KR102545040B1

KR102545040B1 - 비디오 재생 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품

Info

Publication number: KR102545040B1
Application number: KR1020217019201A
Authority: KR
Inventors: 밍웨 장; 진신 자오; 광후이 궈
Original assignee: 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Priority date: 2020-02-28
Filing date: 2020-12-01
Publication date: 2023-06-20
Also published as: US20220328076A1; EP3896987A4; KR20210087096A; EP3896987A1; JP2022524564A; JP7236544B2

Abstract

본 발명은 비디오 처리 분야에 관한 것으로, 비디오 재생 방법, 장치, 전자 기기 및 저장 매체를 개시한다. 여기서, 상기 방법은, 임의의 비디오를 재생할 때에, 비디오에 설정된 표기 정보에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하는 것, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생하는 것을 포함하고, 여기서, 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식 한 후 추가된 표기 정보를 포함할 수 있으며, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다. 본 발명에 따른 상기 방법은, 사용자의 조작을 간소화시킬 수 있으며, 사용자가 빠르게 중점 콘텐츠를 추출할 수 있게 한다.

Description

비디오 재생 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품

본 발명은 출원일이 2020년 02월 28일이고, 출원 번호가 2020101312311이며, 발명 명칭이 "비디오 재생 방법, 장치, 전자 기기 및 저장 매체”인 중국 특허 출원의 우선권을 주장한다.

본 발명은 컴퓨터 응용 기술에 관한 것으로서, 특히 비디오 처리 분야의 비디오 재생 방법, 장치, 전자 기기 및 저장 매체에 관한 것이다.

5G시대의 도래와 함께, 비디오는 갈수록 더 많은 전파 채널을 점유할 것이다. 사용자가 비디오를 시청할 때, 프로그래스 바를 클릭하거나 끌어당기는 등 방식을 통해 비디오의 재생 속도를 조절할 수 있다.

이러한 방식은, 사용자가 빈번한 조작을 진행해야 하는 가능성이 있으므로, 사용자의 구현 복잡도를 증가시키고, 또한, 다수의 경우에는 사용자가 시청되지 못한 콘텐츠를 알수 없기 때문에, 사용자는 중요한 콘텐츠를 찾기 위해 맹목적으로 프로그래스 바를 끌어당길 수 밖에 없으며, 이러면, 중요한 콘텐츠가 누락될 가능성이 있고, 사용자가 중요한 콘텐츠를 획득하는 것에 영향을 준다.

이를 감안하여, 본 발명은 비디오 재생 방법, 장치, 전자 기기 및 저장 매체를 제공한다.

비디오 재생 방법에 있어서,

임의의 비디오에 대하여, 사전 훈련을 통해 획득된 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하고, 인식 결과에 따라 표기 정보를 추가하는 것,

상기 단말장치가 상기 비디오를 재생할 때, 상기 표기 정보에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하고, 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하독록 하기 위해, 상기 비디오를 재생을 요청한 단말장치로 전송하는 것을 포함하고, 여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠르다.

본 발명의 바람직한 실시예에 따르면, 상기 방법은, 훈련 샘플을 획득하는 것, 상기 훈련 샘플에 따라, 훈련을 통해 상기 기계 학습 모델을 획득하는 것을 포함하고, 상기 훈련 샘플은, 샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 전에, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하고, 추가하지 않았는 경우, 상기 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하는 것을 더 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 방법은, 단말장치가 설정된 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하도록 하기 위해, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도를 상기 단말장치에 제공하는 것을 더 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 훈련 샘플에 따라 훈련을 통해 기계 학습 모델을 획득하는 것은, 상이한 유형의 비디오에 대해, 훈련을 통해 공통의 기계 학습 모델을 획득하는 것, 또는, 상이한 유형의 비디오에 대해, 훈련을 통해 상기 상이한 유형에 각각 대응하는 기계 학습 모델을 획득하는 것을 포함한다.

비디오 재생 방법에 있어서,

임의의 비디오를 재생할 때에, 사전 훈련을 통해 획득된 기계 학습 모델에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식 한 후 추가된 표기 정보를 포함하는 상기 비디오에 설정된 표기 정보에 따라, 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하는 것, 및

상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것을 포함하고, 여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠르다.

본 발명의 바람직한 실시예에 따르면, 상기 기계 학습 모델은 생성된 훈련 샘플에 의해 훈련을 통해 획득된 것이고, 상기 훈련 샘플은, 샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 표기 정보는,

상기 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 설정된 표기 정보,

또는, 상기 비 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 설정된 표기 정보를 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 표기 정보는, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 비디오에 추가한 표기 정보를 더 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것은,

획득된 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것,

또는, 상기 비디오를 시청하는 사용자가 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것을 포함한다.

비디오 처리부를 포함하는 비디오 처리 장치에 있어서,

상기 비디오 처리부는, 임의의 비디오에 대하여, 사전 훈련을 통해 획득된 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하고, 인식 결과에 따라 표기 정보를 추가하며, 상기 단말장치가 상기 비디오를 재생할 때에, 상기 표기 정보에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하고, 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하도록 하기 위해, 상기 비디오를 재생을 요청한 단말장치로 전송하기 위한 것이며, 여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠르다.

본 발명의 바람직한 실시예에 따르면, 상기 장치는 전처리부를 더 포함하고, 전처리부는 훈련 샘플을 획득하고, 상기 훈련 샘플에 따라, 훈련을 통해 상기 기계 학습 모델을 획득하기 위한 것이며, 상기 훈련 샘플은, 샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함한다.

본 발명의 바람직한 실시예에 따르면, 상기 비디오 처리부는, 또한 상기 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 전에, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하고, 추가하지 않았는 경우, 상기 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 위한 것이다.

본 발명의 바람직한 실시예에 따르면, 상기 비디오 처리부는 또한, 단말장치가 설정된 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하도록 하기 위해, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도를 상기 단말장치에 제공하기 위한 것이다.

본 발명의 바람직한 실시예에 따르면, 상기 전처리부는, 또한 상이한 유형의 비디오에 대해, 훈련을 통해 공통의 기계 학습 모델을 획득하거나, 또는, 상이한 유형의 비디오에 대해, 훈련을 통해 상기 상이한 유형에 각각 대응하는 기계 학습 모델을 획득하기 위한 것이다.

콘텐츠 구분부 및 콘텐츠 재생부를 포함하는 비디오 재생 장치에 있어서,

상기 콘텐츠 구분부는, 임의의 비디오를 재생할 때에, 상기 비디오에 설정된 표기 정보에 따라, 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 것고, 여기서, 상기 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 추가된 표기 정보를 포함하고,

상기 콘텐츠 재생부는, 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하기 위한 것이며, 여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠르다.

본 발명의 바람직한 실시예에 따르면, 상기 표기 정보는,

본 발명의 바람직한 실시예에 따르면, 상기 콘텐츠 재생부는, 획득된 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하거나,

또는, 상기 콘텐츠 재생부는, 상기 비디오를 시청하는 사용자가 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생한다.

전자 기기에 있어서,

적어도 하나의 프로세서, 및

상기 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하며,

상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령어가 저장되어 있고, 상기 명령어가 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서로 하여금 상기 방법을 실행하게 한다.

컴퓨터 명령어가 저장되어 있는 비휘발성 컴퓨터 판독 가능 저장 매체에 있어서, 상기 컴퓨터 명령어가 프로세서어 하여금 상기 방법을 구현하게 하기 위한 것이다.

상기 본 발명의 일 실시예에 따르면, 다음과 같은 장점 또는 유익한 효과를 갖는다. 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 설정된 표기 정보에 따라 자동으로 구분할 수 있고, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생함으로써, 사용자가 프로그래스 바에 대한 작업이 필요 없도록 하고, 즉, 사용자의 조작이 간소화되고, 중점 콘텐츠에 대한 누락이 없게 하며, 비디오 재생 속도를 자동으로 조절함으로써, 사용자가 빠르게 중점 콘텐츠를 추출할 수 있도록 하고, 사용자가 중점 콘텐츠 정보를 획득하는 시간을 절감할 수 있다. 비디오에 대한 큰 변경이 필요없이, 단지 표기 정보만 추가되면 되며, 비디오 제작 과정의 원시적 콘텐츠가 유지되고, 시청 체험도에 대한 영향도 없다. 수동 표기 방식을 사용할 수도 있고 기계 표기 방식을 사용할 수도 있고, 또한, 비디오의 제작자에 의해 재생 속도를 설정할 수도 있고 비디오를 시청하는 사용자에 의해 재생 속도를 설정할 수도 있어, 어느 하나의 특정 방식에 제한되지 않아 구현 방법이 보다 더 유연하고 편리하다. 상기 구현 방식의 다른 효과들은 이하 구체적인 실시예를 참조하여 설명한다.

첨부된 도면은 본 발명을 보다 쉽게 이해하도록 하기 위한 것이고, 본 발명은 이에 한정되지 않는다.
도 1은 본 발명에 따른 상기 비디오 재생 방법에 대한 제1 실시예의 흐름도이다.
도 2는 본 발명에 따른 상기 비디오 재생 방법에 대한 제2 실시예의 흐름도이다.
도 3은 본 발명에 따른 상기 비디오 재생 방법의 전체 구현 과정에 대한 개략도이다.
도 4는 본 발명에 따른 상기 비디오 재생 속도를 자동으로 조절 전후에 대한 비디오의 재생 지속시간을 비교한 개략도이다.
도 5는 본 발명에 따른 상기 비디오 처리 장치의 실시예(500)에 대한 구성 구조의 개략도이다.
도 6은 본 발명에 따른 상기 비디오 재생 장치의 실시예(600)에 대한 구성 구조의 개략도이다.
도 7은 본 발명의 실시예에 따른 상기 방법을 구현하기 위한 전자 기기의 블록도이다.

이하, 도면을 참조하여 본 발명의 예시적인 실시예들을 설명한다. 쉽게 이해할 수 있도록, 본 명세서에서 설명한 각 실시예의 세부사항을 포함하게 되는데, 이들은 단지 예시적인 것에 불과하다. 따라서, 당업자라면 본 발명의 범위 및 취지를 벗어나지 않으면서 본 발명의 실시예에 대해 여러가지 변경 및 수정이 이루어질 수 있음을 이해할 것이다. 또한, 명확성과 간결성을 위해 하기의 설명에 있어서, 공지된 기능 및 구성에 대한 설명은 생략한다.

또한, 본 명세서에서 사용되는 용어 "및/또는"는 단지 연관된 객체의 연관 관계에 대한 설명 뿐이고, 이는 세가지 관계가 있을 수 있음을 의미하는 것으로 이해하여야 한다. 예를 들어, A 및/또는 B는 A만 존재하는 경우, A 및 B를 동시에 존재하는 경우, B만 존재하는 경우 등 세가지 경우를 의미한다. 또한, 본 명세서에서 사용되는 문자 "/ "는 통상적으로 연관된 전후 객체가 "또는"관계인 것을 나타낸다.

도1은 본 발명에 따른 상기 비디오 재생 방법에 대한 제1 실시예의 흐름도이다. 도1에 도시된 바와 같이, 하기 구제적인 구현 방식이 포함된다.

101에서는, 임의의 비디오에 대하여, 사전 훈련을 통해 획득된 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하고, 인식 결과에 따라 표기 정보를 추가한다.

102에서는,단말장치가 비디오를 재생할 때에, 표기 정보에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하고, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생하도록하기 위해, 비디오를 재생을 요청한 단말장치로 전송하며, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다.

본 실시예에 따른 상기 방법을 구현하기 위해, 사전 훈련을 통해 기계 학습 모델을 획득하고, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 표기 정보를 추가할 수 있다. 기계 학습 모델은 생성된 훈련 샘플에 의해 훈련을 통해 획득될 수 있다. 여기서, 각 훈련 샘플은, 샘플 비디오 및 샘플 비디오에 대한 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함할 수 있다.

예를 들어, 짧은 비디오에 대해, 사용자가 시청 과정에서 하는 좋아요 클릭, 댓글 창 호출, 댓글 발표, 공유 등 인터액션 행위의 발생 시간을 기록할 수 있다. 또한, 예를 들어, 생방송 재생에 대해, 생방송을 시청하는 사용자가 선물 보내기, 실시간 인터액티브 등 인터액션 행위를 한 시간을 기록할 수 있다. 또한, 예를 들어, 긴 비디오에 대해, 사용자가 시청 과정에서 댓글 자막을 보내는 등 인터액션 행위를 한 시간을 기록할 수 있다. 상기 인터액션 행위가 발생한 경우, 대응하는 비디오 콘텐츠는 통상적으로 중점 콘텐츠이다.

상기 훈련 샘플에 기반하여 훈련을 통해 기계 학습 모델을 획득하는 방법은 종래 기술에 속하며, 훈련 과정은, 기계 학습 모델로 하여금 중점 콘텐츠의 특징에 대해 학습하게 하여, 특징에 따라 중점 콘텐츠와 비 중점 콘텐츠를 구분하는 것으로 이해할 수 있다.

실제 응용에서, 짧은 비디오, 긴 비디오, 생방송 재생 등과 같은 상이한 유형의 비디오에 대해, 하나의 공통의 기계 학습 모델을 훈련할 수 있고, 대응적으로, 훈련 시 사용되는 훈련 샘플에는 각 상이한 유형에 대한 샘플 비디오가 포함될 수 있다. 또한, 상이한 유형의 비디오에 대해, 각각 대응하는 기계 학습 모델을 훈련할 수 있으며, 대응적으로, 임의의 유형에 대해, 훈련 시 사용되는 훈련 샘플에는 단지 대응하는 유형의 샘플 비디오만 포함될 수 있다. 후자의 경우, 각 기계 학습 모델의 모델 구조는 통상적으로 동일한 것이다.

또한, 표기 정보는 비디오의 제작자가 비디오를 제작했을 때에 비디오에 추가한 것일 수 있고, 대응적으로, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 전에, 비디오의 제작자가 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하고, 추가하지 않았는 경우, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식할 수 있고, 표기 정보가 추가된 경우, 중복으로 추가할 필요는 없다. 즉, 수동 표기 방식을 사용할 수도 있고, 기계 표기 방식을 사용할 수도 있다.

비디오 제작자는 어떤 비디오 콘텐츠가 중점 콘텐츠이고, 어떤 비디오 콘텐츠가 비 중점 콘텐츠인지 알고 있으므로, 비디오를 제작할 때에, 표기 정보를 동시에 추가시킬 수 있다.

또한, 비디오의 제작자는 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠에 대해 상이한 재생 속도를 설정할 수 있다. 비디오 재생이 요청되는 경우, 설정된 상이한 재생 속도는 어떠한 방식으로 전송될 수 있고, 구체적인 전송 방식에는 제한이 없다. 대응적으로, 비디오를 재생하는 과정에서, 설정된 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수 있다. 또는, 비디오를 시청하는 사용자가 중점 콘텐츠와 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수도 있다.

도2는 본 발명에 따른 상기 비디오 재생 방법에 대한 제2 실시예의 흐름도이다. 도2에 도시된 바와 같이, 하기 구제적인 구현 방식이 포함된다.

201에서는, 임의의 비디오를 재생할 때에, 비디오에 설정된 표기 정보에 따라, 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분할 수 있고, 여기서, 상기 표기 정보는, 사전 훈련을 통해 획득된 기계 학습 모델에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식 한 후 추가된 표기 정보를 포함할 수 있다.

202에서는, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생하고, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다.

본 발명의 실시예에 따르면, 자동으로 비디오 재생 속도를 조절할 수 있는 것을, "중점 보기"로 약칭한다.

임의의 비디오에 대해, 표기 정보를 설정하여, 표기 정보에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하도록 할 수 있다.

예를 들어, 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 표기 정보를 설정할 수 있고, 또는, 비 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 표기 정보를 설정할 수 있다. 상기 표기 정보의 구체적인 형식은 제한되어 있지 않고 실제 수요에 따라 결정될 수 있으며, 예를 들어, 삽입된 특정 식별자일 수 있으며, 단지 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 것이며, 비디오 재생 콘텐츠 등을 변경하지 않는다.

하나의 비디오에 있어서, 단지 하나의 중점 콘텐츠만을 포함할 수 있고, 복수의 중점 콘텐츠를 포함할 수도 있다. 중점 콘텐츠의 시작 시간 및 종료 시간이 표기되어 있으면, 시작 시간부터 종료 시간까지의 시간 구간에 대응하는 비디오 콘텐츠는 중점 콘텐츠이고, 나머지 비디오 콘텐츠는 비 중점 콘텐츠이다. 비 중점 콘텐츠의 시작 시간 및 종료 시간이 표기되어 있으면, 시작 시간부터 종료 시간까지의 시간 구간에 대응하는 비디오 콘텐츠는 비 중점 콘텐츠이고, 나머지 비디오 콘텐츠는 중점 콘텐츠이다.

예를 들어, 어느 비디오의 총 시간이 8분이고, 3분 내지 5분의 시간 구간에 대응하는 비디오 콘텐츠가 중점 콘텐츠인 경우, 표기 정보는 각각 3분 및 5분의 위치에 설정될 수 있다.

또한, 상기 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 추가된 표기 정보일 수 있다. 또는, 비디오의 제작자가 비디오를 제작했을 때에 비디오에 추가한 표기 정보일 수도 있다. 즉, 수동 표기 방식을 사용할 수도 있고, 기계 표기 방식을 사용할 수도 있다.

또한, 사전 훈련을 통해 기계 학습 모델을 획득하고, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 표기 정보를 추가할 수 있다. 기계 학습 모델은 생성된 훈련 샘플에 의해 훈련을 통해 획득될 수 있다. 여기서, 각 훈련 샘플은, 샘플 비디오 및 상기 샘플 비디오에 대한 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함할 수 있다.

예를 들어, 짧은 비디오에 대해, 사용자가 시청 과정에서 좋아요 클릭, 댓글 창 호출, 댓글 발표, 공유 등 인터액션 행위을 한 시간을 기록할 수 있다. 또한, 예를 들어, 생방송 재생에 대해, 생방송을 시청하는 사용자가 선물 보내기, 실시간 인터액티브 등 인터액션 행위을 한 시간을 기록할 수 있다. 또한, 예를 들어, 긴 비디오에 대해, 사용자가 시청 과정에서 댓글 자막을 보내는 등 인터액션 행위을 한 시간을 기록할 수 있다. 상기 인터액션 행위가 발생한 경우, 대응하는 비디오 콘텐츠는 통상적으로 중점 콘텐츠이다.

상기 훈련 샘플에 기반하여 훈련을 통해 기계 학습 모델을 획득하는 방법은 종래 기술에 속하며, 훈련 과정은, 기계 학습 모델로 하여금 중점 콘텐츠의 특징에 대해 학습하게 하여, 특징에 따라 중점 콘텐츠와 비 중점 콘텐츠를 구분하도록 하는 것으로 이해할 수 있다.

실제 응용에서, 짧은 비디오, 긴 비디오, 생방송 재생 등과 같은 상이한 유형의 비디오에 대해, 하나의 공통의 기계 학습 모델을 훈련할 수 있고, 대응적으로, 훈련 시 사용되는 훈련 샘플에는 각 상이한 유형에 대한 샘플 비디오가 포함될 수 있다. 또한, 상이한 유형의 비디오에 대해 각각 대응하는 기계 학습 모델을 훈련할 수 있으며, 따라서, 임의의 유형에 대해, 훈련 시 사용되는 훈련 샘플에는 단지 대응하는 유형의 샘플 비디오만 포함될 수 있다. 후자의 경우, 각 기계 학습 모델의 모델 구조는 통상적으로 동일한 것이다.

비디오 내의 중점 콘텐츠와 비 중점 콘텐츠에 대해, 각각 상이한 재생 속도에 따라 재생할 수 있으며, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다. 예를 들어, 중점 콘텐츠는 정상 속도 즉 1배의 속도에 따라 재생될 수 있고, 비 중점 콘텐츠는 1.5배 또는 2배의 속도에 따라 재생될 수 있다.

사용자는 비디오를 시청하기 전에 선택할 수 있고, 예를 들어, "중점 보기"여부를 선택할 수 있다. 예를 들어, 비디오 화면의 특정 위치에 버튼이 표시되어 있을 수 있으며, 사용자가 열기를 선택하거나 닫기를 선택할 수 있고, 열기가 선택된 경우, "중점 보기"를 나타내며, 대응적으로, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수 있고, 닫기가 선택된 경우, "중점 보기"가 필요없음을 나타내며, 대응적으로, 전체 비디오는 전통적인 재생 방식에 따라 재생되고, 즉 1배의 속도로 전체 비디오를 재생한다.

또한, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생하는 경우, 획득된 비디오의 제작자가 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠에 대해 설정한 상의한 재생 속도에 따라, 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수 있다. 사용자가 비디오 재생을 요청한 경우, 설정된 상이한 재생 속도는 어떠한 방식으로 전송될 수 있고, 구체적인 전송 방식에는 제한이 없다. 대응적으로, 비디오를 재생하는 과정에서, 설정된 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수 있다. 또한, 비디오를 시청하는 사용자가 중점 콘텐츠와 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수도 있다.

상기 설명에 따르면, 도3은 본 발명에 따른 상기 비디오 재생 방법의 전체 구현 과정에 대한 개략도이다. 도3에 도시된 바와 같이, 수동 표기 방식을 사용하는 경우를 가정하면, 비디오의 제작가가 비디오 제작 시 표기 정보를 동시에 설정할 수 있고, 예를 들어, 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 표기 정보를 설정할 수 있고, 비디오가 재생될 경우, 설정된 표기 정보에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠가 구분될 수 있으며, 또한, 비디오를 시청하는 사용자에 의해 미리 설정된 상이한 재생 속도에 따라, 중점 콘테츠는 1배 속도로 재생되고, 비 중점 콘텐츠는 1.5배 속도로 재생되며, 대응적으로, 사용자는 비디오 재생 속도를 자동으로 조절한 후의 비디오 콘텐츠를 시청할 수 있다.

도4는 본 발명에 따른 상기 비디오 재생 속도를 자동으로 조절 전후에 대한 비디오 재생의 지속시간을 비교한 개략도이다. 도4에 도시된 바와 같이, 예를 들어, 어느 비디오의 총 시간이 8분이고, 3분 내지 5분의 시간 구간에 대응하는 비디오 콘텐츠가 중점 콘텐츠인 경우, 0분 내지 3분의 시간 구간 및 5분 내지 8분의 시간 구간에 대응하는 비 중점 콘텐츠는 각각 1.5배 속도로 재생되고(필요한 경우, 두개의 시간 구간에 대해 상이한 재생 속도로 재생할 수 도 있다. ), 3분 내지 5분의 시간 구간에 대응하는 중점 콘텐츠는 1배의 속도로 재생되며, 이로써, 원래 재생에 8분이 필요한 비디오를 6분만에 재생할 수 있다.

설명해야 할 것은, 상술한 각 방법 실시예에 있어서, 설명의 편의를 위해 이들 모두 일련의 동작 조합으로 표현되었지만, 당업자라면, 본 발명에 따르면, 일부 단계들은 다른 순서 또는 동시에 수행될 수 있기 때문에, 본 발명은 설명된 상기 동작의 실행 순서에 의해 제한되지 않는다는 것을 이해할 것이다. 추가로, 당업자라면, 본 명세서에서 기술된 실시예들은 모두 바람직한 실시예이며, 관련된 동작 및 모듈은 반드시 본 발명에 의해 요구되는 것이 아닌 것을 이해할 것이다.

요약하면, 본 발명의 실시예에 따른 상기 방법을 사용하면, 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 설정된 표기 정보에 따라 자동으로 구분할 수 있고, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생함으로써, 사용자가 프로그래스 바에 대한 조작이 필요 없도록 하고, 즉, 사용자의 조작이 간소화되고, 중점 콘텐츠에 대한 누락이 없게 하며, 비디오 재생 속도를 자동으로 조절함으로써, 사용자가 빠르게 중점 콘텐츠를 추출할 수 있도록 하고, 사용자가 중점 콘텐츠 정보를 획득하는 시간을 절감할 수 있다. 비디오에 대한 큰 변경이 필요없이, 단지 표기 정보만 추가되면 되며, 비디오 제작 과정의 원시적 콘텐츠가 유지되고, 시청 체험도에 대한 영향도 없다. 수동 표기 방식을 사용할 수도 있고, 기계 표기 방식을 사용할 수도 있으며, 또한, 비디오의 제작자에 의해 재생 속도를 설정할 수도 있고 비디오를 시청하는 사용자에 의해 재생 속도를 설정할 수도 있어, 어느 하나의 특정 방식에 제한되지 않아 구현 방법이 보다 더 유연하고 편리하다.

상기 설명은 방법 실시예에 대한 설명이고, 이하, 장치 실시예를 참조하여 본 발명에 따른 방안을 추가로 설명한다.

도5는 본 발명에 따른 상기 비디오 처리 장치의 실시예(500)에 대한 구성 구조의 개략도이다. 도5에 도시된 바와 같이, 비디오 처리부(502)를 포함하고, 또한 전처리부(501)를 더 포함한다.

전처리부(501)는, 훈련 샘플을 획득하고, 훈련 샘플에 따라, 훈련을 통해 기계 학습 모델을 획득하기 위한 것이며, 훈련 샘플에는, 샘플 비디오 및 샘플 비디오에 대한 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함할 수 있다.

비디오 처리부(502)는, 임의의 비디오에 대하여, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하고, 인식 결과에 따라 표기 정보를 추가하며, 단말장치가 상기 비디오를 재생할 때에, 표기 정보에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하고, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생하도록 하기 위해, 비디오를 재생을 요청한 단말장치로 전송하기 위한 것이며, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다.

비디오 처리부(502)는 또한, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 전에, 비디오의 제작자가 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하고, 추가하지 않았는 경우, 기계 학습 모델을 이용하여 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식할 수도 있다.

또한, 비디오 처리부(502)는 단말장치가 설정된 상이한 재생 속도에 따라, 중점 콘텐츠와 비 중점 콘텐츠를 재생하도록 하기 위해, 비디오의 제작자가 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도를 단말장치에 제공할 수 있다.

또한, 전처리부(501)는 훈련을 통해, 상이한 유형의 비디오에 대한 공통의 기계 학습 모델을 획득하거나, 또는, 상이한 유형의 비디오에 대해, 훈련을 통해 상이한 유형에 각각 대응하는 기계 학습 모델을 획득할 수 있다.

도6은 본 발명에 따른 상기 비디오 재생 장치의 실시예(600)에 대한 구성 구조의 개략도이다. 도6에 도시된 바와 같이, 콘텐츠 구분부(601) 및 콘텐츠 재생부(602)를 포함한다.

콘텐츠 구분부(601)는, 임의의 비디오를 재생할 때에, 비디오에 설정된 표기 정보에 따라, 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 것고, 여기서, 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 추가된 표기 정보를 포함할 수 있다.

콘텐츠 재생부(602)는, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생하기 위한 것이며, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다.

예를 들어, 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 표기 정보를 설정할 수 있고, 또는, 비 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 표기 정보를 설정할 수 있다. 상기 표기 정보의 구체적인 형식은 제한되어 있지 않으며 실제 수요에 따라 결정될 수 있다.

또한, 상술한 바와 같이, 상기 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식 한 후 추가되는 표기 정보일 수 있다. 또는, 비디오의 제작자가 비디오를 제작했을 때에 비디오에 추가한 표기 정보일 수도 있다. 즉, 수동 표기 방식을 사용할 수도 있고 기계 표기 방식을 사용할 수도 있다.

기계 학습 모델은 생성된 훈련 샘플에 의해 훈련을 통해 획득될 수 있다. 여기서, 각 훈련 샘플은, 샘플 비디오 및 상기 샘플 비디오에 대한 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함할 수 있다.

또한, 실제 응용에서, 짧은 비디오, 긴 비디오, 생방송 재생 등과 같은 상이한 유형의 비디오에 대해, 하나의 공통의 기계 학습 모델을 훈련할 수 있고, 대용적으로, 훈련 시 사용되는 훈련 샘플에는 각 상이한 유형에 대한 샘플 비디오가 포함될 수 있다. 또한, 상이한 유형의 비디오에 대해 각각 대응하는 기계 학습 모델을 훈련할 수 있으며, 대용적으로, 임의의 유형에 대해, 훈련 시 사용되는 훈련 샘플은 단지 대응하는 유형의 샘플 비디오만 포함될 수 있다. 후자의 경우, 각 기계 학습 모델의 모델 구조는 통상적으로 동일한 것이다.

비디오 내의 중점 콘텐츠와 비 중점 콘텐츠에 대해, 콘텐츠 재생부(602)는 각각 상이한 재생 속도에 따라 재생할 수 있으며, 여기서, 비 중점 콘텐츠의 재생 속도는 중점 콘텐츠의 재생 속도보다 빠르다. 예를 들어, 중점 콘텐츠는 정상 속도 즉 1배의 속도에 따라 재생할 수 있고, 비 중점 콘텐츠는 1.5배 또는 2배의 속도에 따라 재생될 수 있다.

구체적으로, 콘텐츠 재생부(602)는 획득된 비디오의 제작자가 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠에 대해 설정한 상의한 재생 속도에 따라, 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수 있다. 또한, 콘텐츠 재생부(602)는 비디오를 시청하는 사용자가 중점 콘텐츠와 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 중점 콘텐츠와 비 중점 콘텐츠를 재생할 수도 있다.

도5 및 도6에 도시된 장치 실시예에 대한 구체적인 구현 프로세스는 상기 방법 실시예의 관련 설명을 참조할 수 있음으로, 여기서는 설명을 생략한다.

요약하면, 본 발명의 실시예에 따른 상기 방법을 사용하면, 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 설정된 표기 정보에 따라 자동으로 구분할 수 있고, 상이한 재생 속도에 따라 중점 콘텐츠와 비 중점 콘텐츠를 재생함으로써, 사용자가 프로그래스 바에 대한 조작이 필요 없도록 하고, 즉, 사용자의 조작이 간소화되고 중점 콘텐츠에 대한 누락이 없게 하며, 비디오 재생 속도를 자동으로 조절함으로써, 사용자가 빠르게 중점 콘텐츠를 추출할 수 있도록 하고, 사용자가 중점 콘텐츠 정보를 획득하는 시간을 절감할 수 있다. 비디오에 대한 큰 변경이 필요없이, 단지 표기 정보만 추가되면 되며, 비디오 제작 과정의 원시적 콘텐츠가 유지되고, 시청 체험도에 대한 영향도 없다. 수동 표기 방식을 사용할 수도 있고 기계 표기 방식을 사용할 수도 있으며, 또한, 비디오의 제작자에 의해 재생 속도를 설정할 수도 있고 비디오를 시청하는 사용자에 의해 재생 속도를 설정할 수도 있어, 어느 하나의 특정 방식에 제한되지 않아 구현 방법이 보다 더 유연하고 편리하다.

본 발명의 실시예에 따르면, 본 발명은 전자 기기 및 판독 가능 저장 매체를 더 제공한다.

도7에 도시된 바와 같이, 본 발명의 실시예에 따른 상기 방법을 구현하기 위한 전자 기기의 블록도이다. 전자 기기는 예를 들어, 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크스테이션, PDA (Personal Digital Assistants), 서버, 블레이드 서버, 메인프레임 컴퓨터, 및 기타 적절한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 포함할 수 있다. 전자 기기는 예를 들어, PDA (Personal Digital Assistants), 셀룰러 전화기, 스마트 폰, 웨어러블 장비, 및 기타 유사한 컴퓨팅 장비와 같은 다양한 형태의 모바일 장비를 포함할 수 있다. 본 명세서에 기재된 부품, 이들의 연결 및 관계, 그리고 이들의 기능은 단지 예시적인 것에 불과하며, 본 명세서에서 설명 및/또는 요구하는 본 발명의 범위를 한정하기 위한 것이 아니다.

도7에 도시된 바와 같이, 상기 전자 기기는, 하나 또는 복수의 프로세서(Y01), 메모리(Y02), 및 각 부품을 연결하기 위한 인터페이스를 포함하고, 상기 인터페이스에는 고속 인터페이스 및 저속 인터페이스가 포함된다. 각 부품들은 서로 다른 버스를 통해 서로 연결되고, 공공 메인보드에 장착되거나 또는 수요에 따라 기타 방식으로 장착될 수 있다. 프로세서는 전자 기기에서 실행되는 명령어를 실행할 수 있고, 상기 명령어는 메모리에 저장되어 외부 입력/출력 장치(예를 들어, 인터페이스에 접속된 표시 장치)에 GUI의 그래픽 정보를 표시하기 위한 명령어를 포함할 수 있다. 다른 실시예에서는, 수요에 따라 복수의 프로세서 및/또는 복수의 버스를 복수의 메모리와 함께 사용될 수 있다. 마찬가지로, 복수의 전자 기기가 연결될 수 있고, 각 전자 기기에 의해 일부 필요한 동작이 제공될 수 있다(예를 들어, 서버 어레이, 한 세트의 블레이드 서버, 또는 멀티 프로세서 시스템). 도7에서는, 하나의 프로세서(Y01)의 경우를 예로 들어 설명한다.

메모리(Y02)는 본 발명에 의해 제공되는 비휘발성 컴퓨터 판독 가능 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행될 수 있는 명령어가 저장될 수 있고, 상기 명령어가 상기 적어도 하나의 프로세서에 의해 실행될 경우, 본 발명에 의해 제공되는 방법을 실행할 수 있다. 본 발명의 비휘발성 컴퓨터 판독 가능 저장 매체에는 컴퓨터에 의해 실행 될 경우 컴퓨터로 하여금 본 발명에 의해 제공되는 방법을 실행하도록 하는 컴퓨터 명령어가 저장되어 있다.

메모리(Y02)는 비휘발성 컴퓨터 판독가능 저장 매체로서, 예를 들어, 본 발명의 실시예에 따른 방법에 대응하는 프로그램 명령어/모듈과 같은 비휘발성 소프트웨어 프로그램, 비휘발성 컴퓨터 실행가능 프로그램 및 모듈을 저장할 수 있다. 프로세서(Y01)는 메모리(Y02)에 저장된 비휘발성 소프트웨어 프로그램, 명령어 및 모듈을 실행함으로써, 서버의 다양한 기능 및 데이터 처리를 실행한다. 즉, 상기 방법 실시예에 따른 방법을 구현한다.

메모리(Y02)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있다. 여기서, 프로그램 저장 영역은 OS 시스템 및 적어도 하나의 기능에 필요한 앱을 저장할 수 있고, 데이터 저장 영역은 전자 기기의 사용에 따라 생성된 데이터 등을 저장할 수 있다. 또한, 메모리(Y02)는 고속 RAM(Random Access Memory)를 포함할 수도 있고, 예를 들어, 적어도 하나의 디스크 저장 디바이스, 플래시 메모리 디바이스, 또는 기타 비휘발성 고체 저장 디바이스와 같은 비휘발성 메모리를 포함할 수도 있다. 일부 실시예에 따르면, 메모리(Y02)는 프로세서(Y01)에 대해 원격으로 설치된 메모리를 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 전자 기기에 연결될 수 있다. 상기 네트워크의 실예로는 인터넷, 인트라넷, 블록 체인 네트워크, 근거리 통신망(LAN), 이동 통신망 및 이들의 조합을 포함할 수 있는데, 이에 한정되지는 않는다.

전자 기기는, 입력장치(Y03) 및 출력장치(Y04)를 더 포함할 수 있다. 프로세서(Y01), 메모리(Y02), 입력장치(Y03) 및 출력장치(Y04)는 버스 또는 기타 방식으로 연결될 수 있는데, 도7에서는 버스를 통해 연결되는 경우를 예로 한다.

입력장치(Y03)는 입력된 숫자 또는 문자 부호 정보를 수신할 수 있고, 또한 전자 기기의 사용자 설정 및 기능 제어와 연관된 키 신호 입력을 생성할 수 있으며, 예를 들어, 터치 스크린, 키 패드, 마우스, 트랙 패드, 터치 패드, 인디케이터 로드, 하나 또는 복수의 마우스 버튼, 트랙 볼, 콘트로럴 로드 등과 같은 입력장치를 포함할 수 있다. 출력장치(Y04)는 표시 장치, 보조 조명장치 및 촉각 피드백 장치(예를 들어, 진동모터) 등을 포함할 수 있다. 상기 표시 장치는 액정 디스플레이, 발광 다이오드 디스플레이 및 플라스마 디스플레이를 포함할 수 있는데, 이에 한정되지는 않는다. 일부 실시 형태에 따르면, 표시 장치는 터치 스크린일 수 있다.

여기서 설명한 시스템 및 기술의 다양한 실시 형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 집적 회로, 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시 형태는 하기와 같은 것을 포함할 수 있다. 즉, 하나 또는 복수의 컴퓨터 프로그램에서 실시될 수 있고, 상기 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력장치, 및 적어도 하나의 출력장치로부터 데이터 및 명령어를 수신하고, 데이터 및 명령어를 저장 시스템, 적어도 하나의 입력장치, 및 적어도 하나의 출력장치로 송신할 수 있다.

이러한 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령어를 포함하고, 하이 라벨 프로세스 및/또는 객체 지향 프로그래밍 언어, 및/또는 어셈블러/기계언어를 사용하여 이러한 컴퓨터 프로그램을 실시할 수 있다. 본 명세서에서 사용되는 "기계 판독가능 매체” 및 "컴퓨터 판독가능 매체” 등과 같은 용어는, 기계 명령어 및/또는 데이터를 프로그램 가능 프로세서의 임의의 컴퓨터 프로그램 제품, 장비, 및/또는 장치(예를 들어, 디스크, CD-ROM, 메모리, 프로그램 가능 논리 장치)에 제공하기 위한 것이며, 기계 판독 가능 신호로서의 기계 명령어를 수신하는 기계 판독가능 매체를 포함한다. "기계 판독가능 신호”라는 용어는 기계 명령어 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.

사용자와의 인터액션을 제공하기 위해서는, 컴퓨터를 통해 본 명세서에서 설명한 시스템 및 기술을 구현할 수 있는데, 상기 컴퓨터는, 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, 음극선관 또는 액정 디스플레이 모니터), 및 사용자가 상기 컴퓨터에 입력을 제공할 수 있는 키보드 및 포인팅 디바이스(예를 들어, 마우스 또는 트랙 볼)를 포함한다. 기타 유형의 디바이스도 사용자와의 인터액션을 제공할 수 있다. 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 센싱 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고, 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력을 포함)로 사용자로부터의 입력을 수신할 수 있다.

본 명세서에서 설명한 시스템 및 기술은, 백그라운드 부품을 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부품을 포함하는 컴퓨팅 시스템(예를 들어, 애플리케이션 서버), 또는 프론트 앤드 부품을 포함하는 컴퓨팅 시스템(예를 들어, GUI 또는 웹 브라우저를 갖는 사용자 컴퓨터로서, 사용자는 상기 GUI 또는 상기 웹 브라우저를 통하여 본 명세서에서 설명한 상기 시스템 및 기술의 실시 형태와 인터액션을 할 수 있음), 또는 이러한 백그라운드 부품, 미들웨어 부품, 또는 프론트 앤드 부품의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 시스템의 부품은 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 서로 연결될 수 있다. 통신 네트워크는 예를 들어 근거리 통신망, 광역 통신망, 블록 체인 네트워크 및 인터넷을 포함할 수 있다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고, 통상적으로 통신 네트워크를 통해 인터액션을 진행한다. 클라이언트와 서버의 관계는 대응하는 컴퓨터에서 실행되고 서로 클라이언트-서버의 관계를 갖는 컴퓨터 프로그램에 의해 생성된다.

상기에서 설명한 다양한 프로세스를 사용하여 각 단계의 순서를 조절하거나, 일부 단계를 추가 또는 삭제 할 수 있다는 점을 이해하여야 한다. 예를 들어, 본 발명에 개시된 기술 방안이 원하는 결과를 구현할 수 있는 한, 본 발명에 기재된 다양한 단계는 병렬적으로 또는 순차적으로, 또는 서로 다른 순서로 실행될 수 있고, 본 발명은 이에 대해 특별히 한정하지 않는다.

본 발명의 보호범위는 상기 다양한 실시 형태에 의해 제한되지 않는다. 당업자라면, 설계 요구 및 기타 요인에 의해, 다양한 수정, 조합, 서브 조합 및 교체가 이루어질 수 있음을 이해할 것이다. 본 발명의 취지 및 원칙내에서 이루어진 임의의 수정, 등가 교체 및 개선 등은 모두 본 발명의 보호범위에 속한다.

Claims

임의의 비디오에 대하여, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하는 것;
상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가하지 않은 것으로 확인된 경우, 사전 훈련을 통해 획득된 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하고, 인식 결과에 따라 표기 정보를 추가하는 것, 및
재생을 요청한 단말장치가 상기 비디오를 재생할 때에, 상기 표기 정보에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하고, 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하도록 하기 위해, 상기 비디오를 재생을 요청한 단말장치로 전송하는 것을 포함하며,
여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠른
비디오 재생 방법.
제1항에 있어서,
상기 방법은,
훈련 샘플을 획득하는 것, 및
상기 훈련 샘플에 따라, 훈련을 통해 상기 기계 학습 모델을 획득하는 것을 더 포함하고
상기 훈련 샘플은, 샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함하는
비디오 재생 방법.
삭제
제1항에 있어서,
단말장치가 설정된 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하도록 하기 위해, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도를 상기 단말장치에 제공하는 것을 더 포함하는
비디오 재생 방법.
제2항에 있어서,
상기 훈련 샘플에 따라, 훈련을 통해 상기 기계 학습 모델을 획득하는 것은,
상이한 유형의 비디오에 대해, 훈련을 통해 공통의 기계 학습 모델을 획득하는 것,
또는, 상이한 유형의 비디오에 대해, 훈련을 통해 상기 상이한 유형에 각각 대응하는 기계 학습 모델을 획득하는 것을 포함하는
비디오 재생 방법.
임의의 비디오를 재생할 때에, 상기 비디오에 설정된 표기 정보에 따라, 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하는 것, 및
상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것을 포함하고,
여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠르며,
상기 비디오의 제작자가 상기 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 표기 정보를 상기 비디오에 추가했을 경우에, 상기 표기 정보는 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 비디오에 추가한 표기 정보이며, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 표기 정보를 상기 비디오에 추가하지 않았을 경우에, 상기 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 추가된 표기 정보를 포함하는
비디오 재생 방법.
제6항에 있어서,
상기 기계 학습 모델은 생성된 훈련 샘플에 의해 훈련을 통해 획득된 것이고,
상기 훈련 샘플은,
샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함하는
비디오 재생 방법.
제6항에 있어서,
상기 표기 정보는,
상기 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 설정된 표기 정보,
또는, 상기 비 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 설정된 표기 정보를 포함하는
비디오 재생 방법.
삭제
제6항에 있어서,
상기 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것은,
획득된 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것,
또는, 상기 비디오를 시청하는 사용자가 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는 것을 포함하는
비디오 재생 방법.
비디오 처리부를 포함하는 비디오 처리 장치에 있어서,
상기 비디오 처리부는,
임의의 비디오에 대하여, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하며, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가하지 않은 것으로 확인된 경우, 사전 훈련을 통해 획득된 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하고, 인식 결과에 따라 표기 정보를 추가하며,
재생을 요청한 단말장치가 상기 비디오를 재생할 때에, 상기 표기 정보에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하고, 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하도록 하기 위해, 상기 비디오를 재생을 요청한 단말장치로 전송하기 위한 것이며,
여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠른
비디오 처리 장치.
제11항에 있어서,
상기 장치는, 전처리부를 더 포함하고,
상기 전처리부는, 훈련 샘플을 획득하고,
상기 훈련 샘플에 따라, 훈련을 통해 상기 기계 학습 모델을 획득하기 위한 것이며,
상기 훈련 샘플은,
샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함하는
비디오 처리 장치.
제11항에 있어서,
상기 비디오 처리부는, 또한
상기 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 전에, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 표기 정보를 추가했는지를 확인하고, 추가하지 않았는 경우, 상기 기계 학습 모델을 이용하여 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식하기 위한 것인
비디오 처리 장치.
제11항에 있어서,
상기 비디오 처리부는 또한,
단말장치가 설정된 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하기 위해, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도를 상기 단말장치에 제공하기 위한 것인
비디오 처리 장치.
제12항에 있어서,
상기 전처리부는, 또한
상이한 유형의 비디오에 대해, 훈련을 통해 공통의 기계 학습 모델을 획득하거나,
또는, 상이한 유형의 비디오에 대해, 훈련을 통해 상기 상이한 유형에 각각 대응하는 기계 학습 모델을 획득하기 위한 것인
비디오 처리 장치.
콘텐츠 구분부 및 콘텐츠 재생부를 포함하는 비디오 재생 장치에 있어서,
상기 콘텐츠 구분부는, 임의의 비디오를 재생할 때에, 상기 비디오에 설정된 표기 정보에 따라, 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 것고,
여기서, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 표기 정보를 상기 비디오에 추가했을 경우에, 상기 표기 정보는 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 비디오에 추가한 표기 정보이며, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 중점 콘텐츠와 비 중점 콘텐츠를 구분하기 위한 표기 정보를 상기 비디오에 추가하지 않았을 경우에, 상기 표기 정보는 사전 훈련을 통해 획득된 기계 학습 모델에 따라 상기 비디오 내의 중점 콘텐츠와 비 중점 콘텐츠를 인식한 후 추가된 표기 정보를 포함할 수 있고,
상기 콘텐츠 재생부는, 상이한 재생 속도에 따라 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하기 위한 것이며,
여기서, 상기 비 중점 콘텐츠의 재생 속도는 상기 중점 콘텐츠의 재생 속도보다 빠른
비디오 재생 장치.
제16항에 있어서,
상기 기계 학습 모델은 생성된 훈련 샘플에 의해 훈련을 통해 획득된 것이고,
상기 훈련 샘플은,
샘플 비디오 및 상기 샘플 비디오에 대한 상기 샘플 비디오를 시청하는 사용자의 인터액션 행위의 발생 시간을 포함하는
비디오 재생 장치.
제16항에 있어서,
상기 표기 정보는,
상기 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 설정된 표기 정보,
또는, 상기 비 중점 콘텐츠의 시작 시간 및 종료 시간의 위치에 설정된 표기 정보를 포함하는
비디오 재생 장치.
제16항에 있어서,
상기 표기 정보는,
상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 비디오에 추가한 표기 정보를 더 포함하는
비디오 재생 장치.
제16항에 있어서,
상기 콘텐츠 재생부는, 상기 비디오의 제작자가 상기 비디오를 제작했을 때에 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하거나,
또는, 상기 콘텐츠 재생부는, 상기 비디오를 시청하는 사용자가 상기 중점 콘텐츠와 상기 비 중점 콘텐츠에 대해 사전에 설정한 상이한 재생 속도에 따라, 상기 중점 콘텐츠와 상기 비 중점 콘텐츠를 재생하는
비디오 재생 장치.
적어도 하나의 프로세서, 및
상기 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하는 전자 기기에 있어서,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령어가 저장되어 있고, 상기 명령어가 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서로 하여금 제1항, 제2항, 제4항 내지 제8항, 제10항 중 어느 한 항의 방법을 실행하게 하는
전자 기기.
컴퓨터 명령어가 저장되어 있는 비휘발성 컴퓨터 판독 가능 저장 매체에 있어서,
상기 컴퓨터 명령어가 프로세서로 하여금 제1항, 제2항, 제4항 내지 제8항, 제10항 중 어느 한 항의 방법을 구현하게 하기 위한 것인
비휘발성 컴퓨터 판독 가능 저장 매체.
저장 매체에 저장되어 있으며, 프로세서에 의해 실행될 때 제1항, 제2항, 제4항 내지 제8항, 및 제10항 중 어느 하나의 방법을 구현하는 컴퓨터 프로그램.