JP5863375B2 - 情報処理システム、画像処理システム、情報処理方法、およびプログラム - Google Patents

Description

本発明は、情報処理システム、画像処理システム、情報処理方法、およびプログラムに関する。

画像データを画面へ表示する際やプリントアウトを行う際に、見栄えをよくするなどの目的で、画像データに対して種々の補正処理を施すことが一般的に行われている。このような画像補正を行う場合、ユーザは、画像処理ソフトウェアやオンラインサービスを用いて補正処理の手順（以下、「補正手順」という。）を指示し、ユーザの嗜好に合致した画像へと変換することが一般的に行われている。

画像データを補正してユーザの嗜好に合致した画像へと変換するには、補正手順を適切に構成する必要がある。しかし、補正手順の構成は高い習熟度と大きな労力を要する作業であり、補正手順の構成に習熟していないユーザにとって目的とする画像補正を施こすために必要な各パラメータ設定が煩雑であるという課題がある。この課題を解決するための従来技術として、補正対象画像と類似した特徴を有する画像（以下、「類似画像」という。）に対して過去に施した補正手順を、該補正対象画像に対して再び適用する技術が知られている。

例えば、特許文献１には、画像データの特徴を画像データに施した補正手順と関連付けて記憶することで、補正対象画像データと類似する画像に適用された補正手順を補正対象画像データに処理を施す技術が開示されている。

また、特許文献２には、予めサンプル画像ごとに最適な補正手順を蓄積することで、処理対象画像に最も類似するサンプル画像と対応付けられた補正手順を選択し、選択した補正手順に従い処理対象画像に対して補正を施す技術が開示されている。

また、特許文献３には、あるユーザが補正対象画像に補正を施す際に、性別、年代等のユーザ情報により同じカテゴリに分けられた別のユーザが、処理対象画像と類似する画像に対して施した補正手順に基づいて、補正対象画像に補正を施す技術が開示されている。

一方、ユーザがネットワーク上に蓄積されている情報を検索する際に、膨大な情報の中からユーザが求める情報をふるい分ける目的で、ユーザ同士の関係をグラフ構造として表現した情報であるソーシャルグラフを用いることが一般的に行われている。具体的には、該ソーシャルグラフを用いて該ユーザと嗜好の近いユーザを見つけ出し、該嗜好の近いユーザが情報に対して与えた評価を用いることで、ユーザ自身の嗜好に合致した情報の発見を容易にする。

特開２００６−３２３５８０号公報 特開２００４−５４７５１号公報 特開２００９−１６９６２０号公報

各々のユーザは、画像の仕上がりに対して互いに異なった嗜好を持っている。しかしながら、上述の従来技術では必ずしも各々のユーザの嗜好に合致した画像へと変換することのできる補正手順を提示される訳はではない。

例えば、特許文献１に記載の技術においては、画像処理システムに記憶させる補正処理の手順は、あらかじめユーザ自身が作成する必要がある。したがって、以前に類似した画像の補正手順を構成していない場合、ユーザ自身の嗜好に合致した画像へと変換することは難しい。

また、特許文献２に記載の技術においては、処理対象画像に最も類似するサンプル画像に対応する、あらかじめ蓄積された補正手順を選択して画像処理を行う。このため、画像の仕上がりに対する嗜好の異なる複数のユーザが補正手順を蓄積する場合、各々のユーザの嗜好に合致した補正手順を必ずしも選択できないという不都合が生じる。

また、特許文献３に記載の技術においては、画像処理システムを利用するユーザに対し、男女の性差や年代等の点で同様の特性を持つユーザが、処理対象画像と同様の特徴を持つ画像に対して施した補正手順を用いて画像処理を行う。しかし、ユーザと同じ特性を持つ他のユーザの嗜好と該ユーザ自身の嗜好が一致しない場合、良好な結果を得ることができないという問題がある。

本技術は、このような従来技術の問題点を解消するべく案出されたものである。その主な目的は、ユーザと似た趣味、趣向を持つ他のユーザが構成した補正手順をユーザの画像データに適用することを容易にすることである。

上記の課題を解決するために本発明の情報処理システムは、ネットワークを介してユーザ同士によるコミュニケーションが行われるサービスの利用状況に基づいて、前記サービスのユーザ間の関連度合いを判定する第１の判定手段と、推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像との関連度合いを判定する第２の判定手段と、前記第１の判定手段による判定結果と第２の判定手段による判定結果に応じて、前記推奨対象のユーザ以外の他のユーザによって施された画像補正処理を前記推奨対象のユーザに推奨する推奨手段とを有する。

本発明によれば、ユ―ザと似た趣味、趣向を持つと思われる他のユーザが構成したユーザの画像と関連する画像に施された補正手順をユーザの画像にも適用することができる。

ある画像データに施す際に構成した補正手順を、他の画像に対しても再度適用し、あるいは当該の補正手順に基づいて新たに派生補正手順を構成する例を示す図である。 本実施形態に係る画像処理システムの構成を示すブロック図である。 画像処理システム２００を構成する各サーバの構成を示すブロック図である。 ユーザを表現するノードを含むソーシャルグラフの一例を示す図である。 ソーシャルグラフ記録手段２０５の具体例である。 ソーシャルグラフ記録処理のフローチャートである。 補正履歴記録手段２１１の具体例である。 補正手順記録処理のシーケンス図である。 補正手順提供処理のシーケンス図である。 画像データをノードとしてさらに含むソーシャルグラフの一例を示した図である。 補正手順をノードとしてさらに含むソーシャルグラフの一例を示した図である。

以下、添付の図面を参照して、本発明をその好適な実施形態に基づいて詳細に説明する。なお、以下の実施形態において示す構成は一例に過ぎず、本発明は図示された構成に限定されるものではない。

（第１の実施の形態）
図２は本発明の実施形態に係る画像処理システムの構成を示すブロック図である。

図２において、画像処理システム２００は、ソーシャルグラフサーバ２０１と、補正処理サーバ２０２と、補正履歴サーバ２０３とを備える。図３は、画像処理システム２００を構成する各サーバの構成を示すブロック図である。各サーバは、後述する各サーバの動作を実現するプログラムが格納されるＲＯＭ３０１と、ワークスペースや一時メモリとしてのＲＡＭ３０２と、永続的に保存されるデータを格納するストレージ３０３とを備える。また、各サーバは、プログラムを実行することにより各構成要素の動作を制御するＣＰＵ３０４と、他のサーバと通信するネットワーク・インタフェース３０５をさらに備える。また、各サーバにおいて、各々の構成要素はバス３０６を介して互いに通信可能に接続される。また、画像処理システム２００において、各々のサーバはネットワーク２０４を介して互いに通信可能に接続される。また、各サーバは情報の演算や加工等を行うコンピュータ（情報処理装置）である。

図２において、ソーシャルグラフサーバ２０１は、ネットワーク上で運営されるＳｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ（ＳＮＳ）での各ユーザの活動に基づいて形成されるソーシャルグラフを保持するサーバである。ここで、本実施形態に係るＳＮＳとは、ユーザ夫々が画像やブログ（日記）等をＳＮＳ上にアップロードし、アップロードされた画像や他のユーザに対する評価やコメントを行うことが可能である。また、ＳＮＳは、上述のネットワーク上（ＳＮＳ）での活動を通じてユーザ同士のコミュニケーションの場を提供するサービスである。また、各ユーザは自身の誕生日、職業などのプロフィール、スケジュール、日記を登録し、他のユーザに公開することができる。また、ＳＮＳのユーザは、他のユーザを「友人」または「お気に入り」として設定したり、ユーザ同士でメッセージのやり取りをしたりすることが可能である。また、ユーザが写真などのコンテンツを投稿して公開することが可能である。また、公開したコンテンツに対して他のユーザからコメントや評価が付与される。また、ＳＮＳにおいて、ユーザは共通の趣味、趣向、属性を有するユーザを募集する「グループ」を構築することができる。ユーザは、「グループ」を構築して、共通の趣味、趣向、属性を有する他のユーザを募集したり、他のユーザが構築した「グループ」に参加したりすることが可能である。また、ユーザ間のメッセージの送受信の回数などを記録可能である。

これらのＳＮＳでの各ユーザの活動に基づいて、各ユーザ間で関連が構築され、該関連をグラフとして表したものがソーシャルグラフである。本実施形態においてソーシャルグラフは、ユーザを表すノード同士をエッジで結んだグラフとして表現される。

ソーシャルグラフサーバ２０１は、前述したソーシャルグラフを記録するソーシャルグラフ記録手段２０５を備える。また、ソーシャルグラフサーバ２０１は、ソーシャルグラフを構成する際に、ユーザ同士の互いへの関心の度合いに基づいて各ユーザに重みづけるユーザ重み付け手段２０６を備える。さらに、ユーザ同士のソーシャルグラフ上での関連の度合いの尺度である距離を算出する距離算出手段２０７をさらに備える。

ここで、ソーシャルグラフサーバ２０１が管理するソーシャルグラフは、画像処理システム２００のユーザを表現するノードを含み、該ユーザ間の一方向あるいは双方向の参照関係をエッジとして表現する重み付き有向グラフである。具体的には、ユーザ間の参照関係は、あるユーザが他のユーザに対して関心があることを表す。また、ユーザ重み付け手段２０６は、ユーザを表すノード間を結ぶエッジを、一方のユーザが他方のユーザに対して持っている関心の度合いに基づいて重み付ける。さらに、ユーザを表すノードを、他のユーザから持たれている関心の度合いに基づいて重み付ける。一例として、一方のユーザＡから他方のユーザＢへの関心は、ユーザＡがユーザＢを友達として登録していることによって表される。また、一方のユーザＡから他方のユーザＢへの関心は、ユーザＢがＳＮＳなどにアップロードした画像をユーザＡが評価を行っていることにより表される。加えて、ユーザＡとユーザＢが同じ趣味に対して関心を持っており、また同じ画像やウェブページに対して評価を与えていることによっても表される。また、ＳＮＳ上で同じ「グループ」に属している際に互いに関心が高いとされ、より重みづけのウェイトが高くなる。さらに、ＳＮＳ上での「グループ」が画像に関する場合であればより重みづけのウェイトが高くなるよう構成しても良い。

また、ユーザＡからユーザＢへの関心の度合いは、ユーザＡがユーザＢに対して付与したレーティング情報や、ユーザＡからユーザＢへのメッセージの送信頻度に基づいて決定する。さらに、前記関心の度合いは、ユーザＡとユーザＢの共通する趣味の個数や、共に評価を与えているウェブページの個数にさらに基づいて決定する。

図４は、ソーシャルグラフサーバ２０１に記録される、画像処理システムのユーザを表現するノードを含むソーシャルグラフの一例を示す図である。図４において、ソーシャルグラフのエッジは、ユーザが他のユーザに対して持っている関心の度合いに基づいて、０〜１の範囲で重み付けされる。また、ユーザを表すノードは、ユーザを終点とするエッジの重み付けを合計した値で重み付けられる。ここで、エッジの重み付けは、数字が大きいほど始点のノードを表すユーザが終点のノードを表すユーザに強い関心を抱いていることを示し、「１」が最も関心の度合いが高く、「０」が最も関心の度合いが低い。また、ノードの重み付けは、数字が大きいほどソーシャルグラフ全体の中でノードを表すユーザが他のユーザから関心を持たれていることを示す。

例えば、図４において、ユーザＡは、ユーザＣとユーザＤを友達として登録しており、ユーザＣとユーザＤがＳＮＳなどにアップロードした画像に基づいて、ユーザＣに対して３点（１０点満点）とユーザＤに対して（１０点満点）１点のレーティングを与えている。また、ユーザＡは、ユーザＢとユーザＤから友達として登録されており、それぞれから２点ずつのレーティングを与えられている。

これらの各ユーザのネットワーク上での活動を示す情報に基づいて、ソーシャルグラフサーバ２０１は、図４に示すソーシャルグラフを構成する。また、図４に示すソーシャルグラフにおいて、ＳＮＳでの友達登録に基づいて、ユーザＡとユーザＢ、およびユーザＡとユーザＣの間に片方向のエッジが形成され、ユーザＡとユーザＤの間に両方向のエッジが形成される。また、夫々のユーザがアップロードした画像の他のユーザからのレーティングに基づいて、ユーザＡからユーザＣおよびユーザＤへ張られたエッジは、それぞれ０．３と０．１で重み付けされている。そして、ユーザＢとユーザＤからユーザＡへ張られたエッジは、それぞれ０．２で重み付けされる。さらに、ユーザＡを表すノードを終端とするエッジの重みを全て合計すると０．４であるので、すなわち、ユーザＡを表すノードは０．４で重み付けられる。図５は、ソーシャルグラフ記録手段２０５が保持するデータ構造の具体例である。

図５において、テーブルの列方向には同一の属性（例えば、識別子）の情報が配列され、行方向には各属性に対応する情報が配列される。具体的には、テーブルａ及びテーブルｂの識別子の欄には、ソーシャルグラフに含まれるノードを表す識別子が配置される。また、テーブルａの種別の欄には、ノードが表現する対象の種類が配置され、重み付けの欄には、該ノードの重み付けが配置される。さらに、テーブルｂの隣接点の欄には、エッジによって結ばれた他のノードの識別子が配置され、重み付けの欄には、該エッジの重み付けが配置される。図５のテーブルでは、行方向に配置された各種情報が互いに関連付けられている。例えば、テーブルａにおいて、識別子「１」と、種別「ユーザ」と、重み付け「０．３」とが互いに関連付けられ、また、テーブルｂにおいて、識別子「１」と、隣接点「３」と、重み付け「０．３」とが互いに関連付けられている。

図２に戻り、ソーシャルグラフサーバ２０１の構成の説明を続ける。ソーシャルグラフサーバ２０１の距離算出手段２０７は、ソーシャルグラフ記録手段２０５が記録したソーシャルグラフに基づいて、任意に選択したユーザ間のソーシャルグラフ上での距離であるユーザ間距離を算出する。具体的には、ソーシャルグラフ上において二人のユーザを表すノード間を結ぶ経路上にある各々のエッジについて、エッジに施された重み付けに基づいて長さを求め、算出した各エッジの長さに基づいてユーザ間距離を算出する。即ち、距離算出手段２０７は、ネットワーク上での活動により構成されたユーザと他の人物との関連を示す情報（ソーシャルグラフ）に基づいて、前記ユーザと前記他の人物との関連を判定する（第１の判定）。

続いて、補正処理サーバ２０２の構成について説明する。補正処理サーバ２０２は、ユーザがアップロードした画像を、他の画像に既に施された補正手順に基づいて補正を施す画像データ補正手段２０８を備える。また、補正処理サーバ２０２は、画像データの特徴である画像特徴を検出する特徴検出手段２０９を備える。また、画像データに施された補正手順と、該画像データの画像特徴と、補正手順を構成したユーザとを関連付けて後述する補正履歴サーバ２０３に登録する補正履歴登録手段２１０をさらに備える。

画像データ補正手段２０８は、ユーザが画像データに補正を施す際に指示した一連の処理手順である補正手順に基づいて、画像データに補正を施す。具体的には、画像データ補正手段２０８は、ユーザが補正を施す画像データに対して、γカーブ補正処理、空間フィルタ処理、肌色強調処理、赤目処理等の画像補正処理を、ユーザの指示した順序で補正処理を施す。画像データに対して施す画像処理は、ユーザが指定するγカーブ、空間フィルタ半径、肌色強調量、赤目処理範囲等の補正パラメータ等に従う。また、画像データ補正手段２０８は、補正履歴サーバ２０３が保持する補正手順に従い、画像データに補正処理を行う。

特徴検出手段２０９は、補正処理サーバ２０２において補正を施した画像データまたは入力された画像データの特徴である画像特徴を検出する。具体的には、特徴検出手段２０９は、補正処理サーバ２０２において補正を施した画像データを解析する。そして、特徴検出手段２０９は、画像の特徴を定量的に表現した指標であるヒストグラム、エッジ量、人物の顔の位置や大きさ、赤目等の画像特徴量や、画像に写りこんでいる物体や人物の名前、撮影位置や撮影日時等のコンテキスト情報などを検出する。補正履歴登録手段２１０は、補正処理サーバ２０２において画像データに施した補正手順、補正手順を構成したユーザ、および特徴検出手段２０９により検出された画像データの画像特徴を、ネットワーク２０４を通じて後述する補正履歴記録手段２１１に通知する。なお、補正履歴登録手段２１０は、登録された補正手順と共に該補正手順にとより補正が施されている補正済み画像も併せて登録される。

続いて、補正履歴サーバ２０３の構成について説明する。補正履歴サーバ２０３は、補正処理サーバ２０２からの登録要求に応じて、画像データに施した補正手順と、該画像データの画像特徴と、補正手順を構成したユーザの情報を関連付けて記録する補正履歴記録手段２１１を備える。また、補正履歴サーバ２０３は、補正履歴記録手段２１１に記録された補正手順に重み付け情報を付加する補正手順重み付け手段２１２と、補正履歴記録手段２１１に記録された複数の補正手順を順序付けする補正手順順序付け手段２１３とをさらに備える。また、補正履歴サーバ２０３は、補正手順に基づいて画像データに予め補正を施す予備補正手段２１４と、補正手順順序付け手段２１３により順序付けされた補正手順を外部装置に提供する補正手順提供手段２１５をさらに備える。また、補正履歴サーバ２０３は、補正手順提供手段２１５により提供された補正手順の中から任意のものをユーザ操作に基づいて選択する補正手順選択手段２１６をさらに備える。

補正履歴記録手段２１１は、補正履歴登録手段２１０から通知された補正手順、画像特徴、及びユーザ情報を互いに関連付けて補正履歴として記憶する。補正履歴記録手段２１１が記録し、保持しているデータ構造の例を図７に示す。補正履歴記録手段２１１は、複数のテーブルと、入れ子構造を記述した文書を格納する書庫とを補正履歴サーバ２０３のストレージ３０３に記録する。図７において、テーブル２ａは、補正された各画像に対応する補正履歴を表す識別子、補正手順を表す識別子、画像特徴を表す識別子、ユーザを表す識別子を夫々関連付けて管理するためのテーブルである。書庫２ｂは、補正手順の具体的な処理内容を示すテキストデータの集合である。各テキストデータには、補正手順識別子と、γカーブ補正処理、空間フィルタ処理、肌色強調処理、赤目処理が行われたか否か、行われた場合はその補正パラメータ等が補正処理を適用する順番に従って記述されている。

テーブル２ｃは、補正された画像の画像特徴を示すテーブルデータである。テーブル２ｃは、テーブル２ａで記された各画像特徴識別子に対応する画像特徴を詳細に記すテーブルデータである。具体的には、画像のヒストグラム、画像中のエッジ量、検出された顔領域の数、撮影位置や撮影日時等の情報がテーブル２ｃに画像特徴として保持される。テーブル２ｄは、補正された画像に登場する人物に関する情報を示すテーブルデータである。テーブル２ｄには、画像特徴識別子、画像特徴識別子に対応する画像に写りこんでいる人物の顔の位置と大きさ、赤目の有無、人物の名前が配置される。

また、図７のテーブルでは、行方向に配置された各種情報が互いに関連付けられている。例えば、テーブル２ａにおいて、履歴番号「１」と、補正手順識別子「１」と、画像特徴識別子「１」と、ユーザ識別子「１」とが互いに関連付けられている。また、図７の書庫では、文書に記述された各要素が互いに関連付けられている。例えば、書庫２ｂにおいて、補正手順要素は、識別子「１」と、入れ子になって順番に並べられている要素である空間フィルタ要素と、赤目処理要素と、γカーブ要素と、肌色強調要素とが、互いに関連付けられている。

図２に戻り、補正履歴サーバ２０３の構成を続ける。補正手順重み付け手段２１２は、補正履歴記録手段２１１により記録された補正手順に関連付けられたユーザ情報と他のユーザとのユーザ間距離を、ネットワーク２０４を通じて距離算出手段２０７に問い合せる。補正手順重み付け手段２１２は、問い合わせの結果として得たユーザ間距離に基づいて補正手順に重み付ける。補正手順順序付け手段２１３は、補正手順重み付け手段２１２により重み付けされた複数の補正手順について、該重み付けおよび補正対象画像と補正手順に対応する画像との類似度に基づいて複数の補正手順の順序付けを行う。

予備補正手段２１４は、ユーザの指示に先立って後述する補正手順提供手段２１５から通知された補正対象画像データに対し、同様に補正手順提供手段２１５から通知された補正手順に従って、予め補正を施した予備補正画像生成する。補正手順提供手段２１５は、ユーザからの問い合わせに対して、補正履歴記録手段２１１により記録された補正手順のうち補正手順順序付け手段２１３による順序付けに応じて、補正手順をユーザに提供する。

以上の構成を有する画像処理システムの動作について以降詳細に説明を行う。図６は、ソーシャルグラフサーバ２０１により実行されるソーシャルグラフ記録処理のフローチャートである。図６において、ソーシャルグラフ記録手段２０５は、新たなユーザに関するネットワークにおける活動を示す情報を入力すると（ステップＳ１０１）、入力された情報に対応するユーザが既に記録済みであるかを判別する（ステップＳ１０２）。もし記録されていないなら、入力されたネットワークにおける活動を示す情報を解析し、対応するユーザをノードとしてソーシャルグラフに追加する（ステップＳ１０３）。次いで、ソーシャルグラフ記録手段２０５は、ネットワークにおける活動を示す情報を解析し、ソーシャルグラフ上の他のユーザとの関連を判定する。例えば、入力されたネットワークにおける活動を示す情報に含まれる「友達」として設定している他のユーザがソーシャルグラフ上にノードとして存在するかを判定する。そして、他のユーザとの関心の度合いをネットワークにおける活動を示す情報に含まれる他のユーザに対応する画像への評価、他のユーザと共通グループ、メッセージ交換頻度等に基づいて取得する（ステップＳ１０４）。そして、ソーシャルグラフ記録手段２０５は保持しているソーシャルグラフ上において入力されたユーザと他のユーザ間（ノード間）にエッジが存在するかを判別する（ステップＳ１０５）。もし存在しないなら、取得した他のユーザとの関心の度合いに基づいてエッジを追加する（ステップＳ１０６）。次いで、ソーシャルグラフ記録手段２０５は、入力された関心の度合いに基づいてエッジに重み付けを設定し（ステップＳ１０７）、追加されたエッジに施された重み付けに基づいてソーシャルグラフ上のノードの重み付けを更新する（ステップＳ１０８）。ユーザ重み付け手段２０６は、更新されたノードの関心の度合いに基づいて、対応するユーザの重み付けを更新する（ステップＳ１０９）。以上のようにして、ソーシャルグラフサーバ２０１はソーシャルグラフを作成し、記録する。

続いて、補正処理サーバに２０２おいて実行された画像補正手順を補正履歴サーバ２０３が記録する補正手順記録処理について説明を行う。図８は、補正手順記録処理のシーケンス図である。図８において、ユーザが補正処理サーバに２０２にネットワークを介して画像データと補正手順を入力する。（ステップＳ２０１）。画像データを入力された補正処理サーバ２０２の画像データ補正手段２０８は画像データともに入力された補正手順に基づいて、該画像データに補正を施す（ステップＳ２０２）。次いで、画像データ補正手段２０８は特徴検出手段２０９に画像データを入力し（ステップＳ２０３）、特徴検出手段２０９は画像データから画像特徴を検出する（ステップＳ２０４）。画像データ補正手段２０８は、画像データに施した補正手順、補正手順を構成したユーザ情報、および特徴検出手段２０９により検出された画像データの画像特徴を補正履歴登録手段２１０に入力する（ステップＳ２０５）。補正履歴登録手段２１０は、入力された補正手順、画像特徴、及びユーザ情報夫々を関連付けて補正履歴サーバ２０３の補正履歴記録手段２１１にネットワークを介して送信する（ステップＳ２０６）。補正履歴サーバ２０３の補正履歴記録手段２１１は、補正処理サーバに２０２から通知された補正手順、画像特徴、及びユーザ情報を互いに関連付けて記憶する（ステップＳ２０７）。

続いて、上述の図８を用いて説明を行った補正手順記録処理により記録された補正手順を他のユーザに対して提供する補正手順提供処理について説明を行う。図９は、補正手順提供処理のシーケンス図である。図９において、補正手順を要求しているユーザは補正対象画像データと該ユーザに関する情報と共に該画像データに対する補正手順を要求する旨の問合せを補正履歴サーバ２０３に行う（ステップＳ３０１）。ここで、ユーザに関する情報としては、例えば、ＳＮＳにおけるＩＤ等一意にユーザを識別できる情報であるとする。補正履歴サーバ２０３の補正手順提供手段２１５は、問合せを受信すると、受信した画像データを、ネットワーク２０４を通じて補正処理サーバ２０２の特徴検出手段２０９に入力する（ステップＳ３０２）。補正処理サーバ２０２の特徴検出手段２０９は、入力された補正対象画像データから画像特徴を検出し、検出した画像特徴を補正履歴サーバ２０３に返送する（ステップＳ３０３）。さらに、補正手順提供手段２１５は、補正対象画像データの画像特徴と類似する画像特徴を有する他の画像に行われた補正手順を補正履歴記録手段２１１から取得する。また、補正手順提供手段２１５は、補正手順と共に補正手順に関連付けられたユーザ情報及び画像特徴も併せて補正履歴記録手段２１１から取得する（ステップＳ３０４）。ここで、補正対象画像データの画像特徴と対応する画像特徴を有する他の画像を判定するために、画像特徴同士の値の差を算出する。そして、補正履歴サーバ２０３は、画像特徴同士の値の差が一定値より小さい値となる画像の補正手順のみを補正履歴記録手段２１１から選択して取得する。

次いで、補正手順提供手段２１５は問い合わせを行った補正手順を要求しているユーザ情報とＳ３０４において取得した補正手順に関連付けられたユーザ情報とを補正手順重み付け手段２１２に入力する（ステップＳ３０５）。補正手順重み付け手段２１２は、補正手順を要求しているユーザ情報と補正手順に関連付けられたユーザ情報とを、ネットワーク２０４を通じてソーシャルグラフサーバ２０１の距離算出手段２０７に入力する。そして、補正手順重み付け手段２１２は、該ユーザ同士間のユーザ間距離を取得する（ステップＳ３０６）。距離算出手段２０７により算出されるユーザ間距離は、下記の式（１）により求められる。

式（１）において、ｗ_ｉはソーシャルグラフ上の距離を求める対象となるユーザ間に対応するノード間を結ぶ経路上にある各エッジの重みを表す。このとき、各エッジの重みの逆数を、そのエッジの長さとし、ノード間を結ぶ経路上にあるエッジの長さを総和したものを、その経路の距離（ｄ）とし、これをユーザ間距離とする。なお、ソーシャルグラフ上のノード間を結ぶ経路は最短距離かつ最もエッジの重みが重い経路をたどるものとする。ユーザ間距離の値は、二人のユーザを表すノード間を結ぶ最短経路上にある各エッジの重み付けが大きいほど、小さくなる。即ち、ユーザ間距離が小さいほど、ユーザ同士の趣味や趣向が似通って互いに関心が高いと判断することができる。また、距離算出手段２０７は、ソーシャルグラフ上での補正手順に関連付けられたユーザに対応するノードの重みづけを併せて取得する。

次いで、補正手順重み付け手段２１２は取得したユーザ間距離ｄと、該ユーザ間距離に対応する補正手順とを夫々対応付ける（ステップＳ３０７）。補正手順提供手段２１５は、補正対象画像データの画像特徴と、ユーザ間距離と対応付けられた補正手順と、各補正手順に対応する画像特徴と、各補正手順夫々に関連付けられたユーザに対応するノードの重みづけとを補正手順順序付け手段２１３に入力する。（ステップＳ３０８）。補正手順順序付け手段２１３は、補正対象画像データの画像特徴と補正手順に関連付けられた画像特徴とを用いて、画像間の類似度を算出する（ステップＳ３０９）。つまり、補正手順順序付け手段２１３は、画像間の類似性を求めることにより、該画像間の関連を判定する（第２の判定）。次いで、補正手順順序付け手段２１３は、補正手順に関連付けられたユーザのソーシャルグラフ上での重み付けと、前記算出された類似度と、補正手順に関連付けられたユーザ間距離に基づいて補正手順の順序付けを行う（ステップＳ３１０）。補正手順の順序付けは下記式（２）に基づいて決定する。

式（２）おいて、ｒは補正手順に関連付けられたユーザのソーシャルグラフ上での重み付けを、ｆはユーザが入力した画像データの画像特徴と補正手順に関連付けられた画像特徴との差を値として算出したものを表す。また、ｄは補正手順を要求しているユーザと補正手順に関連付けられているユーザとのユーザ間距離を表す。ここで、ａ，ｂ，ｃは任意の定数である。このとき、補正手順の順序付けは、補正手順に関連付けられたユーザのソーシャルグラフ上での重み付けが大きいほど（ソーシャルグラフ上で他のユーザからより多く参照される（関心を持たれている）ほど）、高い順位に順序付けされる。つまり、他のユーザからより興味を持たれているユーザが施した補正手順がより高く評価されることなる。即ち、他のユーザから興味を持たれるような画像補正を施している画像をＳＮＳ上にアップロードしているユーザの補正手順を積極的に推奨することができる。また、ユーザが入力した画像データの画像特徴と補正手順に関連付けられた画像特徴との差が小さいほど、高い順位に順序付けされる。つまり、補正対象画像と同様な構図、色彩、彩度、被写体を有する画像に施された補正手順を積極的に推奨することができる。さらに、問い合わせを行ったユーザ（補正手順を要求しているユーザ）と補正手順に関連付けられたユーザのユーザ間距離が小さいほど、高い順位に順序付けされる。つまり、補正手順を要求しているユーザと趣味趣向が類似していると考えられような、ユーザ間距離近い人物が施した補正手順を積極的に推奨することができる。

次いで、補正手順提供手段２１５は、順序付けされた補正手順をユーザに提供する。このとき、補正手順提供手段２１５は、前記順序付けされた補正手順の全てあるいは一部について、予備補正手段２１４を用いて該補正手順に基づいてユーザから通知された画像データに予め補正を施した予備補正画像を生成してもよい。補正手順提供手段２１５は、該予備補正画像を補正手順と関連付けた上でユーザに提供してもよい。

さらに、補正手順選択手段２１６は、順序付けされた上で提供された補正手順をユーザに提示し、操作画面等を用いてユーザが任意の補正手順を選択する手段を提供する。このとき、補正手順選択手段２１６は、順序付けされた上で提供された補正手順に関連付けられた予備補正画像をユーザに提示してもよい（第２の提示）。補正手順選択手段２１６は、操作画面等を用いてユーザが任意の予備補正画像を選択する手段を提供し、該選択された予備補正画像に関連付けられた補正手順を選択してもよい（第１の提示）。つまり、ユーザが任意の補正手順を選択する手段は、各補正手順に対応する画像を選択させる構成、各補正手順に基づいて補正対象画像を補正した予備補正画像を選択させる構成にしても構わない。画像データ補正手段２０８は、選択された補正手順を検出し、該補正手順に基づいて、補正対象画像データの補正を行い、該補正手順により補正された補正対画像をユーザに提供する。

以上のように、ユーザは、補正履歴サーバ２０３にユーザ自身の情報及び画像データを入力して補正手順を問い合わせることで、順序付けされて補正手順の推奨を受けることができる。このとき、提供される補正手順は、補正手順に関連付けられたユーザのソーシャルグラフ上での重み付けが大きいほど、高い順位となるように順序付けされる。また、ユーザが入力した画像データの画像特徴と補正手順に関連付けられた画像特徴との差が小さいほど、高い順位となるように順序付けされる。また、問い合わせを行ったユーザと補正手順に関連付けられたユーザのユーザ間距離が小さいほど、高い順位となるように順序付けされる。このため、ユーザは、補正対象画像データに適していると共に、ユーザと嗜好の合致する他のユーザが構成した補正手順を選択できる。したがって、ユーザは、対象となる画像データを自身の嗜好に合致した画像へと変換することのできる補正手順を容易に選択できる。また、多くのユーザから関心を持たれているユーザが構成した補正手順ほど、高い順位となるように順序付けされるので、ユーザは、自身の嗜好に合致し、画像補正技術に精通していると思われるユーザが構成した補正手順で画像へと変換することができる
さらに、予備補正手段２１４を用いて順序付けされた補正手順に予備補正画像を関連付けた場合、ユーザは補正手順を施した際の仕上がりを予め視覚的に確認できるため、自身の嗜好に合致した画像へと変換することができる補正手順を、さらに容易に選択できる。本実施形態によれば、ユーザ間の関連を判定する第１の判定と画像間の関連を判定する第２の判定を行い、それらの判定結果に応じて、補正済み画像に施された画像補正処理を補正対象画像に施すことができる。

なお、第１の実施の形態では、図８に示す補正手順記録処理において、補正された画像データの画像特徴を検出し、補正手順と関連付けて記録する構成を支援したが、画像データそのものや画像データのＵＲＬ等の参照情報御記録する構成としてもよい。この場合、補正手順提供処理のステップＳ３０４において、補正手順提供手段２１５は補正手順に関連付けられた画像データまたは画像参照情報に基づいて取得した画像データの画像特徴を検出する構成とする。

なお、複数の補正手順からユーザの指定に基づいて、実際に補正対象の補正に用いる補正手順を取得する構成を説明したが、例えば、最も高く順序づけされた補正手順により自動で補正された画像をユーザに提供する構成としても良い。

以上説明した本実施形態によれば、画像特徴に代わって画像データそのものまたは画像データへの参照情報を補正履歴として記録することで、補正履歴を記録する前に画像特徴を検出する必要がなくなる。また、画像参照情報により特定される画像データからの画像特徴の検出処理は、ステップＳ３０８までの任意のタイミングで行う構成としてよい。このため、画像特徴の検出処理の負荷を、時間的に分散することができる。

（第２の実施の形態）
本実施の形態では、画像処理システム２００のユーザが保有若しくは関心がある画像にさらに基づいて、ユーザ間距離を算出する例について説明する。なお、本実施の形態の構成は、上述の第１の実施の形態の構成と略同一であり、第１の実施の形態と同一部分には同一符合を付して詳細な説明は省略する。第１の実施形態と異なる点について詳細に説明を行う。

図１０は、画像データをノードとしてさらに含むソーシャルグラフの一例を示した図である。本実施の形態では、ソーシャルグラフサーバ２０１は、ソーシャルグラフ記録手段２０５に画像処理システム２００のユーザが保有している画像データの情報を入力すると、画像データの情報をノードとして加える。また、ソーシャルグラフサーバ２０１は、画像データを保有するユーザとの間にエッジを追加した新たなグラフを構成する。また、ソーシャルグラフ記録手段２０５にユーザが関心を持つ画像データの情報を入力すると、画像データの情報をノードとして加えると共に、ユーザと画像データの間に、関心の度合いに基づいて重み付けしたエッジを追加した新たなグラフを構成する。ユーザの画像への関心は、ユーザが画像に対して評価を与えていることによって表される。また、ユーザＡからユーザＢへの関心の度合いは、ユーザが画像に対して付与したレーティング情報に基づいて決定する。図１０に示されるソーシャルグラフの例では、ユーザと画像データとの間を結ぶエッジは、ユーザが画像データに対して持っている関心の度合いに基づいて、０〜１の範囲で重み付けされる。また、ユーザを表すノードの重みづけは、ユーザ及びユーザが保有している画像データを終端とする、他のユーザとの間を結ぶエッジの重み付けを合計した値により表される。例えば、ユーザＡが保有する画像Ａは、ユーザＢから１点のレーティングを与えられている。また、ユーザＡが保有する画像Ｃは、ユーザＢから１点のレーティングを与えられている。このとき、ユーザＡとユーザＡが保有する画像を表すノードを終端とする他のユーザとの間を結ぶエッジの重みを全て合計すると０．４であるので、すなわち、ユーザＡを表すノードは０．４で重み付けられる。

図１０に示されるソーシャルグラフを用いてユーザ間距離を算出する場合、一例として、一方のユーザから他方のユーザが保有する画像に向かって張られたエッジを、当該のユーザ間で仮想的に結ばれたエッジとみなして、ユーザ間距離を算出することができる。また、一方のユーザが保有する複数の画像に対して、他方のユーザから複数のエッジが張られている場合、各エッジの重みを合算したものを逆数した値を長さとした双方向の仮想的なエッジで結ばれているとみなして、ユーザ間距離を算出することができる。また、画像に向かって二人のユーザからエッジが張られている場合、当該ユーザ間が、各エッジの重みを合算したものを反比例した値を長さとした双方向の仮想的なエッジで結ばれているとみなして、ユーザ間距離を算出することができる。また、もし、ソーシャルグラフ上に補正手順が記録されている画像があり、補正手順を要求したユーザが該画像に対して評価を行っている場合は、該画像の補正手順をより高く順序付ける構成とすることができる。

このように、画像データをノードとして含むと共に、画像データを保有しあるいは関心があるユーザとの間にエッジを追加したソーシャルグラフを作成することで、ユーザ間距離を算出する際に、ユーザの画像に対する関心を反映することができる。また、ユーザと嗜好の合致する他のユーザをより正確に特定することができる。

（第３の実施の形態）
本実施の形態では、画像処理システム２００のユーザが画像データに対し補正を施す際に適用した補正手順をソーシャルグラフ上のノードに加え、ユーザ間距離を算出する例について説明する。なお、本実施の形態の構成は、上述の第１の実施の形態の構成と略同一であり、第１の実施の形態と同一部分には同一符合を付して詳細な説明は省略する。第１の実施形態と異なる点について詳細に説明を行う。

図１１は、補正手順をノードとしてさらに含むソーシャルグラフの一例を示した図である。本実施の形態では、ソーシャルグラフサーバ２０１のソーシャルグラフ記録手段２０５は、画像処理システム２００においてユーザに提供した補正手順の情報を入力すると、補正手順の情報をノードとして加える。また、ソーシャルグラフサーバ２０１は、ノードとして追加した補正手順を適用したユーザとの間に、ユーザが当該補正手順を適用した回数に基づいて重み付けしたエッジを追加した新たなグラフを構成する。また、ソーシャルグラフ記録手段２０５は、ノードとして追加された補正手順と補正手順の間の類似度に基づいて重み付けしたエッジを追加した新たなグラフを構成する。

図１１に示されるソーシャルグラフの例では、ユーザと補正手順との間を結ぶエッジは、ユーザが補正手順を適用した回数に基づいて、０〜１の範囲で重み付けされる。また同様に、補正手順間を結ぶエッジは、補正手順同士の類似度に基づいて、０〜１の範囲で重み付けされる。例えば、図１１において補正手順ＡはユーザＢによって２回適用されており、ユ―ザＢから補正手順Ａに対して０．２で重み付けされたエッジが構成される。また、補正手順ＢはユーザＡとユーザＣによって、それぞれ３回および１回適用されており、補正手順ＢはユーザＡとユーザＣから補正手順Ｂに対して、それぞれ０．３と０．１で重み付けされたエッジが構成される。また、補正手順Ａと補正手順Ｂの類似度は５０％であり、補正手順Ａと補正手順Ｂは、０．５で重み付けした双方向のエッジで結ばれる。

図１１に示されるソーシャルグラフを用いてユーザ間距離を算出する場合、補正手順に向かって二人のユーザからエッジが結ばれている場合のユーザ間距離の算出方法について問題となる。この場合、当該ユーザ間が、各エッジの重みを合算したものを反比例した値を長さとした双方向の仮想的なエッジで結ばれているとみなすとする。このようにみなすことで、ユーザ間距離を算出することができる。また、補正手順同士がエッジで結ばれている場合、二人のユーザを表すノード間を結ぶ経路の一部とみなすことができる。なお、ユーザ間を結ぶ仮想的なエッジの長さを算出する方法は、上記に示した方法に限定されるものではない。

このように、本実施形態において補正手順をノードとして含むと共に、当該の補正手順と当該の補正手順を適用して画像データに対し補正を施したユーザとの間にエッジを追加する。したがて、ユーザ間距離を算出する際に、ユーザの補正手順に対する嗜好を反映することができ、ユーザと嗜好の合致する他のユーザをより正確に特定することができる。

（第４の実施の形態）
本実施の形態では、画像処理システム２００のユーザが画像データに対し補正を施す際に構成した補正手順を再度適用した履歴、あるいは既存の補正手順に基づいて生成された補正手順以下、「派生補正手順」という。）を構成した履歴にさらに基づいて、補正手順の順序付けを行う例について説明する。なお、本実施の形態の構成は、上述の第１の実施の形態の構成と略同一であり、第１の実施の形態と同一部分には同一符合を付して詳細な説明は省略する。第１の実施形態と異なる点について詳細に説明を行う。

本実施の形態において、補正履歴記録手段２１１により記録された補正手順に基づいて画像データに補正を施した際に、その履歴を記録する。図１は、ある画像データに施す際に構成した補正手順を、他の画像に対しても再度適用し、あるいは当該の補正手順に基づいて新たに派生補正手順を構成した場合の例を示す図である。ここで、補正手順Ａは、画像Ａ、画像Ｂおよび画像Ｃに対して適用されている。このとき、補正履歴サーバ２０３は補正手順Ａを画像Ａ、画像Ｂおよび画像Ｃに対して適用したことを記録する。また、補正を施す際に補正手順Ａに変更を加えて構成した補正手順Ｂを画像Ｄに適用し、同様に補正を施す際に補正手順Ａに変更を加えて構成した補正手順Ｃを画像Ｅに適用している。このとき、補正履歴サーバ２０３は、補正手順Ａに基づいて補正手順Ｂ及び補正手順Ｃが構成されたことを記録する。図１に示される補正手順の適用例に基づいて、補正手順重み付け手段２１２は、記録された補正手順が再適用された回数に基づいて、補正手順を順序付けることができる。また、補正手順から派生補正手順が新たに構成された場合、補正手順重み付け手段２１２は、記録された該補正手順から構成した派生補正手順の個数に基づいて、補正手順を順序付けること出来る。すなわち、補正手順の利用回数に基づいて、より多く利用されている補正手順を利用されていない補正手順に比べてより高い順序にすることができる。

このように、画像データに対し補正を施す際に使用した履歴、あるいは既存の補正手順に基づく派生補正手順を構成した履歴にさらに基づいて、補正手順を順序付けることができる。したがって、画像データを補正する際に何度も適用あるいは派生元とされた補正手順をより重要なものとして評価できる。このため、ユーザは、他の多くのユーザから支持を受けている補正手順を容易に選択できる。

以上、実施形態の例を詳述したが、画像処理システム２００の構成は一例にすぎず、上述した構成に限られない。必要に応じて各構成要素を削除してもよく、また、その他の構成要素を追加してもよい。また、各サーバが有する機能構成の全て又は一部を単一の装置が備える構成であっても良い。

以上、説明した各実施形態よると、補正対象画像データの特徴と、記憶された補正手順と関連付けられた画像データの特徴との類似度に基づいて複数の補正手順を順序付けできる。また、ユーザは前記補正対象画像データに適した補正手順を選択でき、したがって、ユーザが対象となる画像データに適した補正手順を容易に構成できる。

また、画像データに施した補正手順が、前記画像データの特徴と、前記補正手順を構成したユーザと関連付けて記録される。また、ネットワークでの活動に基づいてユーザを表すノードを含むと共に、ユーザ間の参照関係をエッジとして含むソーシャルグラフが記録される。一例として、前記ソーシャルグラフのエッジはユーザ間の関心の度合いに基づいて重み付けされると共に、前記重み付けに基づいて前記ソーシャルグラフ上でのユーザを表すノード間の距離を算出できる。また、前記補正手順を構成したユーザと任意に選択したユーザとのユーザ間距離に基づいて前記補正手順が重み付けされる。このため、補正対象となる画像データの特徴と、前記補正手順と関連付けられた画像データの特徴との類似度及び前記補正手順の前記重み付けに基づいて複数の補正手順を順序付けできる。ユーザは前記補正対象画像データに適しておりかつ該ユーザと嗜好の合致するユーザが構成した補正手順を選択できる。したがって、ユーザは対象となる画像データを該ユーザの嗜好に合致した画像へと変換することができる補正手順を容易に構成できる。

（その他の実施形態）
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

２００ 画像処理システム
２０１ ソーシャルグラフサーバ
２０２ 補正処理サーバ
２０３ 補正履歴サーバ
２０４ ネットワーク

Claims (19)

1. ネットワークを介してユーザ同士によるコミュニケーションが行われるサービスの利用状況に基づいて、前記サービスのユーザ間の関連度合いを判定する第１の判定手段と、
   推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像との関連度合いを判定する第２の判定手段と、
   前記第１の判定手段による判定結果と第２の判定手段による判定結果に応じて、前記推奨対象のユーザ以外の他のユーザによって施された画像補正処理を前記推奨対象のユーザに推奨する推奨手段と
   を有することを特徴とする情報処理システム。
2. 前記サービスのユーザは、前記サービスを利用して所定の処理を実行可能であり、
   前記第１の判定手段は、前記サービスのユーザによって実行された処理の内容に基づいて、前記ユーザ間の関連度合いを判定することを特徴とする請求項１記載の情報処理システム。
3. 前記所定の処理は、前記サービスを利用してコンテンツを公開する処理、前記サービスによって公開されているコンテンツを評価する処理、前記サービスを利用している他のユーザを評価する処理、前記サービスを利用している他のユーザにメッセージを送信する処理、及び、前記サービスを利用している他のユーザを友人又はお気に入りとして登録する処理のうちの少なくともいずれかを含むことを特徴とする請求項２記載の情報処理システム。
4. 前記コンテンツは画像であることを特徴とする請求項３記載の情報処理システム。
5. 前記第１の判定手段は、前記ユーザ間の関連度合いとして、前記推奨対象のユーザから前記推奨対象のユーザ以外の他のユーザへの関心度合と、前記推奨対象のユーザ以外の他のユーザから前記推奨対象のユーザへの関心度合いとを判定することを特徴とする請求項１乃至４の何れか１項に記載の情報処理システム。
6. 前記第２の判定手段は、前記推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された複数の画像夫々との関連度合いを判定し、
   前記第１の判定手段は、前記推奨対象のユーザと、前記複数の画像夫々に対応するユーザとの関連度合いを判定し、
   前記第１の判定手段による判定結果と前記第２の判定手段による判定結果に応じて、前記複数の画像夫々に施された画像補正処理を評価する評価手段を更に有し、
   前記推奨手段は、前記評価手段による評価に基づいて、前記複数の画像に施された画像補正処理の少なくとも一部を前記推奨対象のユーザに推奨することを特徴とする請求項１乃至５の何れか１項に記載の情報処理システム。
7. 前記推奨手段は、前記複数の画像に施された夫々の画像補正処理により前記推奨対象のユーザの画像を補正した結果を前記推奨対象のユーザに提示することを特徴とする請求項６に記載の情報処理システム。
8. 前記第２の判定手段は、推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像との類似性に基づいて、推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像との関連度合いを判定することを特徴とする請求項１乃至７の何れか１項に記載の情報処理システム。
9. 前記第１の判定手段は、前記サービスのユーザ間の関連度合いを、前記サービスの利用状況に基づいて構成されたソーシャルグラフを用いて判定することを特徴とする請求項１乃至８の何れか１項に記載の情報処理システム。
10. 前記推奨手段が推奨した画像補正処理のうち採用された画像補正処理の履歴を記録する記録手段を更に有し、
    前記評価手段は、前記記録手段が記録した前記履歴に基づいて、前記複数の画像夫々に施された画像補正処理を評価することを特徴とする請求項６記載の情報処理システム。
11. 前記第１の判定手段は、前記推奨対象のユーザが使用した画像補正処理と、前記推奨対象のユーザ以外の他のユーザが使用した画像補正処理とに基づいて、前記推奨対象のユーザと、前記推奨対象のユーザ以外の他のユーザとの間の関連度合いを判定することを特徴とする請求項１乃至１０の何れか１項に記載の情報処理システム。
12. 前記評価手段は、前記推奨対象のユーザと、前記推奨対象のユーザ以外の他のユーザとの間の関連度合いが高いほど、当該他の人物に対応する画像を高く評価し、前記推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像との関連度合いが高いほど、当該他のユーザによって画像補正処理が施された画像を高く評価することを特徴とする請求項６記載の情報処理システム。
13. 前記第１の判定手段による判定結果と前記第２の判定手段による判定結果に応じて、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像を評価する画像評価手段と、
    前記評価手段による評価が最も高い画像に施された画像補正処理を前記推奨対象のユーザの画像に施す画像補正処理として決定する決定手段と
    を更に有することを特徴とする請求項６記載の情報処理システム。
14. 前記推奨手段は、複数の画像補正処理を選択し、
    前記推奨手段により選択した複数の画像補正処理のうちから、ユーザ操作に基づいて選択された画像補正処理を前記推奨対象のユーザの画像に施す画像補正処理として決定する決定手段を更に有することを特徴とする請求項１乃至１２の何れか１項に記載の情報処理システム。
15. 前記サービスは、ソーシャルネットワーキングサービスであることを特徴とする請求項１乃至１４の何れか１項に記載の情報処理システム。
16. 前記推奨手段は、前記推奨対象のユーザとの関連度合いが高いほど順位が高くなるように、前記推奨対象のユーザ以外の他のユーザによって施された画像補正処理を順位付けし、その順位付けされた画像補正処理を前記推奨対象のユーザに提供することで、画像補正処理を前記推奨対象のユーザに推奨することを特徴とする請求項１乃至１５の何れか１項に記載の情報処理システム。
17. 請求項１乃至１６の何れか１項に記載の情報処理システムと、
    前記情報処理システムによって推奨された画像補正処理によって、推奨対象のユーザの画像を補正する補正手段と
    を有することを特徴とする画像処理システム。
18. 第１の判定手段が、ネットワークを介してユーザ同士によるコミュニケーションが行われるサービスの利用状況に基づいて、前記サービスのユーザ間の関連度合いを判定する工程と、
    第２の判定手段が、推奨対象のユーザの画像と、前記推奨対象のユーザ以外の他のユーザによって画像補正処理が施された画像との関連度合いを判定する工程と、
    推奨手段が、前記第１の判定手段による判定結果と第２の判定手段による判定結果に応じて、前記推奨対象のユーザ以外の他のユーザによって施された画像補正処理を前記推奨対象のユーザに推奨する工程と
    を有することを特徴とする情報処理方法。
19. 請求項１乃至１６の何れか１項に記載の情報処理システムの各手段としてコンピュータを機能させることを特徴とするプログラム。

Images