示例性实施方案中,当手动/自动共享设置154被设置为自动时,响应于相机接口126被启动而发起信号扫描过程。信号扫描过程被配置为在相机会话期间(例如,在相机预览接口128期间)检测附近的最终用户设备(例如,经由信令或另一短程无线协议)。在一些示例性实施方案中,如果检测到与共享DA库的参与者相关的附近最终用户设备,则根据需要将共享模式开/关设置152设置为开,并且将手动/自动共享设置设置为自动。之后,将自动共享在相机会话期间捕获的DA。如果最终用户在相机会话期间手动关闭共享模式开/关设置152,则不执行或忽略接近度检测。
在一些示例性实施方案中,智能共享选项使用最终用户设备相对于一个或多个显著位置的位置。作为示例,可启用或禁用“在家时共享”选项(默认设置)。如果启用并且最终用户设备在家或家附近,则可关闭或忽略其他最终用户设备的接近度检测。当启用“在家时共享”选项时,当最终用户设备在家或家附近时,将使用自动共享设置。其他显著位置选项也是可能的。作为选项,最终用户可在给定相机会话期间手动关闭共享模式,即使在家或另一显著位置处。
在一些示例性实施方案中,一旦设置了手动/自动共享设置154,则至少在相机会话的持续时间内使用相同的设置。作为选项,手动/自动共享设置154可持续有限的时间间隔(例如,5分钟),而不管发生的相机会话(打开和关闭相机接口126的多个实例)的数量如何。有限的时间间隔设置可由最终用户来调整,或可基于最终用户的相机使用来调整(随时间的推移经由机器学习、最终用户反馈和共享上下文度量来确定)。在一些示例性实施方案中,当在特定位置处检测到设备时,相机接口126将保持自动共享设置更长时间。作为示例,可确定最终用户当前在行程中。只要行程上下文保留,现有的手动/自动共享设置154就可继续。作为选项,最终用户可在给定的相机会话期间手动关闭共享模式开/关设置152,即使行程上下文仍有效。
在一些示例性实施方案中,共享DA接口150被配置为当建议开/关设置160被设置为开时向最终用户提出智能共享建议。智能共享建议可基于共享上下文度量168(例如,检测到的与人物、活动和位置相关的触发156的数量)、基于个人DA知识图形122的DA分析、基于共享DA知识图形124的DA分析和/或其他上下文信息。在图1的示例中,智能共享建议由引导指令162、近实况指令164和延迟指令166管理。
引导指令162在共享DA库的初始设置期间提供智能共享建议。例如,最终用户可在引导间隔期间通过选择人物和开始日期的建议来对建议作出响应。作为响应,可搜索个人DA库的DA以从包含所选择的人物的事件和活动中选择照片。例如,可将与所选择的人或组的多日活动(例如,行程)相关的一些或所有DA添加到共享DA库。根据需要,避免屏幕截图和屏幕录制。此外,可执行分析以填充建议的可共享DA列表以供最终用户审查。经过审查,最终用户可在完成对共享DA库的设置之前从建议列表中删除任何DA。随时间的推移,可进行进一步的分析以改善针对共享DA库对DA的选择(即,并非为了建立共享DA库而需要分析个人DA库的所有DA)。
近实况指令164在相机接口126的相机会话期间(在相机会话期间捕获新DA之后不久或甚至之前)提供智能共享建议。在一些示例性实施方案中,近实况指令164在相机会话期间对新的DA和/或即将被捕获的DA执行DA分析,并基于DA分析提供智能共享建议。在一些示例性实施方案中,可在新的DA捕获之后不久执行按需人物识别,或者在引导间隔期间或之后相对于最终用户选择来评估即将采用的DA。非限制性地,近实况指令164可响应于新的DA捕获或即将采用的DA而显示智能共享建议,涉及:与共享DA库的所选择的参与者相关的事件或活动;与先前由最终用户自动或手动共享的DA相关的事件或活动。在一些示例性实施方案中,近实况指令164可显示智能共享建议,即共享先前未被共享或拒绝的与事件或活动相关的所有DA。在一些示例性实施方案中,智能共享建议依赖于滤波器172来去除模糊的、意外的口袋捕获等。随时间的推移,可执行进一步分析(例如,使用共享DA库参与者的接近度检测、相对于显著位置的位置检测、行程检测、DA分析、可共享上下文度量等),并且可应用相关机器学习结果来改进在每个近实况间隔期间可用的智能共享建议。
延迟指令166是在最终用户设备保持插上电源之后执行的。在延迟间隔期间,延迟指令166可对在白天期间捕获或获得的新DA执行进一步分析以提取附加的上下文信息。在一些示例性实施方案中,使用上下文信息的全部可用性向最终用户显示个人DA库应用分析DA和附加建议。非限制性地,延迟间隔期间的智能共享建议可包括:导入包含感兴趣的人物的DA;从相关事件或活动(例如,行程)导入DA;可共享其面部的人物的列表;以及修改共享DA库的参与者列表。在一些示例性实施方案中,最终用户可确认或拒绝与延迟间隔的智能共享建议相关的人物的面部。同样,可在延迟间隔期间应用滤波器172以避免建议复制、实用照片和/或从已知的低质量内容来源(例如,浏览器下载)导入。随时间推移,可执行进一步分析(例如,使用共享DA库参与者的接近度检测、相对于显著位置的位置检测、行程检测、DA分析、可共享上下文度量等),并且可应用相关机器学习结果来改进在每个延迟间隔期间可用的智能共享建议。
根据需要,DA被链接到共享DA库,导致对个人DA知识图形112和共享DA知识图形124的更新。根据情况(电池电量、无线信道状况、要添加到共享DA库的DA数量等),用新的DA更快或更慢地填充共享DA库。一旦填充了共享DA库并完成了相关链接,共享DA库中的DA就可用于查询、组织和共享DA库的有特色的DA选项。
在一些示例性实施方案中,将DA共享到共享DA库的最终用户的个人DA库在他们的个人DA库中看不到差异,即使最终用户的个人DA库中显示的一些DA将被单独存储在用于共享DA库的基于云的存储装置中而不是用于个人DA库的基于云的存储装置中。为了组织和表征个人DA库和/或共享DA库的DA,可使用更新的知识图形或链接的知识图形。
如图所示,计算机可读存储器110可存储和/或检索DA元数据114、知识图形表120、和/或由DA元数据114描述的或与该DA元数据相关联的任选数据。DA元数据114、知识图形120和/或任选数据可由系统100中的其他部件生成、处理和/或捕获。例如,DA元数据114、知识图形120和/或任选数据可包括由一个或多个外围设备130、DA捕获设备102或处理单元140等生成、捕获、处理或与其相关联的数据。系统100还可包括存储器控制器(未示出),该存储器控制器包括至少一个电子电路,该至少一个电子电路管理流入和/或流出计算机可读存储器110的数据。存储器控制器可以为单独的处理单元或集成在处理单元140中。
在一些示例性实施方案中,DA捕获设备102为用于捕获图像的成像设备、用于捕获声音的音频设备、用于捕获音频和视频的多媒体设备、任何其他已知的DA捕获设备。DA捕获设备102以虚线框示出,以示出其为系统100的任选部件。在一个实施方案中,DA捕获设备102还可包括被实施为硬件、软件或他们的组合的信号处理流水线。信号处理流水线可对从DA捕获设备102中的一个或多个部件接收的数据执行一个或多个操作。信号处理流水线还可向计算机可读存储器110、外围设备130(如下文进一步所讨论的)和/或处理单元140提供经处理的数据。
外围设备130可包括以下中的至少一者:(i)与系统100中的一个或多个部件(例如,鼠标、键盘等)进行交互或向其发送数据的一个或多个输入设备;(ii)提供来自系统100中的一个或多个部件(例如,监视器、打印机、显示设备等)的输出的一个或多个输出设备;或(iii)除计算机可读存储器110之外还存储数据的一个或多个存储设备。外围设备130以虚线框示出,以示出其为系统100的任选部件。外围设备130还可指既可用作输入设备又可用作输出设备(例如,触摸屏等)的单个部件或设备。系统100可包括用于外围设备130的至少一个外围控制电路(未示出)。外围控制电路可以为控制器(例如,芯片、扩展卡或独立设备等),该控制器与外围设备130交互并用于指示由该外围设备执行的操作。外围设备控制器可以为单独的处理单元或集成在处理单元140中。外围设备130在整个本文档中也可称为输入/输出(I/O)设备。
如图所示,系统100还包括一个或多个传感器134,该一个或多个传感器以虚线框示出,以示出传感器130为系统100的任选部件。对于一个实施方案,传感器130可检测一个或多个环境的特性。传感器的示例包括但不限于:光传感器、成像传感器、加速度计、声音传感器、气压传感器、接近传感器、振动传感器、陀螺仪传感器、罗盘、气压计、热传感器、旋转传感器、速度传感器和倾斜仪。
在图1的示例中,设备100包括通信机构132。通信机构132可以为例如总线、网络或交换机。当通信机构132为总线时,通信机构132在系统100中的部件之间,或在系统100中的部件与同其他系统(未示出)相关联的其他部件之间传送数据。作为总线,通信机构132包括所有相关的硬件部件(电线、光纤等)和/或软件,包括通信协议。对于一个实施方案,通信机构132可包括内部总线和/或外部总线。此外,通信机构132可包括用于与系统100相关联的通信的控制总线、地址总线和/或数据总线。对于一个实施方案,通信机构132可以为网络或交换机。作为网络,通信机构132可以为任何有线或无线网络,诸如局域网(LAN)、广域网(WAN)诸如互联网、光纤网络、存储网络或它们的组合。当通信机构132为网络时,系统100中的部件不必物理地协同定位。当通信机构132为交换机(例如,“纵横”交换机)时,系统100中的单独部件可通过网络直接链接,即使这些部件可能不在物理上彼此紧邻。例如,处理单元140、通信机构132、计算机可读存储器110、外围设备130、传感器134和DA捕获设备102中的两者或更多者处于彼此相异的物理位置,并且经由通信机构132通信地耦接,该通信技术为通过网络直接链接这些部件的网络或交换机。
图2以框图形式示出了根据一个实施方案的具有联网的最终用户设备的系统200。在系统200中,最终用户设备202A-202N包括相应的共享DA接口150A-150N(图1中的共享DA接口150的示例),并且可包括DA管理系统(例如,图1中的DA管理系统100)。系统200还可包括无DA管理器或具有缺少如本文所述的共享DA接口的传统DA管理器的最终用户设备204A-204N。在系统200中,可经由网络设备206和相应的消息传送应用程序在最终用户设备202A-202N和204A-204N之间发送和接收DA。网络设备206包括有线和/或无线通信接口。在一些示例性实施方案中,网络设备206为最终用户设备202A-202N和204A-204N提供云存储和/或计算选项。随时间的推移,随着更多的DA被每个相应的最终用户设备捕获或从其他最终用户设备或网络设备获得,由最终用户设备202A-202N和204A-204N中的每一者存储的DA的数量通常会增加。这些DA中的一些DA对用于填充共享DA库的智能共享选项更有意义,而其他DA则意义不大。在最终用户设备204A-204N中,在不安装附加应用程序的情况下,对共享DA库的参与可能不可用或受到限制。相比之下,具有相应共享DA接口150A-150N的最终用户设备202A-202N执行如本文所述的智能共享选项。
图3示出了用于由DA管理系统(例如,图1中的DA管理系统100)基于关系数据库112中的变化来更新知识图形120的架构300。在图3的示例中,架构300包括与网络设备206通信的电子设备301(例如,具有相应DA管理器106A至106N的最终用户装置202A至202N中的一者)。在一些示例性实施方案中,通过架构300,周期性地(例如,24小时周期)更新知识图形120,其中依次考虑关系数据库中的变化。以此方式进行的更新可涉及对知识图形120作出不需要立即作出的改变,诸如因关系数据库112中的改变而对事件节点的更新。也可以尝试在每次对关系数据库112作出改变时更新知识图形120。然而,在许多情况下,可优选地共同考虑来自关系数据库112的一批或一组改变通知302。如以下更详细解释的,这样做可使DA处理系统能够忽略例如鉴于后续改变(例如,A1)而冗余的改变(例如,B2)。此功能性由转换器304提供。转换器304是DA管理系统的转换层。转换器304选择更新的方式以代码进行编码并由一个或多个处理单元140执行。
如先前所述,知识图形120对关系数据库112中发生的更新、修改和改变作出响应。因此,关系数据库112与知识图形120分开。关系数据库112支持各种本地应用程序305(诸如照片应用程序)以及第二方应用程序和第三方应用程序的功能性。所有资产数据都维护在关系数据库112中。关系数据库112所存储的数据的改变可通过与应用程序305以及与网络设备206的交互(例如,支持最终用户设备之间的数据传输、云存储/计算选项等)来引起。知识图形120通常可实时地对关系数据库112中的变化作出响应。这种实时响应部分地通过剔除关系数据库112中的改变来实现,所述改变不需要在知识图形120内进行修改、改变或更新。转换器304还可管理当前正在实施改变(例如C3)并且图形更新管理器308接收到附加改变通知(例如A1和B2)的情况。此类改变被缓冲并分批处理。缓冲改变通知并分离冗余的和/或累积的和/或不相关的改变与在其他情况下相比,降低了在知识图形120中实现此类改变的运算强度。
对关系数据库112的更好的管理提供了更细粒度的数据流,这使得可以更加谨慎或有针对性地确定哪些改变将由转换器304转换成更新。图形管理器310的转换器304部件可识别来自关系数据库112的与知识图形120不相关的某些改变。例如,在一个实施方案中,知识图形120不跟踪由照片应用程序(例如,应用程序305中的一个应用程序)使用并由关系数据库112存储的“相册”数据对象。
转换器304还可在属性级别(对象内的字段)进行区分。例如,转换器转换对某些媒体资产的改变,但不是对那些媒体资产的所有改变。例如,可能存在关系数据库112为了保持对资产的跟踪而需要的、但与知识图形120的节点和边缘无关的状态。转换器304可记录已改变的对象的属性并确定这些属性是否可能影响知识图形120中的节点或边缘的改变,并由此仅转换将这样做的这些属性改变。这是转换器304作出关于检测到的关系数据库中的改变是否保证对一个或多个图网络中的信息作出对应修改的确定的示例。当改变不保证更新时的另一示例是当后续改变(两者都在转换器部件的考虑中)否定它时。例如,如果在关系数据库112中显示一个人已与另一个人建立了好友关系,然后又解除了对另一个人的好友关系,那么仅仅为了立即删除/覆盖好友关系状态而记录好友关系状态是没有任何作用的。当不是无保证(即,有保证)时,转换器304将检测到的变化302转换成图形更新规范和/或修改指令314。摄取处理器312接收修改指令314并将其应用于知识图形120。图形管理器310及其子部件由电子设备(例如,参见图1的最终用户设备100)内的分析器(守护进程)316托管。
在一个示例性实施方案中,在两个主要层级中考虑知识图形120的节点和边缘:存在节点原语:时刻、人、日期和位置;并且存在从原语导出的更抽象的更高级的节点。可基于直接来自关系数据库对象的改变来直接驱动、更新和管理时刻、人、日期和位置。社交群组是知识图形120内的人节点的集合。知识图形120推断社交群组的存在,尽管该社交群组在关系数据库112中没有对应物。社交群组可非常大并且具有许多人节点,每个人节点可与其他节点具有多个关系(边缘)。因此,改变关系数据库112中的节点的单个属性(基于对象的属性的改变)可能需要对知识图形120进行大量修改。在一个实施方案中,转换器304可基于运算开销确定哪些改变要更快地转换以及哪些改变要延迟。在另一实施方案中,转换器304向一组后处理步骤(未示出)提供输入,该组后处理步骤负责取得由转换器304生成的图形更新规范314并使用规范314连同更新的知识图形120(即,应用由转换器304进行的更新之后的知识图形120)来产生对知识图形120中的高级节点的附加更新。
在一个示例中,转换器304可接收指示已创建新对象(诸如时刻对象)的通知。转换器304然后可接收到时刻对象的位置属性已改变并且此后该时刻对象的时间属性已改变的通知。为了节省时间和运算费用,可将新的时刻对象与所有三个属性一起一次添加到知识图形120。在一些情况下,即使有这样的整合,对知识图形120的一些更新在运算上也可能是昂贵的。评估节点的哪些方面需要更新可能需要时间,尤其是在关系方面。人对象可能改变其名称属性(可能包括DA管理系统的电子设备的用户可能意识到他拼错了他的妻子的名字并决定对其进行纠正)。对应于该对象的人节点可具有分布在多个时刻节点上的面部。对于所有此类时刻节点,这可能是昂贵的。在这种情况下,DA管理系统可进行快速更新以在人节点中记录名称已改变的事实,但无需立即计算出知识图形120中可能受到影响的关系的所有细节。
在一些示例性实施方案中,使用架构300维护和更新的知识图形120可包括个人DA知识图形122和共享DA知识图形124。最初,许多DA不会链接到共享DA库。通过本文所述的智能共享选项,与个人DA库或联合库相关的DA变为链接到共享DA库。根据需要,架构300更新个人DA知识图形122和共享DA知识图形124以跟踪新的DA和新的DA共享。
图4以框图形式示出了根据一个实施方案的DA库场景400。在图4的示例中,DA库场景400包括基于云的服务402和被配置为维护个人DA库404和共享DA库406的相关设备。由本地DA库中的基于云的服务和/或DA维护的个人DA库404和共享DA库406可经由DA库接口410访问。在一些示例性实施方案中,DA库接口410(例如,来自苹果股份有限公司(Apple Inc.)的PhotoKit接口)提供支持为个人DA库404和/或共享DA库406构建照片编辑扩展的类。对于不同操作系统(例如, 和/>操作系统,其中iOS是思科科技股份有限公司(CiscoTechnology Inc.)的注册商标,并且macOS和tvOS是苹果股份有限公司的注册商标),DA库接口410还提供对由照片应用程序管理的DA的直接访问。由DA库接口410处理的示例性操作408包括获取和高速缓存个人DA库404和/或共享DA库406的资产,以用于显示和回放、编辑图像和视频内容、或者管理资产诸如相册或共享相册的集合。由DA库接口410支持的示例性项目412包括印刷品、幻灯片、书籍、日历、时刻和壁纸。在一些示例性实施方案中,DA库接口410包括被配置为执行如本文所述的智能共享选项的DA管理器(例如,共享DA接口150或相关处理器)或与该DA管理器通信。通过智能共享选项,共享DA库406以用户友好且高效的方式填充有DA,同时考虑上下文变化和最终用户隐私目标。一旦填充了共享DA库406,则共享DA库406的DA对所有参与者都是可用的。作为示例,共享DA库406的每个参与者可利用与操作408、项目412和/或其他访问选项相关的查询、组织和有特色的DA选项。
图5以流程图形式示出了根据一个实施方案的在个人DA库(例如,图4中的个人DA库404)和共享DA库(例如,图4中的共享DA库406)之间进行选择的智能共享方法500。如图所示,方法500包括在框502处打开相机应用程序(例如,图1中的相机接口126)。在框504处,恢复相机会话。如果最终用户今天已覆写库选择(确定框506),则在框508处保持最终用户的最后库选择(例如,共享模式开或关,其中共享模式关意味着选择个人DA库)。否则,如果最终用户今天尚未覆写库选择(确定框506),则做出关于在今天先前是否检测到设备的确定(确定框510)。如果在今天先前检测到设备(确定框510),则在框512处考虑上下文选项。框512的上下文选项包括:确定检测到先前设备是否在不到X分钟(例如,5分钟)前发生(确定框514);确定最终用户是否在先前检测位置附近(确定框516);或检测到行程(确定框518)。如果框512的上下文选项中无一者为真,则方法500前进到框520以获取设备位置。随后作出关于设备位置是否处于显著位置(例如,家)的确定(确定框522)。如果设备位置处于显著位置(确定框522),则在框524处检查相机设置。如果选择了显著位置始终共享选项(确定框526),则方法500前进到框532处的共享DA库操作。此外,如果框512的任何上下文选项为真,则方法500前进到框532以执行共享DA库操作。如果未选择显著位置始终共享选项(确定框526),则方法500前进到框534处的个人DA库操作。
如果设备位置不处于显著位置(确定框522),则在框528执行对附近设备的扫描。如果检测到参与者设备(确定框530),则方法500前进到框532处的共享DA库操作。如果未检测到参与者设备(确定框530),则方法500前进到框534处的个人DA库操作。在一些示例性实施方案中,方法500可包括与本文所述的智能共享选项、覆写选项和/或智能共享建议选项相关的附加或替代操作。
图6以流程图形式示出了根据一个实施方案的用于填充共享DA库(例如,图4中的共享DA库406)的智能共享方法600。如图所示,方法600包括在框602处由共享DA库的第一参与者的最终用户设备发起相机会话。在框604处,由最终用户设备识别可共享DA触发。非限制性地,可共享DA触发可包括共享模式切换、自动共享设置选择、接近度检测、位置检测、行程检测、捕获的DA分析、相机预览分析、共享上下文度量和/或其他可检测触发。在框606处,在识别可共享DA触发之后捕获DA。在框608处,基于所识别的可共享DA触发,为共享DA库选择所捕获的DA。
在一些示例性实施方案中,在框604处识别可共享DA触发包括将共享DA库的第二参与者检测为在最终用户设备的目标接近度内。在一些示例性实施方案中,将共享DA库的第二参与者检测为在最终用户设备的目标接近度内包括从第二参与者的最终用户设备接收信号。在一些示例性实施方案中,在框604处识别可共享DA触发包括第一参与者选择在相机会话期间显示的共享选项(例如,共享模式)。在一些示例性实施方案中,可共享DA触发包括第一参与者选择在先前相机会话期间显示的共享选项。在一些示例性实施方案中,在框604处识别可共享DA触发基于第一参与者在相机会话之前选择共享选项,该共享选项包括共享开始时间和共享结束时间。在一些示例性实施方案中,在框604处识别可共享DA触发基于最终用户设备相对于显著位置的位置。
在一些示例性实施方案中,在框608处为共享DA库选择所捕获的DA基于第一参与者对最终用户设备上显示的建议共享选项作出响应。建议共享选项可在捕获DA之前并基于对相机预览内容的DA分析而在最终用户设备上显示,作为相机会话的相机预览的一部分。作为另一选项,建议共享选项可在相机会话已结束之后并且响应于在最终用户设备插上电源时执行的延迟DA分析而在最终用户设备上显示,该延迟DA分析产生要从第一参与者的个人DA库转移到共享DA库的建议DA的列表。
在一些示例性实施方案中,方法600包括:确定最终用户设备的共享上下文度量;以及在最终用户设备的多个相机会话期间维持共享模式,只要共享上下文度量保持在共享上下文度量阈值之上。在一些示例性实施方案中,方法600包括:从第一参与者接收与共享DA库相关的引导请求;响应于接收到引导请求,在第一参与者的个人DA库中执行对先前捕获的DA的DA分析,并且基于DA分析将DA从个人DA库转移到共享DA库。
在一些示例性实施方案中,方法600包括:基于DA分析显示针对共享DA库的建议DA的列表;从第一参与者接收关于所显示的针对共享DA库的建议DA的列表的输入;以及基于所接收的输入将建议DA中的至少一些从第一参与者的个人DA库转移到共享DA库。在一些示例性实施方案中,DA分析为未来DA产生自动共享建议或自动共享规则。在一些示例性实施方案中,方法600包括:为第一参与者建立多个共享DA库;以及基于所识别的可共享DA触发在多个共享DA库之间进行选择。
现在参考图7,示出了根据一个实施方案的用于执行DA管理的例示性可编程电子设备700(图1中的DA管理系统100的示例,或者图2中的最终用户设备202A-202N中的一者)的简化功能框图。电子设备700可以为例如移动电话、个人媒体设备、便携式相机或平板电脑、笔记本电脑或台式计算机系统以及诸如智能手表的可穿戴设备。如图所示,电子设备700可包括处理器705、显示器710、用户界面715、图形硬件720、设备传感器725(例如,接近传感器/环境光传感器、加速度计和/或陀螺仪)、麦克风730、音频编解码器735、扬声器740、通信电路745、图像捕获电路或单元750(例如,其可包括具有不同特性的多个相机单元/光学传感器(以及容纳在电子设备700外部但与该电子设备通信的相机单元))、视频编解码器755、计算机可读存储器760、存储装置765和通信总线770。
处理器705可执行有必要用于实施或控制由电子设备700执行的多种功能的操作的指令(例如,诸如根据本文所描述的各种实施方案的DA的产生和/或处理)。处理器705可例如驱动显示器710并可从用户界面715接收用户输入。用户界面715可采取多种形式,诸如按钮、小键盘、拨号盘、点击轮、键盘、显示屏和/或触摸屏。用户界面715可以为例如用户可通过其查看所捕获的视频流的导线管和/或指示用户想要捕获或共享的特定图像(例如,通过在设备的显示屏上正显示期望图像的时间点击物理按钮或虚拟按钮)。
在一个实施方案中,显示器710可显示在处理器705和/或图形硬件720和/或图像捕获电路同时将视频流(或来自视频流的单个图像帧)存储在计算机可读存储器760和/或存储装置765中时其被捕获的视频流。处理器705可以为片上系统(诸如存在于移动设备中的那些片上系统),并且可包括一个或多个专用图形处理单元(GPU)。处理器705可基于精简指令集计算机(RISC)或复杂指令集计算机(CISC)架构或任何其他合适的架构,并且可包括一个或多个处理内核。图形硬件720可以为用于处理图形和/或帮助处理器705执行运算任务的专用运算硬件。在一个实施方案中,图形硬件720可包括一个或多个可编程图形处理单元(GPU)。
图像捕获电路750可包括一个或多个相机单元,该一个或多个相机单元被配置为捕获图像,例如可由DA管理系统管理的图像。可至少部分地通过以下来处理来自图像捕获电路750的输出:视频编解码器755、处理器705、图形硬件720、和/或并入电路750内的专用图像处理单元。由此捕获的图像可存储在计算机可读存储器760和/或存储装置765中。计算机可读存储器760可包括由处理器705、图形硬件720和图像捕获电路750用以执行设备功能的一种或多种不同类型的介质。例如,计算机可读存储器760可包括存储器高速缓存、只读存储器(ROM)和/或随机存取存储器(RAM)。存储装置665可存储介质(例如,音频文件、图像文件和视频文件)、计算机程序指令或软件、偏好信息、设备配置文件信息以及任何其他合适的数据。存储装置765可包括一个或多个非暂态存储介质,该非暂态存储介质包括例如磁盘(固定硬盘、软盘和可移动磁盘)和磁带、光学介质(诸如CD-ROM和数字视频光盘(DVD))、以及半导体存储器设备(诸如电可编程只读存储器(EPROM))和电可擦除可编程只读存储器(EEPROM)。计算可读存储器660和存储装置765可用于保持被组织成一个或多个模块并以任何期望的计算机编程语言编写的计算机程序指令或代码。例如,在由处理器705执行时,此类计算机程序代码可实现本文所述的方法中的一种或多种方法。
为了清楚地说明,图7的实施方案被呈现为包括各个功能块,这些块包括标记为处理器705或图形硬件720的功能块。这些块代表的功能可通过使用共享硬件或专用硬件(包括但不限于能够执行软件和硬件的硬件,诸如处理器705或图形硬件720,其按照目的进行构建以作为执行在通用处理器上的软件的等同物操作)来提供。例如,图7中呈现的一个或多个处理器的功能可通过单个共享的处理器或多个处理器提供。(术语“处理器”的使用不应当解释为唯一地指代能够执行软件的硬件。)例示性实施方案可包括微处理器和/或数字信号处理器(DSP)硬件、用于存储执行下面讨论的操作的软件的ROM、以及用于存储结果的RAM,这两者都可被包含在计算机可读存储器760内。也可提供超大规模集成(VLSI)硬件实施方式以及结合通用DSP电路的定制VLSI电路。
本公开的范围内的实施例也可包括有形和/或非暂时性计算机可读存储介质,其用于承载或具有存储在其上的计算机可执行指令或数据结构。此类非暂时性计算机可读存储介质可以是可由通用或专用计算机访问的任何可用介质,包括上文论述的任何专用处理器的功能设计。以举例而非限制的方式,此类非暂时性计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁性存储设备,或任何其他介质,其可用来承载或存储呈计算机可执行指令、数据结构或处理器芯片设计形式的所需程序代码装置。当信息经由网络或另一通信连接(硬连线的、无线的、或它们的组合)传输或提供至计算机时,计算机适当地将该连接视为计算机可读介质。因此,任何这种连接被适当地称为计算机可读介质。上述的组合也应该包括在计算机可读介质的范围内。
计算机可执行指令包括例如使得通用计算机、专用计算机、或专用处理设备执行某些功能或一组功能的指令和数据。计算机可执行指令也包括由计算机在独立或网络环境中执行的程序模块。通常,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构、对象、和专用处理器设计中固有的功能等。计算机可执行指令、相关联的数据结构、和程序模块代表用于执行本文所公开的方法的步骤的程序代码装置的实例。此类可执行指令或相关联的数据结构的特定序列代表用于实现在此类步骤中描述的功能的对应动作的实例。
本公开的实施方案可在具有许多类型的计算机系统配置的网络计算环境中实现,包括个人计算机、手持设备、多处理器系统、基于微处理器的或可编程的消费电子、网络PC、微型计算机、主机计算机等。实施例也可在分布式计算环境中实践,其中任务由通过通信网络(要么由硬连线链路、无线链路,要么由它们的组合)连接的本地和远程处理设备来执行。在分布式计算环境中,程序模块可位于本地存储器存储设备和远程存储器存储设备两者中。
在一些示例性实施方案中,系统(例如,图1的DA管理系统100、图2的最终用户设备202A-202N中的任一者、或图7的电子设备700)包括:一个或多个处理器(例如,图1中的处理单元140、或图7中的处理器705);被配置为捕获DA的一个或多个传感器(例如,图1中的DA捕获设备102、或图7中的传感器/相机电路750);用于为一个或多个处理器存储程序指令(例如,图1中的DA管理器142或共享DA接口150)的存储器(例如,图1中的计算机可读存储器110、图1中的处理单元140的存储器、和/或图7中的存储器760和存储装置765)。指令在被执行时使得一个或多个处理器:发起相机会话;识别可共享DA触发;获得一个或多个传感器在识别可共享DA触发之后在相机会话期间捕获的DA;以及基于所识别的可共享DA触发,为共享DA库选择所捕获的DA。
在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于将共享DA库的第二参与者检测为在最终用户设备的目标接近度内来识别可共享DA触发。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器:从第二参与者的最终用户设备接收信号;以及基于所接收的信号将共享DA库的第二参与者检测为在最终用户设备的目标接近度内。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于第一参与者选择在相机会话期间显示的共享选项来识别可共享DA触发。
在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于第一参与者选择在先前相机会话期间显示的共享选项来识别可共享DA触发。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于第一参与者在相机会话之前选择共享选项来识别可共享DA触发,该共享选项包括共享开始时间和共享结束时间。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于最终用户设备相对于显著位置的位置来识别可共享DA触发。
在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于第一参与者对最终用户设备上显示的建议共享选项作出响应来为共享DA库选择所捕获的DA。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器在捕获DA之前并基于对相机预览内容的DA分析,在最终用户设备上显示建议共享选项,作为相机会话的相机预览的一部分。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器在相机会话已结束之后并且响应于在最终用户设备插上电源时执行的延迟DA分析而在最终用户设备上显示建议共享选项,该延迟DA分析产生要从第一参与者的个人DA库转移到共享DA库的建议DA的列表。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器:确定最终用户设备的共享上下文度量;以及在最终用户设备的多个相机会话期间维持共享模式,只要共享上下文度量保持在共享上下文度量阈值之上。
在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器:从第一参与者接收与共享DA库相关的引导请求;响应于接收到引导请求,对第一参与者的个人库中的先前捕获的数字资产执行DA分析,并且基于数字内容分析将数字内容从个人DA库转移到DA库。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器:基于数字内容分析,显示针对共享数字内容库的建议数字内容的列表;从第一参与者接收关于所显示的针对共享数字内容库的建议数字内容的列表的输入;以及基于所接收的输入,将建议数字内容中的至少一些从第一参与者的个人数字内容库转移到共享数字内容库。
在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器基于数字内容分析为未来数字内容产生自动共享建议或自动共享规则。在一些示例性实施方案中,该指令在被执行时进一步使得一个或多个处理器:为第一参与者建立多个共享数字内容库;以及基于所识别的可共享数字内容触发在多个共享数字内容库之间进行选择。
虽然上文已根据一些顺序操作描述了操作或方法,但应当理解,所描述的操作中的一些操作可以不同的顺序来执行。此外,一些操作也可并行执行而非按顺序执行。本文所述的实施方案未参照任何特定的编程语言进行描述。应当理解,可使用各种编程语言来实现所公开主题的各种实施方案。在利用本文所述的实施方案的各个方面中,对于本领域的技术人员将显而易见的是,上述实施方案的组合、修改或变型对于管理处理系统的部件以增加那些部件中的至少一个部件的功率和性能是可能的。
如上所述,本技术的一个方面是收集和使用可从各种来源获得的数据,以提高用户管理和搜索与他们相关的信息的能力。本公开预期,在一些实例中,这些所采集的数据可包括唯一地识别或可用于联系或定位特定人员的个人信息数据。此类个人信息数据可包括人口统计数据、基于位置的数据、电话号码、电子邮件地址、Twitter账号、家庭地址、与用户健康或健康水平相关的数据或记录(例如,生命体征测量、药物信息、锻炼信息)、出生日期或任何其他识别或个人信息。
本公开认识到在本发明技术中使用此类个人信息数据可用于使用户受益。例如,个人信息数据可用于使用户能够更快速地定位他们感兴趣的信息,并且通过扩展,本公开使用户能够对他们与他人共享的内容和信息(个人和其他)进行更精简和有意义的控制。此外,本公开还预期个人信息数据有益于用户的其他用途。例如,健康和健身数据可用于深入了解用户的总体健康状况,或他们生活中各个时刻或事件期间的健康状况。
本公开设想负责采集、分析、公开、传输、存储或其他使用此类个人信息数据的实体将遵守既定的隐私政策和/或隐私实践。具体地,此类实体应当实行并坚持使用被公认为满足或超出对维护个人信息数据的隐私性和安全性的行业或政府要求的隐私政策和实践。最终用户可方便地访问此类策略,并应随着数据的采集和/或使用变化而更新。来自用户的个人信息应当被收集用于实体的合法且合理的用途,并且不在这些合法使用之外共享或出售。此外,应在收到用户知情同意后进行此类采集/共享。另外,此类实体应考虑采取任何必要步骤,保卫和保障对此类个人信息数据的访问,并确保有权访问个人信息数据的其他人遵守其隐私政策和流程。另外,这种实体可使其本身经受第三方评估以证明其遵守广泛接受的隐私政策和实践。另外,应当调整政策和实践,以便采集和/或访问的特定类型的个人信息数据,并适用于包括管辖范围的具体考虑的适用法律和标准。例如,在美国,对某些健康数据的收集或获取可能受联邦和/或州法律的管辖,诸如健康保险流通和责任法案(HIPAA);而其他国家或地区的健康数据可能受到其他法规和政策的约束并应相应处理。因此,在每个国家应保持不同的个人数据类型的不同的隐私实践。
不管前述情况如何,本公开还预期用户选择性地阻止使用或访问个人信息数据的实施方案。即本公开预期可提供硬件元件和/或软件元件,以防止或阻止对此类个人信息数据的访问。例如,就DA管理服务而言,本技术可被配置为在注册服务期间或之后任何时候允许用户选择“选择加入”或“选择退出”参与对个人信息数据的收集。在另一示例中,用户可选择不提供他们的内容和其他个人信息以包括在其他人的图形数据库中。在又一示例中,用户可选择限制其个人信息数据由第三方维护的时间长度和/或完全禁止开发知识图形或其他元数据配置文件。除了提供“选择加入”和“选择退出”选项外,本公开还设想提供与访问或使用个人信息相关的通知。例如,可在下载应用时向用户通知其个人信息数据将被访问,然后就在个人信息数据被应用访问之前再次提醒用户。
此外,本公开的目的是应管理和处理个人信息数据以最小化无意或未经授权访问或使用的风险。一旦不再需要数据,通过限制数据收集和删除数据可最小化风险。此外,并且当适用时,包括在某些健康相关应用中,数据去标识可用于保护用户的隐私。可在适当时通过移除特定标识符(例如,出生日期等)、控制所存储数据的量或特异性(例如,在城市级别而不是在地址级别收集位置数据)、控制数据如何被存储(例如,在用户之间聚合数据)、和/或其他方法来促进去标识。
因此,虽然本公开广泛地覆盖了使用个人信息数据来实现一个或多个各种所公开的实施方案,但本公开还预期各种实施方案也可在无需访问此类个人信息数据的情况下被实现。即,本发明技术的各种实施方案不会由于缺少此类个人信息数据的全部或一部分而无法正常进行。例如,可通过基于非个人信息数据或用户的关系数据库内的绝对最低限度的个人信息诸如内容的质量级别(例如,焦点、暴露水平等)或与用户的联系人、DA管理系统可用的其他非个人信息或公共可用信息相关联的设备正在请求某些内容的事实来推断偏好,从而建议与用户共享内容。
应当理解,以上描述旨在是示例性的而非限制性的。已呈现材料以使本领域的任何技术人员能够作出和使用受权利要求保护的发明,并在特定实施方案的情景中提供该材料,其变化对于本领域的技术人员而言将是显而易见的(例如,可彼此结合使用所公开的实施方案中的多个实施方案)。此外应当理解,本文所标识的操作中的一些操作可以不同的顺序来执行。因此,应当参考所附权利要求以及赋予此类权利要求的等同形式的完整范围来确定本发明的范围。在所附权利要求书中,术语“包括”和“在其中”被用作相应术语“包含”和“其中”的通俗英语等同形式。
Claims (20)
1.一种为共享数字资产(DA)库选择DA的方法,所述方法包括:
由所述共享DA库的第一参与者的最终用户设备发起相机会话;
由所述最终用户设备识别可共享DA触发;
由所述最终用户设备的相机在识别所述可共享DA触发之后在所述相机会话期间捕获DA;以及
由所述最终用户设备基于所识别的可共享DA触发为所述共享DA库选择所捕获的DA。
2.根据权利要求1所述的方法,其中识别所述可共享DA触发包括将所述共享DA库的第二参与者检测为正在所述最终用户设备的目标接近度内。
3.根据权利要求1所述的方法,其中识别所述可共享DA触发包括所述第一参与者选择在所述相机会话期间显示的共享选项。
4.根据权利要求1所述的方法,其中所述可共享DA触发包括所述第一参与者选择在先前相机会话期间显示的共享选项。
5.根据权利要求1所述的方法,其中识别所述可共享DA触发基于所述第一参与者在所述相机会话之前选择共享选项,所述共享选项包括共享开始时间和共享结束时间。
6.根据权利要求1所述的方法,其中识别所述可共享DA触发基于所述最终用户设备相对于显著位置的位置。
7.根据权利要求1所述的方法,还包括:
确定所述最终用户设备的共享上下文度量;以及
只要所述共享上下文度量保持在共享上下文度量阈值之上,就在所述最终用户设备的多个相机会话期间维持共享模式。
8.根据权利要求1所述的方法,还包括:
从所述第一参与者接收与所述共享DA库相关的引导请求;
响应于接收到所述引导请求,对所述第一参与者的个人DA库中的先前捕获的DA执行DA分析,以及
基于所述DA分析将DA从所述个人DA库转移到所述共享DA库。
9.根据权利要求8所述的方法,还包括:
基于所述DA分析显示针对所述共享DA库的建议DA的列表;
从所述第一参与者接收关于所显示的针对所述共享DA库的建议DA的列表的输入;以及
基于所接收的输入将所述建议DA中的至少一些从所述第一参与者的所述个人DA库转移到所述共享DA库。
10.根据权利要求1所述的方法,还包括:
为所述第一参与者建立多个共享DA库;以及
基于所识别的可共享DA触发在所述多个共享DA库之间进行选择。
11.一种系统,包括:
一个或多个处理器;
一个或多个传感器,所述一个或多个传感器被配置为捕获DA;
存储器,所述存储器用于存储用于所述一个或多个处理器的程序指令,其中所述指令在被执行时使得所述一个或多个处理器:
发起相机会话;
识别可共享DA触发;
获得所述一个或多个传感器在识别所述可共享DA触发之后在所述相机会话期间捕获的DA;以及
基于所识别的可共享DA触发为共享DA库选择所捕获的DA。
12.根据权利要求11所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器基于将所述共享DA库的第二参与者检测为正在最终用户设备的目标接近度内来识别所述可共享DA触发。
13.根据权利要求11所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器基于所述第一参与者对最终用户设备上显示的建议共享选项作出响应来为所述共享DA库选择所捕获的DA。
14.根据权利要求13所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器在捕获所述DA之前并且基于对相机预览内容的DA分析,在所述最终用户设备上显示所述建议共享选项作为所述相机会话的相机预览的一部分。
15.根据权利要求13所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器在所述相机会话已结束之后并且响应于在捕获DA之后或者在所述最终用户设备被置于预定状态或条件之后的至少预定量的时间执行的延迟DA分析,在所述最终用户设备上显示所述建议共享选项,所述延迟DA分析产生要从所述第一参与者的个人DA库转移到所述共享DA库的建议DA的列表。
16.根据权利要求11所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器:
确定最终用户设备的共享上下文度量;以及
只要所述共享上下文度量保持在共享上下文度量阈值之上,就在所述最终用户设备的多个相机会话期间维持共享模式。
17.根据权利要求11所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器:
从所述第一参与者接收与所述共享DA库相关的引导请求;
响应于接收到所述引导请求,对所述第一参与者的个人库中的先前捕获的数字资产执行DA分析,以及
基于数字内容分析,将数字内容从所述个人DA库转移到所述DA库。
18.根据权利要求17所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器:
基于所述数字内容分析,显示针对共享数字内容库的建议数字内容的列表;
从所述第一参与者接收关于所显示的针对所述共享数字内容库的建议数字内容的列表的输入;以及
基于所接收的输入,将所述建议数字内容中的至少一些从所述第一参与者的个人数字内容库转移到所述共享数字内容库。
19.根据权利要求17所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器基于所述数字内容分析为未来数字内容产生自动共享建议或自动共享规则。
20.根据权利要求17所述的系统,其中所述指令在被执行时进一步使得所述一个或多个处理器:
为所述第一参与者建立多个共享数字内容库;以及
基于所识别的可共享数字内容触发在所述多个共享数字内容库之间进行选择。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202263365827P | 2022-06-03 | 2022-06-03 | |
US63/365,827 | 2022-06-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117171119A true CN117171119A (zh) | 2023-12-05 |
Family
ID=86378449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310634258.6A Pending CN117171119A (zh) | 2022-06-03 | 2023-05-31 | 用于填充共享数字资产库的智能共享选项 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230394089A1 (zh) |
EP (1) | EP4287085A1 (zh) |
CN (1) | CN117171119A (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080263103A1 (en) * | 2007-03-02 | 2008-10-23 | Mcgregor Lucas | Digital asset management system (DAMS) |
US20190340529A1 (en) * | 2018-05-07 | 2019-11-07 | Apple Inc. | Automatic Digital Asset Sharing Suggestions |
US10410016B1 (en) * | 2018-07-05 | 2019-09-10 | Capital One Services, Llc | Cloud-based system for protecting sensitive information in shared content |
-
2023
- 2023-05-10 EP EP23172473.3A patent/EP4287085A1/en active Pending
- 2023-05-31 CN CN202310634258.6A patent/CN117171119A/zh active Pending
- 2023-06-02 US US18/328,628 patent/US20230394089A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230394089A1 (en) | 2023-12-07 |
EP4287085A1 (en) | 2023-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11681654B2 (en) | Context-based file selection | |
US10019136B1 (en) | Image sharing device, apparatus, and method | |
US10027727B1 (en) | Facial recognition device, apparatus, and method | |
US10027726B1 (en) | Device, apparatus, and method for facial recognition | |
US20110022529A1 (en) | Social network creation using image recognition | |
US9384197B2 (en) | Automatic discovery of metadata | |
US20150186366A1 (en) | Method and System for Displaying Universal Tags | |
US11086935B2 (en) | Smart updates from historical database changes | |
US9535921B2 (en) | Automatic media naming using facial recognization and/or voice based identification of people within the named media content | |
CN112352233A (zh) | 自动数字资产共享建议 | |
CN105103181A (zh) | 人物选择器 | |
CN110476162B (zh) | 使用导航助记符控制显示的活动信息 | |
US20110029538A1 (en) | System for creation of content with correlated geospatial and virtual locations by mobile device users | |
Adams et al. | Extraction of social context and application to personal multimedia exploration | |
US20220318426A1 (en) | Knowledge graph privacy management | |
TW201503674A (zh) | 媒體檔案管理方法及系統、及電腦可讀媒體 | |
US11176196B2 (en) | Unified pipeline for media metadata convergence | |
US20140289626A1 (en) | Cloud based audio recording system | |
US20220382803A1 (en) | Syndication of Secondary Digital Assets with Photo Library | |
CN111309674A (zh) | 由移动计算设备进行文件管理的系统和方法 | |
US20150269177A1 (en) | Method and system for determining user interest in a file | |
CN117171119A (zh) | 用于填充共享数字资产库的智能共享选项 | |
CN112463827A (zh) | 查询方法、装置、电子设备及存储介质 | |
US20230394172A1 (en) | Digital Asset (DA) Move Option Between Personal and Shared DA Libraries | |
Park et al. | A digital diary making system based on user life-log |
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 |