KR102177854B1 - 개인화된 하이라이트 동영상 생성 시스템 - Google Patents

개인화된 하이라이트 동영상 생성 시스템 Download PDF

Info

Publication number
KR102177854B1
KR102177854B1 KR1020180158146A KR20180158146A KR102177854B1 KR 102177854 B1 KR102177854 B1 KR 102177854B1 KR 1020180158146 A KR1020180158146 A KR 1020180158146A KR 20180158146 A KR20180158146 A KR 20180158146A KR 102177854 B1 KR102177854 B1 KR 102177854B1
Authority
KR
South Korea
Prior art keywords
game
highlight
personalized
video
unit
Prior art date
Application number
KR1020180158146A
Other languages
English (en)
Other versions
KR20200075086A (ko
Inventor
서봉원
이준환
송정우
Original Assignee
서울대학교 산학협력단
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 서울대학교 산학협력단 filed Critical 서울대학교 산학협력단
Priority to KR1020180158146A priority Critical patent/KR102177854B1/ko
Publication of KR20200075086A publication Critical patent/KR20200075086A/ko
Application granted granted Critical
Publication of KR102177854B1 publication Critical patent/KR102177854B1/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
    • G06K9/00724—
    • G06K9/00751—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G06V20/47—Detecting features for summarising video content
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4781—Games

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computational Linguistics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

본 발명은 개인화된 게임 하이라이트 동영상 생성 시스템에 관한 것으로, 비디오 게임의 로그 데이터와 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 서로 상이한 게임 하이라이트 동영상을 차별화하여 제공할 수도록 한 것이다.

Description

개인화된 하이라이트 동영상 생성 시스템{System and method for generating of personalized highlights video}
본 발명은 동영상 처리 기술에 관련한 것으로, 특히 개인화된 게임 하이라이트 동영상 생성 시스템에 관한 것이다.
최근 E스포츠(Esports) 시장이 빠르게 성장하고 있다. E스포츠란 선수들이 상금을 걸고 경쟁하는 비디오 게임 대회이다. E스포츠 시장은 2016년에는 2015년 대비 관객수가 13.3% 증가해 약 256만명 정도가 되었고 기대 수익은 2015년 대비 42.6% 증가한 약 4억 6300만 달러 정도가 되었다.
또한, 통계적으로 E스포츠는 전통적인 스포츠에 도전을 시작하였다. 2014년 NBA 결승의 다섯 번째 경기는 약 180만명이 시청했고, 2014년 월드 시리즈의 일곱 번째 경기는 약 235만명이 시청했는데, 2014년 리그 오브 레전드 월드 챔피언십은 약 270만명이 시청했다.
이러한 E스포츠의 영상들은 트위치(Twitch), 유투브 게이밍(YouTube Gaming), 야후 스포츠(Yahoo Esports) 같은 기업들에 의해 사용자들에게 제공되고 있다. 실시간 영상 스트리밍 서비스도 급격히 성장하고 있다. 스포츠나 페스티벌, 컴퓨터 게임과 같은 이벤트들의 실시간 영상 스트리밍은 유스트림(UStream), 라이브 스트림(Livestream), 유투브 라이브(YouTube live), 트위치(Twitch)와 같은 플랫폼에서 상당한 네트워크 트래픽을 발생시키고 있다.
온라인 실시간 영상 스트리밍 플랫폼 중 하나인 트위치는 실시간 게임 방송에 주로 사용되는 대규모 영상 스트리밍 플랫폼이다. 트위치는 2014년 미국의 피크 인터넷 트래픽 비율 순위에서 훌루(Hulu)와 페이스북(Facebook), 아마존(Amazon) 같은 회사들의 트래픽 비율 순위를 넘고 4위를 차지했다. 또한, 2018년 2월 기준 일일 활동 사용자 수는 평균 1500만명 정도이고 220만명 이상의 사용자가 매달 스트리밍을 하고 있다.
디지털 영상 콘텐츠가 놀랄 만큼 성장하면서 콘텐츠에서 나머지 부분보다 더 중요한 이벤트, 즉 하이라이트를 추출해야 할 필요성이 대두됐다. 그래서 하이라이트를 추출하기 위한 많은 연구들이 진행됐다. 또한 최근 유투브 발표에 따르면 스포츠 하이라이트 영상의 시청 시간은 2016년에 비해 2017년에 약 80% 증가했다고 한다.
E스포츠와 실시간 게임 영상 스트리밍 같은 게임 관련 영상 콘텐츠들이 확산되면서 게임 분야에서도 다른 분야처럼 영상의 양이 많아지며 영상에서 하이라이트를 뽑는 것이 필요해졌다. 우선 E스포츠 시장의 규모가 커져 감에 따라 E스포츠 경기 영상의 양이 많아지면서 다양한 채널을 통해 색인을 생성하고 공유하는 효율적인 방법의 필요성이 대두됐다.
영상 하이라이트를 추출하는 것이 이를 달성하는 방법 중 하나라고 할 수 있다. 또한, 트위치와 같은 온라인 실시간 영상 스트리밍 플랫폼에서 방송되는 영상들은 방송 길이의 제약이 없어 짧게는 몇 분, 길게는 열 시간이 넘는 방송도 쉽게 찾을 수 있다.
하지만 긴 방송시간은 방송을 보고 시청을 판단하는 시청자들이 새로운 방송에 유입되는데 걸림돌이 된다. 이에 따라 제작자들은 직접 혹은 전문 편집자를 통해 하이라이트 영상을 제공하는 경우들이 있다. 또한, 일반 게이머들은 E스포츠 영상과 실시간 게임 영상 스트리밍 영상뿐만 아니라, 자신의 게임 플레이 영상에서 하이라이트를 보고 싶어하는 니즈가 있다.
개인들의 경기 영상을 자동으로 녹화해주고, 중요 이벤트를 추출해주고, 다른 게이머들과 자신의 경기 영상을 공유할 수 있게 해 주는 Plays.tv , NVIDIA ShadowPlay와 같은 서비스들이 사용자들에게 제공되고 있으며, 오버워치 최고의 플레이처럼 게임내 기능으로 개인의 하이라이트를 생성해주기도 한다.
또한, 일반 게이머들에게 영상을 제보받아 매드 무비로 만드는 꽤 많은 구독자수와 조회수를 가지는 유투브 채널들이 있고, 대형 게임 커뮤니티에도 이를 위한 게시판이 있으며, 많은 영상들이 게시되고 있다. 여기서 매드 무비란 원작자의 음성, 게임, 그림, 동영상, 애니메이션 등을 개인이 편집, 합성, 재생산된 미디어를 의미하며, 여러 하이라이트 장면들을 편집해서 만든 하이라이트 모음집 영상이 여기에 속한다.
이러한 게임 관련 영상 콘텐츠들의 하이라이트를 추출해야 하는 필요성들에 의거해 게임 관련 영상 콘텐츠에서 하이라이트를 자동으로 추출하고자 하는 연구들이 이루어져 왔다. 현재까지는 주로 E스포츠 경기에서 하이라이트를 추출하고자 하는 연구들이 진행되어 왔다.
하지만 E스포츠 경기가 아닌 실시간 게임 스트리밍 영상이나, 일반 게이머들의 게임 플레이 영상에서 하이라이트를 자동으로 뽑는 연구나 서비스는 제한적으로 이루어져 왔다. 현재 오버워치라는 게임에서 게임내 기능으로 제공해주는 최고의 플레이라는 것이 이와 관계된 대표적인 서비스라고 볼 수 있다.
이 기능은 일반 게이머들의 한 경기의 게임 플레이 영상에서 하나의 하이라이트를 뽑아준다. 그러나, 이 기능은 하이라이트를 개인화해서 볼 수 없다는 한계점이 존재한다. 한 경기에 하이라이트가 여러 구간에 존재할 수 있지만, 이 기능은 정해준 하나의 하이라이트 구간만 볼 수 있고, 여러 경기에서 원하는 조건의 하이라이트를 모아서 볼 수도 없다.
대한민국 공개특허 제10-2010-0114131호(2010.10.22)에서 비디오 게임 하이라이트와 같은 인터랙티브 엔터테인먼트(interactive entertainment)를 위한 비디오들을 자동으로 생성하는 시스템 및 방법을 제안하고 있다. 이 기술은 플레이 세션(play session) 중에 일어날 수 있는 일련의 이벤트들을 식별하여 이벤트 장면들을 조합하여 하이라이트 표시한다.
E스포츠 경기의 하이라이트를 자동으로 추출하는 기존 연구에서 쓰인 방법을 이용하여 실시간 게임 영상 스트리머들의 경기 영상이나, 일반 게이머들의 경기 영상에서 개인화된 하이라이트를 추출하기에는 어려움이 있다. 스포츠 경기의 하이라이트를 추출하는 방법은 주로 영상, 소리 데이터를 통해 이루어져 왔고 E스포츠 경기는 주로 영상과 채팅 정보를 통해 이루어져 왔다.
실시간 게임 영상 스트리머들의 경기와 일반 게이머들의 경기는 E스포츠 경기에서 하이라이트를 뽑을 때 쓰는 데이터인 E스포츠 영상과 채팅정보에서 여러 차이가 있다. 게임 스트리머와 일반 게이머들의 경기에는 E스포츠 경기 영상에 덮어씌워지는 경기 정보, 코멘테이터(commentator)와 관중들의 소리 데이터가 없으며, 영상에 덮어 씌워지는 정보, 스트리머 혹은 일반 게이머가 하는 말, 시청자들의 채팅 정보들이 스트리머, 일반 게이머마다 각자 다를 수 있다. 따라서 게임 스트리머들과 일반 게이머들의 하이라이트를 뽑기 위해서는 새로운 추출 방법이 필요하다.
대한민국 공개특허 제10-2010-0114131호(2010.10.22)
본 발명은 비디오 게임의 로그 데이터와 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성할 수 있는 개인화된 게임 하이라이트 동영상 생성 시스템을 제공함을 그 목적으로 한다.
본 발명의 또 다른 목적은 기계학습 분류 알고리즘으로 로그 데이터를 자동으로 분석하여 하이라이트 구간을 추출하여 중요도를 부여하고, 하이라이트 구간의 중요도 및 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성할 수 있는 개인화된 게임 하이라이트 동영상 생성 시스템을 제공하는 것이다.
본 발명의 또 다른 목적은 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성할 수 있는 개인화된 하이라이트 동영상 생성 시스템을 제공하는 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 양상에 따르면, 개인화된 게임 하이라이트 동영상 생성 시스템이 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 선정하는 하이라이트 구간 처리부와; 사용자의 개인화 조건을 입력받는 개인화 조건 입력부와; 하이라이트 구간 처리부에 의해 선정된 게임 하이라이트 구간들 중에서 개인화 조건 입력부에 의해 입력된 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 선택하여 개인화하는 하이라이트 구간 개인화부와; 하이라이트 구간 개인화부에 의해 선택되어 개인화된 게임 하이라이트 구간들을 조합하여 개인화된 게임 하이라이트 동영상을 생성하는 게임 하이라이트 동영상 생성부를 포함한다.
본 발명의 부가적인 양상에 따르면, 게임 로그 데이터가 이벤트 정보들과, 각 이벤트들이 발생된 시간 정보를 포함한다.
본 발명의 부가적인 양상에 따르면, 이벤트 정보가 이벤트 종류, 게임자 정보, 소속팀 정보를 포함한다.
본 발명의 부가적인 양상에 따르면, 개인화 조건이 관심 항목들 중에서 적어도 하나 선택될 수 있다.
본 발명의 부가적인 양상에 따르면, 하이라이트 구간 처리부가 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 추출하는 하이라이트 구간 추출부와; 하이라이트 구간 추출부에 추출된 게임 하이라이트 구간들의 중요도를 결정하는 구간 중요도 결정부와; 구간 중요도 결정부에 의해 결정된 중요도가 임계치 이상인 게임 하이라이트 구간들을 게임 하이라이트 구간들로 결정하는 하이라이트 구간 결정부를 포함한다.
본 발명의 부가적인 양상에 따르면, 하이라이트 구간 추출부가 기계 학습 분류기를 통해 게임 하이라이트 구간들을 자동 추출할 수 있다.
본 발명의 부가적인 양상에 따르면, 기계 학습 분류기가 게임 전문가들이 레이블링한 게임들의 하이라이트 구간들을 정답 레이블로 설정한 데이터 셋을 이용한 감독 학습을 통해 훈련될 수 있다.
본 발명의 부가적인 양상에 따르면, 기계 학습 분류기가 게임들과 관련된 커뮤니티 피드백을 통해 재훈련되어 민감도를 향상시킬 수 있다.
본 발명의 부가적인 양상에 따르면, 하이라이트 구간 추출부가 게임 로그 데이터를 분석해 동일 게임에 참가하는 참가자별 게임 동영상들 각각으로부터 게임 하이라이트 구간들을 다수개 참가자별로 추출하도록 구현될 수 있다.
본 발명의 부가적인 양상에 따르면, 하이라이트 구간 개인화부가 참가자별 게임 하이라이트 구간들 중에서 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 시계열적으로 겹치지 않도록 선택하여 개인화하도록 구현될 수 있다.
본 발명의 부가적인 양상에 따르면, 게임 하이라이트 동영상 생성부가 하이라이트 구간 개인화부에 의해 선택되어 개인화된 게임 하이라이트 구간들의 조합 빈도수를 조절하여 개인화된 게임 하이라이트 동영상의 길이를 조정할 수 있다.
본 발명의 부가적인 양상에 따르면, 개인화된 게임 하이라이트 동영상 생성 시스템이 게임 동영상 및 게임 로그 데이터를 수집하는 데이터 수집부와; 데이터 수집부에 의해 수집된 게임 로그 데이터를 분석 가능한 형태로 변환하는 데이터 전처리부를 더 포함할 수 있다.
본 발명의 부가적인 양상에 따르면, 데이터 전처리부가 이벤트 발생 여부를 확인할 수 있는 특징값으로 이루어지는 시계열 데이터를 게임 로그 데이터로부터 생성하고, 생성된 시계열 데이터에 슬라이딩 윈도우를 적용하여 하이라이트를 추출하기에 적합한 형태로 변환하도록 구현될 수 있다.
본 발명의 부가적인 양상에 따르면, 개인화된 게임 하이라이트 동영상 생성 시스템이 데이터 수집부에 의해 수집된 게임 동영상 및 게임 로그 데이터를 포함하는 각종 정보를 저장하는 DB를 더 포함할 수 있다.
본 발명의 또 다른 양상에 따르면, 개인화된 게임 하이라이트 동영상 생성 방법이 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 선정하는 하이라이트 구간 처리단계와; 사용자의 개인화 조건을 입력받는 개인화 조건 입력단계와; 하이라이트 구간 처리단계에 의해 선정된 게임 하이라이트 구간들 중에서 개인화 조건 입력단계에 의해 입력된 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 선택하여 개인화하는 하이라이트 구간 개인화단계와; 하이라이트 구간 개인화단계에 의해 선택되어 개인화된 게임 하이라이트 구간들을 조합하여 개인화된 게임 하이라이트 동영상을 생성하는 게임 하이라이트 동영상 생성단계를 포함할 수 있다.
본 발명의 또 다른 양상에 따르면, 개인화된 하이라이트 동영상 생성 시스템이 동영상으로부터 하이라이트 구간들을 선정하는 하이라이트 구간 처리부와; 사용자의 개인화 조건을 입력받는 개인화 조건 입력부와; 하이라이트 구간 처리부에 의해 선정된 하이라이트 구간들 중에서 개인화 조건 입력부에 의해 입력된 사용자의 개인화 조건에 부합하는 하이라이트 구간들을 선택하여 개인화하는 하이라이트 구간 개인화부와; 하이라이트 구간 개인화부에 의해 선택되어 개인화된 하이라이트 구간들을 조합하여 개인화된 하이라이트 동영상을 생성하는 하이라이트 동영상 생성부를 포함한다.
본 발명은 비디오 게임의 로그 데이터와 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 서로 상이한 게임 하이라이트 동영상을 차별화하여 제공할 수 있는 효과가 있다.
또한, 본 발명은 기계학습 분류 알고리즘으로 로그 데이터를 자동으로 분석하여 하이라이트 구간을 추출하여 중요도를 부여하고, 하이라이트 구간의 중요도 및 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 차별화된 게임 하이라이트 동영상을 최적화하여 제공할 수 있는 효과가 있다.
또한, 본 발명은 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 서로 상이한 하이라이트 동영상을 차별화하여 제공할 수 있는 효과가 있다.
도 1 은 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템의 네트워크 연결 개요도이다.
도 2 는 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템의 일 실시예의 구성을 도시한 블럭도이다.
도 3 은 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템의 하이라이트 구간 처리부의 일 실시예를 도시한 블럭도이다.
도 4 는 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 방법의 일 실시예의 구성을 도시한 순서도이다.
도 5 는 본 발명에 따른 개인화된 하이라이트 동영상 생성 시스템의 또 다른 실시예의 구성을 도시한 블럭도이다.
이하, 첨부된 도면을 참조하여 기술되는 바람직한 실시예를 통하여 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 기술하기로 한다. 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있으나, 이는 본 발명의 다양한 실시예들을 특정한 형태로 한정하려는 것은 아니다.
본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명 실시예들의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해될 수 있어야 할 것이다.
도 1 은 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템의 네트워크 연결 개요도이다. 도 1 에 도시한 바와 같이, 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템(100)은 게임 동영상 컨텐츠를 제공하는 서버(10)에 탑재되는 소프트웨어 형태로 구현될 수 있다.
서버(10)는 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템(100)을 실행하는 프로세서(11)와, 키보드 등과 같은 사용자 입력을 위한 입력 부(12)와, 디스플레이 등과 같은 화면 표시를 위한 표시부(13)와, 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템(100)의 실행 코드를 포함하는 각종 데이터를 저장하는 메모리(14)와, 외부 장치와의 통신을 위한 통신부(15)를 포함한다.
본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템(100)은 외부 DB(20)와 제1네트워크로 연결되어 외부 DB(20)로부터 게임 동영상들과 게임 로그데이터들을 수집한다. 이 때, 게임 로그데이터는 게임 동영상 파일 자체에 메타 데이터 형태로 포함될 수도 있고, 게임 동영상 파일과는 별도 파일 형태로 존재할 수도 있다.
또한, 개인화된 게임 하이라이트 동영상 생성 시스템(100)은 동영상 재생장치(30)와 제2네트워크로 연결되어 동영상 재생장치(30)로 개인화된 게임 하이라이트 동영상을 제공한다. 이 때, 동영상 재생장치(30)가 PC, 노트북, 스마트폰, 웨어러블 디바이스 등과 같은 유무선 통신장치일 수 있으나, 이에 한정되지는 않는다.
한편, 제1네트워크와 제2네트워크는 동일할 수도 있고 서로 상이할 수도 있으며, 이더넷 기반(Ethernet) 유선 네트워크 또는 LTE 등과 같은 이동통신 네트워크 또는 WiFi 등과 같은 무선 네트워크일 수 있으나, 이에 한정되지는 않는다.
도 2 는 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템의 일 실시예의 구성을 도시한 블럭도이다. 도 2 에 도시한 바와 같이, 이 실시예에 따른 개인화된 게임 하이라이트 동영상 생성 시스템(100)은 하이라이트 구간 처리부(110)와, 개인화 조건 입력부(120)와, 하이라이트 구간 개인화부(130)와, 게임 하이라이트 동영상 생성부(140)를 포함한다.
하이라이트 구간 처리부(110)는 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 선정한다. 이 때, 게임 로그 데이터가 이벤트 정보들과, 각 이벤트들이 발생된 시간 정보를 포함할 수 있다. 한편, 이벤트 정보가 이벤트 종류, 게임자 정보, 소속팀 정보를 포함할 수 있다.
게임이 진행됨에 따라 시계열적인 이벤트들이 연속적으로 발생하고, 이러한 시계열적으로 발생하는 이벤트들은 이벤트 종류, 게임자 정보, 소속팀 정보를 포함하는 이벤트 정보로 분류되어 식별될 수 있다.
게임이 진행됨에 따라 시계열적으로 발생하는 이벤트들의 이벤트 정보 및 이벤트가 발생된 시간 정보는 게임 로그 데이터로 기록된다. 이 때, 게임 로그데이터는 게임 자체에 의해 자동으로 기록될 수도 있고, 사람에 의해 수동으로 기록될 수도 있다.
한편, 게임 로그 데이터는 게임을 촬영한 게임 동영상 파일 자체에 메타(Meta) 데이터 형태로 포함될 수도 있고, 게임 동영상 파일과는 별도 파일 형태로 생성될 수도 있다.
개인화 조건 입력부(120)는 사용자의 개인화 조건을 입력받는다. 예컨대, 개인화 조건 입력부(120)가 동영상 재생장치(30)를 통해 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템(100)에 접속한 사용자의 개인화 하이라이트 동영상 생성 요청에 따라, 동영상 재생장치(30)로 개인화 조건 입력을 위한 사용자 인터페이스를 제공하고, 이를 통해 사용자로부터 개인화 조건을 입력받도록 구현될 수 있다.
한편, 개인화 조건이 관심 항목들 중에서 적어도 하나 선택될 수 있다. 예컨대, 개인화 조건 입력을 위한 사용자 인터페이스가 관심 항목들의 리스트를 표시하고, 사용자로부터 관심 항목들 중에서 적어도 하나의 관심 항목을 선택받아 개인화 조건을 입력받도록 구현될 수 있다. 이 때, 관심 항목이 게임 승패, 게임자, 소속팀 등과 같은 게임 관련 정보일 수 있다.
예를 들면, FPS(First-Person Shooter) 게임에 A팀과 B팀이 대결하고, A팀 게임자는 A1, A2, A3이고, B팀 게임자는 B1, B2, B3라면, 사용자는 개인화 조건을 위한 관심 항목으로 승리, A2 게임자, A팀을 선택할 수 있다.
사용자의 개인화 조건은 사용자의 개인화 하이라이트 동영상 생성 요청시 마다 사용자로부터 입력받도록 구현되는 것이 바람직하다. 그러나, 이에 한정되지 않고 사용자의 개인화 조건을 미리 입력받아 저장하고, 사용자의 개인화 하이라이트 동영상 생성 요청시에 미리 입력받아 저장한 사용자의 개인화 조건을 읽어 오도록 구현될 수도 있다.
하이라이트 구간 개인화부(130)는 하이라이트 구간 처리부(110)에 의해 선정된 게임 하이라이트 구간들 중에서 개인화 조건 입력부(120)에 의해 입력된 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 선택하여 개인화한다. 이 때, 사용자 마다 개인화 조건이 서로 상이하므로, 하이라이트 구간 개인화부(130)에 의해 개인화되는 게임 하이라이트 구간들은 사용자 마다 상이하다.
게임 하이라이트 동영상 생성부(140)는 하이라이트 구간 개인화부(130)에 의해 선택되어 개인화된 게임 하이라이트 구간들을 조합하여 개인화된 게임 하이라이트 동영상을 생성한다. 하이라이트 구간 개인화부(130)에 의해 개인화되는 게임 하이라이트 구간들은 사용자 마다 상이하므로, 게임 하이라이트 동영상 생성부(140)에 의해 생성되는 개인화된 게임 하이라이트 동영상 역시 사용자 마다 상이하다.
이 때, 게임 하이라이트 동영상 생성부(140)가 하이라이트 구간 개인화부(130)에 의해 선택되어 개인화된 게임 하이라이트 구간들의 조합 빈도수를 조절하여 개인화된 게임 하이라이트 동영상의 길이를 조정하도록 구현될 수도 있다. 게임 하이라이트 동영상의 길이를 조정하여 제공할 경우, 게임 하이라이트 동영상을 더욱 다양화할 수 있다.
이와 같이 구현함에 의해 본 발명은 비디오 게임의 로그 데이터와 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 서로 상이한 게임 하이라이트 동영상을 차별화하여 제공할 수 있다.
도 3 은 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템의 하이라이트 구간 처리부의 일 실시예를 도시한 블럭도이다. 도 3 에 도시한 바와 같이, 이 실시예에 따른 하이라이트 구간 처리부(110)는 하이라이트 구간 추출부(111)와, 구간 중요도 결정부(112)와, 하이라이트 구간 결정부(113)를 포함할 수 있다.
하이라이트 구간 추출부(111)는 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 추출한다. 이 때, 하이라이트 구간 추출부(111)가 기계 학습 분류기를 통해 게임 하이라이트 구간들을 자동 추출하도록 구현될 수 있다. 이 때, 기계 학습 분류기는 결정 트리, 인공 신경망, 서포트 벡터 머신을 포함하는 통상의 기계학습 접근법에 따라 구성될 수 있다.
한편, 기계 학습 분류기가 게임 전문가들이 레이블링한 게임들의 하이라이트 구간들을 정답 레이블로 설정한 데이터 셋을 이용한 감독 학습을 통해 훈련되도록 구현될 수 있다. 또한, 기계 학습 분류기가 게임들과 관련된 커뮤니티 피드백을 통해 재훈련되어 민감도를 향상시키도록 구현될 수 있다.
구간 중요도 결정부(112)는 하이라이트 구간 추출부(111)에 추출된 게임 하이라이트 구간들의 중요도를 결정한다. 예컨대, 구간 중요도 결정부(112)가 기계 학습 분류기에 의해 추출되는 각 게임 하이라이트 구간에 해당하는 결정 함수값들의 평균을 게임 하이라이트의 중요도 임계치로 계산하고, 각 게임 하이라이트 구간의 결정 함수값을 중요도 임계치와 비교하여, 각 게임 하이라이트 구간에 대한 중요도를 결정하도록 구현될 수 있다.
하이라이트 구간 결정부(113)는 구간 중요도 결정부(112)에 의해 결정된 중요도가 임계치 이상인 게임 하이라이트 구간들을 게임 하이라이트 구간들로 결정한다. 게임 하이라이트 구간 중요도를 고려하여 게임 하이라이트 구간들을 결정할 경우, 게임 하이라이트 구간들을 최적화할 수 있다.
이와 같이 구현함에 의해 본 발명은 기계학습 분류 알고리즘으로 로그 데이터를 자동으로 분석하여 하이라이트 구간을 추출하여 중요도를 부여하고, 하이라이트 구간의 중요도 및 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 차별화된 게임 하이라이트 동영상을 최적화하여 제공할 수 있다.
한편, 발명의 부가적인 양상에 따르면, 하이라이트 구간 추출부(111)가 게임 로그 데이터를 분석해 동일 게임에 참가하는 참가자별 게임 동영상들 각각으로부터 게임 하이라이트 구간들을 다수개 참가자별로 추출하도록 구현될 수 있다.
이 때, 하이라이트 구간 개인화부(130)가 참가자별 게임 하이라이트 구간들 중에서 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 시계열적으로 겹치지 않도록 선택하여 개인화하도록 구현될 수 있다.
하나의 동일 게임에 참가자가 다수일 경우, 각 참가자별로 게임 동영상이 각각 실시간 녹화된다. 이 실시예는 동일 게임에 참가하는 다수의 참가자별 게임 동영상들 각각으로부터 추출된 게임 하이라이트 구간들로부터 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 시계열적으로 겹치지 않도록 선택하여 개인화한도록 한 것이다.
이와 같이 구현함으로써 본 발명은 다수의 참가자별로 게임 동영상으로부터 하나의 개인화된 게임 하이라이트 동영상을 생성할 수 있으므로, 보다 다양한 개인화된 게임 하이라이트 동영상을 생성할 수 있는 장점이 있다.
한편, 발명의 부가적인 양상에 따르면, 개인화된 게임 하이라이트 동영상 생성 시스템(100)이 데이터 수집부(150)와, 데이터 전처리부(160)를 더 포함할 수 있다.
데이터 수집부(150)는 게임 동영상 및 게임 로그 데이터를 수집한다. 예컨대, 데이터 수집부(150)가 외부 DB(20)로부터 게임 동영상들과 게임 로그데이터들을 크롤링(Crawling) 하도록 구현될 수 있다.
데이터 전처리부(160)는 데이터 수집부(150)에 의해 수집된 게임 로그 데이터를 분석 가능한 형태로 변환한다. 예컨대, 데이터 전처리부(160)가 이벤트 발생 여부를 확인할 수 있는 특징값으로 이루어지는 시계열 데이터를 게임 로그 데이터로부터 생성하고, 생성된 시계열 데이터에 슬라이딩 윈도우를 적용하여 하이라이트를 추출하기에 적합한 형태로 변환하도록 구현될 수 있다.
시계열 데이터에 슬라이딩 윈도우를 적용한다는 것은 이벤트 발생 시점 전후로 특정 시간 동안을 하이라이트 구간 추출을 위한 시간 윈도우 영역으로 확보한다는 것을 의미한다. 예를 들면, 이벤트 발생 시점 전 8초부터 이벤트 발생 시점 후 5초까지 총 13초간의 구간을 하이라이트 구간 추출을 위한 시간 윈도우 영역으로 확보하도록 구현될 수 있다.
한편, 발명의 부가적인 양상에 따르면, 개인화된 게임 하이라이트 동영상 생성 시스템(100)이 DB(170)를 더 포함할 수 있다. DB(170)는 데이터 수집부(150)에 의해 수집된 게임 동영상 및 게임 로그 데이터를 포함하는 각종 정보를 저장한다.
데이터 전처리부(160)는 데이터 수집부(150)에 의해 수집되어 DB(170)에 저장된 게임 로그 데이터를 분석 가능한 형태로 변환하고, 데이터 전처리부(160)에 의해 전처리된 게임 로그 데이터로부터 하이라이트 구간 처리부(110)가 게임 하이라이트 구간들을 선정한다.
그러면, 하이라이트 구간 개인화부(130)가 하이라이트 구간 처리부(110)에 의해 선정된 게임 하이라이트 구간들 중에서 개인화 조건 입력부(120)에 의해 입력된 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 선택하여 개인화하고, 게임 하이라이트 동영상 생성부(140)가 개인화된 게임 하이라이트 구간들을 조합하여 개인화된 게임 하이라이트 동영상을 생성한다.
한편, 도면 부호 180은 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템 전반을 제어하는 제어부로, 하이라이트 구간 처리부(110)와, 개인화 조건 입력부(120)와, 하이라이트 구간 개인화부(130)와, 게임 하이라이트 동영상 생성부(140)와, 데이터 수집부(150)와, 데이터 전처리부(160) 및 DB(170)을 서로 유관하게 동작 가능하도록 제어하는 기능을 담당한다.
이상에서 설명한 바와 같은 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 시스템에 의한 개인화된 게임 하이라이트 동영상 생성 동작을 도 4 를 통해 알아본다. 도 4 는 본 발명에 따른 개인화된 게임 하이라이트 동영상 생성 방법의 일 실시예의 구성을 도시한 순서도이다.
먼저, 하이라이트 구간 처리단계(410)에서 개인화된 게임 하이라이트 동영상 생성 시스템이 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 선정한다. 이 때, 하이라이트 구간 중요도를 고려하여 게임 하이라이트 구간들을 선정할 수 있다. 게임 하이라이트 구간 선정과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.
그 다음, 개인화 조건 입력단계(420)에서 개인화된 게임 하이라이트 동영상 생성 시스템이 사용자의 개인화 조건을 입력받는다. 사용자의 개인화 조건 입력과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.
그 다음, 하이라이트 구간 개인화단계(430)에서 개인화된 게임 하이라이트 동영상 생성 시스템이 하이라이트 구간 처리단계(410)에 의해 선정된 게임 하이라이트 구간들 중에서 개인화 조건 입력단계(420)에 의해 입력된 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 선택하여 개인화한다. 게임 하이라이트 구간 개인화와 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.
그 다음, 게임 하이라이트 동영상 생성단계(440)에서 개인화된 게임 하이라이트 동영상 생성 시스템이 하이라이트 구간 개인화단계(430)에 의해 선택되어 개인화된 게임 하이라이트 구간들을 조합하여 개인화된 게임 하이라이트 동영상을 생성한다.
이상에서 설명한 바와 같이, 본 발명은 비디오 게임의 로그 데이터와 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 서로 상이한 게임 하이라이트 동영상을 차별화하여 제공할 수 있다.
또한, 본 발명은 기계학습 분류 알고리즘으로 로그 데이터를 자동으로 분석하여 하이라이트 구간을 추출하여 중요도를 부여하고, 하이라이트 구간의 중요도 및 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 차별화된 게임 하이라이트 동영상을 최적화하여 제공할 수 있다.
도 5 는 본 발명에 따른 개인화된 하이라이트 동영상 생성 시스템의 또 다른 실시예의 구성을 도시한 블럭도이다. 이 실시예는 도 2 에 도시한 개인화된 게임 하이라이트 동영상 생성 시스템을 확장하여 게임에 한정되지 않고 일반적인 동영상으로부터 개인화된 하이라이트 동영상을 생성하도록 구현한 실시예이다.
도 5 에 도시한 바와 같이, 이 실시예에 따른 개인화된 하이라이트 동영상 생성 시스템(500)은 하이라이트 구간 처리부(510)와, 개인화 조건 입력부(520)와, 하이라이트 구간 개인화부(530)와, 하이라이트 동영상 생성부(540)를 포함한다.
하이라이트 구간 처리부(510)는 동영상으로부터 하이라이트 구간들을 선정한다. 예컨대, 하이라이트 구간 처리부(510)가 동영상내의 객체들을 추척하여 객체 이동 변화가 큰 구간들을 하이라이트 구간들로 선정하도록 구현될 수 있으나, 이에 한정되지는 않는다.
개인화 조건 입력부(520)는 사용자의 개인화 조건을 입력받는다. 예컨대, 개인화 조건 입력부(520)가 동영상 재생장치를 통해 본 발명에 따른 개인화된 하이라이트 동영상 생성 시스템(500)에 접속한 사용자의 개인화 하이라이트 동영상 생성 요청에 따라, 동영상 재생장치로 개인화 조건 입력을 위한 사용자 인터페이스를 제공하고, 이를 통해 사용자로부터 개인화 조건을 입력받도록 구현될 수 있다.
한편, 개인화 조건이 관심 항목들 중에서 적어도 하나 선택될 수 있다. 예컨대, 개인화 조건 입력을 위한 사용자 인터페이스가 관심 항목들의 리스트를 표시하고, 사용자로부터 관심 항목들 중에서 적어도 하나의 관심 항목을 선택받아 개인화 조건을 입력받도록 구현될 수 있다. 이 때, 관심 항목이 사용자의 취향 또는 선호도 정보일 수 있다.
하이라이트 구간 개인화부(530)는 하이라이트 구간 처리부(510)에 의해 선정된 하이라이트 구간들 중에서 개인화 조건 입력부(520)에 의해 입력된 사용자의 개인화 조건에 부합하는 하이라이트 구간들을 선택하여 개인화한다. 이 때, 사용자 마다 개인화 조건이 서로 상이하므로, 하이라이트 구간 개인화부(530)에 의해 개인화되는 하이라이트 구간들은 사용자 마다 상이하다.
하이라이트 동영상 생성부(540)는 하이라이트 구간 개인화부(530)에 의해 선택되어 개인화된 하이라이트 구간들을 조합하여 개인화된 하이라이트 동영상을 생성한다. 하이라이트 구간 개인화부(530)에 의해 개인화되는 하이라이트 구간들은 사용자 마다 상이하므로, 하이라이트 동영상 생성부(540)에 의해 생성되는 개인화된 하이라이트 동영상 역시 사용자 마다 상이하다.
이 때, 하이라이트 동영상 생성부(540)가 하이라이트 구간 개인화부(530)에 의해 선택되어 개인화된 하이라이트 구간들의 조합 빈도수를 조절하여 개인화된 하이라이트 동영상의 길이를 조정하도록 구현될 수도 있다. 하이라이트 동영상의 길이를 조정하여 제공할 경우, 하이라이트 동영상을 더욱 다양화할 수 있다.
한편, 도면 부호 550은 본 발명에 따른 개인화된 하이라이트 동영상 생성 시스템 전반을 제어하는 제어부로, 하이라이트 구간 처리부(510)와, 개인화 조건 입력부(520)와, 하이라이트 구간 개인화부(530)와, 하이라이트 동영상 생성부(540)을 서로 유관하게 동작 가능하도록 제어하는 기능을 담당한다.
이와 같이 구현함에 의해 본 발명은 사용자로부터 입력된 개인화 조건을 고려하여 개인화된 하이라이트를 자동 생성함으로써 관심이나 취향이 서로 상이한 사용자들 개개인마다 서로 상이한 하이라이트 동영상을 차별화하여 제공할 수 있다.
본 명세서 및 도면에 개시된 다양한 실시예들은 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 다양한 실시예들의 범위를 한정하고자 하는 것은 아니다.
따라서, 본 발명의 다양한 실시예들의 범위는 여기에서 설명된 실시예들 이외에도 본 발명의 다양한 실시예들의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예들의 범위에 포함되는 것으로 해석되어야 한다.
본 발명은 하이라이트 생성 기술분야 및 이의 응용 기술분야에서 산업상으로 이용 가능하다.
100 : 개인화된 게임 하이라이트 동영상 생성 시스템
110 : 하이라이트 구간 처리부
111 : 하이라이트 구간 추출부
112 : 구간 중요도 결정부
113 : 하이라이트 구간 결정부
120 : 개인화 조건 입력부
130 : 하이라이트 구간 개인화부
140 : 게임 하이라이트 동영상 생성부
150 : 데이터 수집부
160 : 데이터 전처리부
170 : DB

Claims (16)

  1. 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 선정하되, 게임 로그 데이터를 분석해 게임 동영상으로부터 게임 하이라이트 구간들을 추출하는 하이라이트 구간 추출부와, 하이라이트 구간 추출부에 추출된 게임 하이라이트 구간들의 중요도를 결정하는 구간 중요도 결정부와, 구간 중요도 결정부에 의해 결정된 중요도가 임계치 이상인 게임 하이라이트 구간들을 게임 하이라이트 구간들로 결정하는 하이라이트 구간 결정부를 포함하는 하이라이트 구간 처리부와;
    사용자의 개인화 조건을 입력받는 개인화 조건 입력부와;
    하이라이트 구간 처리부에 의해 선정된 게임 하이라이트 구간들 중에서 개인화 조건 입력부에 의해 입력된 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 선택하여 개인화하는 하이라이트 구간 개인화부와;
    하이라이트 구간 개인화부에 의해 선택되어 개인화된 게임 하이라이트 구간들을 조합하여 개인화된 게임 하이라이트 동영상을 생성하는 게임 하이라이트 동영상 생성부를;
    포함하되,
    하이라이트 구간 추출부가:
    게임 전문가들이 레이블링한 게임들의 하이라이트 구간들을 정답 레이블로 설정한 데이터 셋을 이용한 감독 학습을 통해 훈련되는 기계 학습 분류기를 통해 게임 하이라이트 구간들을 자동 추출하고, 게임들과 관련된 커뮤니티 피드백을 통해 기계 학습 분류기를 재훈련시켜 민감도를 향상시키는 개인화된 게임 하이라이트 동영상 생성 시스템.
  2. 제 1 항에 있어서,
    게임 로그 데이터가:
    이벤트 정보들과, 각 이벤트들이 발생된 시간 정보를 포함하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  3. 제 2 항에 있어서,
    이벤트 정보가:
    이벤트 종류, 게임자 정보, 소속팀 정보를 포함하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  4. 제 1 항에 있어서,
    개인화 조건이:
    관심 항목들 중에서 적어도 하나 선택되는 개인화된 게임 하이라이트 동영상 생성 시스템.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 제 1 항에 있어서,
    하이라이트 구간 추출부가:
    게임 로그 데이터를 분석해 동일 게임에 참가하는 참가자별 게임 동영상들 각각으로부터 게임 하이라이트 구간들을 다수개 참가자별로 추출하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  10. 제 9 항에 있어서,
    하이라이트 구간 개인화부가:
    참가자별 게임 하이라이트 구간들 중에서 사용자의 개인화 조건에 부합하는 게임 하이라이트 구간들을 시계열적으로 겹치지 않도록 선택하여 개인화하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  11. 제 1 항에 있어서,
    게임 하이라이트 동영상 생성부가:
    하이라이트 구간 개인화부에 의해 선택되어 개인화된 게임 하이라이트 구간들의 조합 빈도수를 조절하여 개인화된 게임 하이라이트 동영상의 길이를 조정하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  12. 제 1 항 내지 제 4 항 중의 어느 한 항 또는 제 9 항 내지 제 11 항 중의 어느 한 항에 있어서,
    개인화된 게임 하이라이트 동영상 생성 시스템이:
    게임 동영상 및 게임 로그 데이터를 수집하는 데이터 수집부와;
    데이터 수집부에 의해 수집된 게임 로그 데이터를 분석 가능한 형태로 변환하는 데이터 전처리부를;
    더 포함하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  13. 제 12 항에 있어서,
    데이터 전처리부가:
    이벤트 발생 여부를 확인할 수 있는 특징값으로 이루어지는 시계열 데이터를 게임 로그 데이터로부터 생성하고, 생성된 시계열 데이터에 슬라이딩 윈도우를 적용하여 하이라이트 구간 추출을 위한 시간 윈도우 영역을 확보하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  14. 제 13 항에 있어서,
    개인화된 게임 하이라이트 동영상 생성 시스템이:
    데이터 수집부에 의해 수집된 게임 동영상 및 게임 로그 데이터를 포함하는 각종 정보를 저장하는 DB를;
    더 포함하는 개인화된 게임 하이라이트 동영상 생성 시스템.
  15. 삭제
  16. 삭제
KR1020180158146A 2018-12-10 2018-12-10 개인화된 하이라이트 동영상 생성 시스템 KR102177854B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180158146A KR102177854B1 (ko) 2018-12-10 2018-12-10 개인화된 하이라이트 동영상 생성 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180158146A KR102177854B1 (ko) 2018-12-10 2018-12-10 개인화된 하이라이트 동영상 생성 시스템

Publications (2)

Publication Number Publication Date
KR20200075086A KR20200075086A (ko) 2020-06-26
KR102177854B1 true KR102177854B1 (ko) 2020-11-11

Family

ID=71136230

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180158146A KR102177854B1 (ko) 2018-12-10 2018-12-10 개인화된 하이라이트 동영상 생성 시스템

Country Status (1)

Country Link
KR (1) KR102177854B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102450432B1 (ko) * 2020-11-19 2022-10-04 주식회사 핏투게더 스포츠 이벤트를 검출하는 방법 및 이를 수행하는 시스템
KR102657049B1 (ko) * 2023-08-26 2024-04-12 주식회사 비욘더게임 인공지능에 기반한 실시간 스포츠 하이라이트 영상 편집 및 생성 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008022103A (ja) * 2006-07-11 2008-01-31 Matsushita Electric Ind Co Ltd テレビ番組動画像ハイライト抽出装置及び方法
WO2016067734A1 (ja) * 2014-10-27 2016-05-06 株式会社ソニー・コンピュータエンタテインメント 動画像処理装置、動画像処理方法及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11238071A (ja) * 1998-02-20 1999-08-31 Toshiba Corp ダイジェスト作成装置及びダイジェスト作成方法
US8515253B2 (en) 2008-02-15 2013-08-20 Sony Computer Entertainment America Llc System and method for automated creation of video game highlights
KR102431737B1 (ko) * 2017-02-28 2022-08-11 삼성전자주식회사 멀티미디어 데이터에서 하이라이트를 찾는 방법 및 그를 이용한 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008022103A (ja) * 2006-07-11 2008-01-31 Matsushita Electric Ind Co Ltd テレビ番組動画像ハイライト抽出装置及び方法
WO2016067734A1 (ja) * 2014-10-27 2016-05-06 株式会社ソニー・コンピュータエンタテインメント 動画像処理装置、動画像処理方法及びプログラム

Also Published As

Publication number Publication date
KR20200075086A (ko) 2020-06-26

Similar Documents

Publication Publication Date Title
US10293263B2 (en) Custom content feed based on fantasy sports data
US20210170281A1 (en) System and Method for Replaying Video Game Streams
US9782678B2 (en) Methods and systems for computer video game streaming, highlight, and replay
US20190076741A1 (en) Interaction Interleaver
US9138652B1 (en) Fantasy sports integration with video content
CN103718166B (zh) 信息处理设备、信息处理方法
JP6947985B2 (ja) ゲーム動画編集プログラムならびにゲーム動画編集システム
CN107113453A (zh) 具有叙述成分的高光展现的定制产生
US20100208082A1 (en) Media systems and methods for providing synchronized multiple streaming camera signals of an event
CN107615766A (zh) 用于创建和分配多媒体内容的系统和方法
US10864447B1 (en) Highlight presentation interface in a game spectating system
WO2014190216A1 (en) Fantasy sports interleaver
US20180227621A1 (en) Systems and Methods for Providing Event-Related Video Sharing Services
KR102177854B1 (ko) 개인화된 하이라이트 동영상 생성 시스템
CN116782986A (zh) 识别用于与视频游戏的内容包括在一起的图形交换格式文件
CN111494941A (zh) 从视频游戏片段生成视听内容的方法和系统
Van Reeth TV viewing of road cycling races
Wu Study of a Video-sharing Platform: The Global Rise of TikTok
CN115918089A (zh) 用于处理和呈现媒体数据以允许虚拟参与事件的系统和方法
CN115734007B (zh) 视频剪辑方法、装置、介质及视频处理系统
Ramon Olympic Channel: showcasing the Games in the age of digital plenitude
Felczak Local eSports media analyzed through the circuit of culture framework: Onet-RAS case study.
KR102108775B1 (ko) 맞춤형 멀티뷰 제공을 위한 스트리밍 플랫폼 장치 및 그 방법
Koljonen Nostradamus Report: A Creative Explosion
Fassone Game and Watch: Machinimas, Let’s Plays, Streams, and the Linearization of Digital Play

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant