KR102045347B1 - 영상제작지원장치 및 그 동작 방법 - Google Patents

영상제작지원장치 및 그 동작 방법 Download PDF

Info

Publication number
KR102045347B1
KR102045347B1 KR1020180028176A KR20180028176A KR102045347B1 KR 102045347 B1 KR102045347 B1 KR 102045347B1 KR 1020180028176 A KR1020180028176 A KR 1020180028176A KR 20180028176 A KR20180028176 A KR 20180028176A KR 102045347 B1 KR102045347 B1 KR 102045347B1
Authority
KR
South Korea
Prior art keywords
image
learning
video
highlight
effective
Prior art date
Application number
KR1020180028176A
Other languages
English (en)
Other versions
KR20190106547A (ko
Inventor
함종은
Original Assignee
에스케이브로드밴드주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 에스케이브로드밴드주식회사 filed Critical 에스케이브로드밴드주식회사
Priority to KR1020180028176A priority Critical patent/KR102045347B1/ko
Publication of KR20190106547A publication Critical patent/KR20190106547A/ko
Application granted granted Critical
Publication of KR102045347B1 publication Critical patent/KR102045347B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring

Abstract

본 발명은, 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하고, 태깅정보의 삽입을 통해 추출된 하이라이트 구간에 대한 식별이 가능하도록 함으로써, 편집자가 동영상 클립을 제작하는 것을 효과적으로 지원할 수 있는 영상제작지원장치 및 그 동작 방법에 관한 것이다.

Description

영상제작지원장치 및 그 동작 방법{SURPPOTING APPARATUS FOR VIDEO MAKING, AND CONTROL METHOD THEREOF}
본 발명은 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하는 방식을 통해 동영상 클립 제작을 효과적으로 지원하기 위한 방안에 관한 것이다.
현재 인터넷 개인방송 크리에이터들은 라이브(Live) 방송 후 다양한 미디어 플랫폼에서의 광고 수익을 위해 동영상 클립(clip)으로 영상을 편집 제작하게 된다.
이와 관련하여, 원본 동영상을 5~15분 정도의 동영상 클립으로 제작하기 위해서는 편집자가 직접 영상을 재생하면서 수작업으로 하이라이트 구간만 추출해야 하는데, 이러한 수작업은 동영상 클립 제작에 많은 작업 시간을 소요시키게 된다.
때문에, 기존 원본 동영상을 제작하는 크리에이터들은 원본 동영상을 동영상 클립으로 편집하기 위해 개별적으로 편집자를 고용하고 있는 추세이나, 이 경우 또한 동영상 클립 제작에 있어서 편집자 고용을 위한 추가 비용이 발생하게 되는 문제점이 존재한다.
이에 본 발명에서는 원본 동영상으로부터 동영상 클립을 편집 제작하는 것을 효과적으로 지원할 수 있는 플랫폼 환경을 제안하고자 한다.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하는 방식을 통해 동영상 클립 제작을 효과적으로 지원하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 영상제작지원장치는, 원본 동영상의 전체 쇼트(Shot) 중 특정 객체를 포함하고 있는 유효 쇼트(Shot)를 선별하는 선별부; 및 상기 원본 동영상에 대한 하이라이트특정정보에 따라 상기 유효 쇼트 중 적어도 일부를 동영상 클립 제작을 위한 하이라이트 구간으로 결정하는 결정부를 포함하는 것을 특징으로 한다.
구체적으로, 상기 영상제작지원장치는, 상기 하이라이트 구간을 씬(Scene) 단위로 그룹화하여 상기 동영상 클립을 제작할 수 있도록 상기 하이라이트 구간의 식별을 위한 태깅정보를 상기 하이라이트 구간에 해당하는 각각의 유효 쇼트에 삽입하는 삽입부를 더 포함할 수 있다.
구체적으로, 상기 영상제작지원장치는, 상기 유효 쇼트를 선별할 수 있도록 상기 특정 객체에 대한 이미지를 학습하는 학습부를 더 포함할 수 있다.
구체적으로, 상기 학습부는, 상기 특정 객체와 관련된 인식용 이미지를 기반으로 학습용 이미지를 생성하며, 상기 학습용 이미지를 이용한 인식 훈련을 통해 상기 특정 객체의 특징점을 생성할 수 있다.
구체적으로, 상기 인식용 이미지는, 기 설정된 사이즈, 해상도, 및 각도에 따른 서로 다른 이미지의 형태로 제1설정개수만큼 획득되며, 상기 학습용 이미지는, 기 설정된 변경 방식에 따라 상기 인식용 이미지 각각으로부터 변경되어, 상기 제1설정개수보다 많은 제2설정개수만큼의 이미지로 생성될 수 있다.
구체적으로, 상기 유효 쇼트는, 기 설정된 프레임 개수만큼 지속되는 쇼트지속구간을 가질 수 있다.
구체적으로, 상기 하이라이트특정정보는, 상기 원본 동영상으로부터 인식되는 동영상 장르에 따라 음성데이터, 비디오데이터, 및 텍스트데이터 중 적어도 하나를 이용하여 지정될 수 있다.
구체적으로, 상기 학습부는, 상기 원본 동영상에서 노출이 불가한 객체정보를 학습하며, 상기 삽입부는, 상기 하이라이트 구간에 노출이 불가한 객체정보가 포함된 경우, 상기 하이라이트 구간에 대해 해당 객체정보의 식별을 위한 태깅정보를 추가 삽입할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 영상제작지원장치의 동작 방법은, 원본 동영상의 전체 쇼트(Shot) 중 특정 객체를 포함하고 있는 유효 쇼트(Shot)를 선별하는 선별단계; 및 상기 원본 동영상에 대한 하이라이트특정정보에 따라 상기 유효 쇼트 중 적어도 일부를 동영상 클립 제작을 위한 하이라이트 구간으로 결정하는 결정단계를 포함하는 것을 특징으로 한다.
구체적으로, 상기 방법은, 상기 하이라이트 구간을 씬(Scene) 단위로 그룹화하여 상기 동영상 클립을 제작할 수 있도록 상기 하이라이트 구간의 식별을 위한 태깅정보를 상기 하이라이트 구간에 해당하는 각각의 유효 쇼트에 삽입하는 삽입단계를 더 포함할 수 있다.
구체적으로, 상기 방법은, 상기 선별단계 이전에, 상기 유효 쇼트를 선별할 수 있도록 상기 특정 객체에 대한 이미지를 학습하는 학습단계를 더 포함할 수 있다.
구체적으로, 상기 학습단계는, 상기 특정 객체와 관련된 인식용 이미지를 기반으로 학습용 이미지를 생성하며, 상기 학습용 이미지를 이용한 인식 훈련을 통해 상기 특정 객체의 특징점을 생성할 수 있다.
구체적으로, 상기 인식용 이미지는, 기 설정된 사이즈, 해상도, 및 각도에 따른 서로 다른 이미지의 형태로 제1설정개수만큼 획득되며, 상기 학습용 이미지는, 기 설정된 변경 방식에 따라 상기 인식용 이미지 각각으로부터 변경되어, 상기 제1설정개수보다 많은 제2설정개수만큼의 이미지로 생성될 수 있다.
구체적으로, 상기 유효 쇼트는, 기 설정된 프레임 개수만큼 지속되는 쇼트지속구간을 가질 수 있다.
구체적으로, 상기 하이라이트특정정보는, 상기 원본 동영상으로부터 인식되는 동영상 장르에 따라 음성데이터, 비디오데이터, 및 텍스트데이터 중 적어도 하나를 이용하여 지정될 수 있다.
구체적으로, 상기 학습단계는, 상기 원본 동영상에서 노출이 불가한 객체정보를 학습하며, 상기 삽입부는, 상기 하이라이트 구간에 노출이 불가한 객체정보가 포함된 경우, 상기 하이라이트 구간에 대해 해당 객체의 식별을 위한 태깅정보를 추가 삽입할 수 있다.
이에, 본 발명의 영상제작지원장치 및 그 동작 방법에 따르면, 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하고, 태깅정보의 삽입을 통해 추출된 하이라이트 구간에 대한 식별이 가능하도록 함으로써, 편집자가 동영상 클립을 제작하는 것을 효과적으로 지원할 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상 제작 지원 플랫폼 환경을 도시한 예시도.
도 2는 본 발명의 일 실시예에 따른 영상제작지원장치의 개략적인 구성도.
도 3은 본 발명의 일 실시예에 따른 영상제작지원장치에서의 동작 흐름을 설명하기 위한 순서도.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 영상 제작 지원 플랫폼 환경을 보여주고 있다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 영상 제작 지원 플랫폼 환경에는 광고/커머스관리장치(10), 크리에이터장치(20), 영상제작지원장치(30), 미디어플랫폼장치(40), 및 사용자장치(50)가 포함될 수 있다.
광고/커머스관리장치(10)는 광고주 또는 상품판매자로부터 광고/협찬/판매를 위해 등록되는 객체(예: 상품, 광고, 인물)에 대한 정보(예: 객체명, 키워드, 객체 이미지, 관련사이트 등)를 관리하는 서버를 일컫는다.
이러한 광고/커머스관리장치(10)에서는 노출 객체의 등록 시 이를 등록하는 광고주 또는 상품판매자로 하여금 자신의 객체를 노출시키고 싶은 개인방송 크리에이터, 타겟 시청자 그룹, 노출 일정 등을 설정할 수 있는 설정 환경을 제공할 수 있다.
크리에이터장치(20)는 개인방송 크리에이터들이 미디어 플랫폼 접속 환경에서 라이브(live) 방송을 진행하는 것을 지원하며, 해당 라이브 방송을 실시간 녹화하는 방식을 통해서 원본 동영상을 생성하는 장치를 일컫는 것으로서, 예컨대, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC) 등이 포함될 수 있다.
이러한 크리에이터장치(20)는 크리에이터의 라이브 방송 진행 시, 광고/커머스관리장치(10)와 연계하여 자신의 방송에 노출시키고자 하는 객체를 선택하거나, 크리에이터가 객체에 대한 정보를 직접 입력할 수 있는 인터페이스 환경을 지원하며, 나아가 이러한 객체에 대한 선택(입력) 정보는 실시간 녹화되는 원본 동영상에 일련의 부가 정보로서 포함될 수 있다.
영상제작지원장치(30)는 크리에이터의 라이브 방송을 녹화한 원본 동영상으로부터 동영상 클립을 편집 제작하는 것을 지원한다.
이러한 영상제작지원장치(30)는 서버의 형태로 구현될 수 있으며, 이처럼 서버의 형태로 구현되는 경우, 예컨대, 웹 서버, 데이터베이스 서버, 프록시 서버 등의 형태로 구현될 수 있으며, 네트워크 부하 분산 메커니즘, 내지 서비스 장치가 인터넷 또는 다른 네트워크 상에서 동작할 수 있도록 하는 다양한 소프트웨어 중 하나 이상이 설치될 수 있으며, 이를 통해 컴퓨터화된 시스템으로도 구현될 수 있다.
미디어플랫폼장치(40)는 개인방송 크리에이터들이 라이브 방송을 진행할 수 있는 미디어 플랫폼 환경을 지원하는 서버를 일컫는다.
이러한 미디어플랫폼장치(40)는 크리에이터들이 라이브 방송 진행 시, 사용자장치(50)에 대한 라이브 방송 참여를 가능케 하며, 또한 영상제작지원장치(30)의 지원을 기반으로 생성(제작)되는 동영상 클립의 업로드 환경을 제공하여 사용자장치(50)가 이를 시청할 수 있도록 한다.
사용자장치(50)는 미디어플랫폼장치(40)에 대한 접속을 통해 개인방송 크리에이터가 진행하는 라이브 방송 참여와 동영상 클립의 시청을 지원하는 장치를 일컫는다.
예를 들어, 이러한 사용자장치(50)는 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 내비게이션(Navigation) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display), 플렉서블 단말기(Flexible Terminal) 등이 해당될 수 있으며, 이에 제한되는 것이 아닌 미디어 플랫폼 환경에 대한 접속을 지원하는 장치는 모두 포함될 수 있다.
이상 본 발명의 일 실시예에 따른 영상 제작 지원 플랫폼 환경에서는 전술한 구성을 기반으로 원본 동영상으로부터 동영상 클립을 편집 제작하는 것을 지원할 수 있다.
한편, 종래 기술에서도 살펴본 바와 같이, 원본 동영상을 동영상 클립으로 제작하기 위해서는 편집자가 직접 영상을 재생하면서 수작업으로 하이라이트 구간만 추출해야 하는데, 이 경우 동영상 클립 제작에 지나치게 많은 작업 시간이 소요되는 문제점이 있다.
뿐만 아니라, 개인방송에서의 객체(상품, 광고) 노출은 크리에이터가 일상에서 객체를 사용하거나 서비스를 체험하는 후기 형식인 경우가 많은데, 이처럼 개인방송에서 노출되는 객체의 경우, 대부분 협찬으로서 크리에이터는 개인방송에서의 객체 노출을 통해 수익을 창출하게 된다.
헌데, 일반적으로 객체(예: 상품, 광고)의 노출에 따른 광고주(상품판매자) 입장에서 지불해야 하는 비용은, 시청자(소비자)에게 객체가 노출된 횟수 또는 시간에 비례하는 금액으로 책정되어야 하는데, 개인방송의 경우 그 특성 상 객체의 노출 빈도를 책정하기가 어려워 객체 노출에 따른 합리적인 비용 책정이 사실상 어려운 것이 현실이다.
이에, 본 발명의 일 실시예에서는 원본 동영상으로부터 동영상 클립을 제작하는 것을 지원하며, 또한 이 과정에서 원본 동영상에서 객체의 노출 빈도를 가늠할 수 있는 새로운 방안을 제안하고자 하며, 이하에서는 이를 실현하기 위한 영상제작지원장치(30)의 구성에 대해 보다 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 영상제작지원장치(30)의 개략적인 구성을 보여주고 있다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 영상제작지원장치(30)는 원본 동영상 내 유효한 쇼트(Shot)를 선별하는 선별부(32), 하이라이트 구간을 결정하는 결정부(34)를 포함하는 구성을 가질 수 잇다.
또한, 본 발명의 일 실시예에 따른 영상제작지원장치(30)는 전술한 구성 이외에 객체를 학습하는 학습부(31), 썸네일 이미지를 선정하는 선정부(33), 태깅정보를 삽입하는 삽입부(35), 및 동영상 클립 제작을 지원하는 지원부(36)를 더 포함할 수 있다.
이상의 학습부(31), 선별부(32), 선정부(33), 결정부(34), 삽입부(35), 지원부(36)를 포함하는 영상제작지원장치(30)의 구성 전체 내지는 적어도 일부는, 하드웨어 모듈 형태 또는 소프트웨어 모듈 형태로 구현되거나, 하드웨어 모듈과 소프트웨어 모듈이 조합된 형태로도 구현될 수 있다.
여기서, 소프트웨어 모듈이란 영상제작지원장치(30) 내에서 연산을 제어하는 프로세서에 의해 실행되는 명령어로 이해될 수 있으며, 이러한 명령어는 영상제작지원장치(30)에서 메모리에 탑재된 형태를 가질 수 잇다.
한편, 본 발명의 일 실시예에 따른 영상제작지원장치(30)는 전술한 구성 이외에, 광고/커머스관리장치(10), 크리에이터장치(20), 및 미디어플랫폼장치(40)와의 실질적인 통신 기능을 담당하는 통신부(37)의 구성을 더 포함할 수 있다.
이러한 통신부(37)는 예컨대, 안테나 시스템, RF 송수신기, 하나 이상의 증폭기, 튜너, 하나 이상의 발진기, 디지털 신호 처리기, 코덱(CODEC) 칩셋, 및 메모리 등을 포함하지만 이에 제한되지는 않으며, 이 기능을 수행하는 공지의 회로는 모두 포함할 수 있다.
이상 본 발명의 일 실시예에 따른 영상제작지원장치(30)는 전술한 구성에 따라 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하는 방식을 통해서 동영상 클립을 제작하는 것을 효과적으로 지원할 수 있는데, 이하에서는 이를 실현하기 위한 영상제작지원장치(30) 내 각 구성에 대해 보다 구체적으로 설명하기로 한다.
한편, 설명의 편의를 위해 크리에이터장치(20)에서의 실시간 개인방송을 녹화한 원본 동영상을 크리에이터장치(20)로부터 수신하였으며, 이처럼 수신된 원본 동영상에는 특정 객체(예: 광고, 상품)가 포함되어 녹화된 것을 전제하기로 한다.
학습부(31)는 원본 동영상에 포함된 특정 객체의 이미지를 학습하는 기능을 수행한다.
보다 구체적으로, 학습부(31)는 원본 동영상에 포함된 특정 객체를 인식하기 위해 상기 특정 객체와 관련된 인식용 이미지를 기반으로 학습용 이미지를 생성하게 되며, 이처럼 생성된 학습용 이미지를 이용한 훈련을 통해서 상기 특정 객체의 특징점을 학습하게 된다.
이때, 상기 특정 객체와 관련된 인식용 이미지는, 객체에 대한 정보를 관리하는 광고/커머스관리장치(10)로부터 획득하거나, 크리에이터장치(10)로부터 획득할 수 있으며, 이러한 인식용 이미지는 기 설정된 사이즈, 해상도, 및 각도에 따른 서로 다른 이미지의 형태로 제1설정개수(예: 5장)만큼 획득될 수 있다.
또한, 학습용 이미지의 경우, 기 설정된 변경 방식에 따라 상기 인식용 이미지 각각을 변경하는 방식으로 생성될 수 있으며, 이러한 학습용 이미지의 경우, 인식용 이미지에 필요한 제1설정개수보다 많은 제2설정개수(예: 50장)만큼 생성될 수 있다.
여기서, 학습용 이미지를 생성하기 위한 기 설정된 변경 방식이란, 각각의 인식용 이미지에 대한 예컨대, 블러(blur) 처리, 색상 변경, 각도 변경, 및 밝기 변경 등으로 이해할 수 있다.
참고로, 학습용 이미지에 요구되는 제2설정개수의 경우 인식 정확도와 관련한 운용자 설정에 따라 그 개수가 다양하게 결정될 수 있음은 물론이다.
한편, 학습부(31)는 원본 동영상에 포함된 특정 객체뿐만 아니라 저작권, 유해 컨텐츠 차단 등과 관련하여 원본 동영상에서 노출이 불가한 객체정보(이미지, 오디오, 텍스트)를 학습하여 특징점을 생성할 수 있다.
여기서, 객체정보의 특징점이란 컨텐츠 공유 DNA를 일컫는 것으로서, 예컨대, 오디오, 주파수, 색상, 모션 등으로 이해할 수 있다.
선별부(32)는 원본 동영상으로부터 유효 쇼트를 선별하는 기능을 수행한다.
보다 구체적으로, 선별부(32)는 원본 동영상 내 특정 객체를 학습한 학습 결과를 기반으로 원본 동영상의 전체 쇼트로부터 특정 객체를 포함하고 있는 유효 쇼트를 선별하게 된다.
이때, 선별부(32)는 원본 동영상의 모든 프레임을 대상으로 전/후 프레임의 명암, 색상의 변화량, 에지 등을 분석하여 쇼트 전환 여부를 감지하고 이를 활용하여 유효 쇼트를 선별한다.
특히, 선별부(32)는 원본 동영상 내 특정 객체를 포함하고 있는 모든 쇼트를 유효 쇼트로 선별하는 것이 아닌, 원본 동영상 내 특정 객체를 포함하고 있는 적어도 일부 쇼트 중 기 설정된 프레임 개수(예: 60프레임)만큼 지속되는 쇼트지속구간을 갖는 쇼트만을 유효 쇼트로 선별한다.
이처럼, 기 설정된 프레임 개수만큼 지속되는 쇼트지속구간을 갖는 쇼트만을 유효 쇼트로 선별하는 것은, 시청자의 주목도나 동영상의 맥락을 고려할 때 빠르게 전환되는 쇼트는 추후 하이라이트 구간에서 제외되어도 크게 문제가 되지 않기 때문이다.
한편, 이처럼 원본 동영상의 전체 쇼트로부터 특정 객체를 포함하고 있는지 여부를 확인하는 과정에서, 매 프레임 마다 특정 객체가 노출되고 있는지 여부가 확인될 수 있으며, 만약 특정 객체가 노출에 따른 비용이 책정되는 광고 또는 상품인 경우라면 매 프레임마다의 해당 객체의 노출 여부는, 객체의 노출에 대한 비용 책정 시 정량적인 자료로 활용될 수 있다.
이에, 객체의 노출 횟수 또는 시간에 따라 비용을 지급하는 광고주(상품판매자) 입장에서는 프레임마다의 객체 노출 여부를 확인할 수 있는 정량적인 자료를 근거로 정확한 비용을 책정하여 지급할 수 있는 것이다.
선정부(33)는 썸네일 이미지를 선정하는 기능을 수행한다.
보다 구체적으로, 선정부(33)는 유효 쇼트에 대한 선별이 완료되는 경우, 선별된 각각의 유효 쇼트에서 객체 인식률이 가장 높은 특정 프레임을 각 유효 쇼트를 대표하는 썸네일 이미지로 선정하게 된다.
이처럼, 각 유효 쇼트에 대해서 썸네일 이미지를 선정하는 것은 동영상 클립의 대표 이미지(채널 아트) 제작에 있어서 각각의 유효 쇼트에 대해 선정된 썸네일 이미지를 활용하도록 하기 위함이다.
결정부(34)는 유효 쇼트로부터 하이라이트 구간을 결정하는 기능을 수행한다.
구체적으로, 결정부(34)는 유효 쇼트에 대해서 5 프레임 단위로 샘플링한 프레임에 대한 객체를 인식(만약 객체의 움직임이 크지 않은 경우, 15 프레임 단위로 샘플링한 프레임에 대한 객체를 인식)하여 동영상 클립 제작을 위한 하이라이트 구간을 결정할 수 있다.
이와 같이, 유효 쇼트 내 객체의 움직인(프레임의 변화량)에 따라 샘플링 구간을 달리하는 것은, 유효 쇼트 분석의 정확도와 효율성을 함께 고려하기 위함이다.
또한, 결정부(34)는 유효 쇼트에 대한 하이라이트특정정보를 분석하여 하이라이트 구간을 결정할 수 있다.
여기서, 하이라이트특정정보는, 원본 동영상으로부터 인식되는 동영상 장르(게임/스포츠, 키즈, 엔터테인먼트, 뷰티, 푸드, 애니멀 등)에 따라 음성데이터, 비디오데이터, 및 텍스트데이터 중 적어도 하나를 이용하여 지정될 수 있다.
예를 들어, 일반 개인방송의 경우 크리에이터의 목소리가 커지는 구간, 별풍선 등 후원이 많이 발생하는 구간, 채팅창의 텍스트 데이터가 늘어나는 구간을 하이라이트 구간으로 결정할 수 있으며, 게임/스포츠와 같은 장르의 개인방송은 일반 개인방송에 해당하는 전술의 하이라이트 구간뿐만 아니라 아나운서의 목소리가 커지는 구간, 관중의 함성 또는 박수소리가 커지는 구간, 득점 결과 등 자막이 등장하는 구간, 객체의 움직임 변화가 큰 구간, 주요 관심 대상 선수에 대한 얼굴 인식을 통하여 선수가 등장하는 구간을 하이라이트 구간으로 결정할 수 있는 것이다.
또한, 결정부(34)는 이처럼 하이라이트 구간의 결정을 위해 유효 쇼트를 분석하는 과정에서 노출이 불가한 객체정보의 학습 결과를 기반으로 각 유효 쇼트에서 노출이 불가한 객체정보를 확인할 수 있다.
삽입부(35)는 태깅정보를 삽입하는 기능을 수행한다.
보다 구체적으로, 삽입부(35)는 선별된 유효 쇼트로부터 하이라이트 구간이 결정되는 경우, 결정된 하이라이트 구간의 식별을 위한 태깅정보를 하이라이트 구간에 해당하는 각각의 유효 쇼트에 삽입하게 된다.
여기서, 태깅정보는 동영상 클립을 생성하는 편집자에게 각 하이라이트 구간이 가지는 특성을 나타내기 위한 메타 데이터로 이해될 수 있다.
또한, 삽입부(35)는 하이라이트 구간의 식별을 위한 태깅정보의 삽입과 아울러, 하이라이트 구간에 해당하는 유효 쇼트에 노출이 불가한 객체정보가 포함된 경우, 해당 객체정보의 식별을 위한 태깅정보를 추가 삽입할 수 있음은 물론이다.
지원부(36)는 동영상 클립의 제작을 지원하는 기능을 수행한다.
보다 구체적으로, 지원부(36)는 동영상 클립을 생성하는 편집자로 하여금 태깅정보를 기반으로 결정된 하이라이트 구간을 식별할 수 있도록 하며, 또한 각각의 하이라이트 구간을 씬(Scene) 단위로 그룹화하여 동영상 클립을 제작할 수 있는 사용자 인터페이스 환경을 제공하게 된다.
또한, 지원부(36)는 하이라이트 구간에 노출이 불가한 객체정보가 포함된 경우라면, 마찬가지로 태깅정보를 기반으로 편집자가 이를 확인할 수 있는 사용자 인터페이스 환경을 제공함으로써, 편집자로 하여금 해당 객체 정보를 동영상 클립에서 제외(예: 블러, 모자이크) 처리하도록 지원할 수 있다.
한편, 지원부(36)는 하이라이트 구간에 해당하는 각 유효 쇼트에 대해 선정된 썸네일 이미지를 확인하고, 이를 편집할 수 있는 인터페이스 환경을 추가로 제공함으로써, 편집자로 하여금 하이라이트 구간으로 결정된 유효 쇼트 각각의 썸네일 이미지를 기반으로 동영상 클립에 대한 대표 이미지(채널아트)를 제작하도록 지원할 수 있다.
이상에서 살펴본 바와 같이 본 발명의 일 실시예에 따른 영상제작지원장치(30)의 구성에 따르면, 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하고, 태깅정보의 삽입을 통해 추출된 하이라이트 구간에 대한 식별이 가능하도록 함으로써, 편집자가 동영상 클립을 제작하는 것을 효과적으로 지원할 수 있으며, 또한 하이라이트 구간을 추출하는 과정에서 프레임마다의 객체 노출 여부에 대한 정량적인 자료의 확보가 가능해지므로, 광고주(상품판매자)로 하여금 이러한 정량적인 자료를 근거로 객체 노출에 따른 정확한 비용을 책정하도록 지원할 수 있다.
이하에서는 도 3을 참조하여 본 발명의 일 실시예에 따른 영상제작지원장치(30)의 동작 방법에 대해 설명하기로 한다.
먼저, 학습부(31)는 원본 동영상에 포함된 특정 객체를 인식하기 위해 상기 특정 객체와 관련된 인식용 이미지를 기반으로 학습용 이미지를 생성하게 되며, 이처럼 생성된 학습용 이미지를 이용한 훈련을 통해서 상기 특정 객체의 특징점을 생성한다(S11).
이때, 상기 특정 객체와 관련된 인식용 이미지는, 객체에 대한 정보를 관리하는 광고/커머스관리장치(10)로부터 획득하거나, 크리에이터장치(10)로부터 획득할 수 있으며, 이러한 인식용 이미지는 기 설정된 사이즈, 해상도, 및 각도에 따른 서로 다른 이미지의 형태로 제1설정개수(예: 5장)만큼 획득될 수 있다.
또한, 학습용 이미지의 경우, 기 설정된 변경 방식에 따라 상기 인식용 이미지 각각을 변경하는 방식으로 생성될 수 있으며, 이러한 학습용 이미지의 경우, 인식용 이미지에 필요한 제1설정개수보다 많은 제2설정개수(예: 50장)만큼 생성될 수 있다.
여기서, 학습용 이미지를 생성하기 위한 기 설정된 변경 방식이란, 각각의 인식용 이미지에 대한 예컨대, 블러(blur) 처리, 색상 변경, 각도 변경, 및 밝기 변경 등으로 이해할 수 있다.
한편, 학습부(31)는 원본 동영상에 포함된 특정 객체뿐만 아니라 저작권, 유해 컨텐츠 차단 등과 관련하여 원본 동영상에서 노출이 불가한 객체정보(이미지, 오디오, 텍스트)를 추가로 학습하여 특징점을 생성할 수 있다.
여기서, 객체정보의 특징점이란 컨텐츠 공유 DNA를 일컫는 것으로서, 예컨대, 오디오, 주파수, 색상, 모션 등으로 이해할 수 있다.
그리고 나서, 선별부(32)는 원본 동영상 내 특정 객체를 학습한 학습 결과를 기반으로 원본 동영상의 전체 쇼트로부터 특정 객체를 포함하고 있는 유효 쇼트를 선별한다(S12).
이때, 선별부(32)는 원본 동영상의 모든 프레임을 대상으로 전/후 프레임의 명암, 색상의 변화량, 에지 등을 분석하여 쇼트 전환 여부를 감지하고 이를 활용하여 유효 쇼트를 선별한다.
특히, 선별부(32)는 원본 동영상 내 특정 객체를 포함하고 있는 모든 쇼트를 유효 쇼트로 선별하는 것이 아닌, 원본 동영상 내 특정 객체를 포함하고 있는 적어도 일부 쇼트 중 기 설정된 프레임 개수(예: 60프레임)만큼 지속되는 쇼트지속구간을 갖는 쇼트만을 유효 쇼트로 선별한다.
이처럼, 기 설정된 프레임 개수만큼 지속되는 쇼트지속구간을 갖는 쇼트만을 유효 쇼트로 선별하는 것은, 시청자의 주목도나 동영상의 맥락을 고려할 때 빠르게 전환되는 쇼트는 추후 하이라이트 구간에서 제외되어도 크게 문제가 되지 않기 때문이다.
한편, 이처럼 원본 동영상의 전체 쇼트로부터 특정 객체를 포함하고 있는지 여부를 확인하는 과정에서, 매 프레임 마다 특정 객체가 노출되고 있는지 여부가 확인될 수 있으며, 만약 특정 객체가 노출에 따른 비용이 책정되는 광고 또는 상품인 경우라면 매 프레임마다의 해당 객체의 노출 여부는, 객체의 노출에 대한 비용 책정 시 정량적인 자료로 활용될 수 있다.
이에, 객체의 노출 횟수 또는 시간에 따라 비용을 지급하는 광고주(상품판매자) 입장에서는 프레임마다의 객체 노출 여부를 확인할 수 있는 정량적인 자료를 근거로 정확한 비용을 책정하여 지급할 수 있는 것이다.
그런 다음, 선정부(33)는 유효 쇼트에 대한 선별이 완료되는 경우, 선별된 각각의 유효 쇼트에서 객체 인식률이 가장 높은 특정 프레임을 각 유효 쇼트를 대표하는 썸네일 이미지로 선정한다(S13).
이처럼, 각 유효 쇼트에 대해서 썸네일 이미지를 선정하는 것은 동영상 클립의 대표 이미지(채널 아트) 제작에 있어서 각각의 유효 쇼트에 대해 선정된 썸네일 이미지를 활용하도록 하기 위함이다.
이어서, 결정부(34)는 유효 쇼트에 대해서 5 프레임 단위로 샘플링한 프레임에 대한 객체를 인식(만약 객체의 움직임이 크지 않은 경우, 15 프레임 단위로 샘플링한 프레임에 대한 객체를 인식)하여 동영상 클립 제작을 위한 하이라이트 구간을 결정한다(S14).
이와 같이, 유효 쇼트 내 객체의 움직인(프레임의 변화량)에 따라 샘플링 구간을 달리하는 것은, 유효 쇼트 분석의 정확도와 효율성을 함께 고려하기 위함이다.
또한, 결정부(34)는 유효 쇼트에 대한 하이라이트특정정보를 분석하여 하이라이트 구간을 결정할 수 있다.
여기서, 하이라이트특정정보는, 원본 동영상으로부터 인식되는 동영상 장르(게임/스포츠, 키즈, 엔터테인먼트, 뷰티, 푸드, 애니멀 등)에 따라 음성데이터, 비디오데이터, 및 텍스트데이터 중 적어도 하나를 이용하여 지정될 수 있다.
예를 들어, 일반 개인방송의 경우 크리에이터의 목소리가 커지는 구간, 별풍선 등 후원이 많이 발생하는 구간, 채팅창의 텍스트 데이터가 늘어나는 구간을 하이라이트 구간으로 결정할 수 있으며, 게임/스포츠와 같은 장르의 개인방송은 일반 개인방송에 해당하는 전술의 하이라이트 구간뿐만 아니라 아나운서의 목소리가 커지는 구간, 관중의 함성 또는 박수소리가 커지는 구간, 득점 결과 등 자막이 등장하는 구간, 객체의 움직임 변화가 큰 구간, 주요 관심 대상 선수에 대한 얼굴 인식을 통하여 선수가 등장하는 구간을 하이라이트 구간으로 결정할 수 있는 것이다.
또한, 결정부(34)는 이처럼 하이라이트 구간의 결정을 위해 유효 쇼트를 분석하는 과정에서 노출이 불가한 객체정보의 학습 결과를 기반으로 각 유효 쇼트에서 노출이 불가한 객체정보를 확인할 수 있다.
나아가, 삽입부(35)는 선별된 유효 쇼트로부터 하이라이트 구간이 결정되는 경우, 결정된 하이라이트 구간의 식별을 위한 태깅정보를 하이라이트 구간에 해당하는 각각의 유효 쇼트에 삽입한다(S15).
여기서, 태깅정보는 동영상 클립을 생성하는 편집자에게 각 하이라이트 구간이 가지는 특성을 나타내기 위한 메타 데이터로 이해될 수 있다.
또한, 삽입부(35)는 하이라이트 구간의 식별을 위한 태깅정보의 삽입과 아울러, 하이라이트 구간에 해당하는 유효 쇼트에 노출이 불가한 객체정보가 포함된 경우, 해당 객체정보의 식별을 위한 태깅정보를 추가 삽입할 수 있음은 물론이다.
이후, 지원부(36)는 동영상 클립을 생성하는 편집자로 하여금 태깅정보를 기반으로 결정된 하이라이트 구간을 식별할 수 있도록 하며, 또한 각각의 하이라이트 구간을 씬(Scene) 단위로 그룹화하여 동영상 클립을 제작할 수 있는 사용자 인터페이스 환경을 제공한다(S16).
이때, 지원부(36)는 하이라이트 구간에 노출이 불가한 객체정보가 포함된 경우라면, 마찬가지로 태깅정보를 기반으로 편집자가 이를 확인할 수 있는 사용자 인터페이스 환경을 제공함으로써, 편집자로 하여금 해당 객체 정보를 동영상 클립에서 제외(예: 블러, 모자이크) 처리하도록 지원할 수 있다.
또한, 지원부(36)는 하이라이트 구간에 해당하는 각 유효 쇼트에 대해 선정된 썸네일 이미지를 확인하고, 이를 편집할 수 있는 인터페이스 환경을 추가로 제공함으로써, 편집자로 하여금 하이라이트 구간으로 결정된 유효 쇼트 각각의 썸네일 이미지를 기반으로 동영상 클립에 대한 대표 이미지(채널아트)를 제작하도록 지원할 수 있다.
이상에서 살펴본 바와 같이 본 발명의 일 실시예에 따른 영상제작지원장치(30)의 동작 방법에 따르면, 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하고, 태깅정보의 삽입을 통해 추출된 하이라이트 구간에 대한 식별이 가능하도록 함으로써, 편집자가 동영상 클립을 제작하는 것을 효과적으로 지원할 수 있으며, 또한 하이라이트 구간을 추출하는 과정에서 프레임마다의 객체 노출 여부에 대한 정량적인 자료의 확보가 가능해지므로, 광고주(상품판매자)로 하여금 이러한 정량적인 자료를 근거로 객체 노출에 따른 정확한 비용을 책정하도록 지원할 수 있다.
한편, 여기에 제시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.
본 발명에 따른 영상제작지원장치 및 그 동작 방법에 따르면, 딥 러닝(Deep Learning)을 기반으로 원본 동영상 내 하이라이트 구간을 자동 추출하는 방식을 통해 동영상 클립 제작을 효과적으로 지원할 수 있다는 점에서, 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.
10: 광고/커머스관리장치
20: 크리에이터장치
30: 영상제작지원장치
31: 학습부 32: 선별부
33: 선정부 34: 결정부
35: 삽입부 36: 지원부
40: 미디어플랫폼장치
50: 사용자장치

Claims (16)

  1. 원본 동영상의 전체 쇼트(Shot) 중 특정 객체를 포함하고 있는 유효 쇼트(Shot)를 선별하는 선별부; 및
    상기 원본 동영상으로부터 인식되는 동영상 장르에 따라 음성데이터, 비디오데이터, 및 텍스트데이터 중 적어도 하나로 지정되는 하이라이트특정정보에 기초하여 상기 유효 쇼트 중 적어도 일부를 동영상 클립 제작을 위한 하이라이트 구간으로 결정하는 결정부를 포함하는 것을 특징으로 하는 영상제작지원장치.
  2. 제 1 항에 있어서,
    상기 영상제작지원장치는,
    상기 하이라이트 구간을 씬(Scene) 단위로 그룹화하여 상기 동영상 클립을 제작할 수 있도록 상기 하이라이트 구간의 식별을 위한 태깅정보를 상기 하이라이트 구간에 해당하는 각각의 유효 쇼트에 삽입하는 삽입부를 더 포함하는 것을 특징으로 하는 영상제작지원장치.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 영상제작지원장치는,
    상기 유효 쇼트를 선별할 수 있도록 상기 특정 객체에 대한 이미지를 학습하는 학습부를 더 포함하는 것을 특징으로 하는 영상제작지원장치.
  4. 제 3 항에 있어서,
    상기 학습부는,
    상기 특정 객체와 관련된 인식용 이미지를 기반으로 학습용 이미지를 생성하며,
    상기 학습용 이미지를 이용한 인식 훈련을 통해 상기 특정 객체의 특징점을 생성하는 것을 특징으로 하는 영상제작지원장치.
  5. 제 4 항에 있어서,
    상기 인식용 이미지는,
    기 설정된 사이즈, 해상도, 및 각도에 따른 서로 다른 이미지의 형태로 제1설정개수만큼 획득되며,
    상기 학습용 이미지는,
    기 설정된 변경 방식에 따라 상기 인식용 이미지 각각으로부터 변경되어, 상기 제1설정개수보다 많은 제2설정개수만큼의 이미지로 생성되는 것을 특징으로 하는 영상제작지원장치.
  6. 제 1 항에 있어서,
    상기 유효 쇼트는,
    기 설정된 프레임 개수만큼 지속되는 쇼트지속구간을 갖는 것을 특징으로 하는 영상제작지원장치.
  7. 삭제
  8. 제 3 항에 있어서,
    상기 학습부는,
    상기 원본 동영상에서 노출이 불가한 객체정보를 학습하며,
    상기 삽입부는,
    상기 하이라이트 구간에 노출이 불가한 객체정보가 포함된 경우, 상기 하이라이트 구간에 대해 해당 객체정보의 식별을 위한 태깅정보를 추가 삽입하는 것을 특징으로 하는 영상제작지원장치.
  9. 원본 동영상의 전체 쇼트(Shot) 중 특정 객체를 포함하고 있는 유효 쇼트(Shot)를 선별하는 선별단계; 및
    상기 원본 동영상으로부터 인식되는 동영상 장르에 따라 음성데이터, 비디오데이터, 및 텍스트데이터 중 적어도 하나로 지정되는 하이라이트특정정보에 기초하여 상기 유효 쇼트 중 적어도 일부를 동영상 클립 제작을 위한 하이라이트 구간으로 결정하는 결정단계를 포함하는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
  10. 제 9 항에 있어서,
    상기 방법은,
    상기 하이라이트 구간을 씬(Scene) 단위로 그룹화하여 상기 동영상 클립을 제작할 수 있도록 상기 하이라이트 구간의 식별을 위한 태깅정보를 상기 하이라이트 구간에 해당하는 각각의 유효 쇼트에 삽입하는 삽입단계를 더 포함하는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
  11. 제 9 항 또는 제 10 항에 있어서,
    상기 방법은,
    상기 선별단계 이전에, 상기 유효 쇼트를 선별할 수 있도록 상기 특정 객체에 대한 이미지를 학습하는 학습단계를 더 포함하는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
  12. 제 11 항에 있어서,
    상기 학습단계는,
    상기 특정 객체와 관련된 인식용 이미지를 기반으로 학습용 이미지를 생성하며,
    상기 학습용 이미지를 이용한 인식 훈련을 통해 상기 특정 객체의 특징점을 생성하는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
  13. 제 12 항에 있어서,
    상기 인식용 이미지는,
    기 설정된 사이즈, 해상도, 및 각도에 따른 서로 다른 이미지의 형태로 제1설정개수만큼 획득되며,
    상기 학습용 이미지는,
    기 설정된 변경 방식에 따라 상기 인식용 이미지 각각으로부터 변경되어, 상기 제1설정개수보다 많은 제2설정개수만큼의 이미지로 생성되는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
  14. 제 9 항에 있어서,
    상기 유효 쇼트는,
    기 설정된 프레임 개수만큼 지속되는 쇼트지속구간을 갖는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
  15. 삭제
  16. 제 11 항에 있어서,
    상기 학습단계는,
    상기 원본 동영상에서 노출이 불가한 객체정보를 학습하며,
    상기 삽입단계는,
    상기 하이라이트 구간에 노출이 불가한 객체정보가 포함된 경우, 상기 하이라이트 구간에 대해 해당 객체의 식별을 위한 태깅정보를 추가 삽입하는 것을 특징으로 하는 영상제작지원장치의 동작 방법.
KR1020180028176A 2018-03-09 2018-03-09 영상제작지원장치 및 그 동작 방법 KR102045347B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180028176A KR102045347B1 (ko) 2018-03-09 2018-03-09 영상제작지원장치 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180028176A KR102045347B1 (ko) 2018-03-09 2018-03-09 영상제작지원장치 및 그 동작 방법

Publications (2)

Publication Number Publication Date
KR20190106547A KR20190106547A (ko) 2019-09-18
KR102045347B1 true KR102045347B1 (ko) 2019-11-15

Family

ID=68070865

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180028176A KR102045347B1 (ko) 2018-03-09 2018-03-09 영상제작지원장치 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR102045347B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099129A (zh) * 2021-01-27 2021-07-09 北京字跳网络技术有限公司 一种视频生成方法、装置、电子设备及存储介质
KR102657049B1 (ko) * 2023-08-26 2024-04-12 주식회사 비욘더게임 인공지능에 기반한 실시간 스포츠 하이라이트 영상 편집 및 생성 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100612842B1 (ko) * 2004-02-28 2006-08-18 삼성전자주식회사 앵커 샷 결정방법 및 결정장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101382499B1 (ko) * 2007-10-22 2014-04-21 삼성전자주식회사 영상 태깅 방법 및 이를 사용하는 영상 재생 장치.
KR101847200B1 (ko) * 2015-12-23 2018-04-09 삼성전자주식회사 객체 제어 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100612842B1 (ko) * 2004-02-28 2006-08-18 삼성전자주식회사 앵커 샷 결정방법 및 결정장치

Also Published As

Publication number Publication date
KR20190106547A (ko) 2019-09-18

Similar Documents

Publication Publication Date Title
US20230334092A1 (en) Automated media analysis for sponsor valuation
US11527027B2 (en) Photo and video collaboration platform
JP6861454B2 (ja) 共有アセット及び個別化アセットからのストーリーボード指示ビデオ制作
CN108108996B (zh) 视频中的广告投放方法、装置、计算机设备及可读介质
CN108769723B (zh) 直播视频中优质内容的推送方法、装置、设备和存储介质
CN110263650B (zh) 行为类别检测方法、装置、电子设备和计算机可读介质
US20190174191A1 (en) System and Method for Integrating Interactive Call-To-Action, Contextual Applications with Videos
EP3005719B1 (en) Methods and systems for creating, combining, and sharing time-constrained videos
CN109803180B (zh) 视频预览图生成方法、装置、计算机设备及存储介质
CN109121022B (zh) 用于标记视频片段的方法及装置
KR101670824B1 (ko) 광고 영상 감독과 광고주 중개방법
CN108197994A (zh) 广告投放方法、系统、终端及计算机可读存储介质
US10614313B2 (en) Recognition and valuation of products within video content
KR102045347B1 (ko) 영상제작지원장치 및 그 동작 방법
CN111754254A (zh) 在多媒体中动态创建和插入沉浸式推广内容的系统和方法
CN111694983A (zh) 信息显示方法、装置、电子设备以及存储介质
US20200037034A1 (en) System and Method for Navigating in a Digital Environment
CN113766268A (zh) 视频处理方法、装置、电子设备和可读介质
CN116614652A (zh) 直播场景下广告视频片段替换方法、装置及存储介质
CN114697741B (zh) 多媒体信息的播放控制方法及相关设备
KR20230051032A (ko) 라이브 방송 플랫폼에서 콘텐츠 편집 방법 및 장치
KR20160004234A (ko) 소셜 인터랙티브 영상 서비스 제공 방법 및 장치
CN117014699A (zh) 一种视频数据处理方法及装置
CN109068188A (zh) 在多媒体中显示本地广告的方法及装置、终端及介质
CN110557675A (zh) 一种对视频节目内容进行分析、标注及时基校正的方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant