JP2024073439A - 選択的な動きの描画を伴う画像表示 - Google Patents

Abstract

【課題】複数のフレームを含む動画像を表示するためのコンピュータにより実現される方法を提供する。【解決手段】方法は、複数のフレームに基づいて動画像の動きスコアを決定し（ステップ２１２）、動きスコアが表示しきい値を満たすかどうかを判断する（ステップ２１４）。動きスコアが表示しきい値を満たす場合（ステップ２１４Ｙｅｓ）、動画像の複数のフレームを連続して表示することによって、動画像を被写体の動きを伴って表示させ（ステップ２１６）。動きスコアが表示しきい値を満たさなかった場合（ステップ２１４Ｎｏ）、動画像の特定のフレームを表示することによって、動画像を被写体の動きなしで表示させる（ステップ２１８）。【選択図】図２

Description

背景
ユーザは、写真など、静止画像を含む画像；モーションスチール、モーションフォト、またはライブフォトと称されることもある被写体の動きを含む画像；３６０度画像；動画などを撮影することができる。たとえば、カメラ、スマートフォン、ウェアラブルデバイス、コンピュータなど、画像を撮影または見るために用いられるデバイスは、画像を保存するための容量に限りがある場合がある。被写体の動きを含む画像は、複数のフレームを含み、これらは写真または静止画像よりも多くの記憶容量が必要である場合がある。このような状況では、ユーザは、ユーザデバイスのローカルストレージに画像を保存することに関して手入力を行う必要がある。

本明細書において提供する背景は、本開示の背景を一般的に提示するためのものである。ここに挙げる発明者の背景欄に説明されている範囲の業績、および出願時の従来技術として適格でないと思われる説明の態様については、明示的にも暗示的にも、本開示に対する従来技術として認められない。

概要
本明細書において説明する実施態様は、複数のフレームを含む動画像を表示するための方法、デバイス、およびコンピュータ読み取り可能な媒体に関する。いくつかの実施態様では、コンピュータにより実現される方法は、複数のフレームに基づいて動画像の動きスコアを決定するステップを含む。この方法は、動きスコアが表示しきい値を満たすかどうかを判断するステップをさらに含む。動きスコアが表示しきい値を満たす場合、方法は、動画像の複数のフレームを連続して表示することによって、動画像を被写体の動きを伴って表示させるステップをさらに含む。動きスコアが表示しきい値を満たさなかった場合、方法は、動画像の特定のフレームを表示することによって、動画像を被写体の動きなしで表示させるステップをさらに含む。

いくつかの実施態様は、複数のフレームを含む動画像を表示するための、コンピュータにより実現される方法を含む。この方法は、動画像の動きスコアを、動画像の複数のフレームに基づいて決定するステップを含み得る。方法は、動きスコアが表示しきい値を満たすかどうかを判断するステップをさらに含み得る。動きスコアが表示しきい値を満たす場合、方法は、動画像の複数のフレームを連続して表示することによって、動画像を被写体の動きを伴って表示させるステップをさらに含み得る。動きスコアが表示しきい値を満たさなかった場合、方法は、動画像の複数のフレームのうち特定のフレームを表示することによって、動画像を被写体の動きなしで表示させるステップをさらに含み得る。

いくつかの実施態様では、動画像は、１つ以上のその他の画像を含むユーザインターフェースにおいて表示される。これらの実施態様では、動きスコアが表示しきい値を満たす場合、ユーザインターフェースにおける動画像のサイズは、１つ以上のその他の画像のうち少なくとも１つよりも大きい。

いくつかの実施態様では、方法は、１つ以上のその他の画像の各動きスコアを決定するステップを含み得る。方法は、各動きスコアに基づいて表示しきい値を選択するステップをさらに含み得る。選択するステップは、動画像の動きスコアよりも高い動きスコアにそれぞれ対応付けられた１つ以上のその他の画像の数を判断するステップを含む。数がしきい値数以上である場合、選択するステップは、表示しきい値を、動画像の動きスコアより
も高く設定するステップをさらに含む。数がしきい値数未満である場合、選択するステップは、表示しきい値を、動画像の動きスコアよりも低く設定するステップをさらに含む。いくつかの実施態様は、動画像を表示するソフトウェアアプリケーションの複数の実行スレッドに少なくとも部分的に基づいてしきい値数を決定するステップをさらに含む。

いくつかの実施態様では、動きスコアを決定するステップは、複数のフレームのそれぞれの画素値に基づいて、動画像の背景部分の安定性の程度、動画像の被写体の種類、および動画像における被写体の移動の程度を判断するステップと、安定性の程度、被写体の種類、および被写体の移動の程度に基づいて動きスコアを算出するステップとを含む。いくつかの実施態様では、被写体の種類が風景または無生物である場合、動きスコアを算出するステップは、動きスコアを表示しきい値未満の値に設定するステップを含む。

いくつかの実施態様では、動きスコアを算出するステップは、被写体の移動の程度が移動のしきい値レベルを満たすかどうかを判断するステップを含む。被写体の移動の程度が移動のしきい値レベルを満たすと判断された場合、動きスコアを算出するステップは、動きスコアを表示しきい値を満たす値に設定するステップをさらに含む。被写体の移動の程度が移動のしきい値レベルを満たさないと判断された場合、動きスコアを算出するステップは、動きスコアを表示しきい値を満たさない値に設定するステップをさらに含む。いくつかの実施態様では、第１種類の被写体は顔であり、第２種類の被写体は体であり、顔に対応付けられた移動の第１しきい値レベルは、体に対応付けられた移動の第２しきい値レベルよりも低い。

いくつかの実施態様では、動画像の動きスコアを決定するステップは、動画像のビュー数が視聴者数しきい値を満たす場合、または、少なくとも１つのモーションアーティファクトが動画像に基づいて作成されていた場合、動きスコアを表示しきい値を満たす値に設定するステップをさらに含み得る。

いくつかの実施態様では、動画像の動きスコアを判断するステップは、複数の層に編成された複数のノードを含み、動きスコアを決定するように構成されたニューラルネットワークから構成された訓練済みの機械学習モデルを適用するステップを含む。これらの実施態様では、動画像は、訓練済みの機械学習モデルへの入力として提供される。

いくつかの実施態様では、動画像は、クライアントデバイスによって撮影されて、クライアントデバイスの揮発性メモリに保存される。これらの実施態様では、方法は、動きスコアが保存しきい値を満たすと判断するステップをさらに含み得る。動きスコアが保存しきい値を満たす場合、方法は、動画像をクライアントデバイスの不揮発性メモリに保存するステップをさらに含み得る。動きスコアが保存しきい値を満たさなかった場合、方法は、動画像を、複数のフレームのうち、特定のフレームのみを含み、動画像よりも小さいファイルサイズを有する静止画像に自動的に変更するステップをさらに含み得る。いくつかの実施態様では、動画像を静止画像に変更するステップは、複数のフレームのうち、その他のフレームを削除するステップと、静止画像をクライアントデバイスの不揮発性メモリに保存するステップとを含む。

いくつかの実施態様は、複数のフレームから構成される動画像を表示するためのデバイスを含み得る。このデバイスは、プロセッサと、命令を格納した非一時的なコンピュータ読み取り可能な媒体とを備え得る。命令は、プロセッサによって実行されると、プロセッサに動作を実行させ、当該動作は、動画像の動きスコアを、複数のフレームに基づいて決定する動作を含み得る。動作は、動きスコアが表示しきい値を満たすかどうかを判断する動作をさらに含み得る。動きスコアが表示しきい値を満たす場合、当該動作は、動画像の複数のフレームを連続して表示することによって、動画像を被写体の動きを伴って表示さ
せる動作をさらに含み得る。動きスコアが表示しきい値を満たさなかった場合、動作は、動画像の複数のフレームのうち特定のフレームを表示することによって、動画像を被写体の動きなしで表示させる動作をさらに含み得る。

いくつかの実施態様では、動画像の動きスコアを判断する動作は、複数の層に編成された複数のノードを含みニューラルネットワークから構成された、かつ、動きスコアを決定するように構成された、デバイスに格納された訓練済みの機械学習モデルを適用する動作を含む。いくつかの実施態様では、動画像は、訓練済みの機械学習モデルへの入力として提供される。

いくつかの実施態様では、動作は、動画像のビュー数が視聴者数しきい値を満たす、または、動画像からモーションアーティファクトが作成されたと判断する動作をさらに含み得る。動作は、判断に応答して、訓練済みの機械学習モデルを更新する動作をさらに含み得る。いくつかの実施態様では、訓練済みの機械学習モデルを更新する動作は、複数のノードのうち、少なくとも１つのノードの重みを調整する動作を含む。いくつかの実施態様では、訓練済みの機械学習モデルを更新する動作は、複数のノードのうち少なくとも１対のノード間の接続を更新する動作を含む。

いくつかの実施態様では、動作は、動画像の背景部分の安定性の程度を判断する動作と、動画像の被写体の種類、および動画像における被写体の移動の程度を判断する動作とをさらに含み得る。いくつかの実施態様では、背景部分の安定性の程度、被写体の種類、および被写体の移動の程度は、さらなる入力として訓練済みの機械学習モデルに提供される。

いくつかの実施態様では、動作は、複数のフレームのうち、特定のフレームのみを表示することによって動画像を静止画像として表示するためのユーザ入力を受け付ける動作をさらに含み得る。動作は、ユーザ入力に応答して、訓練済みの機械学習モデルを更新する動作をさらに含み得る。いくつかの実施態様では、機械学習モデルを更新する動作は、複数のノードのうち、１つのノードの重みを調整する動作を含む。いくつかの実施態様では、機械学習モデルを更新する動作は、複数のノードのうち少なくとも１対のノード間の接続を更新する動作のうち、少なくとも１つの動作を含む。

いくつかの実施態様では、デバイスは、動画像を撮影するカメラをさらに備え得る。いくつかの実施態様では、動画像は、デバイスの揮発性メモリに保存される。これらの実施態様では、動作は、動きスコアが保存しきい値を満たすかどうかを判断する動作を含み得る。動きスコアが保存しきい値を満たす場合、動作は、動画像をデバイスの不揮発性メモリに保存する動作をさらに含み得る。動きスコアが保存しきい値を満たさなかった場合、動作は、動画像を、複数のフレームのうち、特定のフレームのみを含み、動画像よりも小さいファイルサイズを有する静止画像に自動的に変更する動作を含み得る。いくつかの実施態様では、動画像を静止画像に変更するステップは、複数のフレームのうち、その他のフレームを削除する動作と、静止画像をデバイスの不揮発性メモリに保存する動作とを含み得る。

いくつかの実施態様は、命令を格納した非一時的なコンピュータ読み取り可能な媒体でを含み得、命令は、プロセッサによって実行されると、プロセッサに動作を実行させ、動作は、動画像の動きスコアを、動画像の複数のフレームに基づいて決定する動作を含み得る。当該動作は、動きスコアが表示しきい値を満たすかどうかを判断する動作をさらに含み得る。動きスコアが表示しきい値を満たす場合、当該動作は、動画像の複数のフレームを連続して表示することによって、動画像を被写体の動きを伴って表示させる動作をさらに含み得る。動きスコアが表示しきい値を満たさなかった場合、動作は、動画像の複数の
フレームのうち特定のフレームを表示することによって、動画像を被写体の動きなしで表示させる動作をさらに含み得る。

いくつかの実施態様では、非一時的なコンピュータ読み取り可能な媒体は、さらなる命令を格納し得、当該さらなる命令は、プロセッサによって実行されると、プロセッサに動作を実行させ、動作は、動画像の背景部分の安定性の程度を判断する動作と、動画像の被写体の種類、および動画像における被写体の移動の程度を判断する動作とを含み得る。いくつかの実施態様では、動きスコアは、安定性の程度、被写体の種類、および被写体の移動の程度に基づく。

いくつかの実施態様では、非一時的なコンピュータ読み取り可能な媒体は、さらなる命令を格納し得、当該さらなる命令は、プロセッサによって実行されると、プロセッサに動作を実行させ、動作は、１つ以上のその他の画像の各動きスコアを決定する動作と、各動きスコアに基づいて表示しきい値を選択する動作とを含み得る。いくつかの実施態様では、選択する動作は、動画像の動きスコアよりも高い動きスコアにそれぞれ対応付けられた１つ以上のその他の画像の数を判断する動作を含み得る。当該数がしきい値数以上である場合、動作は、表示しきい値を、動画像の動きスコアよりも高く設定する動作をさらに含む。当該数がしきい値数未満である場合、動作は、表示しきい値を、動画像の動きスコアよりも低く設定する動作をさらに含む。

本明細書において説明する１つ以上の実施態様のために用いられ得る例示的なネットワーク環境のブロック図である。 いくつかの実施態様に係る、動画像を表示および／または保存するための例示的な方法を説明するフロー図である。 いくつかの実施態様に係る、動画像の動きスコアを決定するための例示的な方法を説明するフロー図である。 いくつかの実施態様に係る、動画像の動きスコアを決定するための別の例示的な方法を説明するフロー図である。 例示的な動画像を示す図である。 いくつかの実施態様に係る、画像グリッドを含む例示的なユーザインターフェースの図解である。 本明細書において説明する１つ以上の実施態様のために用いられ得る例示的なデバイスのブロック図である。

詳細な説明
いくつかの実施態様は、複数のフレームを含む動画像を表示するための方法、デバイス、および命令を有するコンピュータ読み取り可能な媒体を含む。たとえば、動画像は、たとえば、３秒以下の短期間にわたってカメラで撮影された複数のフレームを含んでもよい。この動画像は、大幅なカメラの移動なしで、たとえば、パン、ズーム、チルト、またはカメラの移動を必要とするその他の動作なしで撮影されてもよい。

動画像は、被写体および背景を描写してもよい。動画像に対するユーザの関心の程度は異なり、たとえば、笑顔になる友達、ジャンプしているペット、ダンスの動き、スポーツの動きなどを描写する動画像は、ユーザの関心が高いであろう。別の例では、複数のフレームの間に動きをほとんどまたはまったく描写しない動画像、ユーザの関心の対象を含まない動画像、たとえば、文書または無生物などの画像に対するユーザの関心は低いであろう。

技術的課題は、動画像を撮影、表示、または保存する機能を有するデバイスがこのような操作において計算資源を無駄にしていることである。たとえば、多くのデバイスが動画像を撮影するためのデフォルト設定を提供している。このようなデバイスは、動画像を撮影して保存することができるが、デバイスのカメラが操作され、結果として得られる画像データがデバイス上に保存される必要がある。この場合、動画像が表示されたときにユーザエクスペリエンスが向上しない場合であっても、デバイスのリソースは、この動画像を撮影して保存するために利用されており、動画像を撮影して処理するための計算容量と、動画像を保存するための記憶容量とを無駄にしてしまっている。たとえば、表示された動画像は、見ているユーザによって認識され得る大幅な被写体の動きが当該画像にある場合に、高品質のユーザエクスペリエンスを提供する。さらには、ユーザがこのような動画像を見た場合、デバイスのプロセッサ、メモリ、および表示画面を利用して複数のフレームをロードして被写体の動きを描写している動画像を表示する。ユーザは、動画像の撮影、保存、または表示を選択的に無効化することができるが、このような設定は、実際には汎用的であり、個々の画像の特性やユーザの好みを考慮していない。

本明細書において説明する実施態様は、動画像の複数のフレームを分析することによって動画像の動きスコアを自動的に決定する。動画像の動きスコアが表示しきい値を満たす場合、被写体の動きを描写している複数のフレームをユーザインターフェースに表示する。それ以外の場合、動画像の特定のフレームを表示し、静止画像を提供する。このような選択的表示によって、動画像を表示するために利用される計算資源の使用を減らすことができる。

いくつかの実施態様では、複数の画像を表示するユーザインターフェースを提供する。これらの実施態様では、たとえば、利用可能なハードウェア容量に基づいて動きスコアを評価し、限られた数の画像のみを動画像として表示する。たとえば、画像の数は、利用可能なハードウェア上で実行できるユーザインターフェースを生成するプログラムまたはソフトウェアアプリケーションのスレッドの数に基づいてもよい。ユーザインターフェースは、このように利用可能なハードウェアリソースに合わせて描画され、これにより、異なる種類のデバイスが実装コードを修正するまたは動画像を修正する必要なくユーザインターフェースを表示することを可能にできる。さらには、いくつかの実施態様では、ユーザインターフェースにおける動画像のサイズを、動画像の動きスコアに基づいて決定する。このような画像サイズのカスタマイズにより、使用がさらに容易になったユーザインターフェースを提供できる。たとえば、異なるサイズの画像を含む画像グリッドが、特定の画像をその他の画像よりも大きいサイズで表示し、たとえば、このような画像のために利用可能な表示画面領域のより多くの部分が利用されるため、ユーザがこのような画像をさらに詳細に認識できるようになる。このような表示により、画像を編集するかどうか、画像をフル画面で見るかどうか、画像ベースの作品を生成するかどうか、画像を共有するかどうかなどについての判断を、画像が小さいサイズで表示される場合よりも確信を持ってユーザが行うことを可能にできる。また、選択的に特定の画像を大きいサイズで表示することで、確実に、任意の数の画像を十分な詳細を表示しながら画面上に表示できるようになる。

さらには、いくつかの実施態様では、動きスコアが保存しきい値と比較されて、動画像は、保存する前に（１つのフレームを含む）静止画像に変更される。このような選択的な変換により、動画像を保存するために必要な記憶容量を減らすことができる。ユーザ画像がサーバにアップロードされる場合、選択的な変換により、サーバに画像を送るための送信コストを減らすことができ、かつ、動画像を保存するためのサーバ記憶容量の利用を低減することができる。

さらに別の実施態様では、訓練済みの機械学習モデルを利用して動きスコアを決定する
。訓練済みのＭＬモデルは、動きスコアを決定するための計算効率のよいメカニズムを提供してもよい。なぜならば、このモデルはこの用途のために最適化されており、ＦＰＧＡ、ＡＳＩＣ、ＧＰＵ、または機械学習プロセッサなど、特定用途向けハードウェア上に実装することができるからである。

訓練済みのＭＬモデルが利用されるいくつかの実施態様では、ユーザの許可がある場合、たとえば、動画像を見ること、モーションアーティファクトを生成すること、動きコンポーネント（フレーム）を動画像から破棄することなど、ユーザインタラクションに基づいてモデルが更新する。モデルによって決定される動きスコアはユーザに固有であるので、このようなモデルに対する更新によって動画像の表示および保存をさらに改善することができる。さらには、ユーザの許可がある場合、このようなモデルの更新を、多数のユーザから受け付けてもよく、たとえば、連合学習手法でＭＬモデルをさらに訓練するために使用して動きスコアの決定を改善してもよい。

画像撮影時および不揮発性メモリに保存する前に動きスコアが決定されるいくつかの実施態様では、記載の技術は、ユーザの関心がないと思われる動画像のフレームを破棄することによって不揮発性メモリの利用を減らすことができる。いくつかの実施態様では、本明細書において説明する技術は、ユーザが選択的に動きを破棄することを可能にするユーザインターフェースを提供する。これにより、動画像撮影のデフォルトモードと比較してリソースの使用が低減される。

図１およびその他の図面では、同じ参照番号を用いて同じ要素を識別している。「１５６ａ」など、参照番号の後の文字は、このテキストが、その特定の参照番号を有する要素を特別に指していることを示す。「１５６」など、続く文字がないテキストにおける参照番号は、図面においてその参照番号を持つ要素のうちのいずれかまたはすべてを指す（たとえば、テキストの「１５６」は、図面の参照番号「１５６ａ」および／または「１５６ｂ」を指す）。

図１は、本明細書において説明するいくつかの実施態様において用いられ得る例示的なネットワーク環境１００のブロック図を示す。いくつかの実施態様では、ネットワーク環境１００は、１つ以上のサーバシステム、たとえば、図１の例ではサーバシステム１０２を備える。サーバシステムは、たとえば、ネットワーク１３０と通信できる。サーバシステム１０２は、サーバ装置１０４およびデータベース１０６またはその他の記憶装置を備え得る。データベース１０６は、１つ以上の画像と、当該１つ以上の画像に対応付けられたメタデータとを保存してもよい。いくつかの実施態様では、サーバ装置１０４は、画像管理アプリケーション１５６ｂを提供してもよい。画像管理アプリケーション１５６ｂは、データベース１０６に保存された画像にアクセスしてもよい。

また、ネットワーク環境１００は、１つ以上のクライアントデバイス、たとえば、クライアントデバイス１２０、１２２、１２４、および１２６を含み得る。クライアントデバイス１２０、１２２、１２４、および１２６は互いに通信してもよく、ならびに／またはサーバシステム１０２および／もしくは第２サーバシステム１４０とネットワーク１３０を介して通信してもよい。ネットワーク１３０は、任意の種類の通信ネットワークであり得、インターネット、ローカルエリアネットワーク（ＬＡＮ）、ワイヤレスネットワーク、スイッチ接続またはハブ接続などのうちの１つ以上を含む。いくつかの実施態様では、ネットワーク１３０は、たとえば、ピアツーピアワイヤレスプロトコル（たとえば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ Ｄｉｒｅｃｔなど）などを用いたデバイス間のピアツーピア通信を含み得る。２つのクライアントデバイス１２０および１２２間のピアツーピア通信の一例は、矢印１３２によって示されている。

説明を容易にするために、図１は、サーバシステム１０２、サーバ装置１０４、およびデータベース１０６について１つのブロックを示しており、クライアントデバイス１２０、１２２、１２４、および１２６について４つのブロックを示している。サーバブロック１０２は、複数のシステム、複数のサーバ装置、および複数のネットワークデータベースを表してもよく、当該ブロックは、図示されている構成とは異なる構成で提供できる。たとえば、サーバシステム１０２は、その他のサーバシステムとネットワーク１３０を介して通信できる複数のサーバシステムを表すことができる。いくつかの実施態様では、サーバシステム１０２は、たとえば、クラウドホスティングサーバを含み得る。いくつかの例では、データベース１０６および／またはその他の記憶装置は、サーバ装置１０４とは別個のサーバシステムブロック（複数可）で提供することができ、サーバ装置１０４およびその他のサーバシステムとネットワーク１３０を介して通信できる。また、任意の数のクライアントデバイスがあってもよい。各クライアントデバイスは、任意の種類の電子機器、たとえば、デスクトップコンピュータ、ラップトップコンピュータ、ポータブルまたはモバイルデバイス、携帯電話、スマートフォン、タブレットコンピュータ、テレビ、ＴＶセットトップボックスまたは娯楽機器、ウェアラブルデバイス（たとえば、ディスプレイ眼鏡またはゴーグル、腕時計、ヘッドセット、アームバンド、アクセサリーなど）、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、メディアプレーヤ、ゲーム機器などであり得る。また、いくつかのクライアントデバイスは、データベース１０６に類似したローカルデータベースまたはその他のストレージを有してもよい。いくつかの実施態様では、ネットワーク環境１００は、図示された構成要素のすべてを有さなくてもよく、および／または本明細書に記載の構成要素の代わりまたはそれらに加えて、その他の種類の要素を含むその他の要素を有してもよい。

様々な実施態様では、エンドユーザＵ１、Ｕ２、Ｕ３、およびＵ４は、それぞれのクライアントデバイス１２０、１２２、１２４、および１２６を用いてサーバシステム１０２と通信および／または互いに通信してもよい。いくつかの例では、ユーザＵ１、Ｕ２、Ｕ３、およびＵ４は、それぞれのクライアントデバイスおよび／もしくはサーバシステム１０２もしくは第２サーバシステム１４０上で実行中のアプリケーションを介して、および／または、サーバシステム１０２上に実装されたソーシャルネットワークサービスもしくはその他の種類のネットワークサービスなど、ネットワークサービスを介して互いにやり取りしてもよい。たとえば、それぞれのクライアントデバイス１２０、１２２、１２４、および１２６は、１つ以上のサーバシステム（たとえば、システム１０２、第２サーバシステム１４０）との間でデータを通信してもよい。

いくつかの実施態様では、サーバシステム１０２および／またはネットワークサービスにアップロードされた通信コンテンツまたは共有コンテンツを各クライアントデバイスが受信できるように、サーバシステム１０２は、適切なデータをクライアントデバイスに提供してもよい。いくつかの例では、ユーザＵ１～Ｕ４は、電話会議もしくはテレビ会議、音声チャット、動画チャット、もしくはテキストチャット、またはその他の通信モードもしくは通信アプリケーションを介してやり取りすることができる。サーバシステム１０２によって実装されるネットワークサービスはユーザが様々な通信を行ったり、リンク付けおよび関連付けを行ったり、画像、テキスト、動画、音声、およびその他の種類のコンテンツなど、共有コンテンツをアップロードおよび投稿したり、ならびに／またはその他の機能を行ったりすることを可能にするシステムを含み得る。たとえば、クライアントデバイスは、当該クライアントデバイスに送信もしくはストリーム配信され、異なるクライアントデバイスからサーバおよび／もしくはネットワークサービスを介して（もしくは、異なるクライアントデバイスから直接）送信された、または、サーバシステムおよび／もしくはネットワークサービスから送信されたコンテンツ投稿など、受信データを表示できる。いくつかの実施態様では、クライアントデバイスは、たとえば、上述したようなクライアントデバイス間のピアツーピア通信を用いて直接互いに通信できる。いくつかの実施態
様では、「ユーザ」は、１つ以上のプログラムまたは１つ以上の仮想エンティティ、およびシステムまたはネットワークとやり取りする人を含み得る。

いくつかの実施態様では、クライアントデバイス１２０、１２２、１２４、および／または１２６のいずれも、１つ以上のアプリケーションを提供できる。たとえば、図１に示すように、クライアントデバイス１２０は、カメラアプリケーション１５２および画像管理アプリケーション１５６ａを提供してもよい。クライアントデバイス１２２～１２６も同様のアプリケーションを提供してもよい。たとえば、カメラアプリケーション１５２は、各クライアントデバイスのユーザ（たとえば、ユーザＵ１～Ｕ４）に、それぞれのユーザデバイスのカメラを用いて画像を撮影する機能を提供してもよい。たとえば、カメラアプリケーション１５２は、クライアントデバイス１２０上で実行されるソフトウェアアプリケーションであってもよい。

いくつかの実施態様では、カメラアプリケーション１５２は、ユーザインターフェースを提供してもよい。たとえば、ユーザインターフェースは、クライアントデバイス１２０のユーザが画像撮影モード、たとえば、静止画像（または写真）モード、バーストモード（たとえば、短期間での連続した複数の画像の撮影）、動画像モード、動画モード、ＨＤＲ（Ｈｉｇｈ Ｄｙｎａｍｉｃ Ｒａｎｇｅ）モードなどを選択することを可能にしてもよい。たとえば、動画像モードは、クライアントデバイス１２０のカメラの起動時の静止画像撮影、およびカメラの起動前後の複数のフレームを含むショートクリップ撮影に対応してもよい。たとえば、ショートクリップの期間は１～３秒であってもよい。

いくつかの実施態様では、動画像は、画像データ部分に静止画像を含み、第２部分、たとえば、画像メタデータ部分に複数のフレームを含んだ１つの画像ファイルとして、クライアントデバイス１２０の揮発性メモリで取得されてもよい。いくつかの実施態様では、動画像は、静止画像を含む第１ファイルおよびショートクリップを含む第２ファイルという２つの別個の画像ファイルとして、クライアントデバイス１２０の揮発性メモリで取得されてもよい。いくつかの実施態様では、第１ファイルおよび／または第２ファイルは、その他のファイルが同時に撮影されたことを示す画像メタデータを含んでもよい。いくつかの実施態様では、カメラアプリケーション１５２が、本明細書において図２～図４を参照して説明する方法を実装してもよい。いくつかの実施態様では、画像管理アプリケーション１５６ａおよび／または画像管理アプリケーション１５６ｂが、本明細書において図２～図４を参照して説明する方法を実装してもよい。

カメラアプリケーション１５２および画像管理アプリケーション１５６ａは、クライアントデバイス１２０のハードウェアおよび／またはソフトウェアを用いて実装されてもよい。異なる実施態様では、画像管理アプリケーション１５６ａは、たとえば、クライアントデバイス１２０～１２４のうちのいずれかのクライアントデバイス上で実行されるスタンドアロンアプリケーションであってもよく、または、サーバシステム１０２上で提供される画像管理アプリケーション１５６ｂと連動して動作してもよい。ユーザの許可がある場合、画像管理アプリケーション１５６は、（たとえば、サーバシステム１０２のデータベース１０６に）画像をバックアップする、画像を強調する、画像の安定化、画像に含まれる１つ以上の物体（たとえば、顔、体、無生物など）を認識するなど１つ以上の自動的機能を実行してもよい。画像の安定化は、加速度計、ジャイロスコープ、もしくはクライアントデバイス１２０のその他のセンサーからの入力に基づいて、および／または動画像もしくは動画の複数のフレームの比較に基づいて行われてもよい。

画像管理アプリケーション１５６は、ユーザインターフェースに（たとえば、１枚の画像を含むワンナップ表示、複数の画像を含むグリッド表示などで）画像を表示する機能、画像を編集する（たとえば、画像設定を調整する、フィルタを適用する、画像の焦点を変
更する、動画像または動画の１つ以上のフレームの削除する）機能、（たとえば、クライアントデバイス１２２～１２６の）その他のユーザと画像を共有する機能、画像をアーカイブに保存する（たとえば、主要ユーザインターフェースに現れないように画像を格納する）機能、画像ベースの作品（たとえば、コラージュ、フォトブック、アニメーション、ストーリー、ビデオループなど、モーションベースのアーティファクト）を生成する機能など、画像管理機能を提供してもよい。

クライアントデバイス１２０、１２２、１２４、ならびに／または１２６上のユーザインターフェースによって、画像、動画、データ、およびその他のコンテンツ、および通信、プライバシー設定、通知、およびその他のデータを含む、ユーザコンテンツならびにその他のコンテンツの表示を可能にすることができる。このようなユーザインターフェースを、クライアントデバイス上のソフトウェア、サーバ装置上のソフトウェア、ならびに／またはサーバ装置１０４上で実行されているクライアントソフトウェアとサーバソフトウェアとの組合せ、たとえば、サーバシステム１０２と通信中のアプリケーションソフトウェアもしくはクライアントソフトウェアを用いて表示することができる。このユーザインターフェースを、クライアントデバイスまたはサーバ装置の表示装置、たとえば、タッチスクリーンもしくはその他のディスプレイ画面、プロジェクタなどで表示することができる。いくつかの実施態様では、サーバシステム上で動作するアプリケーションプログラムは、クライアントデバイスと通信を行って当該クライアントデバイスにおけるユーザ入力を受信し、クライアントデバイスにおける画像データ、音声データなどのデータを出力することができる。

いくつかの実施態様では、サーバシステム１０２および／または１つ以上のクライアントデバイス１２０～１２６のうちのいずれも、通信アプリケーションプログラムを提供できる。この通信プログラムによって、システム（たとえば、クライアントデバイスまたはサーバシステム）は、その他のデバイスとの通信についてのオプションを提供できるようになるであろう。通信プログラムは、サーバシステムまたはクライアントデバイスに対応付けられた表示装置上に表示される１つ以上の関連するユーザインターフェースを提供できる。ユーザインターフェースは、通信モード、通信するユーザまたはデバイスなどを選択できる様々なオプションをユーザに提供してもよい。いくつかの例では、通信プログラムは、同報通信エリアにコンテンツの投稿を同報通信できるオプションを提供し、および／またはコンテンツの投稿がデバイスによって受信されたことを示す通知、投稿用の規定の同報通信エリアにデバイスがあることを示す通知を出力できる。通信プログラムは、送信したコンテンツの投稿および受信したコンテンツの投稿を、たとえば様々な形式で表示または出力し得る。コンテンツの投稿は、たとえば、他のユーザと共有している画像を含み得る。

本明細書において説明する特徴のその他の実施態様は、任意の種類のシステムおよび／またはサービスを利用することができる。たとえば、ソーシャルネットワーキングサービスの代わりまたはソーシャルネットワーキングサービスに加えて、その他のネットワーク接続された（たとえば、インターネットに接続された）サービスを利用できる。いずれの種類の電子機器も、本明細書において説明する特徴を利用することができる。いくつかの実施態様は、本明細書において説明する１つ以上の特徴を、コンピュータネットワークから切断されたもしくはコンピュータネットワークに断続的に接続された１つ以上のクライアント装置またはサーバ装置上で提供できる。いくつかの例では、表示装置を備えるまたは表示装置が接続されたクライアントデバイスは、クライアントデバイスにローカルな記憶装置上に格納された、たとえば、通信ネットワーク上で以前に受信したコンテンツ投稿を表示できる。

図２は、いくつかの実施態様に係る、動画像を表示および／または保存するための例示
的な方法２００を説明するフロー図である。いくつかの実施態様では、方法２００は、たとえば、図１に示すサーバシステム１０２上で実装され得る。いくつかの実施態様では、方法２００の一部またはすべては、図１に示す１つ以上のクライアントデバイス１２０、１２２、１２４、もしくは１２６、１つ以上のサーバ装置上、ならびに／または、サーバ装置（複数可）およびクライアントデバイス（複数可）の両方の上で実装され得る。記載した例では、実装システムは、１つ以上のデジタルプロセッサまたは処理回路（「プロセッサ」）、および１つ以上の記憶装置（たとえば、データベース１０６またはその他のストレージ）を備える。いくつかの実施態様では、１つ以上のサーバおよび／または１つ以上のクライアントの異なる構成要素は、方法２００の異なるブロックまたはその他の部分を実行できる。いくつかの例では、第１デバイスが方法２００のブロックを実行すると説明している。いくつかの実施態様は、結果またはデータを第１デバイスに送信できる１つ以上のその他のデバイス（たとえば、その他のクライアントデバイスまたはサーバ装置）によって実行される方法２００の１つ以上のブロックを有し得る。

いくつかの実施態様では、方法２００または当該方法の一部を、システムによって自動的に起動させることができる。いくつかの実施態様では、実装システムは、第１デバイスである。たとえば、方法（またはその一部）を、定期的に実行したり、たとえば、アプリケーション（たとえば、ユーザによって起動されているカメラアプリケーション１５２、画像管理アプリケーション１５６など）、システムに新たにアップロードされたもしくはシステムがアクセス可能な１つ以上の画像を受信した、方法２００が最後に実行されてから所定時間が経過した、および／もしく方法が読み込む設定において指定可能な１つ以上のその他の条件が発生したなど、１つ以上の特定のイベントまたは条件に基づいて実行したりすることができる。いくつかの実施態様では、このような条件は、格納されたユーザのカスタム基本設定でユーザによって指定することができる。

様々な実施態様では、クライアントデバイス１２０は、スタンドアロンカメラ、カメラを備える別のデバイス（たとえば、スマートフォン、タブレット端末、コンピュータ、スマートウォッチなどのウェアラブルデバイス、ヘッドセットなど）、または別のデバイスが撮影した画像を受信できるその他のクライアントデバイスであり得る。いくつかの実施態様では、クライアントデバイス１２０は、撮影専用のデバイス、たとえば、画面を備えないカメラであってもよい。いくつかの実施態様では、クライアントデバイス１２０は、表示専用デバイス、たとえば、画像を表示できる画面を備えるが、カメラ機能、または画像を撮影するためのその他の機能を持たないデバイスであってもよい。いくつかの実施態様では、クライアントデバイス１２０は、画像撮影機能と画像表示機能との両方を備えてもよい。

いくつかの実施態様では、クライアントデバイス１２０は、画像を撮影するための１つのカメラを備えてもよい。いくつかの実施態様では、クライアントデバイス１２０は、複数のカメラ（または、レンズ）を備えてもよい。たとえば、スマートフォンまたはその他のデバイスは、１つ以上の正面カメラ（デバイスの画面と同じ側にある）および／または１つ以上の背面カメラを備えてもよい。いくつかの実施態様では、当該１つ以上の正面カメラまたは背面カメラは、画像撮影中、連動して動作してもよい、たとえば、第１カメラが深度情報を撮影し、第２カメラが画像画素を撮影してもよい。いくつかの実施態様では、たとえば、異なるズームレベルを用いた異なる種類の画像撮影に異なるカメラ（たとえば、望遠レンズ、広角レンズなど）を用いてもよい。いくつかの実施態様では、クライアントデバイス１２０は、３６０度画像を撮影するように構成されてもよい。いくつかの実施態様では、カメラまたはレンズは、１つのイメージセンサ（たとえば、ＣＣＤまたはＣＭＯＳセンサー）、または複数のセンサーを用いて画像を撮影してもよい。いくつかの実施態様では、画像撮影時、たとえば深度センサーなど、その他のセンサーを１つ以上のカメラと合わせて使用してもよい。

いくつかの実施態様では、クライアントデバイス１２０は、１つ以上のカメラ（または、レンズ）のイメージセンサにおいて撮影されたＲＡＷ画像データと、その他のセンサー（たとえば、加速度計、ジャイロスコープ、位置センサー、深度センサーなど）から取得したその他のデータとを合成して１枚の画像を形成してもよい。たとえば、複数の画像フレームを撮影するモード（たとえば、複数のフレームを素早く連続撮影して動画像とするバーストモードまたはモーションモード、動画を撮影する動画モード、異なる露出の複数の画像を１枚の複合画像に合成するハイダイナミックレンジモードなど）でクライアントデバイス１２０が操作された場合、センサーから取得したデータを利用して、撮影された画像の安定化を行ってもよい。たとえば、複数の撮影されたフレームを加速度計データまたはジャイロスコープデータを利用して位置合わせすることによって、画像撮影中のユーザの手の震えによってカメラが動いてしまうのを補償してもよい。いくつかの実施態様では、撮影された画像または動画を切り抜いて、安定化された画像、たとえば、背景の動きが抑えられた画像または動画を作成してもよい。

クライアントデバイス１２０によって、ユーザは、たとえば、１つのフレームを撮影するための静止画像（またはフォト）モード、複数のフレームを撮影するためのバーストモードまたは動画像モード、動画を撮影するための動画モードなど、異なるモードで画像を撮影することが可能になる。いくつかの実施態様では、カメラが複数のフレームを構成する画像撮影時に方法２００を実行してもよい。

クライアントデバイス１２０によって、ユーザは、画像、たとえばクライアントデバイス１２０が撮影した画像またはユーザに関連するその他の画像を、異なるユーザインターフェースで見ることが可能になる。たとえば、ユーザが一度に１枚の画像を見ることが可能になるワンナップモードまたはスライドショーモードが提供されてもよい。別の例では、ユーザが、たとえば、画像グリッドとして同時に複数の画像を見ることが可能になるギャラリーモードが提供されてもよい。

いくつかの実施態様では、クライアントデバイス１２０が方法２００を実行してもよい。別の例では、クライアントデバイスまたはサーバ装置が方法２００を実行し得る。いくつかの実施態様は、ユーザ入力に基づいて方法２００が開始され得る。ユーザ（たとえば、操作者またはエンドユーザ）が、たとえば、表示ユーザインターフェース、たとえば、アプリケーションユーザインターフェースまたはその他のユーザインターフェースから方法２００の開始を選択した可能性がある。いくつかの実施態様では、方法２００は、サーバ装置によって実装されてもよい。

いくつかの実施態様では、たとえば、クライアントデバイスのユーザがカメラを操作して動画像を撮影したとき、クライアントデバイスのユーザがクライアントデバイス上またはサーバ装置上などに保存された画像を見るときに、方法２００が自動的に開始されてもよい。

本明細書において指す画像は、１つ以上の画素値（たとえば、色値、輝度値など）を有する画素を有するデジタル画像を含み得る。画像は、静止画像（たとえば、スチール写真、１つのフレームを有する画像など）、または動画像（たとえば、アニメーション、アニメーションＧＩＦ、画像の一部が動きを含み、他の部分が静止しているシネマグラフなど、複数のフレームを含む画像、音声の有無にかかわらず複数のフレームを含む動画）であり得る。

ブロック２０２では、方法２００の実装においてユーザデータを利用するためのユーザの同意（たとえば、ユーザの許可）が得られているかどうかを確認する。たとえば、ユー
ザデータは、クライアントデバイスを用いてユーザが撮影した画像、たとえばクライアントデバイスを用いてユーザが格納またはアクセスした画像、画像メタデータ、メッセージングアプリケーションの利用に関するユーザデータ、ユーザの好み、ユーザの生体情報、ユーザ特性（たとえば、身元、名前、年齢、性別、職業など）、ユーザのソーシャルネットワークおよび連絡先についての情報、社会的またはその他の種類の行動および活動、ユーザが作成または書き込んだコンテンツ、評価、および意見、ユーザの現在地、過去のユーザデータ、ユーザが生成、受信、および／またはアクセスした画像、ユーザが見たまたは共有した画像などを含み得る。本明細書において説明する方法の１つ以上のブロックは、このようなユーザデータをいくつかの実施態様において使用してもよい。

方法２００においてユーザデータが使用される可能性のある関連ユーザからユーザ同意が得られている場合、ブロック２０４において、本明細書における方法のブロックにおいて上記のようなユーザデータが利用できる状態でこれらのブロックを実施できると判断し、方法は、ブロック２１２に続く。ユーザの同意が得られていない場合、ブロック２０６において、ユーザデータを利用せずにブロックを実施すると判断し、方法は、ブロック２１２に続く。いくつかの実施態様では、ユーザの同意が得られていない場合、ユーザデータを利用せず、合成データならびに／または汎用的もしくは一般に受け入れられているデータおよび一般に使用できるデータを利用してブロックを実施する。いくつかの実施態様では、ユーザの同意が得られていない場合、方法２００を実行しない。

ブロック２１２では、動画像の動きスコアを決定する。いくつかの実施態様では、方法２００は、カメラによって新しい動画像が撮影された際に実行されてもよい。これらの実施態様では、動画像の動きスコアの決定は、画像データ（たとえば、動画像の複数のフレームの画素値）および画像メタデータに基づいて行われてもよい。いくつかの実施態様では、方法２００を実行して、複数のフレームを含み、動きスコアが決定される保存された動画像（たとえば、クライアントデバイス１２０の不揮発性メモリに保存された）の動きスコアを決定してもよい。たとえば、画像メタデータ、または（たとえば、画像のデータベースに保存された）動画像に対応付けられたその他のデータが動きスコアを含まない場合または失効した動きスコアを含む場合に動きスコアの決定を行ってもよい。たとえば、動画像の動きスコアは、たとえば、（たとえば、クライアントデバイス１２０の）ユーザによって動画像が撮影または最後の視聴から特定の日数が経った後、動画像が修正された際、アニメーションＧＩＦ、動画、コラージュ、または動画像に基づいたその他の作品などが生成された際に失効してもよい。

動画像の複数のフレームに基づいた動きスコアの決定は、たとえば、図３を参照して説明する方法３００または図４を参照して説明する方法４００を用いて行われもよい。たとえば、予め算出されて画像メタデータまたは画像のデータベースに格納された有効な動きスコアに動画像が対応付けられている場合、動きスコアを決定するステップは、画像メタデータまたは画像のデータベースにアクセスして動きスコアを取り出すステップを含む。ブロック２１２の後にブロック２１４が続いてもよい。

ブロック２１４では、動画像の動きスコアが表示しきい値を満たすかどうかを判断する。ユーザの許可があれば、表示しきい値の値は、ユーザデータに基づいて決定してもよい。たとえば、動画像を描写するユーザインターフェースの、ユーザによるこれまでのビュー、画像撮影／表示モードに被写体の動きを含めるか含めないかを手動で切り替えることなどに基づいて決定してもよい。いくつかの実施態様では、たとえば、１つ以上のその他の画像を含むユーザインターフェースの一部として動画像が表示される場合、表示しきい値は、（たとえば、複数のフレームを順次表示することによって）目標の動画像数よりも多い数の動画像が動きをオンにした状態で表示されないように、一度に表示する目標の動画像数に基づいて設定されてもよい。いくつかの実施態様では、たとえば、動画像が単一
画像モード、たとえば、ワンナップモードで表示されるまたはスライドショーの一部として表示される場合、表示しきい値を、順次表示されたときに動画像の複数のフレーム内の被写体の動きに対する関心に基づいて決定される値に設定してもよい。たとえば、被写体の動きに対する関心は、動画像の被写体の動きの、ワンナップモードまたはスライドショーモードで動きが表示された、ユーザ（またはその他のユーザ）が見たその他の動画像における被写体の動きに対する類似性に基づいてもよい。

いくつかの実施態様では、たとえば、１つ以上のその他の画像を含むユーザインターフェースの一部として（たとえば、画像グリッドの一部として）動画像が表示されると、表示しきい値には、当該１つ以上のその他の画像の動きスコアに基づいた値が設定されてもよい。たとえば、１つ以上のその他の画像がその他の動画像を含んでもよい場合。少なくともしきい値数の１つまたはその他の画像の動きスコアが動画像よりも高い場合、表示しきい値には、動画像の動きスコアが表示しきい値を満たさないような値が設定されてもよい。たとえば、表示しきい値には、動画像の動きスコアよりも高い値が設定されてもよい。動画像よりも動きスコアが高いその他の画像の数がしきい値数よりも少ない場合、表示しきい値には、動画像の動きスコアが表示しきい値を満たすような値が設定されてもよい。たとえば、表示しきい値には、動画像の動きスコアよりも低い値が設定されてもよい。

いくつかの実施態様では、しきい値数は、方法２００を実行するデバイス、たとえば、クライアントデバイス１２０のハードウェア機能に基づいてもよい。たとえば、方法２００は、動画像を表示するためのソフトウェアアプリケーションによって実行され（または呼び出され）てもよい。このソフトウェアアプリケーションは、たとえばソフトウェアアプリケーションの１つ以上の実行スレッドがクライアントデバイス１２０のハードウェアプロセッサ上で動作するマルチスレッドで実行されてもよい。いくつかの実施態様では、各個々の実行スレッドは、グリッドで表示されるように対応する動画像を処理して、複数のフレームを表示するために描画してもよい。これらの実施態様では、しきい値数は、実行スレッドの数に基づいてもよく、たとえば、しきい値数は、実行スレッドの数以下であってもよい。

いくつかの実施態様では、実行スレッドの数は、たとえば、クライアントデバイス１２０のハードウェアプロセッサの処理コアの数、クライアントデバイス１２０の利用可能なメモリなど、ハードウェア機能に基づいてもよい。たとえば、個々の実行スレッドが対応する処理コア上で動作する場合、実行スレッドの数は、利用可能な処理コアの数を超えなくてもよい。そのため、利用可能な処理コアの数は、利用可能な電力（たとえば、バッテリ）、オペレーティングシステム設定（たとえば、アプリケーション当たりの実行スレッドの数を限定する構成設定）などに基づいてもよい。

ハードウェア機能に基づいたしきい値数の選択により、ユーザインターフェース、たとえば、画像グリッドで表示するために描画される動画像の数を、ハードウェアによって確実にサポートできるようになる。たとえば、画像グリッドが複数のフレームを含む画像を１つだけ含むように、しきい値数を１に設定してもよい（たとえば、画像を画像グリッドで描画するために利用可能な処理コアが１つしかない場合）。この例では、その他の動画像の各々の１つのフレームを表示するために描画することによって、モーショングリッドに含まれるその他の動画像は静止画像として表示される。別の例では、モーショングリッドに含まれる画像を描画するために４つのコア が利用可能な場合、しきい値数を４に設定してもよい。しきい値数をこのように設定することにより、利用可能なハードウェア機能を用いて画像グリッドを遅延なく描画するという技術的利点が与えられる。

動画像の動きスコアが表示しきい値を満たす場合、ブロック２１４の後にブロック２１６が続く。動画像の動きスコアが表示しきい値を満たさなかった場合、ブロック２１４の
後にブロック２１８が続く。

ブロック２１６では、動画像を被写体の動きを伴って表示させる。動画像は、たとえば、画像ギャラリーアプリケーションが提供するユーザインターフェースの一部として表示されてもよい。いくつかの実施態様では、動画像を表示することは、たとえば、動画像の複数のフレーム内の被写体の動きがユーザによって認識可能なように動画像の複数のフレームを連続して表示することを含む。たとえば、動画像は、一度に１つの画像が表示されるワンナップモードまたはスライドショーモードでユーザインターフェースに表示されてもよい。

いくつかの実施態様では、動画像を表示するステップは、さらに、複数の画像を含む画像グリッドを含むユーザインターフェースにその他の画像よりも大きいサイズで動画像を表示することを含む。参照して説明した状況によって決まるしきい値数の選択により、表示しきい値を満たす動きスコアに対応付けられた、被写体の動きを伴って表示される１つ以上の動画像を有する画像グリッドを表示することが可能になる。いくつかの実施態様では、表示しきい値を満たす動きスコアに対応付けられた動画像を、グリッドにおいて１つ以上のその他の画像よりも大きいサイズでユーザインターフェースに表示してもよい。たとえば、このような動画像の特定のフレームのみを表示することによって、表示しきい値を満たさないスコアにそれぞれが対応付けられているユーザインターフェースにあるその他の動画像は、被写体の動きなしでユーザインターフェースに表示される。ブロック２１６の後にブロック２２０が続いてもよい。

動画像の動きスコアが表示しきい値を満たさなかった場合、ブロック２１８を実行して、たとえば動画像の特定のフレームのみを表示することによって、動画像を被写体の動きなしで表示する。このように特定のフレームを表示することは、動画像のその他のフレームは表示されないので、計算資源を節約するであろう。ブロック２１８の後にブロック２２０が続いてもよい。

ブロック２２０では、動きスコアが保存しきい値を満たすかどうかを判断する。保存しきい値は、様々な要因に基づいてもよい。たとえば、保存しきい値は、動画像を保存するユーザデバイス、たとえば、クライアントデバイス１２０の利用可能な不揮発性メモリ容量に基づいてもよい。別の例では、たとえば、動画像がサーバ上に保存される場合、保存しきい値は、動画像を保存する特定のユーザアカウントに割り当てられたサーバの記憶容量に基づいてもよい。いくつかの実施態様では、保存しきい値は、ユーザデバイスの不揮発性メモリ容量と、サーバの割り当てられた記憶容量との組合せに基づいて設定されてもよい。動きスコアが保存しきい値を満たす場合、ブロック２２０の後にブロック２２２が続く。動きスコアが保存しきい値を満たさなかった場合、ブロック２２０の後にブロック２２４が続いてもよい。

ブロック２２２では、動画像を静止画像に変更する。たとえば、クライアントデバイスによって動画像を撮影した際に方法２００が実行された場合、動画像は、クライアントデバイスの揮発性メモリ（たとえば、ＲＡＭ）に一時的に保存されてもよい。動画像が保存しきい値を満たさなかった場合、動画像の複数のフレームのうち特定のフレームのみが保存される、たとえば、クライアントデバイスの不揮発性メモリに書き込まれる。動画像の複数のフレームのうち、その他のフレームは、画像を保存する前に削除される。

たとえば、複数のフレームは、ユーザによるクライアントデバイスのカメラのユーザ起動前に撮影された１つ以上のフレーム、ユーザ起動時に撮影された１つのフレーム、およびユーザ起動後に撮影された１つ以上のフレームを含んでもよい。たとえば、動画像の長さは、最大で３秒であってもよい。いくつかの実施態様では、特定のフレームは、ユーザ
起動時に撮影された、たとえば、カメラの起動に一致するタイムスタンプに対応付けられた１つのフレームであってもよい。いくつかの実施態様では、特定のフレームは、動画像の複数のフレームのうち、その他のフレームであってもよい。

たとえば、特定のフレームは、画像をプログラムで分析することに基づいて判断される動画像の異なる特性に基づいて選択されてもよい。たとえば、このような特徴は、フレームにおけるぼけ具合、フレームが笑顔および／または目を開けた人の被写体を描写しているかどうか、被写体への焦点の良否などを含んでもよい。各フレームの異なる特性を評価して品質スコアを判断してもよく、最高品質スコアに対応付けられたフレームを特定のフレームとして選択してもよい。いくつかの実施態様では、特定のフレームをランダムに選択してもよい。

動画像を静止画像に変更することにより、技術的利点が与えられる。たとえば、静止画像が１つのフレームを含むので、静止画像のファイルサイズは複数のフレームを含む動画像よりも小さい。そのため、静止画像を保存する際に必要とされる記憶空間が少なくて済む。さらには、静止画像をたとえばサーバ装置に、またはその他のクライアントデバイスに送信することにより、ネットワーク利用が減る。ブロック２２２の後にブロック２２４が続いてもよい。

ブロック２２４では、画像を、たとえば、クライアントデバイス１２０の不揮発性メモリ、サーバ装置の不揮発性メモリ、またはその両方に保存する。ブロック２２０の後にブロック２２４が実行されると、（複数のフレームを含む）動画像が保存され、ブロック２２２の後にブロック２２４が実行されると、静止画像が保存される。

図２の様々なブロックを参照して方法２００を説明したが、図２のブロックの一部を実行しないで本開示に記載の技術が実施してもよいことを理解されたい。様々な実施態様では、方法２００のブロックの一部を並列して、または図２に示す順序とは異なる順序で実行してもよい。

たとえば、方法２００を実行して１つ以上の予め保存されていた画像を含むユーザインターフェースを表示するいくつかの実施態様では、ブロック２２０～２２４を実行しなくてもよい。別の例では、たとえば、動画像が撮影された直後に方法２００が実行され、かつ、動画像は撮影されると保存されるという指示をユーザが与えている場合、ブロック２２０および２２２は実行されず、ブロック２１６またはブロック２１８の後にブロック２２４が実行される。いくつかの実施態様では、たとえば、常に被写体の動きを伴って動画像を表示させるようにユーザが指示を与えている場合、ブロック２１４は実行されず、ブロック２１２に続いてブロック２１６が実行される。これらの実施態様のさらに別の変形例では、ブロック２１６を実行して動画像を表示してもよく、ブロック２１６の後にブロック２１２を実行して動きスコアを決定してもよい。

さらには、いくつかの実施態様は、動画像の表示を完全に除外してもよく、たとえば、このような実施態様では、ブロック２１４～２１８は実行されない。これらの実施態様では、動画像の動きスコアを決定し（ブロック２１２）、動きスコアが保存しきい値を満たす場合（ブロック２２０）、動画像を、選択的に静止画像に変換する（ブロック２２２）。動画像または静止画像を、不揮発性メモリに保存する（ブロック２２４）。たとえば、サーバ装置は、これらの実施態様を利用してストレージの使用を節約してもよい。これらの実施態様では、画像は、保存された後に表示されてもよく、たとえば、画像は、動画像で保存されている場合、動画像として表示され、静止画像で保存されている場合、静止画像として表示される。

さらには、いくつかの実施態様では、たとえば、予め保存されていた動画像を表示するために、ブロック２１４～２１８をブロック２１２および２２０～２２４の後に実行してもよい。これらの実施態様では、動きスコアは、画像とともに保存されてもよく、または、画像の表示時に再計算されてもよい。

図３は、いくつかの実施態様に係る、動画像の動きスコアを決定するための方法３００の一例を説明するフロー図である。いくつかの実施態様では、方法３００は、たとえば、図１に示すサーバシステム１０２上で実装され得る。いくつかの実施態様では、方法３００の一部またはすべては、図１に示す１つ以上のクライアントデバイス１２０、１２２、１２４、もしくは１２６、１つ以上のサーバ装置上、ならびに／または、サーバ装置（複数可）およびクライアントデバイス（複数可）の両方の上で実装され得る。記載した例では、実装システムは、１つ以上のデジタルプロセッサまたは処理回路（「プロセッサ」）、および１つ以上の記憶装置（たとえば、データベース１０６またはその他のストレージ）を備える。いくつかの実施態様では、１つ以上のサーバおよび／または１つ以上のクライアントの異なる構成要素は、方法３００の異なるブロックまたはその他の部分を実行できる。いくつかの例では、第１デバイスは、方法３００のブロックを実行すると説明されている。いくつかの実施態様は、結果またはデータを第１デバイスに送信できる１つ以上のその他のデバイス（たとえば、その他のクライアントデバイスまたはサーバ装置）によって実行される方法３００の１つ以上のブロックを有し得る。

いくつかの実施態様では、方法３００または当該方法の一部を、システムによって自動的に起動させることができる。いくつかの実施態様では、実装システムは、第１デバイスである。たとえば、方法（またはその一部）を、定期的に実行したり、たとえば、アプリケーション（たとえば、ユーザによって起動されているカメラアプリケーション１５２、画像管理アプリケーション１５６など）、システムに新たにアップロードされたもしくはシステムがアクセス可能な１つ以上の画像を受信した、方法３００が最後に実行されてから所定時間が経過した、および／もしく方法が読み込む設定において指定可能な１つ以上のその他の条件が発生したなど、１つ以上の特定のイベントまたは条件に基づいて実行したりすることができる。いくつかの実施態様では、このような条件は、格納されたユーザのカスタム基本設定でユーザによって指定することができる。

様々な実施態様では、クライアントデバイス１２０は、スタンドアロンカメラ、携帯電話、スマートフォン、タブレットコンピュータ、ウェアラブルデバイス、またはユーザによってクライアントデバイスに入力されたコンテンツ（たとえば、画像撮影）を受信でき、方法３００を実行できるその他のクライアントデバイスであり得る。別の例では、クライアントデバイスまたはサーバ装置が方法３００を実行できる。いくつかの実施態様は、ユーザ入力に基づいて方法３００を開始できる。ユーザ（たとえば、操作者またはエンドユーザ）は、たとえば、表示ユーザインターフェース、たとえば、アプリケーションユーザインターフェースまたはその他のユーザインターフェースから方法３００の開始を選択した可能性がある。いくつかの実施態様では、方法３００は、クライアントデバイスによって実装されてもよい。いくつかの実施態様では、方法３００は、サーバ装置によって実装されてもよい。

ブロック３０２では、動画像の安定性の程度を判断する。いくつかの実施態様では、安定性の程度は、動画像の複数のフレームのうち連続するフレームに含まれる対応する画素の画素値の比較に基づいてもよい。たとえば、画素のかなりの割合（たとえば、９０％）が一致する、たとえば、等しいまたは同様の値を有する場合、画像に安定性があると判断してもよい。いくつかの実施態様では、動画像をプログラムで分析して、動画像の背景部分を判断してもよい。これらの実施態様では、背景部分に対応する画素のサブセットについてのみ画素値の比較を行ってもよい。

いくつかの実施態様では、安定性の程度は、動画像を撮影したデバイスの１つ以上のセンサー、たとえば、クライアントデバイス１２０から取得したデータに基づいて判断されてもよい。たとえば、このようなデータは、デバイスの加速度計および／またはジャイロスコープの表示値を含んでもよい。たとえば、動画像の撮影（たとえば、短期間、たとえば、最大で３秒間行われてもよい）中にデバイスが動いたり回転していなかったりすることをセンサーからのデータが示す場合、安定性の程度が高いと判断してもよい。一方で、（たとえば、センサーによって測定されるデバイスのずれおよび／または回転によって示される）撮影中のデバイスの移動は、安定性の程度が低いことを示してもよい。

いくつかの実施態様では、安定性の程度の判断は、複数のフレームの画素値およびセンサー表示値に基づいてもよい。安定性の程度を判断するその他の技術が用いられてもよい。ブロック３０２の後にブロック３０４が続いてもよい。

ブロック３０４では、動画像に安定性があるかどうかを判断してもよい。たとえば、動画像の安定性の程度を、安定性しきい値と比較してもよい。安定性の程度が安定性しきい値を満たす場合、ブロック３０４の後にブロック３０６が続く。その他の場合、ブロック３０４の後にブロック３３０が続く。

ブロック３０６では、動画像をプログラムで分析して動画像の被写体を検出し、被写体の種類を判断する。たとえば、物体認識技術を利用して、動画像に含まれる様々な物体、たとえば、人の顔、人の体、動物、木、および、ビル、家具、乗り物など、無生物の存在を検出してもよい。動画像の被写体は、複数のフレームの中心近くに現れる１つ以上の物体、焦点が合わされている物体、画像内で領域を最も多く占める物体などとして判断されてもよい。たとえば、焦点が合っているおよび／または中央にある人の顔を描写する動画像は、「人の顔」または「ポートレート」という被写体の種類に相当してもよい。別の例では、人の集団を描写する動画像は、「集合写真」という被写体の種類に相当してもよい。さらに別の例では、犬、猫、またはその他の動物を描写する動画像は、「ペット」または「動物」などという被写体の種類に相当してもよい。

また、動画像の複数のフレームを分析して動画像内での被写体の移動の程度を判断してもよい。たとえば、被写体の種類が「人の顔」である場合、移動の程度は、複数のフレームに含まれる顔の画素値の変化に基づいて判断されてもよい。この例では、表情がほとんどまたはまったく変わらない動画像は、低程度の被写体の移動に相当してもよく、被写体が笑顔になる、眉毛を上げる、顔の向きを変えるまたは傾けるなどの動画像は、高程度の被写体の移動に相当してもよい。

別の例では、被写体の種類が人の体である場合、ジャンプしたり、ある場所から別の場所へ移動したりするなどの被写体の動きは、高程度の移動に相当してもよく、（たとえば、手を上げる、頭を傾けるなど）その他の方法で動く静止した被写体は、低程度の移動に相当してもよい。いくつかの実施態様では、比較に用いられる移動のしきい値レベルは、被写体の種類に基づいてもよく、たとえば、低いしきい値は、被写体が体である場合よりも顔である場合に用いられてもよい。たとえば、オプティカルフロー、画像セグメンテーション、画像登録など、様々な技術を利用して被写体の移動を検出してもよい。たとえば、物体認識技術を利用して物体および当該物体に対応する画素のオプティカルフローを検出してもよく、たとえば、物体の外枠を測定して物体の移動の程度を判断してもよい。別の例では、画像登録技術を利用して複数のフレームの画素を位置合わせし、異なる画素座標によって示される物体の位置変更を利用して移動の程度を判断してもよい。いくつかの実施態様では、技術を組み合わせたものを利用してもよい。ブロック３０６の後にブロック３０８が続いてもよい。

ブロック３０８では、被写体の移動の程度が移動のしきい値レベルを満たすかどうかを判断する。被写体の移動の程度がしきい値を満たす場合、ブロック３０８の後にブロック３１０が続く。その他の場合、ブロック３０８の後にブロック３３０が続く。

ブロック３１０では、被写体の種類が風景または無生物であるかを判断する。たとえば、検出された物体が山、木、川、海などの物体を含む場合、たとえば、動画像の被写体の種類は風景であると判断され、たとえば、検出された物体が家具、ビル、自動車などの物体を含む場合、無生物であると判断される。いくつかの実施態様では、たとえば、風景または無生物を有する画像において人または動物（たとえば、ペット）を検出した場合、人または動物の被写体が検出されているため、被写体の種類は風景や無生物ではない。被写体の種類が風景または無生物である場合、ブロック３１０の後にブロック３３０が続く。その他の場合、ブロック３１０の後にブロック３１２が続く。

ブロック３１２では、動画像のビュー数が視聴者数しきい値を満たすかどうかを判断する。たとえば、動画像の複数のフレームが連続して視聴されたことが以前にあり、これにより被写体の動きの表示が少なくともしきい値回数提供されている場合、この動画像は、視聴者数しきい値を満たすと判断される。たとえば、ユーザ（または、画像を共有したその他のユーザ）が、たとえば、５回、１０回など複数回見た保存画像は、視聴者数しきい値を満たすと判断されてもよいため、画像にある動きはユーザにとって関心のあるものである。動画像のビュー数が視聴者数しきい値を満たす場合、ブロック３１２の後にブロック３２０が続いてもよい。その他の場合、ブロック３１２の後にブロック３１４が続いてもよい。

ブロック３１４では、動画像からモーションアーティファクトが作成されたかどうかを判断する。たとえば、モーションアーティファクトは、アニメーションＧＩＦ、または、たとえば動画像の２つ以上のフレームを含むその他のアニメーションを含んでもよい。たとえば、モーションアーティファクトは、ループで再生されるように設定された２つ以上のフレームを含んでもよい。ループの２つ以上のフレームは順番に再生されてもよく、たとえば、第１フレームの後で第２フレームが再生され、その次に第３フレームが再生されてもよい。モーションアーティファクトは、第１フレームが最後のフレームの後に提供される順方向ループであって、連続したノンストップアニメーションを提供してもよい。モーションアーティファクトは、フレームが第１フレームから最後のフレームに順番に再生され、続いて最後のフレームから第１フレームに逆順で再生される逆方向ループ（ブーメランとしても知られる）であって、連続したアニメーションを提供してもよい。いくつかの実施態様では、モーションアーティファクトは、たとえば、動画像の２つ以上のフレームを含むコラージュ、動画像の２つ以上のフレームを重ね合わせて１つの静止画像にするモーションブラー画像など、動画像に基づいたその他の作品を含んでもよい。

カメラアプリケーション、画像ギャラリーアプリケーション、またはその他のアプリケーションは、たとえば自動的または手動でモーションアーティファクトを作成するための機能を提供してもよい。モーションアーティファクトが作成された場合、たとえば、ユーザが入力を行うことによって当該モーションアーティファクトを作成したり、自動生成されるモーションアーティファクトを保存したりすることを選択した場合、ブロック３１４の後にブロック３１６が続いてもよい。その他の場合、ブロック３１４の後にブロック３２０が続いてもよい。

ブロック３１６では、動画像の動きスコアを算出する。いくつかの実施態様では、動きスコアは、動画像の安定性の程度、動画像の被写体の種類、または動画像の複数のフレームにおける被写体の移動の程度のうち、１つ以上に基づいてもよい。たとえば、動きスコ
アは、安定性の程度と動きにおける被写体の移動の程度との重み付き組合せであってもよい。いくつかの実施態様では、安定性の程度が大きいほど高い動きスコアに対応し、安定性の程度が小さいほど低い動きスコアに対応してもよい。いくつかの実施態様では、被写体の移動の程度が大きいほど高い動きスコアに対応し、被写体の移動の程度が小さいほど低い動きスコアに対応してもよい。いくつかの実施態様では、被写体の種類に基づいて異なる重みが被写体の移動の程度に割り当てられてもよい。たとえば、被写体の種類が顔である場合、被写体の種類が体である場合よりも大きな重みが移動の程度に割り当てられてもよい。

いくつかの実施態様では、これまでに説明した要因に加えて、１つ以上のその他の要因を利用してもよい。たとえば、顔認識技術の使用をユーザが許可した場合、画像の被写体がユーザが知っている人（たとえば、ユーザが撮影したまたはユーザの画像ギャラリーに保存されているその他の画像などに描写されているユーザのソーシャルネットワークの一部）または動物（たとえば、ペット）であるかを判断してもよい。知っている被写体を描写した動画像の動きスコアは、その他の要因は同等であっても、知らない被写体を描写した動画像よりも高くてもよい。いくつかの実施態様では、特定の被写体の種類、たとえば、スポーツまたは運動、ダンスなどを描写した動画像が、より高い重みに対応付けられてもよく、このような被写体の種類を描写した動画像が対応してより高い動きスコアを受けてもよい。言い換えると、動きスコアが高いことは、ユーザが認識する動画像のフレーム間の変動が大きいまたはかなりであることを示し、表示されると、このような画像の動きの態様は、ユーザエクスペリエンス、当該動きの態様によってユーザが得る知覚および情報を増加または向上させる。一方で、動きスコアが低いことは、動画像のフレーム間の変動がほとんどないまたは取るに足らない変動であることを示し、動き情報の静的表示または削除、および動画像の静止画像への変換のいずれかによる動き情報の消失は、ユーザエクスペリエンスならびに画像コンテンツの知覚および認識を低下させない、または、むしろ、改善させるであろう。後者の場合、たとえば、動画像に含まれる動きの態様は、静的シーンの動画像が撮影されたときのカメラのジッターまたは震えによって生じるぐらつきを含んでもよい。この状況では、たとえば、動きの態様によって生じたぐらつきのせいでユーザが静的シーンの詳細を適切に集中して認識することができないので、動き情報および動画像としての画像の表示が実際にユーザの知覚を低下させるであろう。

いくつかの実施態様では、動画像は、被写体の種類を示すラベル（たとえば、被写体の種類が文書、スクリーンショット、レシートなどであることを示す「アーカイブ」というラベル）を含むまたはこのようなラベルに対応付けられてもよく、このようなラベルを利用して動きスコアを決定してもよい。いくつかの実施態様では、動画像は、たとえば、動画像の撮影中に録音された音を含んでもよい。これらの実施態様では、この音をプログラムで分析して、関心のある動きに対応付けられた音のカテゴリに対応するかどうかを判断してもよく、たとえば、滝の音、バットがボールを打つ音、ダンス音楽、笑い声などが関心のある動きに対応付けられ、背景ノイズ、車両ノイズなど、その他の音が関心のある動きを描写しない画像に対応付けられてもよい。

いくつかの実施態様では、算出された動きスコアは、たとえば、動画像メタデータに含まれる画像に対応付けて、動画像に対応付けられたラベルとして、動画像についてのデータなどを保存するデータベースに保存されてもよい。保存された動きスコアは、たとえば、動画像を含むユーザインターフェースを生成する際、モーションアーティファクトの作成またはその他の画像作成を提案する際などにアクセスされてもよい。

動画像のビュー数が視聴者数しきい値を満たす場合、または動画像からモーションアーティファクトが作成された場合に実行されるブロック３２０では、動きスコアを、表示しきい値を満たす値に設定してもよい。たとえば、動きスコアを、ブロック３１６を参照し
て説明したように算出し、表示しきい値と比較してもよい。動きスコアが表示しきい値を満たさなかった場合、動きスコアを、表示しきい値を満たす値に設定してもよい。このように動きスコアを更新することにより、自動的に決定された動きスコアよりも、動画像に対する関心を示すユーザ入力のほうが必ず優先され、動画像の複数のフレームを連続して表示することによって、ユーザが興味を持つ動画像が、ユーザが動きを認識するように表示される。

ブロック３３０は、（ブロック３０４において判断されるように）動画像に安定性がない場合、被写体の移動の程度が移動のしきい値レベルを満たさなかった場合（ブロック３０８）、または、動画像の被写体の種類が風景または無生物であった場合（ブロック３１０）に実行される。ブロック３３０では、動きスコアを、表示しきい値を満たさない値、たとえば、表示しきい値よりも低い値に設定してもよい。動きスコアをこのように設定することにより、たとえば、図２を参照して上述したように、動画像の特定のフレームのみを表示することによって、高品質の視聴体験を可能にしない動画像、たとえば、不安定な、または安定性のない画像、被写体の移動が最低限である画像、もしくは被写体の種類が動画像の複数のフレームの表示に適さない画像を必ず静止画像として表示するようにできる。動きスコアをこのように設定することにより、画像の複数のフレームを描画するための計算資源を節約し、または、動画像が不揮発性メモリに保存されるもしくはサーバまたはその他のクライアントデバイスに送信されるときの記憶空間を節約することができる。

図３の様々なブロックを参照して方法３００を説明したが、図３のブロックの一部を実行しないで本開示に記載の技術が実施してもよいことを理解されたい。たとえば、いくつかの実施態様では、たとえば、モーションアーティファクトの作成に関連するビュー数または情報が利用可能でない場合、ブロック３１２、３１４、および３２０は実行されない。いくつかの実施態様では、図３に示すブロックの１つ以上を組み合わせてもよい。様々な実施態様では、方法３００のブロックの一部を並列して、または図３に示す順序とは異なる順序で実行してもよい。

図４は、いくつかの実施態様に係る、動画像の動きスコアを決定するための例示的な方法４００を説明するフロー図である。いくつかの実施態様では、方法４００は、たとえば、図１に示すサーバシステム１０２上で実装され得る。いくつかの実施態様では、方法４００の一部またはすべては、図１に示す１つ以上のクライアントデバイス１２０、１２２、１２４、もしくは１２６、１つ以上のサーバ装置上、ならびに／または、サーバ装置（複数可）およびクライアントデバイス（複数可）の両方の上で実装され得る。記載した例では、実装システムは、１つ以上のデジタルプロセッサまたは処理回路（「プロセッサ」）、および１つ以上の記憶装置（たとえば、データベース１０６またはその他のストレージ）を備える。いくつかの実施態様では、１つ以上のサーバおよび／または１つ以上のクライアントの異なる構成要素は、方法４００の異なるブロックまたはその他の部分を実行できる。いくつかの例では、第１デバイスは、方法４００のブロックを実行すると説明されている。いくつかの実施態様は、結果またはデータを第１デバイスに送信できる１つ以上のその他のデバイス（たとえば、その他のクライアントデバイスまたはサーバ装置）によって実行される方法４００の１つ以上のブロックを有し得る。

いくつかの実施態様では、方法４００または当該方法の一部を、システムによって自動的に起動させることができる。いくつかの実施態様では、実装システムは、第１デバイスである。たとえば、方法（またはその一部）を、定期的に実行したり、たとえば、アプリケーション（たとえば、ユーザによって起動されているカメラアプリケーション１５２、画像管理アプリケーション１５６など）、システムに新たにアップロードされたもしくはシステムがアクセス可能な１つ以上の画像を受信した、方法４００が最後に実行されてから所定時間が経過した、および／もしく方法が読み込む設定において指定可能な１つ以上
のその他の条件が発生したなど、１つ以上の特定のイベントまたは条件に基づいて実行したりすることができる。いくつかの実施態様では、このような条件は、格納されたユーザのカスタム基本設定でユーザによって指定することができる。

様々な実施態様では、クライアントデバイス１２０は、スタンドアロンカメラ、携帯電話、スマートフォン、タブレットコンピュータ、ウェアラブルデバイス、またはユーザによってクライアントデバイスに入力されたコンテンツ（たとえば、画像撮影）を受信でき、方法４００を実行できるその他のクライアントデバイスであり得る。別の例では、クライアントデバイスまたはサーバ装置が方法４００を実行できる。いくつかの実施態様は、ユーザ入力に基づいて方法４００を開始できる。ユーザ（たとえば、操作者またはエンドユーザ）は、たとえば、表示ユーザインターフェース、たとえば、アプリケーションユーザインターフェースまたはその他のユーザインターフェースから方法４００の開始を選択した可能性がある。いくつかの実施態様では、方法４００は、クライアントデバイスによって実装されてもよい。いくつかの実施態様では、方法４００は、サーバ装置によって実装されてもよい。

ブロック４０２では、動画像のビュー数が視聴者数しきい値を満たすかどうかを判断する。ブロック４０２は、図３で説明したブロック３１２と同様であってもよい。ビュー数が視聴者数しきい値を満たす場合、ブロック４０２の後にブロック４１０が続く。その他の場合、ブロック４０２の後にブロック４０４が続く。

ブロック４０４では、動画像からモーションアーティファクトが作成されたかどうかを判断する。ブロック４０４は、図３で説明したブロック３１４と同様であってもよい。少なくとも１つのモーションアーティファクトが作成されていた場合、ブロック４０４の後にブロック４１０が続く。その他の場合、ブロック４０４の後にブロック４１０が続く。

ブロック４０６では、たとえば、動画像の特定のフレームを表示することによって動画像を静止画像として表示するためのユーザ入力が受信されたかどうかを判断する。たとえば、ユーザは、「この画像の動きをオフにする」などのオプションを選択することにより、このような入力を行ってもよい。このようなユーザ入力は、視聴者が関心のある画像内の動きに気づかないという指示であってもよい。ユーザ入力が受信された場合、ブロック４０６の後にブロック４２０が続く。その他の場合、ブロック４０６の後にブロック４０８が続いてもよい。

ブロック４０８では、動画像の動きスコアを算出する。いくつかの実施態様では、複数の層に編成された複数のノードを含み、画像の動きスコアを決定するように構成されたニューラルネットワークから構成される訓練済みの機械学習モデルを適用することによって動きスコアが算出される。動画像は、訓練済みの機械学習モデルへの入力として提供される。

いくつかの実施態様は、動画像の動きスコアを決定するように機械学習モデルを訓練することを含む。たとえば、訓練されていない機械学習モデルは、複数の層に編成された複数のノードを含むニューラルネットワークから構成されてもよい。各層のノードは、前の層のノードおよび後続の層のノードに接続されてもよい。第１の層のノードは、動画像を入力として受け付けるように構成されてもよく、複数の層のうち最後の層のノードは、動きスコアを出力するように構成されてもよい。各ノードは、任意の種類のニューラルネットワークノード、たとえば、ＬＳＴＭノードであってもよい。

訓練前に、ノードの各々に初期の重みを割り当ててもよく、ニューラルネットワークの異なる層のノード間の接続を初期化してもよい。動画像の訓練データセットを取得して、
ニューラルネットワークへの入力として提供してもよい。たとえば、訓練データセットは、複数の動画像および関連する動きスコアまたはラベル含んでもよい。たとえば、訓練データセットのうち、第１セットの動画像は、画像の各々にある被写体の動きがユーザが関心する動きであることを示す１つ以上のラベルに対応付けられてもよい。このようなラベルは、ユーザ入力に基づいて取得されてもよく、または、ユーザ許可によって得られたユーザデータ（たとえば、動画像の視聴者数、モーションアーティファクトの作成など）から取得されてもよい。

訓練データセットのうち、第２セットの動画像は、第２セットの画像の各々にある被写体の動きがユーザが関心する動きではないことを示す１つ以上のラベルに対応付けられてもよい。これらのラベルは、ユーザ入力に基づいて取得されてもよく、または、ユーザ許可によって得られたユーザデータ（たとえば、動画像のフレームを破棄する、動画像を削除するなど）から取得されてもよい。第１セットを積極的訓練例と称し、第２セットを「消極的訓練例」と称する場合がある。訓練セットは、様々な種類の被写体を異なる安定性の程度で描写する動画像と、複数のフレーム内の被写体の移動の程度とを含んでもよい。訓練セットは、フィールド使用中にモデルへの入力として後に提供され得る異なる種類の画像の例を訓練セットが必ず含むように選択されてもよい。

複数の動画像が訓練中のモデルへの入力として提供されてもよい。いくつかの実施態様では、訓練用画像および関連するラベルが、まず、訓練中のモデルへの入力として提供されてもよい。この訓練段階では、モデルが出力する動きスコアが関連するラベルに含まれる動きスコアに一致するよう、個々のノードの重み（および、オプションで、ノードの数）、異なる層のノード間の接続性（または、オプションで、層の数）が自動的に調整されてもよい。いくつかの実施態様では、これを最初の訓練段階と称する場合がある。

いくつかの実施態様では、画像の訓練セットのサブセットを最初の訓練段階から除外してもよい。このサブセットを最初の訓練段階の後に提供し、モデルが出力する動きスコアを、サブセットに含まれる画像に対応付けられた動きスコアと比較してもよい。動きスコアが一致しなかった場合、このような不一致を、モデルへの訓練用の入力として提供してもよい（強化学習）。この段階において、モデルが画像のサブセットの動きスコアを正しく予測できるようになるまで、１つ以上のノードの重み、ノード間の接続性など、モデルパラメータが調整されてもよい。たとえば、モデルが動きスコアの予測において十分なレベルの正解率を達成するまで、第２段階を任意の回数繰り返してもよい。いくつかの実施態様では、訓練済みモデルをさらに修正する、たとえば、（より少ない数のノードまたは層を用いるために）圧縮する、（たとえば、異なる種類のハードウェア上で利用可能にするために）変形させるなどしてもよい。訓練済みのモデルをデバイス、たとえば、クライアントデバイス１２０またはサーバ装置上に提供して、動画像の動きスコアを算出してもよい。いくつかの実施態様では、異なるバージョンのモデルを提供してもよい。たとえば、クライアントバージョンのモデルを、大きさに最適化させて計算量を抑えるようにしてもよく、サーババージョンのモデルを、正解率に最適化させてもよい。

ブロック４０８では、動画像を、訓練済みの機械学習（ＭＬ）モデルへの入力として提供する。訓練済みのＭＬモデルは、動画像に基づいて動きスコアを算出してもよい。いくつかの実施態様では、動画像の代わりまたはそれに加えて、動画像についてのその他のデータが訓練済みのＭＬモデルへの入力として提供されてもよい。たとえば、このような要因は、動画像の（たとえば、背景部分の）安定性の程度、動画像の被写体の種類、または、動画像における被写体の移動の程度を含んでもよい。異なる実施態様では、このような要因は、図３を参照して説明した技術を用いて画像の画素値に基づいて決定されてもよい。いくつかの実施態様では、安定性の程度、被写体の種類、または被写体の移動の程度を決定するように訓練された別個のＭＬモデルが提供されもよく、これらのＭＬモデルの出
力が訓練済みのＭＬモデルに提供されてもよい。いくつかの実施態様では、訓練済みのＭＬモデルは、このような要因を中間層の出力として決定してもよい。

動画像のビュー数が視聴者数しきい値を満たす場合（ブロック４０２）または、動画像からモーションアーティファクトが作成された場合（ブロック４０４）、ブロック４１０が実行される。ブロック４１０では、図３で説明したブロック３２０と同様に、動きスコアを、表示しきい値を満たす値に設定する。ブロック４１０の後にブロック４３０が続いてもよい。

ブロック４２０では、たとえば、図３で説明したブロック３３０と同様に、動きスコアを、表示しきい値を満たさない値に設定する。ブロック４２０の後にブロック４３０が続いてもよい。

ブロック４３０では、訓練済みのＭＬモデルを更新してもよい。たとえば、ブロック４１０の後にブロック４３０が実行されると、（ユーザ入力に基づく）表示しきい値を満たす値に設定された動きスコアに基づいてモデルが更新されてもよいので、動画像がユーザが関心する動画を描写していることを示している。別の例では、ブロック４２０の後にブロック４２０が実行されると、表示しきい値を満たさない値に設定された動きスコアに基づいてモデルが更新されてもよいので、動画像がユーザが関心しない動きを描写していることを示している。

いくつかの実施態様では、ＭＬモデルを更新することは、複数のノードのうち少なくとも１つのノードの重みを調整すること、または、複数のノードのうち少なくとも１対のノード間の接続を更新することを含んでもよい。いくつかの実施態様では、ＭＬモデルがブロック４１０または４２０で設定された動きスコアに一致する動きスコアを更新後に算出するよう、重みが調整されてもよい。いくつかの実施態様では、たとえば、ユーザデータを使用するための許可をユーザが与えない場合、ブロック４３０は実行されない。ユーザがユーザデータの利用を可能にする実施態様では、更新済みのＭＬモデルをサーバに提供して、たとえば連合学習を可能にしてもよい。訓練済みのＭＬモデルをこのように更新することにより、動画像を見るユーザ用に動きスコアの算出を個人向けにカスタマイズすることが可能になってもよく、それによって、ユーザが撮影または見た動画像に対する関心の程度を正確に示すＭＬモデルによって決定された動きスコアにより、計算負荷を低減したまたはストレージコストを抑えた改善された動画像表示が可能になる。

図４の様々なブロックを参照して方法４００を説明したが、図４のブロックの一部を実行しないで本開示に記載の技術が実施してもよいことを理解されたい。たとえば、いくつかの実施態様では、ブロック４０２および／または４０４は実行されない。いくつかの実施態様では、図４に示すブロックの１つ以上を組み合わせてもよい。様々な実施態様では、方法４００ブロックの一部を並列して、または図４に示す順序とは異なる順序で実行してもよい。たとえば、いくつかの実施態様では、ブロック４０２および４０４が同時に実行されてもよい。

図５は、例示的な動画像を示す図である。特に、例示的な動画像の３つのフレーム（５０２、５１２、および５２２）が示されている。これら３つのフレームは、短期間、たとえば、１～３秒内の異なる時点で撮影されてもよい。図５に見られるように、動画像の被写体（５０６、５１６、５２６）は、ブランコに乗っている人である。動画像の撮影中、フレーム５０２、５１２、および５２２に見られるように、この人物は後ろから前にブランコを漕いで両足を広げる。この動きは、たとえば、デプス情報を判断可能なカメラを用いて動画像が撮影された場合、デプス画像に格納されたデプスデータによって示されてもよい。動画像は、背景部分も含む（５０４）。

図５に示す動画像は、大幅な動きがある被写体（人）を含み、たとえば、表示しきい値を満たす比較的高い動きスコアを有すると判断されてもよい。その他の動画像は、被写体、たとえば、文書、家具、もしくはその他の無生物、または風景を含んでもよく、または、大幅な被写体の動きを含まなくてもよく、たとえば、表示しきい値を満たさない比較的低い動きスコアを有すると判断されてもよい。図５は、（フレーム５０２、５１２、および５２２間で背景５０４が変化しない）安定性のある画像を示しているが、その他の動画像は、たとえば、複数のフレーム間で背景が変化する不安定な、または安定性のない画像を含んでもよい。

図６は、画像グリッドを含む例示的なユーザインターフェース６００の図解である。図６に示す例示的なユーザインターフェースは、図５に示す動画像を画像グリッドの一部として含む。ユーザインターフェースが動画像の複数のフレームを連続して表示することを説明するために、ユーザインターフェースの３つのビュー（６０２、６１２、６２２）を示している。この例では、動画像は、画像グリッドに含まれるその他の画像よりも大きいサイズで表示されている。

この例示的なユーザインターフェースでは、ユーザインターフェースに被写体の動きが表示された１つの動画像が示されている。しかしながら、図３を参照して説明したように、画像グリッドの画像のそれぞれの動きスコアに基づいて、任意の数、たとえば、被写体の動きが伴うゼロ、２つ、３つ、またはそれ以上の数の画像が示されてもよいことを理解されたい。様々な実施態様では、ユーザインターフェース６００は、表示装置、たとえば、図１のクライアントデバイス１２０、１２２、１２４、および／または１２６もしくはサーバシステム１０２の表示画面によって表示することができる。

図７は、例示的なデバイス７００のブロック図である。デバイス７００は、本明細書において説明する１つ以上の特徴を実現するために使用され得る。一例において、デバイス７００を用いて、クライアントデバイス、たとえば、図１に示すクライアントデバイス（１２０、１２２、１２４、１２６）のうちのいずれかを実装してもよい。あるいは、デバイス７００は、サーバ装置、たとえば、サーバ１０４を実装し得る。いくつかの実施態様では、デバイス７００を用いて、クライアントデバイス、サーバ装置、またはクライアントおよびサーバ装置の両方を実装してもよい。デバイス７００は、上述した任意の適切なコンピュータシステム、サーバ、またはその他の電子機器もしくはハードウェア装置であり得る。

本明細書において説明する１つ以上の方法は、任意の種類のコンピューティングデバイス上で実行できるスタンドアロンプログラム、ウェブブラウザ上で動作するプログラム、モバイルコンピューティングデバイス（たとえば、携帯電話、スマートフォン、タブレットコンピュータ、ウェアラブルデバイス（腕時計、アームバンド、装身具、帽子、仮想現実ゴーグルまたは眼鏡、拡張現実ゴーグルまたは眼鏡、ヘッドマウントディスプレイなど）、ラップトップコンピュータなど）上で動作する携帯アプリケーション（「アプリ」）であり得る。一例において、クライアント／サーバアーキテクチャを用いることができ、たとえば、（クライアントデバイスとしての）モバイルコンピューティングデバイスが、ユーザ入力データをサーバ装置に送信し、出力用（たとえば、表示用）の最終出力データを当該サーバから受信する。別の例では、モバイルコンピューティングデバイス上のモバイルアプリ（および／またはその他のアプリ）内ですべての計算が行われ得る。別の例では、計算を、モバイルコンピューティングデバイスと１つ以上のサーバ装置とに分担させ得る。

いくつかの実施態様では、デバイス７００は、プロセッサ７０２と、メモリ７０４と、
入／出力（Ｉ／Ｏ）インターフェース７０６と、カメラ７１６とを備える。プロセッサ７０２は、プログラムコードを実行し、デバイス６００の基本動作を制御するための１つ以上のプロセッサおよび／または１つ以上の処理回路であり得る。「プロセッサ」は、データ、信号、またはその他の情報を処理する任意の適切なハードウェアシステム、機構、または構成要素を含む。プロセッサは、（たとえば、シングルコア構成、デュアルコア構成、またはマルチコア構成の）１つ以上のコアを有する汎用ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えたシステム、（たとえば、マルチプロセッサ構成の）複数の処理部、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ－Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＣＰＬＤ（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、機能を実現するための専用回路、ニューラルネットワークモデルベースの処理を実施するための専門プロセッサ、ニューロン回路、行列計算（たとえば、行列乗算）に最適化されたプロセッサ、またはその他のシステムを含んでもよい。いくつかの実施態様では、プロセッサ７０２は、ニューラルネットワーク処理を実装する１つ以上のコプロセッサを含んでもよい。いくつかの実施態様では、プロセッサ７０２は、データを処理して確率に基づく出力を生成するプロセッサであってもよく、たとえば、プロセッサ７０２が生成する出力は、不正確であってもよく、予想出力から特定の範囲内で正確であってもよい。処理は、特定の地理的位置に限定される必要はなく、または、時間的制限がある必要はない。たとえば、プロセッサは、その機能を「リアルタイム」、「オフライン」、「バッチモード」などで実行してもよい。処理の一部は、異なる（または同じ）処理システムによって、異なるタイミングで異なる場所において実行されてもよい。コンピュータは、メモリと通信する任意のプロセッサであってもよい。

メモリ７０４は、通常、プロセッサ７０２がアクセスできるよう、デバイス７００内に提供される。メモリ７０４は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌ Ｅｒａｓａｂｌｅ Ｒｅａｄ－ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリなど、プロセッサによって実行される命令を格納するのに適した任意の適切なプロセッサ読み取り可能な記憶媒体であってもよく、プロセッサ７０２とは別個に位置していてもよく、および／またはプロセッサ７０２と一体化されていてもよい。メモリ７０４は、オペレーティングシステム７０８、機械学習アプリケーション７３０、その他のアプリケーション７１２、およびアプリケーションデータ７１４を含む、プロセッサ７０２によってサーバ装置７００上で操作されるソフトウェアを格納し得る。その他のアプリケーション７１２は、カメラアプリケーション、画像ギャラリーまたは画像ライブラリアプリケーション、データ表示エンジン、ウェブホスティングエンジン、画像表示エンジン、通知エンジン、ソーシャルネットワーキングエンジンなどのアプリケーションを含んでもよい。いくつかの実施態様では、機械学習アプリケーション７３０およびその他のアプリケーション７１２は、各々、プロセッサ７０２が本明細書に記載の機能、たとえば、図２、図３、および図４の方法の一部またはすべてを実行することを可能にする命令を含み得る。

その他のアプリケーション７１２は、たとえば、カメラアプリケーション、画像ライブラリまたは画像ギャラリーアプリケーション、メディア表示アプリケーション、通信アプリケーション、ウェブホスティングエンジンまたはアプリケーション、マッピングアプリケーション、メディア共有アプリケーションなどを含み得る。たとえば、任意の種類のコンピューティングデバイス上で動作できるスタンドアロンコンピュータプログラムとして、ウェブページを有するウェブアプリケーションとして、モバイルコンピューティングデバイス上で動作する携帯アプリケーション（「アプリ」）としてなど、本明細書において開示する１つ以上の方法は、いくつかの環境およびプラットフォームにおいて動作できる。

様々な実施態様では、機械学習アプリケーションは、ベイズ分類器、サポートベクターマシン、ニューラルネットワーク、またはその他の学習手法を利用してもよい。いくつかの実施態様では、機械学習アプリケーション７３０は、訓練済みモデル７３４と、推論エンジン７３６と、データ７３２とを含んでもよい。いくつかの実施態様では、データ７３２は、訓練データ、たとえば、訓練済みモデル７３４を生成するために用いられるデータを含んでもよい。たとえば、訓練データは、文字、画像、音声、動画など、任意の種類のデータを含んでもよい。たとえば、訓練データは、動画像を含んでもよい。訓練データは、任意のソース、たとえば、訓練用に明確に記されたデータリポジトリ、機械学習用の訓練データとして用いるための許可が与えられたデータなどから取得されてもよい。１人以上のユーザが機械学習モデル、たとえば、訓練済みモデル７３４を訓練するためにそれぞれのユーザデータの利用を許可している実施態様では、訓練データは、ユーザデータを含んでもよい。ユーザがそれぞれのユーザデータの利用を許可している実施態様では、データ７３２は、画像または画像メタデータ（たとえば、動画像、モーションアーティファクト、または、その他のユーザが生成した画像、その他のユーザと画像を共有することに関するデータ、画像に対応付けられたラベルなど）、コミュニケーション（たとえば、電子メール；テキストメッセージ、音声、動画などのチャットデータなど）、文書（たとえば、表計算、テキスト文書、プレゼンテーションなど）など、許可データを含んでもよい。

いくつかの実施態様では、訓練データは、学習対象となるコンテキストにおけるユーザの入力または活動に基づいていないデータ、たとえば、シミュレーション動画像またはコンピュータによって生成された動画像から生成されたデータなど、訓練目的で生成された合成データを含んでもよい。いくつかの実施態様では、機械学習アプリケーション７３０は、データ７３２を除外する。たとえば、これらの実施態様では、訓練済みモデル７３４は、たとえば、異なるデバイス上で生成されて、機械学習アプリケーション７３０の一部として提供されてもよい。様々な実施態様では、訓練済みモデル７３４は、（たとえば、ニューラルネットワークノードの数および種類、ノード間の接続性、ならびに複数の層にノードを編成することを規定する）モデル構造またはモデル形態と、関連する重みとを含むデータファイルとして提供されてもよい。推論エンジン７３６は、訓練済みモデル７３４用のデータファイルを読み出して、訓練済みモデル７３４において指定されたモデル構造またはモデル形態に基づいたノード接続性、層、および重みを有するニューラルネットワークを実装してもよい。

また、機械学習アプリケーション７３０は、訓練済みモデル７３４を含んでもよい。いくつかの実施態様では、訓練済みモデルは、１つ以上のモデル形態または１つ以上のモデル構造を含んでもよい。たとえば、モデル形態またはモデル構造は、線形ネットワーク、複数の層（たとえば、入力層と出力層との間の「隠れ層」。各層が線形ネットワークである）を実装するディープニューラルネットワーク、畳み込みニューラルネットワーク（たとえば、入力データを複数の部分またはタイルに分割または仕切り、１つ以上のニューラルネットワーク層を用いて各タイルを別々に処理し、各タイルの処理から得られた結果を集約するネットワーク）、ｓｅｑｕｅｎｃｅ－ｔｏ－ｓｅｑｕｅｎｃｅニューラルネットワーク（たとえば、１文に含まれる単語、１本の動画に含まれるフレームなど、順次データを入力として取り、結果シーケンスを出力として生成するネットワーク）など、任意の種類のニューラルネットワークを含み得る。モデル形態またはモデル構造は、様々なノード間の接続性、およびノードの層への編成を指定してもよい。たとえば、最初の層（たとえば、入力層）にあるノードは、データを入力データ７３２またはアプリケーションデータ７１４として受信してもよい。このようなデータは、たとえば複数のフレームを含む動画像の画像解析に訓練済みモデルが用いられる場合、たとえばノード当たり１つ以上の画素を含み得る。後続の中間層は、モデル形態またはモデル構造で指定された接続性に従って、前の層のノードの出力を入力として受信してもよい。また、これらの層は、隠れ層と
も呼ばれる。最後の層（たとえば、出力層）は、機械学習アプリケーションの出力を生成する。具体的な訓練済みのモデルによっては、この出力は、たとえば、動きスコア、画像についてのラベルのセット、画像のその他の画像（たとえば、画像の特徴ベクトル）との比較を可能にする画像の表示、入力文に応答する出力文、入力データの１つ以上のカテゴリなどであってもよい。また、いくつかの実施態様では、モデル形態またはモデル構造は、各層におけるノードの数および／または種類を指定する。

それぞれ異なる実施態様では、訓練済みモデル７３４は、モデル構造またはモデル形態に従って複数の層に配置された複数のノードを含んでもよい。いくつかの実施態様では、ノードは、たとえば、１単位の入力を処理して１単位の出力を生成するように構成された、メモリを有さない計算ノードであってもよい。ノードが行う計算は、たとえば、複数のノード入力の各々を重みで乗算するステップと、重み付き和を取得するステップと、バイアス値または切片値を用いて重み付き和を調整してノード出力を生成するステップとを含んでもよい。また、いくつかの実施態様では、ノードが行う計算は、調整された重み付き和にステップ／活性化関数を適用するステップを含んでもよい。いくつかの実施態様では、ステップ／活性化関数は、非線形関数であってもよい。様々な実施態様では、このような計算は、行列乗算などの演算を含んでもよい。いくつかの実施態様では、たとえば、マルチコアプロセッサに含まれる複数のプロセッサコアを使用したり、ＧＰＵまたは専門ニューロン回路の個々の処理部を使用したりして、複数のノードによる計算を並列して行ってもよい。いくつかの実施態様では、ノードは、メモリを含んでもよく、たとえば、１つ以上前の入力を格納して、後続の入力を処理する際に利用できてもよい。たとえば、メモリを有するノードは、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ）ノードを含んでもよい。ＬＳＴＭノードは、メモリを用いて、ノードがＦＳＭ（Ｆｉｎｉｔｅ
Ｓｔａｔｅ Ｍａｃｈｉｎｅ）のように動作することを可能にする「状態」を維持してもよい。このようなノードを有するモデルは、たとえば、１文または１段落に含まれる複数の単語、１本の動画に含まれる複数のフレーム、会話またはその他の音声など、順次データを処理する際に役立つであろう。

いくつかの実施態様では、訓練済みモデル７３４は、個々のノードついて埋め込みまたは重みを含んでもよい。たとえば、モデルは、モデル形態またはモデル構造によって指定されるように複数の層に編成された複数のノードとして初期化されてもよい。初期化時、モデル形態に従って接続されたノードのペア、たとえば、ニューラルネットワークの連続した層に含まれる対のノード間の接続に、重みを適用してもよい。たとえば、それぞれの重みは、ランダムに割り当てられたり、デフォルト値に初期化されたりしてもよい。次に、モデルは、たとえばデータ７３２を用いて訓練されて、結果を生成してもよい。

たとえば、訓練するステップは、教師あり学習手法を適用するステップを含んでもよい。教師あり学習では、訓練データは、複数の入力（たとえば、画像のセット）と、入力ごとに対応する予想出力（たとえば、画像ごとに１つ以上のラベル）とを含み得る。たとえば、同様の入力が与えられた場合にモデルが予想出力を生成する確率を上げるよう、モデルの出力を予想出力と比較することに基づいて重みの値が自動的に調整される。

いくつかの実施態様では、訓練するステップは、教師なし学習手法を適用するステップを含んでもよい。教師なし学習では、入力データのみが与えられ、モデルは、データを区別する、たとえば、入力データを複数の群にクラスタリングするように訓練されてもよい。各群は、なんらかの形で類似する入力データを含んでいる。たとえば、モデルは、動画像にスコアを割り当てるように訓練されてもよい。

様々な実施態様では、訓練済みモデルは、モデル構造に対応する重みのセットまたは埋め込みのセットを含む。データ７３２が除外されている実施態様では、機械学習アプリケ
ーション７３０は、たとえば、機械学習アプリケーション７３０の開発者、サードパーティなどによる事前の訓練に基づいた訓練済みモデル７３４を含んでもよい。いくつかの実施態様では、訓練済みモデル７３４は、たとえば重みを提供するサーバからダウンロードされた、固定の重みセットを含んでもよい。

また、機械学習アプリケーション７３０は、推論エンジン７３６を含む。推論エンジン７３６は、アプリケーションデータ７１４（たとえば、動画像）など、データに訓練済みモデル７３４を適用して、推論を提供するように構成される。いくつかの実施態様では、推論エンジン７３６は、プロセッサ７０２によって実行されるソフトウェアコードを含んでもよい。いくつかの実施態様では、推論エンジン７３６は、プロセッサ７０２が訓練済みモデルを適用することを可能にする（たとえば、プログラマブルプロセッサ、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などの）回路構成を指定してもよい。いくつかの実施態様では、推論エンジン７３６は、ソフトウェア命令、ハードウェア命令、または組合せを含んでもよい。いくつかの実施態様では、推論エンジン７３６は、オペレーティングシステム７０８および／またはその他のアプリケーション７１２が推論エンジン７３６を呼び出して、たとえば、訓練済みモデル７３４をアプリケーションデータ７１４に適用して推論を生成するために用いることができるＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を提供してもよい。

機械学習アプリケーション７３０によって、いくつかの技術的利点がもたらされるであろう。たとえば、教師なし学習に基づいて訓練済みのモデル７３４が生成される場合、推論エンジン７３６によって訓練済みのモデル７３４を適用して、入力データ、たとえば、アプリケーションデータ７１４からナレッジ表現（たとえば、数値表現）を生成することができる。たとえば、画像解析用に訓練済みのモデルが入力画像（たとえば、１０ＭＢ）よりもデータサイズ（たとえば、１ＫＢ）が小さい画像の表示を生成してもよい。いくつかの実施態様では、出力（たとえば、画像のラベル、分類、文による記述など）を生成するための処理コスト（たとえば、計算コスト、メモリ使用量など）減らすのにこのような表現が役立つ場合がある。いくつかの実施態様では、推論エンジン７３６の出力から出力を生成する異なる機械学習アプリケーションへの入力としてこのような表現が提供されてもよい。いくつかの実施態様では、機械学習アプリケーション７３０が生成したナレッジ表現は、たとえばネットワーク上でさらなる処理を実行する異なるデバイスに提供されてもよい。このような実施態様では、画像ではなくナレッジ表現を提供することにより、技術的利点がもたらされるであろう、たとえば、少ないコストでより速いデータ送信を可能にする。別の例では、文書のクラスタリングの訓練済みのモデルが入力文書から文書クラスタリングを生成してもよい。文書クラスタリングは、元の文書にアクセスする必要のないさらなる処理（たとえば、文書がトピックに関するかどうかを判断する、文書の分類カテゴリを判断するなど）に適すると思われるので、計算コストが節約できる。

いくつかの実施態様では、機械学習アプリケーション７３０をオフラインで実装してもよい。これらの実施態様では、訓練済みモデル７３４を第１段階で生成し、機械学習アプリケーション７３０の一部として提供してもよい。いくつかの実施態様では、機械学習アプリケーション７３０をオンラインで実装してもよい。たとえば、このような実施態様では、機械学習アプリケーション７３０（たとえば、オペレーティングシステム７０８、その他のアプリケーション７１２のうちの１つ以上のアプリケーション）を呼び出すアプリケーションが、機械学習アプリケーション７３０が生成した推論を利用、たとえば、推論をユーザに提供してもよく、システムログ（たとえば、ユーザによって許可されている場合、推論に基づいてユーザがとる行動；または、さらに処理を行うための入力として利用される場合、当該さらに行う処理の結果）を生成してもよい。システムログは、たとえば、１時間ごと、１ヶ月ごと、四半期ごとなど、定期的に生成されてもよく、ユーザの許可
がある場合、訓練済みモデル７３４を更新する、たとえば、訓練済みモデル７３４用の埋め込みを更新するために用いられてもよい。

いくつかの実施態様では、機械学習アプリケーション７３０が実行されるデバイス７００の特定の構成に適応できるように機械学習アプリケーション７３０を実装してもよい。たとえば、機械学習アプリケーション７３０は、使用可能な計算リソース、たとえば、プロセッサ７０２を利用する計算グラフを求めてもよい。たとえば、機械学習アプリケーション７３０が複数のデバイス上の分散アプリケーションとして実装された場合、機械学習アプリケーション７３０は、個々のデバイス上で計算を最適化する方法で行われる計算を求めてもよい。別の例では、機械学習アプリケーション７３０は、プロセッサ７０２が特定の数のＧＰＵコア（たとえば、１０００個）を有するＧＰＵを含んでおり、（たとえば、１０００個の個々のプロセスまたはスレッドとして）それに応じて推論エンジンを実装していると判断してもよい。

いくつかの実施態様では、機械学習アプリケーション７３０は、訓練済みモデルの一式を実装してもよい。たとえば、訓練済みモデル７３４は、同じ入力データに各々が適用可能な複数の訓練済みモデルを含んでもよい。これらの実施態様では、機械学習アプリケーション７３０は、たとえば、使用可能な計算リソース、前の推論を用いた場合の成功率などに基づいて特定の訓練済みモデルを選んでもよい。いくつかの実施態様では、機械学習アプリケーション７３０は、複数の訓練済みモデルが適用されるよう、推論エンジン７３６を実行してもよい。これらの実施態様では、機械学習アプリケーション７３０は、たとえば、各訓練済みモデルを適用することによって得られる出力に得点を付ける多数決を用いて、または１つ以上の特定の出力を選ぶことによって、個々のモデルを適用することから得られる出力を組み合わせてもよい。さらには、これらの実施態様では、機械学習アプリケーションは、個々の訓練済みモデルを適用するための時間閾値（たとえば、０．５ミリ秒）を適用して、時間閾値内で使用可能な個々の出力のみを利用してもよい。時間閾値内に受信しなかった出力は、使用しなくてもよく、たとえば破棄してもよい。たとえば、このような手法は、たとえばオペレーティングシステム７０８または１つ以上のアプリケーション７１２によって機械学習アプリケーションを呼び出している間に指定された時間制限が存在する場合に適しているであろう。

異なる実施態様では、機械学習アプリケーション７３０は、異なる種類の出力を生成できる。たとえば、機械学習アプリケーション７３０は、表現もしくはクラスタ（たとえば、入力データの数値表現）、（たとえば、画像、文書などを含む入力データの）ラベル、フレーズまたは文（たとえば、入力文に対する応答として使用するのに適した画像または動画の記述など）、（たとえば、入力に応答して機械学習アプリケーションが生成した）画像、音声または動画（たとえば、入力動画に応答して、機械学習アプリケーション７３０は、特定の効果が適用された出力動画を生成してもよく、たとえば、コミック本または特定のアーティストからの訓練データを用いて訓練済みのモデル７３４が訓練される場合などでは、コミック本または特定のアーティストのスタイルで描画された出力動画を生成してもよい）を提供できる。いくつかの実施態様では、機械学習アプリケーション７３０は、呼び出し中のアプリケーション、たとえば、オペレーティングシステム７０８または１つ以上のアプリケーション７１２によって指定されたフォーマットに基づいて出力を生成してもよい。いくつかの実施態様では、呼び出し中のアプリケーションは、別の機械学習アプリケーションであってもよい。たとえば、このような構成は、呼び出し中の機械学習アプリケーションが機械学習アプリケーション７３０からの出力を用いて訓練される、または、機械学習アプリケーション７３０が呼び出し中の機械学習アプリケーションからの出力を用いて訓練される敵対的生成ネットワークにおいて用いられてもよい。

メモリ７０４にあるソフトウェアを、代わりにその他の適した記憶位置またはコンピュ
ータ読み取り可能な媒体上に格納することができる。これに加えて、メモリ７０４（および／もしくはその他の接続された記憶装置（複数可））は、本明細書において説明した特徴において用いられる１つ以上のメッセージ、１つ以上の分類法、電子百科事典、辞書、類語辞典、ナレッジベース、メッセージデータ、文法、ユーザの好み、ならびに／またはその他の命令およびデータを格納することができる。メモリ７０４およびその他の種類のストレージ（磁気ディスク、光ディスク、磁気テープ、もしくはその他の有形の媒体）は、「ストレージ」もしくは「記憶装置」とみなされ得る。

Ｉ／Ｏインターフェース７０６は、サーバ装置７００をその他のシステムおよびデバイスとインターフェース接続することを可能にする機能を提供できる。インターフェース接続されたデバイスを、デバイス７００の一部として含めることができる。または、インターフェース接続されたデバイスは、別個であり得、デバイス７００と通信を行うことができる。たとえば、ネットワーク通信装置、記憶装置（たとえば、メモリおよび／またはデータベース１０６）、ならびに入出力装置は、Ｉ／Ｏインターフェース７０６を介して通信を行うことができる。いくつかの実施態様では、Ｉ／Ｏインターフェースは、入力装置（キーボード、ポインティングデバイス、タッチスクリーン、マイクロフォン、カメラ、スキャナ、センサーなど）および／または出力装置（表示装置、スピーカ装置、プリンタ、モーターなど）など、インターフェース装置に接続することができる。

Ｉ／Ｏインターフェース７０６に接続できるインターフェース接続されたデバイスのいくつかの例として、画像、動画など、コンテンツを表示するために用いることができる１つ以上の表示装置７２０、および／または本明細書において説明した出力アプリケーションのユーザインターフェースなどを挙げることができる。表示装置７２０は、ローカル接続（たとえば、表示バス）を介して、および／またはネットワーク接続された接続を介してデバイス７００に接続することができ、任意の適切な表示装置であり得る。表示装置７２０は、ＬＣＤ画面、ＬＥＤ画面、もしくはプラズマディスプレイ画面、ＣＲＴ、テレビ、モニタ、タッチスクリーン、３Ｄディスプレイ画面、またはその他の表示装置デバイスなど、任意の適切な表示装置を含み得る。たとえば、表示装置７２０は、モバイル機器上に提供されるフラットディスプレイ画面、ゴーグルまたはヘッドセット装置において備えられる複数のディスプレイ画面、または、コンピュータデバイスのモニタ画面であり得る。

Ｉ／Ｏインターフェース７０６は、その他の入力装置および出力装置にインターフェース接続することができる。いくつかの例として、画像を撮影できる１つ以上のカメラなどが挙げられる。いくつかの実施態様は、（たとえば、撮影画像の一部、音声コマンドなどとして）音を記録するためのマイクロフォン、音を出力するためのオーディオスピーカ装置、またはその他の入力装置および出力装置を提供することができる。

カメラ７１６は、複数のフレームを含む動画像を撮影できる任意の種類のカメラであってもよい。いくつかの実施態様では、カメラ７１６は、たとえば、正面レンズ対背面レンズ、異なるズームレベル、撮影画像の画像解像度など、異なる能力を有する複数のレンズを含んでもよい。いくつかの実施態様では、デバイス７００は、深度センサー、加速度計、位置センサー（たとえば、ＧＰＳ）、ジャイロスコープなど、１つ以上のセンサーを含んでもよい。いくつかの実施態様では、これらの１つ以上のセンサーをカメラとともに操作して、カメラを用いて撮影した動画像の異なるフレームに対応するセンサー測定値を取得してもよい。

説明を容易にするために、図７は、プロセッサ７０２、メモリ７０４、Ｉ／Ｏインターフェース７０６、カメラ７１６、ならびにソフトウェアブロック７０８、７１２、および７３０の各々について１つのブロックを示す図である。これらのブロックは、１つ以上の
プロセッサもしくは処理回路、１つ以上のオペレーティングシステム、１つ以上のメモリ、１つ以上のＩ／Ｏインターフェース、１つ以上のアプリケーション、および／または１つ以上のソフトウェアモジュールを表してもよい。その他の実施態様では、デバイス７００は、図示した構成要素のすべてを有さなくてもよく、および／または、本明細書において示した要素の代わりまたはそれらに加えて、その他の種類の要素を含むその他の要素を有してもよい。いくつかの構成要素について、本明細書のいくつかの実施態様に記載したブロックおよび動作を行うと説明したが、環境１００、デバイス７００、同様のシステムの任意の適切な構成要素もしくは構成要素の組合せ、またはこのようなシステムに対応付けられた任意の適切な１つのプロセッサまたは複数プロセッサが、記載のブロックおよび動作を実行してもよい。

本明細書において説明する方法を、コンピュータ上で実行できるコンピュータプログラム命令またはコードによって実装することができる。たとえば、コードは、１つ以上のデジタルプロセッサ（たとえば、マイクロプロセッサまたはその他の処理回路）によって実装することができ、半導体メモリもしくは固体メモリ、磁気テープ、リムーバブルコンピュータディスク、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、剛性磁気ディスク、光ディスク、固体メモリドライブなどを含む、磁気記憶媒体、光記憶媒体、電磁記憶媒体、もしくは半導体記憶媒体など、非一時的なコンピュータ読み取り可能な媒体（たとえば、記憶媒体）を含むコンピュータプログラムプロダクト上に格納することができる。また、プログラム命令は、たとえば、サーバ（たとえば、分散システムおよび／またはクラウドコンピューティングシステム）から配信されるＳａａＳ（Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）形式の電気信号として含めることができ、電気信号として提供することができる。あるいは、１つ以上の方法をハードウェア（論理ゲートなど）で実現したり、ハードウェアとソフトウェアとの組合せで実現したりすることができる。例示的なハードウェアとして、プログラマブルプロセッサ（たとえば、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＣＰＬＤ（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ））、汎用プロセッサ、グラフィックスプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などがあり得る。１つ以上の方法を、システム上で動作するアプリケーションのコンポーネントとしてまたはその一部として実行することができたり、その他のアプリケーションおよびオペレーティングシステムと連動して動作するアプリケーションまたはソフトウェアとして実行したりすることができる。

特定の実施態様の説明について記載したが、これらの特定の実施態様は、例示に過ぎず、限定ではない。例示した概念をその他の例および実施態様に適用してもよい。

本明細書に記載の特定の実施態様がユーザについての個人情報（たとえば、ユーザデータ、ユーザのソーシャルネットワークについての情報、ユーザの位置およびユーザが当該位置にいるときの時刻、ユーザの生体情報、ユーザの活動およびデモグラフィック情報）を収集または使用し得る状況では、ユーザには、情報を収集してもよいかどうか、個人情報を保存してもよいかどうか、個人情報を利用してもよいかどうか、ならびにユーザについての情報がどのように収集、格納、および利用されるかについて規制できる１つ以上の機会が与えられる。つまり、本明細書に記載のシステムならびに方法は、具体的には、関連のあるユーザからユーザ個人情報を収集、格納、および／または利用してもよいという明確な許可を受け取った際にそのようにする。

たとえば、プログラムもしくは特徴がユーザについてのユーザ情報または当該プログラムもしくは当該特徴に関連性のあるその他のユーザについてのユーザ情報を収集するかどうかについて、その特定のユーザが規制することができる。個人情報が収集される各ユー
ザには、そのユーザに関連性のある情報収集を規制できるオプション、情報を収集してもよいかどうか、および情報のどの部分を収集するかについての許可または承認が与えられるオプションなど、１つ以上のオプションが提示される。たとえば、ユーザには、１つ以上のこのような規制オプション通信ネットワーク上で与えることができる。これに加えて、個人を特定できる情報が取り除かれるよう、特定のデータを、格納または利用される前に１つ以上の方法で扱ってもよい。一例として、個人を特定できる情報が特定できないようにユーザの身元を扱ってもよい。別の例として、ユーザの特定の位置が特定できないよう、ユーザデバイスの地理的位置をより大きな地域に一般化してもよい。

なお、当業者に分かるように、本開示に記載の機能ブロック、動作、特徴、方法、デバイス、およびシステムを、システム、デバイス、および機能ブロックの異なる組合せに統合したり、分割したりしてもよい。任意の適切なプログラミング言語およびプログラミング技法を用いて特定の実施態様のルーチンを実装してもよい。手続き型またはオブジェクト指向など、異なるプログラミング技法を用いてもよい。このルーチンを１つの処理装置または複数のプロセッサ上で実行してもよい。ステップ、動作、または計算は、特定の順序で提示されているが、この順序は、異なる特定の実施態様において変更されてもよい。いくつかの実施態様では、本明細書において一続きで示した複数のステップまたは複数の動作が、同時に実行されもよい。

Claims (20)

1. 複数のフレームを含む動画像を表示するための、コンピュータにより実現される方法であって、
   前記動画像の動きスコアを、前記動画像の前記複数のフレームに基づいて決定するステップと、
   前記動きスコアが表示しきい値を満たすかどうかを判断するステップと、
   前記動きスコアが前記表示しきい値を満たす場合、前記動画像の複数のフレームを連続して表示することによって、前記動画像を被写体の動きを伴って表示させるステップと、
   前記動きスコアが前記表示しきい値を満たさなかった場合、前記動画像の複数のフレームのうち特定のフレームを表示することによって、前記動画像を被写体の動きなしで表示させるステップとを含む、方法。
2. 前記動画像は、１つ以上のその他の画像を含むユーザインターフェースにおいて表示され、前記動きスコアが前記表示しきい値を満たす場合、前記ユーザインターフェースにおける前記動画像のサイズは、前記１つ以上のその他の画像のうち少なくとも１つよりも大きい、請求項１に記載の、コンピュータにより実現される方法。
3. 前記動画像は、１つ以上のその他の画像を含むユーザインターフェースの一部として表示され、前記方法は、さらに、
   前記１つ以上のその他の画像の各動きスコアを決定するステップと、
   前記各動きスコアに基づいて前記表示しきい値を選択するステップとを含み、前記選択するステップは、
   前記動画像の動きスコアよりも高い動きスコアにそれぞれ対応付けられた前記１つ以上のその他の画像の数を判断するステップと、
   前記数がしきい値数以上である場合、前記表示しきい値を、前記動画像の動きスコアよりも高く設定するステップと、
   前記数が前記しきい値数未満である場合、前記表示しきい値を、前記動画像の動きスコアよりも低く設定するステップとを含む、請求項１に記載の、コンピュータにより実現される方法。
4. 前記動画像を表示するソフトウェアアプリケーションの複数の実行スレッドに少なくとも部分的に基づいて前記しきい値数を決定するステップをさらに含む、請求項３に記載の、コンピュータにより実現される方法。
5. 前記動きスコアを決定するステップは、
   前記複数のフレームのそれぞれの画素値に基づいて、前記動画像の背景部分の安定性の程度、前記動画像の被写体の種類、および前記動画像における前記被写体の移動の程度を判断するステップと、
   前記安定性の程度、前記被写体の種類、および前記被写体の移動の程度に基づいて前記動きスコアを算出するステップとを含む、請求項１に記載の、コンピュータにより実現される方法。
6. 前記被写体の種類は、風景または無生物であり、前記動きスコアを算出するステップは、前記動きスコアを前記表示しきい値未満の値に設定するステップを含む、請求項５に記載の、コンピュータにより実現される方法。
7. 前記動きスコアを算出するステップは、
   前記被写体の移動の程度が移動のしきい値レベルを満たすかどうかを判断するステップと、
   前記被写体の移動の程度が前記移動のしきい値レベルを満たすと判断された場合、前記動きスコアを前記表示しきい値を満たす値に設定するステップと、
   前記被写体の移動の程度が前記移動のしきい値レベルを満たさないと判断された場合、前記動きスコアを前記表示しきい値を満たさない値に設定するステップとを含む、請求項５に記載の、コンピュータにより実現される方法。
8. 第１種類の被写体は顔であり、第２種類の被写体は体であり、前記顔に対応付けられた移動の第１しきい値レベルは、前記体に対応付けられた移動の第２しきい値レベルよりも低い、請求項７に記載の、コンピュータにより実現される方法。
9. 前記動画像の動きスコアを決定するステップは、前記動画像のビュー数が視聴者数しきい値を満たす場合、または、少なくとも１つのモーションアーティファクトが前記動画像に基づいて作成されていた場合、前記動きスコアを前記表示しきい値を満たす値に設定するステップをさらに含む、請求項１に記載の、コンピュータにより実現される方法。
10. 前記動画像の動きスコアを判断するステップは、複数の層に編成された複数のノードを含み、動きスコアを決定するように構成されたニューラルネットワークから構成された訓練済みの機械学習モデルを適用するステップを含み、前記動画像は、前記訓練済みの機械学習モデルへの入力として提供される、請求項１に記載の、コンピュータにより実現される方法。
11. 前記動画像は、クライアントデバイスによって撮影されて、前記クライアントデバイスの揮発性メモリに保存され、前記方法は、さらに、
    前記動きスコアが保存しきい値を満たすと判断するステップと、
    前記動きスコアが前記保存しきい値を満たす場合、前記動画像を前記クライアントデバイスの不揮発性メモリに保存するステップと、
    前記動きスコアが前記保存しきい値を満たさなかった場合、前記動画像を自動的に静止画像に変更するステップとを含み、
    前記静止画像は、前記複数のフレームのうち、特定のフレームのみを含み、前記動画像よりも小さいファイルサイズを有し、
    前記変更するステップは、
    前記複数のフレームのうち、その他のフレームを削除するステップと、
    前記静止画像を前記クライアントデバイスの前記不揮発性メモリに保存するステップとを含む、請求項１に記載の、コンピュータにより実現される方法。
12. 複数のフレームから構成される動画像を表示するためのデバイスであって、前記デバイスは、
    プロセッサと、
    命令を格納した非一時的なコンピュータ読み取り可能な媒体とを備え、前記命令は、前記プロセッサによって実行されると、前記プロセッサに動作を実行させ、前記動作は、
    前記動画像の動きスコアを、前記複数のフレームに基づいて決定する動作と、
    前記動きスコアが表示しきい値を満たすかどうかを判断する動作と、
    前記動きスコアが前記表示しきい値を満たす場合、前記動画像の複数のフレームを連続して表示することによって、前記動画像を被写体の動きを伴って表示させる動作と、
    前記動きスコアが前記表示しきい値を満たさなかった場合、前記動画像の複数のフレームのうち特定のフレームを表示することによって、前記動画像を被写体の動きなしで表示させる動作とを含む、デバイス。
13. 前記動画像の動きスコアを判断する動作は、複数の層に編成された複数のノードを含むニューラルネットワークから構成された訓練済みの機械学習モデルを適用する動作を含み
    、前記訓練済みの機械学習モデルは、前記デバイスに格納され、動きスコアを決定するように構成され、前記動画像は、前記訓練済みの機械学習モデルへの入力として提供される、請求項１２に記載のデバイス。
14. 前記動作は、さらに、
    前記動画像のビュー数が視聴者数しきい値を満たす、または、前記動画像からモーションアーティファクトが作成されたと判断する動作と、
    前記判断に応答して、前記訓練済みの機械学習モデルを更新する動作とを含み、前記訓練済みの機械学習モデルを更新する動作は、
    前記複数のノードのうち、少なくとも１つのノードの重みを調整する動作、および前記複数のノードのうち少なくとも１対のノード間の接続を更新する動作のうち、少なくとも１つの動作を含む、請求項１３に記載のデバイス。
15. 前記動作は、さらに、
    前記動画像の背景部分の安定性の程度を判断する動作と、
    前記動画像の被写体の種類、および前記動画像における前記被写体の移動の程度を判断する動作とを含み、
    前記背景部分の安定性の程度、前記被写体の種類、および前記被写体の移動の程度は、さらなる入力として前記訓練済みの機械学習モデルに提供される、請求項１３に記載のデバイス。
16. 前記動作は、さらに、
    前記複数のフレームのうち、特定のフレームのみを表示することによって前記動画像を静止画像として表示するためのユーザ入力を受け付ける動作と、
    前記ユーザ入力に応答して、
    前記訓練済みの機械学習モデルを更新する動作とを含み、前記機械学習モデルを更新する動作は、
    前記複数のノードのうち、１つのノードの重みを調整する動作、および前記複数のノードのうち、１対のノード間の接続を更新する動作のうち、少なくとも１つの動作を含む、請求項１３に記載のデバイス。
17. カメラをさらに備え、前記動画像は、前記カメラで撮影されて前記デバイスの揮発性メモリに保存され、前記動作は、さらに、
    前記動きスコアが保存しきい値を満たすかどうかを判断する動作と、
    前記動きスコアが前記保存しきい値を満たす場合、前記動画像を前記デバイスの不揮発性メモリに保存する動作と、
    前記動きスコアが前記保存しきい値を満たさなかった場合、前記動画像を自動的に静止画像に変更する動作とを含み、
    前記静止画像は、前記複数のフレームのうち、特定のフレームのみを含み、前記動画像よりも小さいファイルサイズを有し、
    前記変更する動作は、
    前記複数のフレームのうち、その他のフレームを削除する動作と、
    前記静止画像を前記デバイスの前記不揮発性メモリに保存する動作とを含む、請求項１２に記載のデバイス。
18. 命令を格納した非一時的なコンピュータ読み取り可能な媒体であって、前記命令は、プロセッサによって実行されると、前記プロセッサに動作を実行させ、前記動作は、
    動画像の動きスコアを、前記動画像の複数のフレームに基づいて決定する動作と、
    前記動きスコアが表示しきい値を満たすかどうかを判断する動作と、
    前記動きスコアが前記表示しきい値を満たす場合、前記動画像の複数のフレームを連続
    して表示することによって、前記動画像を被写体の動きを伴って表示させる動作と、
    前記動きスコアが前記表示しきい値を満たさなかった場合、前記動画像の複数のフレームのうち特定のフレームを表示することによって、前記動画像を被写体の動きなしで表示させる動作とを含む、非一時的なコンピュータ読み取り可能な媒体。
19. さらなる命令を格納し、前記さらなる命令は、前記プロセッサによって実行されると、前記プロセッサに動作を実行させ、前記動作は、
    前記動画像の背景部分の安定性の程度を判断する動作と、
    前記動画像の被写体の種類、および前記動画像における前記被写体の移動の程度を判断する動作とを含み、前記動きスコアは、前記安定性の程度、前記被写体の種類、および前記被写体の移動の程度に基づく、請求項１８に記載の非一時的なコンピュータ読み取り可能な媒体。
20. さらなる命令を格納し、前記さらなる命令は、前記プロセッサによって実行されると、前記プロセッサに動作を実行させ、前記動作は、
    １つ以上のその他の画像の各動きスコアを決定する動作と、
    前記各動きスコアに基づいて前記表示しきい値を選択する動作とを含み、前記選択する動作は、
    前記動画像の動きスコアよりも高い動きスコアにそれぞれ対応付けられた前記１つ以上のその他の画像の数を判断する動作と、
    前記数がしきい値数以上である場合、前記表示しきい値を、前記動画像の動きスコアよりも高く設定する動作と、
    前記数が前記しきい値数未満である場合、前記表示しきい値を、前記動画像の動きスコアよりも低く設定する動作とを含む、請求項１８に記載の非一時的なコンピュータ読み取り可能な媒体。

Images