KR20200087502A - 연관 콘텐츠 추천 방법 및 시스템 - Google Patents

연관 콘텐츠 추천 방법 및 시스템 Download PDF

Info

Publication number
KR20200087502A
KR20200087502A KR1020190003860A KR20190003860A KR20200087502A KR 20200087502 A KR20200087502 A KR 20200087502A KR 1020190003860 A KR1020190003860 A KR 1020190003860A KR 20190003860 A KR20190003860 A KR 20190003860A KR 20200087502 A KR20200087502 A KR 20200087502A
Authority
KR
South Korea
Prior art keywords
search
content
image
metadata
keyword
Prior art date
Application number
KR1020190003860A
Other languages
English (en)
Inventor
안재용
강민수
Original Assignee
주식회사 씨오티커넥티드
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 주식회사 씨오티커넥티드 filed Critical 주식회사 씨오티커넥티드
Priority to KR1020190003860A priority Critical patent/KR20200087502A/ko
Publication of KR20200087502A publication Critical patent/KR20200087502A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/483—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/432—Query formulation
    • G06F16/434—Query formulation using image data, e.g. images, photos, pictures taken by a user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06K9/46—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일 실시예들은 연관 콘텐츠 추천 방법 및 시스템에 관한 것이다. 일 실시예에 따른 연관 콘텐츠 추천 방법은 단말로부터 수신한 입력 영상을 영상 분석 엔진에 입력하고, 영상 분석 엔진으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신하는 단계, 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색하여 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득하는 단계, 검색 콘텐츠를 영상 분석 엔진에 입력하고, 영상 분석 엔진으로부터 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신하는 단계, 및 제1 메타데이터 및 제2 메타데이터에 기초하여, 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정하는 단계를 포함한다.

Description

연관 콘텐츠 추천 방법 및 시스템{ASSOCIATED CONTENT RECOMMENDATION METHOD AND SYSTEM}
아래 실시예들은 연관 콘텐츠 추천 방법 및 시스템에 관한 것이다.
가상현실(Virtual Reality: VR)은 어떤 특정한 환경이나 상황을 컴퓨터로 만들어서, 그것을 사용하는 사람이 마치 실제 주변 상황·환경과 상호작용을 하고 있는 것처럼 만들어 주는 인간-컴퓨터 사이의 인터페이스를 말한다. 즉, 가상현실을 이용한 연동 기술은 현실 세계의 현실 객체에 대응하는 가상 객체를 생성하고, 가상 공간상에 표현하여 이용자가 가상현실을 즐길 수 있도록 한다. 최근 VR 기술은 오락 게임 분야를 넘어 영상, 광고, 의료, 교육 등 각 분야에서 응용 개발되고 있다.
VR 기술이 발전함에 따라, VR 영상을 이용한 독자 창작 영상 컨텐츠(UCC, User Created Contents)에 대한 관심이 날로 커지고 있다. 하지만 기존의 VR 영상 편집 시스템은 360 영상 스티칭 및 AR 프로그래밍 등의 IT/디자인 전문가용 저작툴만 존재하여, 비전문가들은 VR 기술에 대한 전문 지식이 부족하여 접근하기가 어려운 것이 현실이다.
이에 VR 영상 편집 사용에 필요한 기술이나 네트워크 지식을 잘 모르는 인터넷 사용자(일반 사람들)들도 손쉽게 VR 영상을 만들고 편집할 수 있도록 도와주는 수단의 필요성이 절실하다.
실시예들은 단말로부터 수신한 입력 영상에 관련된 콘텐츠를 추천하고자 한다.
실시예들은 외부 검색엔진으로 추가 검색하여 나온 다양한 형식의 결과에서 추출한 이미지에 대한 정확도를 누적 합산한 결과에 따라 연관 콘텐츠를 추천하고자 한다.
실시예들은 외부 검색 엔진의 검색을 통해 획득한 콘텐츠를 추천 콘텐츠의 소스로 사용하고자 한다.
일 실시예에 따른 연관 콘텐츠 추천 방법은 영상 분석 엔진으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신하는 단계; 상기 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색하여 상기 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득하는 단계; 상기 검색 콘텐츠를 상기 영상 분석 엔진에 입력하고, 상기 영상 분석 엔진으로부터 상기 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신하는 단계; 및 상기 제1 메타데이터 및 상기 제2 메타데이터에 기초하여, 상기 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정하는 단계를 포함한다.
상기 출력 콘텐츠를 결정하는 단계는 상기 제1 키워드와 상기 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출하는 단계; 상기 공통 키워드에 대응하는 상기 제1 메타데이터의 벡터와 상기 제2 메타데이터의 벡터를 합산한 값이 미리 정해진 임계치 이상인 상기 검색 콘텐츠를 최종 검색 콘텐츠로 결정하는 단계; 및 상기 최종 검색 콘텐츠를 상기 출력 콘텐츠로 결정하는 단계를 포함할 수 있다.
상기 검색 콘텐츠는 검색 영상, 검색 이미지, 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보 중 적어도 하나를 포함할 수 있다.
상기 검색 엔진은 영상 검색, 이미지 검색, 키워드 검색, 지도 검색, 쇼핑 검색, 웹 검색 중 적어도 하나를 수행하는 외부 검색 엔진을 포함할 수 있다.
일 실시예에 따른 연관 콘텐츠 추천 방법은 상기 출력 콘텐츠를 미리 정해진 기준에 따라 상기 단말에 제공하는 단계를 더 포함할 수 있다.
상기 영상 분석 엔진은 상기 입력 영상을 입력 받아 상기 입력 영상에 대응하는 하나 이상의 키워드와 상기 제1 메타데이터를 생성하는 외부 영상 분석 엔진을 포함할 수 있다.
상기 입력 영상은 원본 영상의 미리 지정된 시야각(Field of View)에 대응하는 편집의 대상이 되는 영상을 포함할 수 있다.
상기 원본 영상은 일반 영상, VR 영상 및 AR 영상 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 연관 콘텐츠 추천 서버는 영상 분석 엔진으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신하고, 상기 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색하여 상기 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득하고, 상기 검색 콘텐츠를 상기 영상 분석 엔진에 입력하고, 상기 영상 분석 엔진으로부터 상기 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신하며, 상기 제1 메타데이터 및 상기 제2 메타데이터에 기초하여, 상기 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정하는 적어도 하나의 프로세서를 포함한다.
상기 프로세서는 상기 제1 키워드와 상기 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출하고, 상기 공통 키워드에 대응하는 상기 제1 메타데이터의 벡터와 상기 제2 메타데이터의 벡터를 합산한 값이 미리 정해진 임계치 이상인 상기 검색 콘텐츠를 최종 검색 콘텐츠로 결정하며, 상기 최종 검색 콘텐츠를 상기 출력 콘텐츠로 결정할 수 있다.
상기 검색 콘텐츠는 검색 영상, 검색 이미지, 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보 중 적어도 하나를 포함할 수 있다.
상기 검색 엔진은 영상 검색, 이미지 검색, 키워드 검색, 지도 검색, 쇼핑 검색, 웹 검색 중 적어도 하나를 수행하는 외부 검색 엔진을 포함할 수 있다.
상기 프로세서는 상기 출력 콘텐츠를 미리 정해진 기준에 따라 상기 단말에 제공할 수 있다.
상기 영상 분석 엔진은 상기 입력 영상을 입력 받아 상기 입력 영상에 대응하는 하나 이상의 키워드와 상기 제1 메타데이터를 생성하는 외부 영상 분석 엔진을 포함할 수 있다.
상기 입력 영상은 원본 영상의 미리 지정된 시야각(Field of View)에 대응하는 편집의 대상이 되는 영상을 포함할 수 있다.
상기 원본 영상은 일반 영상, VR 영상 및 AR 영상 중 적어도 하나를 포함할 수 있다.
실시예들은 단말로부터 수신한 입력 영상에 관련된 콘텐츠를 추천할 수 있다.
실시예들은 외부 검색엔진으로 추가 검색하여 나온 다양한 형식의 결과에서 추출한 이미지에 대한 정확도를 누적 합산한 결과에 따라 연관 콘텐츠를 추천할 수 있다.
실시예들은 외부 검색 엔진의 검색을 통해 획득한 콘텐츠를 추천 콘텐츠의 소스로 사용할 수 있다.
도 1은 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 일 실시예에 따른 연관 콘텐츠 추천 시스템을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 입력 영상을 설명하기 위한 도면이다.
도 4a, 도 4b 및 도 4c는 일 실시예에 따른 연관 콘텐츠 추천 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 콘텐츠 추천 서버를 설명하기 위한 도면이다.
본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
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 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치, HMD(Head mounted Display) 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템 등에서 사용자를 인증하는데 적용될 수 있다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 1을 참고하면, 일 실시예에 따른 네트워크 환경은 복수의 단말들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함할 수 있다. 이러한 도 1은 발명의 설명을 위한 일례로, 단말들의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
복수의 단말들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 단말들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, HMD(Head mounted Display) 등이 있다.
단말(110)은 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 단말들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있다. 서버(150)은 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 단말들(110, 120, 130, 140) 및/또는 다른 서버(160)와 통신할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(예를 들어, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식 뿐만 아니라 기기들 간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 단말들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다.
서버(150)는 네트워크(170)를 통해 접속한 단말(110)로 어플리케이션의 설치를 위한 파일을 제공할 수 있다. 이 경우 단말(110)은 서버(150)로부터 제공된 파일을 이용하여 어플리케이션을 설치할 수 있다. 또한, 단말(110)이 포함하는 운영체제(Operating System, OS) 및 적어도 하나의 프로그램(일례로 브라우저나 상기 설치된 어플리케이션)의 제어에 따라 서버(150)에 접속하여 서버(150)가 제공하는 서비스나 콘텐츠를 제공받을 수 있다. 예를 들어, 단말(110)이 어플리케이션의 제어에 따라 네트워크(170)를 통해 서비스 요청 메시지를 서버(150)로 전송하면, 서버(150)는 서비스 요청 메시지에 대응하는 코드를 단말(110)로 전송할 수 있고, 단말(110)은 어플리케이션의 제어에 따라 코드에 따른 화면을 구성하여 표시함으로써 사용자에게 컨텐츠를 제공할 수 있다.
도 2는 일 실시예에 따른 연관 콘텐츠 추천 시스템을 설명하기 위한 도면이다. 일 실시예에 따른 단말(210)은 도 1의 단말들(110 내지 140) 중 하나일 수 있고, 연관 콘텐츠 추천 서버(220), 영상 분석 엔진(230), 검색 엔진(240)는 도 1의 서버(150, 160) 중 하나일 수 있다.
도 2를 참조하면, 일 실시예에 따른 연관 콘텐츠 추천 시스템은 단말(210), 연관 콘텐츠 추천 서버(220), 영상 분석 엔진(230), 검색 엔진(240)을 포함한다. 단계들(201 내지 208)은 단말(210), 연관 콘텐츠 추천 서버(220), 영상 분석 엔진(230), 검색 엔진(240)에 의해 수행될 수 있다. 단말(210), 연관 콘텐츠 추천 서버(220), 영상 분석 엔진(230), 검색 엔진(240)은 하나 또는 그 이상의 하드웨어 모듈, 하나 또는 그 이상의 소프트웨어 모듈, 또는 이들의 다양한 조합에 의하여 구현될 수 있다.
일 실시예에 따른 연관 콘텐츠 추천 시스템에 따르면, 사용자가 단말(210)을 통해 입력 영상을 연관 콘텐츠 추천 서버(220)에 입력하면, 사용자는 입력 영상과 관련된 출력 콘텐츠를 단말(210)을 통해 추천 받을 수 있다. 사용자는 입력 영상과 관련 있는 출력 콘텐츠를 이용하여 입력 영상을 손쉽게 편집, 가공할 수 있다.
단계(201)에서, 콘텐츠 추천 서버(220)는 단말(210)로부터 입력 영상을 수신한다. 입력 영상은 원본 영상의 미리 지정된 시야각(Field of View)에 대응하는 편집의 대상이 되는 영상을 포함할 수 있다. 입력 영상과 원본 영상의 관계는 아래에서 도 3을 참조하여 상세히 설명된다.
단계(202)에서, 콘텐츠 추천 서버(220)는 단말(210)로부터 수신한 입력 영상을 영상 분석 엔진(230)에 입력할 수 있다.
단계(203)에서, 콘텐츠 추천 서버(220)는 영상 분석 엔진(230)으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신한다.
영상 분석 엔진(230)은 입력 영상을 입력 받아 입력 영상을 분석하여 입력 영상의 내용을 파악할 수 있다. 예를 들어, 영상 분석 엔진(230)은 입력 받은 입력 영상을 해석하여 입력 영상에 대응하는 하나 이상의 키워드를 출력할 수 있다. 영상 분석 엔진(230)이 입력 영상에 대한 응답으로 출력하는 키워드를 제1 키워드라 할 수 있다. 또한, 영상 분석 엔진(230)은 키워드 뿐만 아니라 키워드에 대응하는 점수를 포함하는 메타데이터도 출력할 수 있다. 영상 분석 엔진(230)이 입력 영상에 대한 응답으로 출력하는 메타데이터를 제1 메타데이터라 할 수 있다. 제1 메타데이터는 입력 영상과 키워드 사이의 정확도 등에 관련된 정보를 포함할 수 있다. 설명의 편의를 위해 제1 키워드와 제1 메타데이터를 구분하였으나, 제1 메타데이터는 제1 키워드를 포함할 수도 있다. 이하, 제2 키워드와 제2 메타데이터도 마찬가지일 수 있다.
영상 분석 엔진(230)은 입력 영상을 입력 받아 입력 영상에 대응하는 제1 키워드 및 제1 메타데이터를 생성하는 외부 영상 분석 엔진을 포함할 수 있다. 예를 들어, 영상 분석 엔진(230)은 google vision API 일 수 있다. google vision API는 영상이 포함하고 있는 지배적인 객체를 찾아내 메타데이터를 구축하고 있고, 구축한 메타데이터를 이용하여 이미지 내의 객체를 수천개의 카테고리로 분류할 수 있다. 다만, 여기서 google vision API는 예시적인 사항일 뿐, 상술한 영상 분석 엔진 이외에 객체 인식 및 그에 상응하는 벡터를 출력하는 다양한 유형의 모델 또는 장치에 채용되어 응용될 수 있다. 외부 영상 분석 엔진을 사용하는 경우, 콘텐츠 추천 서버(220)는 외부 영상 분석 엔진으로부터 수신한 키워드 및 벡터를 활용할 뿐 콘텐츠 추천 서버(220)가 자체적으로 영상 분석을 하지 않기 때문에 처리 속도가 향상될 수 있다.
단계(204)에서, 콘텐츠 추천 서버(220)는 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색한다. 예를 들어, 제1 키워드가 'a', 'b' 일 경우, 검색어는 'a', 'b', 'a+b" 일 수 있다. 검색 엔진은 영상검색, 이미지 검색, 키워드 검색, 지도 검색, 쇼핑 검색, 웹 검색 중 적어도 하나를 수행하는 외부 검색 엔진을 포함할 수 있다.
단계(205)에서, 콘텐츠 추천 서버(220)는 검색 엔진(240)으로부터 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득한다. 검색 콘텐츠는 검색 엔진에 제1 키워드를 조합한 검색어를 검색하였을 때 얻을 수 있는 다양한 종류의 콘텐츠를 포함할 수 있다. 검색 콘텐츠는 검색 영상, 검색 이미지, 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보 등을 포함할 수 있다. 예를 들어, 검색 영상은 'a'를 검색 엔진에 검색하여 획득 가능한 영상일 수 있다. 검색 콘텐츠는 아래에서 도 4b를 참조하여 상세히 설명된다.
단계(206)에서, 콘텐츠 추천 서버(220)는 검색 콘텐츠를 영상 분석 엔진(230)에 입력한다. 일 실시예에 따른 검색 콘텐츠는 영상 및 이미지를 포함한다. 예를 들어, 검색 영상 및 이미지 뿐만 아니라 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보와 같은 검색 콘텐츠도 영상 및 이미지를 포함한다. 검색 콘텐츠는 영상 및 이미지를 포함하기 때문에 영상 분석 엔진(230)에 입력하여 결과를 획득할 수 있다.
단계(207)에서, 콘텐츠 추천 서버(220)는 영상 분석 엔진(230)으로부터 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신한다.
영상 분석 엔진(230)이 검색 콘텐츠에 대한 응답으로 출력하는 키워드를 제2 키워드라 할 수 있다. 또한, 영상 분석 엔진(230)은 키워드 뿐만 아니라 키워드에 대응하는 점수를 포함하는 메타데이터도 출력할 수 있다. 영상 분석 엔진(230)이 검색 콘텐츠에 대한 응답으로 출력하는 메타데이터를 제2 메타데이터라 할 수 있다. 제2 메타데이터는 검색 콘텐츠와 키워드 사이의 정확도 등에 관련된 정보를 포함할 수 있다.
단계(208)에서, 콘텐츠 추천 서버(220)는 제1 메타데이터 및 제2 메타데이터에 기초하여, 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정한다. 출력 콘텐츠는 영상 뿐만 아니라 다양한 형식의 콘텐츠를 포함할 수 있다. 예를 들어, 출력 콘텐츠는 영상, 쇼핑 정보, 맵 정보, URL 정보 등을 포함할 수 있다.
콘텐츠 추천 서버(220)는 제1 키워드와 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출할 수 있다. 예를 들어, 제1 키워드는 'a', 'b', 'c'를 포함할 수 있고, 제2 키워드는 'a', 'b', 'e'를 포함한다고 가정하면, 공통 키워드는 'a'와 'b'일 수 있다. 콘텐츠 추천 서버(220)는 공통 키워드에 대응하는 제1 메타데이터의 벡터와 제2 메타데이터의 벡터를 합산한 값이 미리 정해진 임계치 이상인 검색 콘텐츠를 최종 검색 콘텐츠로 결정할 수 있다.
다른 실시예에 따르면, 콘텐츠 추천 서버(220)는 공통 키워드에 대응하는 제1 메타데이터의 벡터와 제2 메타데이터의 벡터를 합산한 값에 기초하여 검색 콘텐츠의 순위를 결정할 수 있고, 검색 콘텐츠의 순위가 미리 정해진 임계치 이상인 검색 콘텐츠를 최종 검색 콘텐츠로 결정할 수 있다.
콘텐츠 추천 서버(220)는 최종 검색 콘텐츠를 포함하는 최종 검색 콘텐츠를 출력 콘텐츠로 결정할 수 있다. 출력 콘텐츠는 영상 뿐만 아니라 다양한 형태의 콘텐츠를 포함할 수 있다.
연관 콘텐츠 추천 시스템에 따르면, 검색 콘텐츠를 영상 분석 엔진(230)에 재차 입력하여 획득한 제2 키워드 및 제2 메타데이터를 더 고려하여 출력 콘텐츠를 결정하기 때문에, 제1 키워드 및 제1 메타데이터만을 고려하여 출력 콘텐츠를 결정하는 경우 보다 신뢰도 높은 출력 콘텐츠를 결정할 수 있다.
도 3은 일 실시예에 따른 입력 영상을 설명하기 위한 도면이다.
도 3을 참조하면, 일 실시예에 따른 입력 영상(320)은 원본 영상(310)의 미리 지정된 시야각(Field of View)에 대응하는 편집의 대상이 되는 영상을 포함할 수 있다. 원본 영상은 일반 영상, VR 영상 및 AR 영상을 포함할 수 있다. 일반 영상 또는 AR 영상의 경우, 원본 영상과 일반 영상이 동일할 수 있지만, VR 영상의 입력 영상(320)은 원본 영상(310)과 다를 수 있다. 예를 들어, 360도 VR 영상의 경우 원본 영상(310)은 360도 영상일 수 있으나, 입력 영상(310)은 원본 영상(310) 중 사용자의 시야각에 포함되는 영상일 수 있다. 360도 영상은 큐브 맵 포맷(cube map format), 등변 직사각형 포맷(equirectangular format), 피라미드 포맷(pyramid format) 등 다양한 포맷을 포함할 수 있다. 에를 들어, 360도 영상에는 큐브 맵 프로젝션(cube map projection) 또는 등변 직사각형 프로젝션(equirectangular projection)과 같은 등가의 2차원 표현이 사용될 수 있다. 큐브 맵 프로젝션에서, 가상 큐브의 각 면에 대한 영상 데이터는 90 ° Х 90 ° 시야에 걸친 2 차원 이미지로서 저장될 수 있다. 또한, 등변 직사각형 프로젝션에서, 영상 데이터는 360 ° Х 180 ° 시야에 걸친 단일 2 차원 이미지로서 저장될 수 있다. VR영상을 편집하는 경우, 원본 영상(310)이 아닌 입력 영상(320)을 기준으로 편집할 수 있다.
도 4a, 도 4b 및 도 4c는 일 실시예에 따른 연관 콘텐츠 추천 방법을 설명하기 위한 도면이다.
도 4a를 참조하면, 일 실시예에 따른 콘텐츠 추천 서버는 단말로부터 입력 영상(410)을 수신할 수 있다. 콘텐츠 추천 서버는 입력 영상(410)을 영상 분석 엔진에 제공할 수 있다. 입력 영상(410)을 입력 받은 영상 분석 엔진은 입력 영상(410)을 분석, 해석하여 하나 이상의 제1 키워드 및 제1 메타데이터를 콘텐츠 추천 서버에 전송할 수 있다. 영상 분석 엔진은 입력 영상(410)에 대한 응답으로 입력 영상(410)의 특성을 표현할 수 있는 항목을 포함하는 제1 키워드와 제1 메타데이터를 출력할 수 있다. 예를 들어, 영상 분석 엔진은 입력 영상(410)에 대한 응답으로 제1 키워드 'Nike', 'Sports shoes', 및 '광화문'을 출력할 수 있다. 또한, 영상 분석 엔진은 제1 키워드 'Nike', 'Sports shoes', 및 '광화문'과 함께 제1 키워드의 정확도 정보를 포함하는 제1 메타데이터를 출력할 수 있다. 예를 들어, 제1 메타데이터는 (Nike, 0.85), ('Sports shoes', 0.70), 및 ('광화문', 0.43)일 수 있다.
콘텐츠 추천 서버는 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색할 수 있다. 예를 들어, 검색어는 제1 키워드를 조합한 'Nike', 'Sports shoes', '광화문', 'Nike'+ 'Sports shoes', 'Nike' + '광화문', 'Sports shoes'+ '광화문', 및 'Nike'+ 'Sports shoes'+ '광화문'을 포함할 수 있다. 콘텐츠 추천 서버는 검색어를 여러 종류의 검색 엔진에 검색할 수 있다. 예를 들어, 온라인 쇼핑 사이트에 'Nike'+ 'Sports shoes'를 검색할 수 있고, 온라인 지도 사이트에 'Nike' + '광화문'을 검색할 수 있다.
도 4b를 참조하면, 일 실시예에 따른 콘텐츠 추천 서버는 검색 엔진으로부터 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득할 수 있다. 예를 들어, 검색어 'Nike'를 이미지 검색하여 검색 영상(421)를, 검색어 'Sports shoes'를 이미지 검색하여 검색 영상(422)를, 검색어 'Nike'+ 'Sports shoes'를 이미지 검색하여 검색 영상(423)를 획득할 수 있다. 검색어 'Nike'+ 'Sports shoes'를 쇼핑 검색 엔진에 검색하여 검색 쇼핑 정보(424)를, 검색어 '광화문'을 쇼핑 검색 엔진에 검색하여 검색 쇼핑 정보(425)를 획득할 수 있다. 또한, 검색어 'Nike' + '광화문'을 지도 검색하여 검색 지도 정보(426)를 획득할 수 있다. 검색 콘텐츠는 영상을 포함한다. 검색 콘텐츠는 검색 이미지, 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보 등을 포함할 수 있으나, 검색 콘텐츠의 종류가 위 예시에 한정되는 것은 아니다.
콘텐츠 추천 서버는 검색 콘텐츠를 영상 분석 엔진에 입력하고, 영상 분석 엔진으로부터 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신할 수 있다. 예를 들어, 검색 영상(421)에 대응하는 제2 메타데이터는 ('Nike', 0.95), 검색 영상(422)에 대응하는 제2 메타데이터는 ('Adidas', 0.78), ('Sports shoes', 0.97), 검색 영상(423)에 대응하는 제2 메타데이터는 ('Nike', 0.85), ('Sport shoes', 0.93), 검색 쇼핑 정보(424)에 대응하는 제2 메타데이터는 ('Nike', 0.71), ('Sport shoes', 0.88), 검색 쇼핑 정보(425)에 대응하는 제2 메타데이터는 ('Toy', 0.54), ('광화문', 0.63)일 수 있다.
콘텐츠 추천 서버는 제1 메타데이터 및 제2 메타데이터에 기초하여, 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정할 수 있다. 콘텐츠 추천 서버는 제1 키워드와 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출할 수 있다. 예를 들어, 검색 영상(422)의 경우, 제1 메타데이터와 제2 메타데이터의 공통 키워드는 'Sports shoes'이고, 공통 키워드에 대응하는 제1 메타데이터의 정확도와 제2 메타데이터의 정확도를 합산한 값은 0.70+0.97 = 1.67일 수 있다. 검색 영상(424)의 경우, 제1 메타데이터와 제2 메타데이터의 공통 키워드는 'Nike'와 'Sports shoes'이고, 공통 키워드에 대응하는 제1 메타데이터의 정확도와 제2 메타데이터의 정확도를 합산한 값은 0.85 + 0.71 + 0.70 + 0.88 = 3.14 일 수 있다. 미리 정해진 임계치가 1.5라고 가정하면, 콘텐츠 추천 서버는 검색 영상(422), 검색 쇼핑 정보(424)을 최종 검색 콘텐츠로 결정할 수 있다. 콘텐츠 추천 서버는 최종 검색 콘텐츠를 출력 콘텐츠로 결정할 수 있다. 예를 들어 검색 영상(422), 검색 쇼핑 정보(424)를 출력 콘텐츠로 결정할 수 있다.
도 4c를 참조하면, 일 실시예에 따른 콘텐츠 추천 서버는 출력 콘텐츠를 미리 정해진 기준에 따라 단말에 제공할 수 있고, 사용자는 출력 콘텐츠를 이용하여 입력 영상(410)을 영상(430)과 같이 쉽게 편집, 가공할 수 있다. 콘텐츠 추천 서버는 사용자에게 출력 콘텐츠를 메타데이터의 정확도 순서에 따라 추천할 수 있다. 예를 들어, 검색 영상(421)을 콘텐츠 추천 서버로부터 추천 받은 사용자는 검색 영상(421)를 자신이 원하는 위치에 배치하여 입력 영상(410)을 편집, 가공할 수 있다. 콘텐츠 추천 서버는 영상 뿐만 아니라 다양한 종류의 콘텐츠를 추천할 수 있기 때문에, 사용자는 입력 영상(410)에 입력 영상(410)과 관련된 지도 정보, URL, 쇼핑 정보 등을 자유롭게 배치하여 입력 영상(410)을 꾸밀 수 있다.
연관 콘텐츠 추천 시스템에 따르면, 입력 영상(410)과 관련도가 높은 출력 콘텐츠를 추천 받을 수 있기 때문에, 영상 편집 사용에 필요한 기술이나 네트워크 지식을 잘 모르는 사용자들도 손 쉽게 입력 영상(410)을 편집할 수 있다.
도 5는 일실시예에 따른 콘텐츠 추천 서버를 설명하기 위한 도면이다.
도 5를 참조하면, 일 실시예에 따른 콘텐츠 추천 서버(501)는 프로세서(502)를 포함한다. 콘텐츠 추천 서버(501)는 메모리(503)를 더 포함할 수 있다. 콘텐츠 추천 서버(500)는 도 5의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 예를 들어, 콘텐츠 추천 서버(501)는 통신 모듈, 입출력 인터페이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
메모리(503)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리에는 운영체제와 적어도 하나의 프로그램 코드에 설치되어 구동되는 브라우저나 상술한 어플리케이션 등을 위한 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism)을 이용하여 메모리와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다.
다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신 모듈을 통해 메모리에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템에 기반하여 메모리에 로딩될 수 있다.
프로세서(502)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리 또는 통신 모듈에 의해 프로세서(502)로 제공될 수 있다. 예를 들어 프로세서(502)는 메모리와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
프로세서(502)는 단말로부터 수신한 입력 영상을 영상 분석 엔진에 입력하고, 영상 분석 엔진으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신하고, 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색하여 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득하고, 검색 콘텐츠를 영상 분석 엔진에 입력하고, 영상 분석 엔진으로부터 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신하며, 제1 메타데이터 및 제2 메타데이터에 기초하여, 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정한다.
프로세서(502)는 제1 키워드와 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출하고, 공통 키워드에 대응하는 제1 메타데이터의 벡터와 제2 메타데이터의 벡터를 합산한 값이 미리 정해진 임계치 이상인 검색 콘텐츠를 최종 검색 콘텐츠로 결정하며, 최종 검색 콘텐츠를 출력 콘텐츠로 결정할 수 있다.
프로세서(503)는 출력 콘텐츠를 미리 정해진 기준에 따라 단말에 제공할 수 있다.
통신 모듈은 네트워크를 통해 단말과 영상 편집 서버(220)가 서로 통신하기 위한 기능을 제공할 수 있으며, 다른 서버와 통신하기 위한 기능을 제공할 수 있다. 예를 들어, 서버(220)의 프로세서(502)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈과 네트워크(170)를 거쳐 단말로 수신될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 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 실시예를 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.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

  1. 영상 분석 엔진으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신하는 단계;
    상기 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색하여 상기 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득하는 단계;
    상기 검색 콘텐츠를 상기 영상 분석 엔진에 입력하고, 상기 영상 분석 엔진으로부터 상기 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신하는 단계; 및
    상기 제1 메타데이터 및 상기 제2 메타데이터에 기초하여, 상기 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정하는 단계
    를 포함하는
    연관 콘텐츠 추천 방법.
  2. 제1항에 있어서,
    상기 출력 콘텐츠를 결정하는 단계는
    상기 제1 키워드와 상기 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출하는 단계;
    상기 공통 키워드에 대응하는 상기 제1 메타데이터의 벡터와 상기 제2 메타데이터의 벡터를 합산한 값이 미리 정해진 임계치 이상인 상기 검색 콘텐츠를 최종 검색 콘텐츠로 결정하는 단계; 및
    상기 최종 검색 콘텐츠를 상기 출력 콘텐츠로 결정하는 단계
    를 포함하는,
    연관 콘텐츠 추천 방법.
  3. 제1항에 있어서,
    상기 검색 콘텐츠는
    검색 영상, 검색 이미지, 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보 중 적어도 하나를 포함하는,
    연관 콘텐츠 추천 방법.
  4. 제1항에 있어서,
    상기 검색 엔진은
    영상 검색, 이미지 검색, 키워드 검색, 지도 검색, 쇼핑 검색, 웹 검색 중 적어도 하나를 수행하는 외부 검색 엔진을 포함하는,
    연관 콘텐츠 추천 방법.
  5. 제1항에 있어서,
    상기 출력 콘텐츠를 미리 정해진 기준에 따라 상기 단말에 제공하는 단계
    를 더 포함하는,
    연관 콘텐츠 추천 방법.
  6. 제1항에 있어서,
    상기 영상 분석 엔진은
    상기 입력 영상을 입력 받아 상기 입력 영상에 대응하는 하나 이상의 키워드와 상기 제1 메타데이터를 생성하는 외부 영상 분석 엔진을 포함하는,
    연관 콘텐츠 추천 방법.
  7. 제1항에 있어서,
    상기 입력 영상은
    원본 영상의 미리 지정된 시야각(Field of View)에 대응하는 편집의 대상이 되는 영상을 포함하는,
    연관 콘텐츠 추천 방법.
  8. 제7항에 있어서,
    상기 원본 영상은
    일반 영상, VR 영상 및 AR 영상 중 적어도 하나를 포함하는,
    연관 콘텐츠 추천 방법.
  9. 하드웨어와 결합되어 제1항 내지 제8항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  10. 영상 분석 엔진으로부터 입력 영상에 대응하는 하나 이상의 제1 키워드 및 제1 메타데이터를 수신하고,
    상기 제1 키워드를 조합한 하나 이상의 검색어를 하나 이상의 검색 엔진에 검색하여 상기 검색어에 대응하는 하나 이상의 검색 콘텐츠를 획득하고,
    상기 검색 콘텐츠를 상기 영상 분석 엔진에 입력하고, 상기 영상 분석 엔진으로부터 상기 검색 콘텐츠에 대응하는 하나 이상의 제2 키워드 및 제2 메타데이터를 수신하며,
    상기 제1 메타데이터 및 상기 제2 메타데이터에 기초하여, 상기 검색 콘텐츠에 대응하는 출력 콘텐츠를 결정하는 적어도 하나의 프로세서
    를 포함하는
    연관 콘텐츠 추천 서버.
  11. 제10항에 있어서,
    상기 프로세서는
    상기 제1 키워드와 상기 제2 키워드에 공통으로 포함된 하나 이상의 공통 키워드를 추출하고,
    상기 공통 키워드에 대응하는 상기 제1 메타데이터의 벡터와 상기 제2 메타데이터의 벡터를 합산한 값이 미리 정해진 임계치 이상인 상기 검색 콘텐츠를 최종 검색 콘텐츠로 결정하며,
    상기 최종 검색 콘텐츠를 상기 출력 콘텐츠로 결정하는,
    연관 콘텐츠 추천 서버.
  12. 제10항에 있어서,
    상기 검색 콘텐츠는
    검색 영상, 검색 이미지, 검색 키워드, 검색 URL, 검색 지도 정보, 검색 쇼핑 정보 중 적어도 하나를 포함하는,
    연관 콘텐츠 추천 서버.
  13. 제10항에 있어서,
    상기 검색 엔진은
    영상 검색, 이미지 검색, 키워드 검색, 지도 검색, 쇼핑 검색, 웹 검색 중 적어도 하나를 수행하는 외부 검색 엔진을 포함하는,
    연관 콘텐츠 추천 서버.
  14. 제10항에 있어서,
    상기 프로세서는
    상기 출력 콘텐츠를 미리 정해진 기준에 따라 상기 단말에 제공하는,
    연관 콘텐츠 추천 서버.
  15. 제10항에 있어서,
    상기 영상 분석 엔진은
    상기 입력 영상을 입력 받아 상기 입력 영상에 대응하는 하나 이상의 키워드와 상기 제1 메타데이터를 생성하는 외부 영상 분석 엔진을 포함하는,
    연관 콘텐츠 추천 서버.
  16. 제10항에 있어서,
    상기 입력 영상은
    원본 영상의 미리 지정된 시야각(Field of View)에 대응하는 편집의 대상이 되는 영상을 포함하는,
    연관 콘텐츠 추천 서버.
  17. 제16항에 있어서,
    상기 원본 영상은
    일반 영상, VR 영상 및 AR 영상 중 적어도 하나를 포함하는,
    연관 콘텐츠 추천 서버.
KR1020190003860A 2019-01-11 2019-01-11 연관 콘텐츠 추천 방법 및 시스템 KR20200087502A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190003860A KR20200087502A (ko) 2019-01-11 2019-01-11 연관 콘텐츠 추천 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190003860A KR20200087502A (ko) 2019-01-11 2019-01-11 연관 콘텐츠 추천 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20200087502A true KR20200087502A (ko) 2020-07-21

Family

ID=71832925

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190003860A KR20200087502A (ko) 2019-01-11 2019-01-11 연관 콘텐츠 추천 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20200087502A (ko)

Similar Documents

Publication Publication Date Title
US11281724B2 (en) Method and system for providing recommendation query using search context
US11803564B2 (en) Method and system for keyword search using messaging service
CN105264529B (zh) 将用于本机应用的数据编索引
CN108804532A (zh) 一种查询意图的挖掘和查询意图的识别方法、装置
US11954142B2 (en) Method and system for producing story video
CN111818370B (zh) 信息推荐方法、装置、电子设备及计算机可读存储介质
WO2019017582A1 (ko) 클라우드 소싱 기반의 ar 컨텐츠 템플릿을 수집하여 ar 컨텐츠를 자동으로 생성하는 방법 및 시스템
US11250468B2 (en) Prompting web-based user interaction
CN109952571A (zh) 基于上下文的图像搜索结果
KR20180000166A (ko) 관심사 및 콘텐츠를 제공하는 방법 및 시스템
KR102119518B1 (ko) 인공지능을 이용하여 생성되는 스타일 공간에 기반한 상품 추천 방법 및 시스템
US11743224B2 (en) Method, computer device, and non-transitory computer readable record medium to display content of interest
KR20200087471A (ko) 객체 추천 방법 및 시스템
KR102151598B1 (ko) 키워드 속성을 기준으로 관련 있는 키워드를 제공하는 방법 및 시스템
KR20200087502A (ko) 연관 콘텐츠 추천 방법 및 시스템
KR102264481B1 (ko) 복수의 소셜 네트워크 서비스 내 채널을 그룹핑 하는 방법, 시스템, 및 비-일시적인 컴퓨터 판독가능한 기록 매체
KR102026475B1 (ko) 시각적 입력의 처리
KR20200086574A (ko) 키워드 관계 구조를 이용한 신규 키워드 추출 방법 및 시스템
KR102641832B1 (ko) Ｉｏｔ 기기를 활용한 전자상거래 활성화 시스템 및 방법
KR102424061B1 (ko) 비디오 콘텐츠 재생 환경 특성에 따른 제어 방법 및 시스템
KR101944404B1 (ko) 주가정보를 제공하는 방법 및 시스템
US20230316428A1 (en) System and method for tailoring user experiences
KR102129691B1 (ko) 이미지 기반 동영상 서비스 방법 및 시스템
KR20240040264A (ko) 고객 맞춤형 전시 박람회 매칭을 위한 플랫폼 제공 시스템
KR20240096974A (ko) 5g 기반 가상공간을 활용한 문화 교육 시스템 및 방법

Legal Events

Date Code Title Description
E601 Decision to refuse application