KR20210145214A - 컨텍스트 미디어 필터 검색 - Google Patents
컨텍스트 미디어 필터 검색 Download PDFInfo
- Publication number
- KR20210145214A KR20210145214A KR1020217034733A KR20217034733A KR20210145214A KR 20210145214 A KR20210145214 A KR 20210145214A KR 1020217034733 A KR1020217034733 A KR 1020217034733A KR 20217034733 A KR20217034733 A KR 20217034733A KR 20210145214 A KR20210145214 A KR 20210145214A
- Authority
- KR
- South Korea
- Prior art keywords
- features
- media content
- image
- image frame
- input
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000004044 response Effects 0.000 claims abstract description 18
- 230000015654 memory Effects 0.000 claims description 30
- 238000012795 verification Methods 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 23
- 230000004048 modification Effects 0.000 description 22
- 238000012986 modification Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 19
- 230000009466 transformation Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000000844 transformation Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 210000000887 face Anatomy 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010079 rubber tapping Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000245301 Nymphoides Species 0.000 description 1
- 235000000476 Nymphoides peltata Nutrition 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008261 resistance mechanism Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
-
- G06K9/00671—
-
- G06K9/6209—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/755—Deformable models or variational models, e.g. snakes or active contours
- G06V10/7553—Deformable models or variational models, e.g. snakes or active contours based on shape, e.g. active shape models [ASM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하고, 클라이언트 디바이스에서 이미지 프레임을 캡처하고 - 이미지 프레임은 객체의 묘사를 포함함 -, 이미지 프레임 내에서 객체를 식별하고, 객체를 식별한 것에 응답하여 미디어 리포지토리 내의 객체와 연관된 미디어 콘텐츠에 액세스하고, 및 클라이언트 디바이스에서 이미지 프레임 내의 미디어 콘텐츠의 프레젠테이션을 야기하기 위한 방법.
Description
본 출원은 2020년 3월 10일자로 출원된 미국 특허 출원 일련 번호 제16/814,221호 및 2019년 3월 29일자로 출원된 미국 가특허 출원 일련 번호 제62/826,679호에 대한 우선권의 이익을 주장하며, 이들 각각은 그 전체가 본 명세서에 참고로 포함된다.
본 개시내용의 실시예들은 일반적으로 모바일 컴퓨팅 기술에 관한 것으로, 제한으로서가 아니라, 더 특정하게는, 클라이언트 디바이스에서 동적 컨텍스트 미디어 콘텐츠(dynamic contextual media content)를 생성하고 디스플레이하기 위한 시스템들에 관한 것이다.
증강 현실(augmented reality, AR)은 그 요소들이 컴퓨터 생성 감각 입력들에 의해 증강되는 물리적 실세계 환경의 라이브 직접 또는 간접 뷰이다.
임의의 특정 요소 또는 행위의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 그 요소가 처음 도입되는 도면 번호를 지칭한다.
반드시 실제 축척(scale)으로 그려진 것은 아닌 도면들에서, 유사한 참조부호들은 상이한 도면들에서의 유사한 컴포넌트들을 설명할 수 있다. 상이한 문자 접미사를 갖는 유사한 숫자들은 유사한 컴포넌트의 상이한 실례를 나타낼 수 있다. 일부 실시예들은 첨부 도면들의 그림들에서 제한이 아닌 예로서 예시된다.
임의의 특정 요소 또는 행위의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 그 요소가 처음 도입되는 도면 번호를 지칭한다.
도 1은 일부 예시적인 실시예들에 따른, 본 개시내용이 배치될 수 있는 네트워크 환경의 도식적 표현이다.
도 2는 일부 예시적인 실시예들에 따른, 메시징 클라이언트 애플리케이션의 도식적 표현이다.
도 3은 일부 예시적인 실시예들에 따른, 데이터베이스에 유지되는 바와 같은 데이터 구조의 도식적 표현이다.
도 4는 일부 예시적인 실시예들에 따른, 메시지의 도식적 표현이다.
도 5는 일부 예시적인 실시예들에 따른 액세스 제한 프로세스에 대한 흐름도이다.
도 6은 일부 예시적인 실시예들에 따른 컨텍스트 미디어 필터 시스템의 컴포넌트들을 예시하는 블록도이다.
도 7은 특정 예시적인 실시예들에 따른 컨텍스트 미디어 필터의 디스플레이를 야기하는 방법을 묘사하는 흐름도이다.
도 8은 일부 예시적인 실시예들에 따른, 이미지 프레임 내의 객체의 도식적 예시이다.
도 9는 일부 예시적인 실시예들에 따른, 사용자 인터페이스 내의 컨텍스트 미디어 필터 시스템의 도식적 예시이다.
도 10은 일부 예시적인 실시예들에 따른, 본 개시내용이 구현될 수 있는 소프트웨어 아키텍처를 도시하는 블록도이다.
도 11은 일부 예시적인 실시예들에 따른, 머신으로 하여금 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위해 명령어들의 세트가 그 내에서 실행될 수 있는 컴퓨터 시스템 형태의 머신의 도식적 표현이다.
반드시 실제 축척(scale)으로 그려진 것은 아닌 도면들에서, 유사한 참조부호들은 상이한 도면들에서의 유사한 컴포넌트들을 설명할 수 있다. 상이한 문자 접미사를 갖는 유사한 숫자들은 유사한 컴포넌트의 상이한 실례를 나타낼 수 있다. 일부 실시예들은 첨부 도면들의 그림들에서 제한이 아닌 예로서 예시된다.
임의의 특정 요소 또는 행위의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 그 요소가 처음 도입되는 도면 번호를 지칭한다.
도 1은 일부 예시적인 실시예들에 따른, 본 개시내용이 배치될 수 있는 네트워크 환경의 도식적 표현이다.
도 2는 일부 예시적인 실시예들에 따른, 메시징 클라이언트 애플리케이션의 도식적 표현이다.
도 3은 일부 예시적인 실시예들에 따른, 데이터베이스에 유지되는 바와 같은 데이터 구조의 도식적 표현이다.
도 4는 일부 예시적인 실시예들에 따른, 메시지의 도식적 표현이다.
도 5는 일부 예시적인 실시예들에 따른 액세스 제한 프로세스에 대한 흐름도이다.
도 6은 일부 예시적인 실시예들에 따른 컨텍스트 미디어 필터 시스템의 컴포넌트들을 예시하는 블록도이다.
도 7은 특정 예시적인 실시예들에 따른 컨텍스트 미디어 필터의 디스플레이를 야기하는 방법을 묘사하는 흐름도이다.
도 8은 일부 예시적인 실시예들에 따른, 이미지 프레임 내의 객체의 도식적 예시이다.
도 9는 일부 예시적인 실시예들에 따른, 사용자 인터페이스 내의 컨텍스트 미디어 필터 시스템의 도식적 예시이다.
도 10은 일부 예시적인 실시예들에 따른, 본 개시내용이 구현될 수 있는 소프트웨어 아키텍처를 도시하는 블록도이다.
도 11은 일부 예시적인 실시예들에 따른, 머신으로 하여금 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위해 명령어들의 세트가 그 내에서 실행될 수 있는 컴퓨터 시스템 형태의 머신의 도식적 표현이다.
설명의 목적으로, 본 주제의 철저한 이해를 제공하기 위해 특정 구성들 및 상세사항들이 제시된다. 그러나, 설명된 주제의 실시예들은 본 명세서에 설명된 바와 같이, 본 명세서에 제시된 특정 상세사항들 없이도, 또는 다양한 조합들로 실시될 수 있다는 것이 본 기술분야의 통상의 기술자에게 명백할 것이다. 더욱이, 잘 알려진 특징들은 설명된 실시예들을 불명확하게 하지 않도록 생략되거나 단순화될 수 있다. 다양한 예들이 본 설명 전체를 통해 주어질 수 있다. 이것들은 단지 특정 실시예들의 설명들일 뿐이다. 청구항들의 범위 또는 의미는 주어진 예들로만 제한되지 않는다.
AR 시스템들은 그래픽 사용자 인터페이스(GUI)들 내에서 사용자들에게 물리적 실세계 환경의 라이브 직접 또는 간접 뷰를 디스플레이하는 것을 제공하며, 여기서 뷰의 요소들은 컴퓨터 생성 감각 입력들에 의해 증강된다. 예를 들어, AR 인터페이스는, 미디어 콘텐츠가 실세계 환경에서의 요소들과 상호작용하는 것처럼 보이도록, 실세계 환경의 뷰의 디스플레이 내의 위치들에서 미디어 콘텐츠를 프레젠테이션할 수 있다.
본 개시내용의 양태들은 클라이언트 디바이스에서 컨텍스트 미디어 필터들을 생성하고 디스플레이하도록 구성된 컨텍스트 미디어 필터 시스템을 설명한다. 예를 들어, 컨텍스트 미디어 필터 시스템은 클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 동작, 클라이언트 디바이스에서 이미지 프레임을 캡처하는 동작 - 이미지 프레임은 객체의 묘사를 포함함 -, 이미지 프레임 내에서 객체를 식별하는 동작, 객체를 식별한 것에 응답하여 미디어 리포지토리 내에서 객체와 연관된 미디어 콘텐츠에 액세스하는 동작, 및 클라이언트 디바이스에서 이미지 프레임 내의 미디어 콘텐츠의 프레젠테이션을 야기하는 동작을 포함하는 동작들을 수행하도록 구성된다.
미디어 콘텐츠는 다양한 형상, 크기 및 테마의 애니메이션된 GIF(Graphics Interchange Format) 이미지들을 포함할 수 있다. 일부 실시예들에서, 컨텍스트 미디어 필터 시스템은 미디어 콘텐츠의 정렬되고 라벨링된 컬렉션을 포함하는 미디어 리포지토리와 통신 상태에 있을 수 있으며, 여기서 미디어 콘텐츠의 컬렉션 내의 미디어 콘텐츠는 미디어 콘텐츠의 속성들에 기초하여 라벨링되거나 태깅된다. 예를 들어, 미디어 콘텐츠는 "음식" 또는 "농구"와 같은 미디어 콘텐츠의 객체 카테고리를 식별하는 라벨로 태깅될 수 있고, 따라서 객체 카테고리에 대한 참조는 미디어 콘텐츠의 컬렉션 중의 미디어 콘텐츠의 세트와 부합하게 된다.
일부 실시예들에서, 사용자 옵션들의 세트 중에서 사용자 옵션을 선택하는 입력을 수신한 것에 응답하여, 컨텍스트 미디어 필터 시스템은 클라이언트 디바이스로부터 이미지를 캡처하는데, 여기서 이미지 프레임은 실세계 환경에서의 하나 이상의 객체의 묘사를 포함한다. 예를 들어, 컨텍스트 미디어 필터 시스템은 이미지 프레임 내의 하나 이상의 국지적 피처(feature)(예를 들어, 제1 세트의 피처들)을 검출할 수 있는데, 여기서 국지적 피처들은 이미지 프레임에 묘사된 객체와 연관된 객체를 식별하거나, 또는 추가 실시예들에서 이미지 프레임에 묘사된 객체를 식별하기 위해 하나 이상의 이미지 및 텍스트 인식 기법을 또한 사용할 수 있다. 객체의 식별에 기초하여, 컨텍스트 미디어 필터 시스템은 이미지 프레임의 전역적 피처들(예를 들어, 제2 세트의 피처들)을 계산하기 위해 국지적 피처들과 연관된 대표 피처들의 세트를 검색한다. 컨텍스트 미디어 필터 시스템은 전역적 피처들을 사용하고 미디어 리포지토리에 질의하여 국지적 피처들 및 대표 피처들에 기초하여 미디어 콘텐츠를 식별할 수 있다. 컨텍스트 미디어 필터 시스템은 또한 국지적 피처들을 사용하여 미디어 콘텐츠를 기하학적으로 검증하고 미디어 콘텐츠로부터 잘못된 미디어 콘텐츠를 제거한다.
미디어 리포지토리로부터 미디어 콘텐츠의 세트를 식별한 것에 응답하여, 컨텍스트 미디어 필터 시스템은 클라이언트 디바이스에서 미디어 콘텐츠의 세트를 생성하고 그의 디스플레이를 야기한다. 일부 실시예들에서, 미디어 콘텐츠의 세트의 프레젠테이션을 생성하기 위해, 컨텍스트 미디어 필터 시스템은 미디어 콘텐츠의 세트에 대한 프레젠테이션 포맷 및 레이아웃을 제공하는 미디어 템플릿을 검색한다. 예를 들어, 미디어 템플릿은 상기 클라이언트 디바이스에서 이미지 프레임 내에 미디어 콘텐츠의 세트를 프레젠테이션하기 위한 위치들을 정의할 수 있다. 일부 실시예들에서, 클라이언트 디바이스에서 이미지 프레임 내의 미디어 콘텐츠의 세트의 프레젠테이션은 이미지 프레임 내에서 식별된 객체들의 위치(또는 위치들)에 기초할 수 있다.
도 1은 네트워크를 통해 데이터(예를 들어, 메시지들 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템(100)을 도시하는 블록도이다. 메시징 시스템(100)은 클라이언트 디바이스(102)의 다수의 인스턴스를 포함하고, 이들 각각은 메시징 클라이언트 애플리케이션(104)을 포함하는 다수의 애플리케이션을 호스팅한다. 각각의 메시징 클라이언트 애플리케이션(104)은 네트워크(106)(예를 들어, 인터넷)를 통해 메시징 클라이언트 애플리케이션(104) 및 메시징 서버 시스템(108)의 다른 인스턴스들에 통신적으로 결합된다.
메시징 클라이언트 애플리케이션(104)은 네트워크(106)를 통해 또 다른 메시징 클라이언트 애플리케이션(104)과 그리고 메시징 서버 시스템(108)과 통신하고 데이터를 교환할 수 있다. 메시징 클라이언트 애플리케이션(104) 사이에서 그리고 메시징 클라이언트 애플리케이션(104)과 메시징 서버 시스템(108) 사이에서 교환되는 데이터는, 기능들(예를 들어, 기능들을 기동시키는 명령들)뿐만 아니라, 페이로드 데이터(예를 들어, 텍스트, 오디오, 비디오 또는 다른 멀티미디어 데이터)를 포함한다.
메시징 서버 시스템(108)은 네트워크(106)를 통해 특정 메시징 클라이언트 애플리케이션(104)에게 서버 측 기능성을 제공한다. 메시징 시스템(100)의 특정 기능들이 메시징 클라이언트 애플리케이션(104)에 의해 또는 메시징 서버 시스템(108)에 의해 수행되는 것으로 본 명세서에 설명되지만, 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 시스템(108) 내의 특정 기능성의 위치는 설계 선택사항이다. 예를 들어, 처음에 메시징 서버 시스템(108) 내에 특정 기술 및 기능성을 배치하지만, 나중에 클라이언트 디바이스(102)가 충분한 처리 용량을 갖는 메시징 클라이언트 애플리케이션(104)으로 이 기술 및 기능성을 이주시키는 것이 기술적으로 바람직할 수 있다.
메시징 서버 시스템(108)은 메시징 클라이언트 애플리케이션(104)에게 제공되는 다양한 서비스들 및 동작들을 지원한다. 그러한 동작들은 메시징 클라이언트 애플리케이션(104)에게 데이터를 송신하고, 그로부터 데이터를 수신하고, 그에 의해 생성된 데이터를 처리하는 것을 포함한다. 이 데이터는, 예로서, 메시지 콘텐츠, 클라이언트 디바이스 정보, 지오로케이션(geolocation) 정보, 미디어 주석 및 오버레이들(media annotation and overlays), 메시지 콘텐츠 지속 조건들(message content persistence conditions), 소셜 네트워크 정보, 및 라이브 이벤트 정보를 포함할 수 있다. 메시징 시스템(100) 내에서의 데이터 교환은 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스(UI)들을 통해 이용 가능한 기능들을 통해 기동되고 제어된다.
이제 구체적으로 메시징 서버 시스템(108)을 참조하면, API(Application Program Interface) 서버(110)가 애플리케이션 서버(112)에 결합되고 이것에게 프로그램 방식의 인터페이스(programmatic interface)를 제공한다. 애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신적으로 결합되고, 이는 애플리케이션 서버(112)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.
API(Application Program Interface) 서버(110)는 클라이언트 디바이스(102)와 애플리케이션 서버(112) 사이에서 메시지 데이터(예를 들어, 명령들 및 메시지 페이로드들)를 수신하고 송신한다. 구체적으로, API(Application Program Interface) 서버(110)는 애플리케이션 서버(112)의 기능성을 기동시키기 위해 메시징 클라이언트 애플리케이션(104)에 의해 호출되거나 질의될 수 있는 인터페이스들(예를 들어, 루틴들 및 프로토콜들)의 세트를 제공한다. API(Application Program Interface) 서버(110)는, 계정 등록, 로그인 기능성, 특정한 메시징 클라이언트 애플리케이션(104)으로부터 또 다른 메시징 클라이언트 애플리케이션(104)으로의, 애플리케이션 서버(112)를 통한 메시지의 전송, 메시징 클라이언트 애플리케이션(104)으로부터 메시징 서버 애플리케이션(114)으로의 미디어 파일들(예를 들어, 이미지 또는 비디오)의 전송, 및 또 다른 메시징 클라이언트 애플리케이션(104)에 의한 가능한 액세스를 위해, 미디어 데이터의 컬렉션(예를 들어, 스토리)의 설정, 클라이언트 디바이스(102)의 사용자의 친구들의 목록의 검색, 이러한 컬렉션들의 검색, 메시지 및 콘텐츠의 검색, 소셜 그래프로의 친구의 추가 및 삭제, 소셜 그래프 내의 친구들의 위치, 및 (예를 들어, 메시징 클라이언트 애플리케이션(104)에 관련된) 애플리케이션 이벤트를 오픈하는 것을 포함하여, 애플리케이션 서버(112)에 의해 지원되는 다양한 기능을 노출시킨다.
애플리케이션 서버(112)는 메시징 서버 애플리케이션(114), 이미지 처리 시스템(116), 소셜 네트워크 시스템(122) 및 컨텍스트 미디어 필터 시스템(124)을 포함하여, 다수의 애플리케이션 및 서브시스템을 호스팅한다.
컨텍스트 미디어 필터 시스템(124)은, 일부 예시적인 실시예들에 따라, 클라이언트 디바이스(102)로부터 객체의 묘사를 포함하는 이미지 프레임을 캡처하고, 객체의 묘사에 기초하여 이미지 프레임 내의 하나 이상의 객체를 식별하고, 객체에 기초하여 하나 이상의 이미지 피처를 식별하고, 이미지 피처들에 기초하여 미디어 콘텐츠의 세트를 검색하고, 및 클라이언트 디바이스(102)에서 이미지 프레임 내의 미디어 콘텐츠의 세트의 프레젠테이션의 디스플레이를 야기하도록 구성된다. 컨텍스트 미디어 필터 시스템(124)의 추가 상세사항이 아래의 도 6에서 발견될 수 있다.
메시징 서버 애플리케이션(114)은, 특히 메시징 클라이언트 애플리케이션(104)의 다수의 인스턴스로부터 수신된 메시지들에 포함된 콘텐츠(예를 들어, 텍스트 및 멀티미디어 콘텐츠)의 모음(aggregation) 및 다른 처리에 관련된, 다수의 메시지 처리 기술 및 기능을 구현한다. 더 상세히 설명되는 바와 같이, 다수의 소스로부터의 텍스트 및 미디어 콘텐츠는 콘텐츠의 컬렉션들(예를 들어, 스토리 또는 갤러리라고 불림)이 되도록 모아질 수 있다. 그 후, 이러한 컬렉션들은 메시징 서버 애플리케이션(114)에 의해, 메시징 클라이언트 애플리케이션(104)에게 이용 가능하게 된다. 다른 프로세서 및 메모리 집약적인 데이터의 처리는 또한, 그러한 처리를 위한 하드웨어 요건을 고려하여, 메시징 서버 애플리케이션(114)에 의해 서버 측에서 수행될 수 있다.
애플리케이션 서버(112)는 전형적으로 메시징 서버 애플리케이션(114)에서 메시지의 페이로드 내에서 수신된 이미지들 또는 비디오에 관하여, 다양한 이미지 처리 동작을 수행하는 데 전용되는 이미지 처리 시스템(116)을 또한 포함한다.
소셜 네트워크 시스템(122)은 다양한 소셜 네트워킹 기능 서비스를 지원하고 이들 기능 및 서비스를 메시징 서버 애플리케이션(114)에게 이용 가능하게 만든다. 이를 위해, 소셜 네트워크 시스템(122)은 데이터베이스(120) 내에 엔티티 그래프(304)(도 3에 도시됨)를 유지하고 액세스한다. 소셜 네트워크 시스템(122)에 의해 지원되는 기능 및 서비스의 예는, 특정 사용자가 그와 관계를 가지거나 "팔로우하는" 메시징 시스템(100)의 다른 사용자들의 식별, 및 또한 다른 엔티티들의 식별 및 특정 사용자의 관심사항을 포함한다.
애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신적으로 결합되고, 이는 메시징 서버 애플리케이션(114)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.
도 2는 예시적인 실시예들에 따른, 메시징 시스템(100)에 관한 추가의 상세사항을 예시하는 블록도이다. 구체적으로, 메시징 시스템(100)은 메시징 클라이언트 애플리케이션(204) 및 애플리케이션 서버(212)를 포함하는 것으로 도시되며, 이는 결국 다수의 몇몇 서브시스템, 즉 단기적 타이머 시스템(202), 컬렉션 관리 시스템(206) 및 주석 시스템(208)을 구현한다.
단기적 타이머 시스템(202)은 메시징 클라이언트 애플리케이션(204) 및 메시징 서버 애플리케이션(114)에 의해 허용되는 콘텐츠에 대한 일시적 액세스를 시행하는 것을 담당한다. 이를 위해, 단기적 타이머 시스템(202)은 메시지 또는 메시지들의 컬렉션(예를 들어, 스토리)과 연관된 지속기간 및 디스플레이 파라미터들에 기초하여, 메시징 클라이언트 애플리케이션(204)을 통해 메시지들 및 연관된 콘텐츠를 선택적으로 디스플레이하고 그에 대한 액세스를 가능하게 하는 다수의 타이머를 포함한다. 단기적 타이머 시스템(202)의 동작에 관한 추가 상세사항이 이하에 제공된다.
컬렉션 관리 시스템(206)은 미디어의 컬렉션들(예를 들어, 텍스트, 이미지 비디오 및 오디오 데이터의 컬렉션들)을 관리하는 것을 담당한다. 일부 예들에서, 콘텐츠의 컬렉션(예를 들어, 이미지들, 비디오, 텍스트 및 오디오를 포함하는 메시지들)은 "이벤트 갤러리(event gallery)" 또는 "이벤트 스토리(event story)"가 되도록 조직될 수 있다. 그러한 컬렉션은 콘텐츠가 관련되는 이벤트의 지속기간과 같은 지정된 시간 기간 동안 이용 가능하게 될 수 있다. 예를 들어, 음악 콘서트와 관련된 콘텐츠는 그 음악 콘서트의 지속기간 동안 "스토리"로서 이용 가능하게 될 수 있다. 컬렉션 관리 시스템(206)은 또한 메시징 클라이언트 애플리케이션(204)의 사용자 인터페이스에게 특정 컬렉션의 존재의 통지를 제공하는 아이콘을 게시하는 것을 담당할 수 있다.
컬렉션 관리 시스템(206)은 컬렉션 관리자가 콘텐츠의 특정 컬렉션을 관리 및 큐레이팅하는 것을 허용하는 큐레이션 인터페이스(210)를 더욱이 포함한다. 예를 들어, 큐레이션 인터페이스(210)는 이벤트 조직자가 특정 이벤트에 관련된 콘텐츠의 컬렉션을 큐레이팅(예를 들어, 부적절한 콘텐츠 또는 중복 메시지들을 삭제)할 수 있게 한다. 또한, 컬렉션 관리 시스템(206)은 머신 비전(또는 이미지 인식 기술) 및 콘텐츠 규칙들을 사용하여 콘텐츠 컬렉션을 자동으로 큐레이팅한다. 특정 실시예들에서, 사용자-생성 콘텐츠(user-generated content)를 컬렉션에 포함시키는 것에 대한 보상이 사용자에게 지불될 수 있다. 그러한 경우에서, 큐레이션 인터페이스(210)는 그러한 사용자들에게 그들의 콘텐츠의 사용에 대해 자동으로 지불하도록 동작한다.
주석 시스템(208)은 사용자가 메시지와 연관된 미디어 콘텐츠에 주석을 달거나 다른 방식으로 이를 수정 또는 편집할 수 있게 하는 다양한 기능들을 제공한다. 예를 들어, 주석 시스템(208)은 메시징 시스템(100)에 의해 처리된 메시지들에 대한 미디어 오버레이들의 생성 및 게시와 관련된 기능들을 제공한다. 주석 시스템(208)은 클라이언트 디바이스(102)의 지오로케이션에 기초하여 메시징 클라이언트 애플리케이션(204)에게 미디어 오버레이 또는 보완물(예를 들어, 이미지 필터)을 동작적으로 공급한다. 또 다른 예에서, 주석 시스템(208)은 클라이언트 디바이스(102)의 사용자의 소셜 네트워크 정보와 같은 다른 정보에 기초하여 메시징 클라이언트 애플리케이션(204)에게 미디어 오버레이를 동작적으로 공급한다. 미디어 오버레이는 오디오 및 시각적 콘텐츠 및 시각적 효과를 포함할 수 있다. 오디오 및 시각적 콘텐츠의 예들은 픽처들, 텍스트들, 로고들, 애니메이션들, 및 음향 효과들을 포함한다. 시각적 효과의 예는 컬러 오버레잉(color overlaying)을 포함한다. 오디오 및 시각적 콘텐츠 또는 시각적 효과는 클라이언트 디바이스(102)에서 미디어 콘텐츠 아이템(예를 들어, 사진)에 적용될 수 있다. 예를 들어, 미디어 오버레이는 클라이언트 디바이스(102)에 의해 촬영된 사진 위에 오버레이될 수 있는 텍스트를 포함할 수 있다. 또 다른 예에서, 미디어 오버레이는, 위치 식별 오버레이(예를 들어, Venice beach), 라이브 이름 이벤트, 상인 명칭 오버레이(예를 들어, Beach Coffee House)를 포함한다. 또 다른 예에서, 주석 시스템(208)은 클라이언트 디바이스(102)의 지오로케이션을 사용하여 클라이언트 디바이스(102)의 지오로케이션에서의 상인의 명칭을 포함하는 미디어 오버레이를 식별한다. 미디어 오버레이는 상인과 연관된 다른 표시를 포함할 수 있다. 미디어 오버레이들은 데이터베이스(120)에 저장되고 데이터베이스 서버(118)를 통해 액세스될 수 있다.
하나의 예시적인 실시예에서, 주석 시스템(208)은 사용자들이 지도 상에서 지오로케이션을 선택하고, 선택된 지오로케이션과 연관된 콘텐츠를 업로드하는 것을 가능하게 하는 사용자 기반 게시 플랫폼을 제공한다. 사용자는 또한 특정 미디어 오버레이가 다른 사용자들에게 제공되어야 하는 상황들을 지정할 수 있다. 주석 시스템(208)은 업로드된 콘텐츠를 포함하는 미디어 오버레이를 생성하고 업로드된 콘텐츠를 선택된 지오로케이션과 연관시킨다.
또 다른 예시적인 실시예에서, 주석 시스템(208)은, 상인들이 입찰 프로세스를 통해 지오로케이션과 연관된 특정한 미디어 오버레이를 선택할 수 있게 하는 판매자-기반 게시 플랫폼을 제공한다. 예를 들어, 주석 시스템(208)은 최고 입찰 상인의 미디어 오버레이를 미리 정의된 시간량 동안 대응하는 지오로케이션과 연관시킨다.
도 3은 특정 예시적인 실시예들에 따른, 메시징 서버 시스템(108)의 데이터베이스(316)에 저장될 수 있는 데이터 구조(300)를 예시하는 개략도이다. 데이터베이스(316)의 콘텐츠가 다수의 테이블을 포함하는 것으로 도시되어 있지만, 데이터는 다른 타입의 데이터 구조에(예를 들어, 객체 지향형 데이터베이스로서) 저장될 수 있다는 것을 알 것이다.
데이터베이스(316)는 메시지 테이블(314) 내에 저장된 메시지 데이터를 포함한다. 엔티티 테이블(302)은 엔티티 그래프(304)를 포함하는 엔티티 데이터를 저장한다. 엔티티 테이블(302) 내에 레코드들이 유지되는 엔티티들은 개인들, 회사 엔티티들, 조직들, 객체들, 장소들, 이벤트들 등을 포함할 수 있다. 유형에 관계없이, 그에 관해 메시징 서버 시스템(108)이 데이터를 저장하는 임의의 엔티티는 인식된 엔티티일 수 있다. 각각의 엔티티는 고유 식별자뿐만 아니라 엔티티 유형 식별자(도시되지 않음)를 구비한다.
엔티티 그래프(304)는 더욱이 엔티티들 사이의 관계 및 연관에 관한 정보를 저장한다. 그러한 관계들은, 단지 예를 들어, 사회의, 전문적(예를 들어, 일반 법인 또는 조직에서의 일) 관심 기반 또는 활동 기반일 수 있다.
데이터베이스(316)는 또한 주석 데이터를, 필터들의 예시적인 형태로, 주석 테이블(312)에 저장한다. 그에 대해 데이터가 주석 테이블(312) 내에 저장되는 필터들은 비디오들(그에 대해 데이터가 비디오 테이블(310)에 저장됨) 및/또는 이미지들(그에 대해 데이터가 이미지 테이블(308)에 저장됨)과 연관되고 이들에 적용된다. 한 예에서, 필터들은 수신자 사용자에의 프레젠테이션 동안 이미지 또는 비디오 상에 오버레이되어 디스플레이되는 오버레이들이다. 필터들은, 전송측 사용자가 메시지를 작성하고 있을 때 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 프레젠테이션되는 필터들의 갤러리로부터의 사용자-선택된 필터들을 포함하여, 다양한 유형의 것일 수 있다. 다른 유형의 필터들은, 지리적 위치에 기초하여 전송측 사용자에게 프레젠테이션될 수 있는 지오로케이션 필터들(지오-필터들이라고도 알려짐)을 포함한다. 예를 들어, 이웃 또는 특수한 위치에 특정적인 지오로케이션 필터들이 클라이언트 디바이스(102)의 GPS 유닛에 의해 결정된 지오로케이션 정보에 기초하여 메시징 클라이언트 애플리케이션(104)에 의해 사용자 인터페이스 내에 프레젠테이션될 수 있다. 또 다른 유형의 필터는, 메시지 생성 프로세스 동안 클라이언트 디바이스(102)에 의해 수집된 정보 또는 다른 입력들에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 선택적으로 프레젠테이션될 수 있는 데이터 필터이다. 데이터 필터들의 예는, 특정 위치에서의 현재 온도, 전송측 사용자가 이동하고 있는 현재 속도, 클라이언트 디바이스(102)에 대한 배터리 수명, 또는 현재 시간을 포함한다.
이미지 테이블(308) 내에 저장될 수 있는 다른 주석 데이터는 소위 Lenses® 데이터이다. Lenses®은 이미지 또는 비디오에 추가될 수 있는 실시간 특수 효과 및 사운드일 수 있다.
소셜 메시징 시스템에서, 콘텐츠(예를 들어, 이미지 및 비디오 클립)는 메시징의 일부로서 통신될 수 있다. 이러한 콘텐츠를 맞춤화하는 한가지 방식은 콘텐츠를 어떤 방식으로 수정 또는 변환하는 Lenses®를 사용하는 것이다. 예를 들어, 콘텐츠 이미지들에 대한 복잡한 추가들 또는 변환들은 비디오 클립에서의 사람의 머리에 토끼 귀들을 추가하는 것, 비디오 클립에 배경 컬러링을 갖는 부유 하트들을 추가하는 것, 비디오 클립 내의 사람의 피처들의 비율들을 변경하는 것, 또는 많은 수많은 다른 그러한 변환들과 같이 Lenses® 데이터를 사용하여 수행될 수 있다. 고유 사용자 경험들을 제공하는 것, Lenses® 생성자들에 대한 속성을 제공하는 것, 및 생성자들이 메시징 시스템 내의 데이터의 다양한 양태들을 보호하는 것을 가능하게 하는 것 모두를 위해, 시스템은 사용자들이 그러한 Lenses®을 생성 및 공유하는 것은 물론이고, 그러한 필터들에 대한 액세스를 다양한 방식들로 제한하는 것 둘 다를 위한 도구들을 제공할 수 있다. 앞서 설명된 바와 같이, 본 명세서에 설명되는 실시예들에 따른 Lenses®는 비디오들 또는 이미지들에 대해 행해질 수 있는 수정들을 지칭한다. 이것은 이미지가 디바이스 센서를 사용하여 캡처되고 이어서 Lenses® ns 수정들과 함께 디바이스의 화면 상에 디스플레이됨에 따라 이미지를 수정하는 실시간 수정 둘 다를 포함한다. 이것은 또한 Lenses®를 사용하여 수정될 수 있는 갤러리에서의 비디오 클립들과 같은 저장된 콘텐츠에 대한 수정들을 포함한다. 예를 들어, 다수의 Lenses®를 갖는 생성자 프로필에서, 인가된 제3자 계정은 상이한 Lenses®가 저장된 클립을 어떻게 수정할지를 보기 위해 다수의 Lenses®를 갖는 단일 비디오 클립을 사용할 수 있다. 유사하게, 디바이스의 센서들에 의해 현재 캡처되고 있는 비디오 이미지들이 어떻게 캡처된 데이터를 수정할 것인지를 보여주기 위해 실시간 비디오 캡처가 Lenses®와 함께 사용될 수 있다. 이러한 데이터는 단순히 화면 상에 디스플레이되고 그리고 메모리에 저장되지 않을 수 있거나, 또는 디바이스 센서들에 의해 캡처된 콘텐츠는 Lenses® 수정들과 함께 또는 이것 없이 메모리에 기록되고 저장될 수 있다(또는 둘 다).
따라서, Lenses®를 사용하고 Lenses®를 사용하여 콘텐츠를 수정하기 위한 Lenses® 데이터 및 다양한 시스템들은 객체들(예를 들어, 얼굴, 손, 몸, 고양이, 개, 표면, 객체 등)의 검출, 객체들이 비디오 프레임들에서 시야를 떠나고, 시야에 들어가고, 시야 주위로 이동할 때 그러한 객체들의 추적, 및 객체들이 추적될 때 그러한 객체들의 수정 또는 변환을 수반할 수 있다. 다양한 실시예들에서, 그러한 변환들을 달성하기 위한 상이한 방법들이 사용될 수 있다. 예를 들어, 일부 실시예들은 객체 또는 객체들의 3차원 메시 모델을 생성하는 것, 및 변환을 달성하기 위해 비디오 내에서의 모델의 변환 및 애니메이션화된 텍스처를 사용하는 것을 수반할 수 있다. 다른 실시예들에서, 객체 상의 포인트들의 추적을 이용하여, (2차원 또는 3차원일 수 있는) 이미지 또는 텍스처를 추적 위치에 배치할 수 있다. 또 다른 실시예들에서, 비디오 프레임들의 신경망 분석이 콘텐츠(예를 들어, 비디오의 이미지들 또는 프레임들)에서 이미지들, 모델들, 또는 텍스처들을 배치하기 위해 사용될 수 있다. 따라서, Lenses® 데이터는 콘텐츠에서의 변환들을 생성하기 위해 사용되는 이미지들, 모델들 및 텍스처들은 물론이고, 객체 검출, 추적 및 배치로 그러한 변환들을 달성하는 데 필요한 추가적인 모델링 및 분석 정보 둘 모두를 지칭한다.
실시간 비디오 처리는 임의 종류의 컴퓨터화된 시스템의 메모리에 저장된 임의 종류의 비디오 데이터(예컨대, 비디오 스트림, 비디오 파일 등)로 수행될 수 있다. 예를 들어, 사용자는 비디오 파일들을 로딩하고 이들을 디바이스의 메모리에 저장할 수 있거나, 또는 디바이스의 센서들을 사용하여 비디오 스트림을 생성할 수 있다. 그에 부가하여, 사람의 얼굴 및 인체의 부분, 동물, 또는 의자, 자동차, 또는 다른 객체와 같은 무생물과 같은, 임의의 객체들이 Lenses®를 사용하여 처리될 수 있다.
일부 실시예들에서, 변환될 콘텐츠와 함께 Lenses®가 선택될 때, Lenses®에 의해 변환될 요소들이 컴퓨팅 디바이스에 의해 식별되고, 그 후 그것들이 비디오의 프레임들에 존재하는 경우 검출되고 추적된다. 객체의 요소들은 수정을 위한 요청에 따라 수정되고, 따라서 비디오 스트림의 프레임들을 변환한다. 비디오 스트림의 프레임들의 변환은 상이한 종류의 변환을 위한 상이한 방법들에 의해 수행될 수 있다. 예를 들어, 객체의 요소들의 형태들을 변경하는 것을 주로 가리키는 프레임들의 변환들에 대해, 객체의 요소 각각에 대한 특징적인 포인트들이 (예를 들어, ASM(Active Shape Model) 또는 다른 알려진 방법들을 이용하여) 계산된다. 이어서, 객체의 적어도 하나의 요소 각각에 대해 특징적인 포인트들에 기초한 메시가 생성된다. 이 메시는 비디오 스트림에서 객체의 요소들을 추적하는 다음 스테이지에서 사용된다. 추적 프로세스에서, 각각의 요소에 대한 언급된 메시는 각각의 요소의 위치와 정렬된다. 그 다음, 메시 상에 추가 포인트들이 생성된다. 제1 세트의 제1 포인트들이 수정 요청에 기초하여 각각의 요소에 대해 생성되고, 제2 포인트들의 세트가 제1 포인트들의 세트 및 수정 요청에 기초하여 각각의 요소에 대해 생성된다. 이어서, 비디오 스트림의 프레임들은 제1 및 제2 포인트들의 세트들 및 메시에 기초하여 객체의 요소들을 수정함으로써 변환될 수 있다. 그러한 방법에서, 수정된 객체의 배경은 배경을 추적하고 수정함으로써 마찬가지로 변경 또는 왜곡될 수 있다.
하나 이상의 실시예에서, 객체의 요소들을 사용하여 객체의 일부 영역들을 변경하는 변환들은 객체의 각각의 요소에 대한 특징적 포인트들을 계산하고 계산된 특징적 포인트들에 기초하여 메시를 생성하는 것에 의해 수행될 수 있다. 포인트들이 메시 상에서 생성된 다음, 포인트들에 기초한 다양한 영역들이 생성된다. 객체의 요소들은 이후 각각의 요소에 대한 영역을 적어도 하나의 요소 각각에 대한 위치와 정렬시킴으로써 추적되고, 영역들의 속성들은 수정을 위한 요청에 기초하여 수정될 수 있고, 따라서 비디오 스트림의 프레임들을 변환한다. 수정에 대한 특정적 요청에 좌우되어 언급된 영역들의 속성들이 상이한 방식들로 변환될 수 있다. 이러한 수정들은: 영역들의 컬러를 변경하는 것; 비디오 스트림의 프레임들로부터 영역들의 적어도 일부 부분을 제거하는 것; 수정 요청에 기초하는 영역들 내에 하나 이상의 새로운 객체를 포함시키는 것; 및 영역 또는 객체의 요소들을 수정하거나 왜곡하는 것을 수반한다. 다양한 실시예들에서, 그러한 수정들 또는 다른 유사한 수정들의 임의의 조합이 사용될 수 있다.
일부 실시예들에서, Lenses®는 AR(augmented reality) 경험들을 제공할 수 있다. 예를 들어, AR 경험들은 실세계 환경 내의 객체들이 비디오 및 오디오와 같은 컴퓨터 생성 정보에 의해 향상되는 실세계 환경의 상호작용 경험을 제공할 수 있다.
얼굴 검출을 이용하는 Lenses®의 일부 실시예들에서, 얼굴은 특정 얼굴 검출 알고리즘(예를 들어, Viola-Jones)을 이용하여 이미지 상에서 검출된다. 그 후, 얼굴 피처 참조 포인트들을 검출하기 위해 이미지의 얼굴 영역에 ASM(Active Shape Model) 알고리즘이 적용된다.
다른 실시예들에서, 얼굴 검출에 적합한 다른 방법들 및 알고리즘들이 사용될 수 있다. 예를 들어, 일부 실시예들에서, 피처들은 고려 중인 이미지들의 대부분에 존재하는 구별가능한 포인트를 나타내는 랜드마크를 사용하여 위치된다. 예를 들어, 얼굴 랜드마크들에 대해, 좌측 눈 동공의 위치가 사용될 수 있다. 초기 랜드마크가 식별가능하지 않을 때 (예를 들어, 사람이 안대를 갖는 경우), 보조 랜드마크들이 사용될 수 있다. 그러한 랜드마크 식별 절차들은 임의의 그러한 객체들에 대해 사용될 수 있다. 일부 실시예들에서, 랜드마크들의 세트는 형상을 형성한다. 형상들은 형상에서의 포인트들의 좌표들을 이용하여 벡터들로서 표현될 수 있다. 하나의 형상은 형상 포인트들 사이의 평균 유클리드 거리를 최소화하는 유사성(similarity) 변환(병진, 스케일링, 및 회전을 허용함)에 의해 또 다른 형상에 정렬된다. 평균 형상은 정렬된 훈련 형상들의 평균이다.
일부 실시예들에서, 전역적 얼굴 검출기에 의해 결정된 얼굴의 위치 및 크기에 정렬된 평균 형상으로부터의 랜드마크들에 대한 검색이 시작된다. 이어서 이러한 검색은 각각의 포인트 주변의 이미지 텍스처의 템플릿 매칭에 의해 형상 포인트들의 위치들을 조정함으로써 임시 형상을 제안하는 단계 및 이어서 수렴이 일어날 때까지 임시 형상을 전역적 형상 모델에 부합시키는 단계를 반복한다. 일부 시스템들에서, 개별 템플릿 매칭들은 신뢰할 수 없으며, 형상 모델은 약한 템플릿 매처(matcher)들의 결과들을 풀링(pool)하여 더 강한 전체 분류기를 형성한다. 조악한 해상도로부터 미세한 해상도까지, 이미지 피라미드에서의 각각의 레벨에서 전체 검색이 반복된다.
변환 시스템의 실시예들은 클라이언트 디바이스 상에서 이미지 또는 비디오 스트림을 캡처하고, 적절한 사용자 경험, 계산 시간, 및 전력 소비를 유지하면서 클라이언트 디바이스(102)와 같은 클라이언트 디바이스 상에서 국지적으로 복잡한 이미지 조작들을 수행할 수 있다. 복잡한 이미지 조작은, 크기 및 형상 변화, 감정 전달(예를 들어, 찡그림으로부터 미소로 얼굴을 변화시킴), 상태 전달(예를 들어, 객체의 노후화, 겉보기 나이 감소, 성별 변화), 스타일 전달, 그래픽 요소 애플리케이션, 및 클라이언트 디바이스 상에서 효율적으로 실행되도록 구성된 컨볼루션 신경망에 의해 구현된 기타 임의의 적절한 이미지 또는 비디오 조작을 포함할 수 있다.
일부 예시적인 실시예들에서, Lenses®는, 사용자가 클라이언트 디바이스(102) 상에서 동작하는 메시징 애플리케이션(104)의 일부로서 동작하는 신경망을 갖는 클라이언트 디바이스(102)를 이용하여 사용자의 이미지 또는 비디오 스트림(예를 들어, 셀피(selfie))을 캡처할 수 있는 시스템에 의해 이용될 수 있다. 메시징 애플리케이션(104) 내에서 동작하는 변환 시스템은 이미지 또는 비디오 스트림 내의 얼굴의 존재를 결정하고, Lenses®와 연관된 수정 아이콘들을 제공하거나, 또는 Lenses®는 본 명세서에 설명된 인터페이스와 연관된 것으로서 존재할 수 있다. 수정 아이콘들은 Lenses® 동작의 일부로서 이미지 또는 비디오 스트림 내의 사용자의 얼굴을 수정하기 위한 기초일 수 있는 변경들을 포함한다. 일단 수정 아이콘이 선택되면, 변환 시스템은 선택된 수정 아이콘을 반영하기 위해 사용자의 이미지를 변환하는 (예를 들어, 사용자 상에 미소짓는 얼굴을 생성하는) 프로세스를 개시한다. 일부 실시예들에서, 수정된 이미지 또는 비디오 스트림은 이미지 또는 비디오 스트림이 캡처되고 지정된 수정이 선택되자마자 모바일 클라이언트 디바이스 상에 디스플레이되는 그래픽 사용자 인터페이스에 프레젠테이션될 수 있다. 변환 시스템은 선택된 수정을 생성하고 적용하기 위해 이미지 또는 비디오 스트림의 일부에 대해 복소수 컨볼루션 신경망(complex convolutional neural network)을 구현할 수 있다. 즉, 사용자는 이미지 또는 비디오 스트림을 캡처하고, 일단 수정 아이콘이 선택되면 실시간으로 또는 거의 실시간으로 수정된 결과를 프레젠테이션받을 수 있다. 또한, 수정은 비디오 스트림이 캡처되고 있고 선택된 수정 아이콘이 토글링된 채로 남아 있는 동안 지속적일 수 있다. 이러한 수정들을 가능하게 하기 위해 머신 교육 신경망들이 사용될 수 있다.
일부 실시예들에서, 변환 시스템에 의해 수행된 수정을 프레젠테이션하는 그래픽 사용자 인터페이스가 사용자에게 추가적인 상호작용 옵션들을 제공할 수 있다. 이러한 옵션은 콘텐츠 캡처 및 Lenses® 선택을 개시(예를 들어, 콘텐츠 생성자 사용자 인터페이스로부터의 개시)하기 위해 사용되는 인터페이스에 기초할 수 있다. 다양한 실시예에서, 수정 아이콘의 초기 선택 후에 수정이 지속적일 수 있다. 사용자는 변환 시스템에 의해 수정되는 얼굴을 태핑(tapping)하거나 달리 선택함으로써 수정을 토글링 온 또는 오프할 수 있고 이미지 애플리케이션의 다른 영역들에 대한 나중의 보기 또는 브라우징을 위해 그것을 저장할 수 있다. 변환 시스템에 의해 다수의 얼굴이 수정되는 경우, 사용자는 그래픽 사용자 인터페이스 내에 수정되고 디스플레이되는 단일 얼굴을 태핑하거나 선택함으로써 전역적으로 수정을 토글링 온 또는 오프할 수 있다. 일부 실시예들에서, 개별 얼굴들은 다수의 얼굴의 그룹 중에서 개별적으로 수정될 수 있거나 또는 그러한 변경들은 그래픽 사용자 인터페이스 내에 디스플레이된 개별 얼굴 또는 일련의 개별 얼굴들을 태핑하거나 선택함으로써 개별적으로 토글링될 수 있다.
위에 언급된 바와 같이, 비디오 테이블(310)은, 일 실시예에서, 그에 대해 레코드들이 메시지 테이블(314) 내에 유지되는 메시지들과 연관되는 비디오 데이터를 저장한다. 유사하게, 이미지 테이블(308)은 그에 대해 메시지 데이터가 엔티티 테이블(302)에 저장되는 메시지들과 연관된 이미지 데이터를 저장한다. 엔티티 테이블(302)은 주석 테이블(312)로부터의 다양한 주석들을 이미지 테이블(308) 및 비디오 테이블(310)에 저장된 다양한 이미지들 및 비디오들과 연관시킬 수 있다.
스토리 테이블(306)은, 컬렉션(예를 들어, 스토리 또는 갤러리)이 되도록 컴파일되는, 메시지들 및 연관된 이미지, 비디오 또는 오디오 데이터의 컬렉션들에 관한 데이터를 저장한다. 특정 컬렉션의 생성은 특정 사용자(예를 들어, 그에 대해 레코드가 엔티티 테이블(302)에서 유지되는 각각의 사용자)에 의해 개시될 수 있다. 사용자는 그 사용자에 의해 생성되고 전송/브로드캐스팅된 콘텐츠의 컬렉션의 형태로 "개인 스토리(personal story)"를 생성할 수 있다. 이를 위해, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스는, 전송측 사용자가 자신의 개인 스토리에 특정 콘텐츠를 추가하는 것을 가능하게 하기 위해 사용자 선택가능한 아이콘을 포함할 수 있다.
컬렉션은 또한, 수동으로, 자동으로 또는 수동 및 자동 기법의 조합을 이용하여 생성된 다수의 사용자로부터의 콘텐츠의 컬렉션인 "라이브 스토리"를 구성할 수 있다. 예를 들어, "라이브 스토리"는 다양한 로케이션 및 이벤트로부터의 사용자-제출 콘텐츠(user-submitted content)의 큐레이팅된 스트림(curated stream)을 구성할 수 있다. 그 클라이언트 디바이스들이 위치 서비스 가능하고 특정 시간에 공통 위치 이벤트에 있는 사용자들에게는, 예를 들어, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스를 통해, 특정 라이브 스토리에 콘텐츠를 기여하는 옵션이 프레젠테이션될 수 있다. 라이브 스토리는 자신의 위치에 기초하여 메시징 클라이언트 애플리케이션(104)에 의해 사용자에게 식별될 수 있다. 최종 결과는 커뮤니티 관점에서 말한 "라이브 스토리"이다.
추가 타입의 콘텐츠 컬렉션이 "위치 스토리"라고 알려져 있으며, 이것은 그 클라이언트 디바이스(102)가 특정 지리적 위치(예를 들어, 단과대 또는 대학 캠퍼스 상에) 내에 위치된 사용자가 특정한 컬렉션에 기여하는 것을 가능하게 한다. 일부 실시예들에서, 위치 스토리에 대한 기여는 최종 사용자가 특정 조직 또는 다른 엔티티에 속하는지(예를 들어, 대학 캠퍼스의 학생인지)를 검증하기 위해 제2 인증 정도(second degree of authentication)를 요구할 수 있다.
도 4는 추가 메시징 클라이언트 애플리케이션(204) 또는 메시징 서버 애플리케이션(114)으로의 통신을 위해 메시징 클라이언트 애플리케이션(104)에 의해 생성된, 일부 실시예들에서의 일부에 따른, 메시지(400)의 구조를 예시하는 개략도이다. 특정 메시지(400)의 콘텐츠는 메시징 서버 애플리케이션(114)에 의해 액세스 가능한, 데이터베이스(120) 내에 저장된 메시지 테이블(314)을 채우기 위해 사용된다. 유사하게, 메시지(400)의 콘텐츠는 클라이언트 디바이스(102) 또는 애플리케이션 서버(112)의 "수송중(in-transit)" 또는 "비행중(in-flight) 데이터로서 메모리에 저장된다. 메시지(400)는 다음과 같은 컴포넌트들을 포함하는 것으로 도시되어 있다:
· 메시지 식별자(402): 메시지(400)를 식별하는 고유 식별자.
· 메시지 텍스트 페이로드(406): 클라이언트 디바이스(102)의 사용자 인터페이스를 통해 사용자에 의해 생성되고 메시지(400)에 포함되는 텍스트.
· 메시지 이미지 페이로드(408): 클라이언트 디바이스(102)의 카메라 컴포넌트에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고, 메시지(400)에 포함되는 이미지 데이터.
· 메시지 비디오 페이로드(412): 카메라 컴포넌트에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(400)에 포함되는 비디오 데이터.
· 메시지 오디오 페이로드(416): 마이크로폰에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(400)에 포함되는 오디오 데이터.
· 메시지 주석(420): 메시지(400)의 메시지 이미지 페이로드(408), 메시지 비디오 페이로드(412), 또는 메시지 오디오 페이로드(416)에 적용될 주석을 나타내는 주석 데이터(예를 들어, 필터, 스티커 또는 기타의 강화물).
· 메시지 지속기간 파라미터(424): 그에 대해 메시지의 콘텐츠(예를 들어, 메시지 이미지 페이로드(408), 메시지 비디오 페이로드(412), 메시지 오디오 페이로드(416))가 메시징 클라이언트 애플리케이션(104)을 통해 사용자에게 프레젠테이션되거나 액세스 가능하게 되는 시간량을 초 단위로 표시하는 파라미터 값.
· 메시지 지오로케이션 파라미터(426): 메시지의 콘텐츠 페이로드와 연관된 지오로케이션 데이터(예를 들어, 위도 및 경도 좌표). 다수의 메시지 지오로케이션 파라미터(426) 값이 페이로드에 포함될 수 있고, 이들 파라미터 값들 각각은 콘텐츠(예를 들어, 메시지 이미지 페이로드(408) 내의 특정한 이미지, 또는 메시지 비디오 페이로드(412) 내의 특정한 비디오)에 포함된 콘텐츠 아이템들에 관하여 연관된다.
· 메시지 스토리 식별자(428): 메시지(400)의 메시지 이미지 페이로드(408)에서의 특정한 콘텐츠 아이템이 연관되는 하나 이상의 콘텐츠 컬렉션(예를 들어, "스토리")을 식별하는 식별자 값들. 예를 들어, 메시지 이미지 페이로드(408) 내의 다수의 이미지 각각은 식별자 값들을 이용하여 다수의 콘텐츠 컬렉션과 연관될 수 있다.
· 메시지 태그(430): 각각의 메시지(400)는 다수의 태그로 태깅될 수 있고, 그 각각은 메시지 페이로드에 포함된 콘텐츠의 주제를 나타낸다. 예를 들어, 메시지 이미지 페이로드(408)에 포함된 특정 이미지가 동물(예를 들어, 사자)을 묘사하는 경우, 관련 동물을 나타내는 태그 값이 메시지 태그(430) 내에 포함될 수 있다. 태그 값들은, 사용자 입력에 기초하여 수동으로 생성되거나, 예를 들어, 이미지 인식을 이용하여 자동으로 생성될 수 있다.
· 메시지 전송자 식별자(432): 메시지(400)가 생성되었고 메시지(400)가 그로부터 전송된 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소, 또는 디바이스 식별자).
· 메시지 수신자 식별자(434): 메시지(400)가 어드레싱되는 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소, 또는 디바이스 식별자).
메시지(400)의 다양한 컴포넌트들의 콘텐츠(예를 들어, 값들)는 그 내에 콘텐츠 데이터 값들이 저장되어 있는 테이블에서의 위치들에 대한 포인터들일 수 있다. 예를 들어, 메시지 이미지 페이로드(408)에서의 이미지 값은 이미지 테이블(414) 내의 위치에 대한 포인터(또는 그 주소)일 수 있다. 유사하게, 메시지 비디오 페이로드(412) 내의 값들은 비디오 테이블(418) 내에 저장된 데이터를 가리킬 수 있고, 메시지 주석들(420) 내에 저장된 값들은 주석 테이블(422)에 저장된 데이터를 가리킬 수 있고, 메시지 스토리 식별자(428) 내에 저장된 값들은 스토리 테이블(410)에 저장된 데이터를 가리킬 수 있고, 메시지 전송자 식별자(432) 및 메시지 수신자 식별자(434) 내에 저장된 값들은 엔티티 테이블(404) 내에 저장된 사용자 레코드들을 가리킬 수 있다.
도 5는 그에 관하여 콘텐츠(예를 들어, 단기적 메시지(502), 및 데이터의 연관된 멀티미디어 페이로드) 또는 콘텐츠 컬렉션(예를 들어, 단기적 메시지 그룹(506))에의 액세스가 시간-제한될(예를 들어, 단기적으로 될) 수 있는, 액세스-제한 프로세스(500)를 예시하는 개략도이다.
단기적 메시지(502)는 메시지 지속기간 파라미터(508)와 연관되는 것으로 도시되어 있고, 그 값은 단기적 메시지(502)가 메시징 클라이언트 애플리케이션(104)에 의해 단기적 메시지(502)의 수신측 사용자에게 디스플레이될 시간량을 결정한다. 일 실시예에서, 전송측 사용자가 메시지 지속기간 파라미터(508)를 사용하여 지정하는 시간량에 좌우되어, 최대 10초 동안 수신측 사용자가 단기적 메시지(502)를 볼 수 있다.
메시지 지속기간 파라미터(508) 및 메시지 수신자 식별자(518)는 메시지 타이머(514)에 대한 입력들인 것으로 도시되어 있으며, 이것은 단기적 메시지(502)가 메시지 수신자 식별자(518)에 의해 식별된 특정 수신측 사용자에게 보여지는 시간량을 결정하는 것을 담당한다. 특히, 단기적 메시지(502)는 메시지 지속기간 파라미터(508)의 값에 의해 결정된 시간 기간 동안 관련 수신측 사용자에게만 보여질 것이다. 메시지 타이머(514)는 수신측 사용자에게 콘텐츠(예를 들어, 단기적 메시지(502))의 디스플레이의 전체 타이밍을 담당하는 더 일반화된 단기적 타이머 시스템(504)에 출력을 제공하는 것으로 도시된다.
단기적 메시지(502)는 단기적 메시지 그룹(506)(예를 들어, 개인 스토리 또는 이벤트 스토리에서의 메시지들의 컬렉션) 내에 포함되는 것으로 도 5에 도시되어 있다. 단기적 메시지 그룹(506)은 연관된 그룹 지속기간 파라미터(510)를 가지며, 그 값은 그에 대해 단기적 메시지 그룹(506)이 메시징 시스템(100)의 사용자들에게 프레젠테이션되고 액세스 가능한 시간 지속기간을 결정한다. 그룹 지속기간 파라미터(510)는, 예를 들어, 음악 콘서트의 지속기간일 수 있고, 여기서 단기적 메시지 그룹(506)은 그 콘서트에 관련된 콘텐츠의 컬렉션이다. 대안적으로, 사용자(소유 사용자 또는 큐레이터 사용자)는 단기적 메시지 그룹(506)의 셋업 및 생성을 수행할 때 그룹 지속기간 파라미터(510)에 대한 값을 지정할 수 있다.
추가적으로, 단기적 메시지 그룹(506) 내의 각각의 단기적 메시지(502)는 연관된 그룹 참여 파라미터(512)를 가지며, 그 값은 그에 대해 단기적 메시지(502)가 단기적 메시지 그룹(506)의 컨텍스트 내에서 액세스 가능할 시간의 지속기간을 결정한다. 따라서, 특정 단기적 메시지 그룹(506)은, 단기적 메시지 그룹(506) 자체가 그룹 지속기간 파라미터(510)의 관점에서 만료되기 이전에, 단기적 메시지 그룹(506)의 컨텍스트 내에서 "만료"되고 액세스 불가능하게 될 수 있다. 그룹 지속기간 파라미터(510), 그룹 참여 파라미터(512), 및 메시지 수신자 식별자(518) 각각은 그룹 타이머(516)에 대한 입력을 제공하며, 이는, 먼저, 단기적 메시지 그룹(506)의 특정 단기적 메시지(502)가 특정 수신측 사용자에게 디스플레이될 것인지, 그리고, 그렇다면, 얼마나 오랫동안 디스플레이될 것인지를 동작적으로 결정한다. 단기적 메시지 그룹(506)은 또한 메시지 수신자 식별자(518)의 결과로서 특정 수신측 사용자의 아이덴티티를 인식한다는 점에 유의한다.
따라서, 그룹 타이머(516)는 연관된 단기적 메시지 그룹(506)뿐만 아니라, 단기적 메시지 그룹(506)에 포함된 개별 단기적 메시지(502)의 전체 수명을 동작적으로 제어한다. 일 실시예에서, 단기적 메시지 그룹(506) 내의 각각의 및 모든 단기적 메시지(502)는 그룹 지속기간 파라미터(510)에 의해 지정된 시간 기간 동안 볼 수 있고 액세스가능하게 유지된다. 추가 실시예에서, 특정 단기적 메시지(502)는, 그룹 참여 파라미터(512)에 기초하여, 단기적 메시지 그룹(506)의 컨텍스트 내에서 만료될 수 있다. 메시지 지속기간 파라미터(508)는, 단기적 메시지 그룹(506)의 컨텍스트 내에서도, 그에 대해 특정 단기적 메시지(502)가 수신측 사용자에게 디스플레이되는 시간의 지속기간을 여전히 결정할 수 있다는 점에 유의한다. 따라서, 메시지 지속기간 파라미터(508)는, 수신측 사용자가 단기적 메시지 그룹(506)의 컨텍스트 내부 또는 외부에서 그 단기적 메시지(502)를 보고 있는지에 관계없이, 특정 단기적 메시지(502)가 수신측 사용자에게 디스플레이되는 시간의 지속기간을 결정한다.
단기적 타이머 시스템(504)은 더욱이 그것이 연관된 그룹 참여 파라미터(512)를 초과했다는 결정에 기초하여 단기적 메시지 그룹(506)으로부터 특정 단기적 메시지(502)를 동작적으로 제거할 수 있다. 예를 들어, 전송측 사용자가 포스팅(posting)으로부터 24 시간의 그룹 참여 파라미터(512)를 확립했을 때, 단기적 타이머 시스템(504)은 지정된 24 시간 후에 단기적 메시지 그룹(506)으로부터 관련 단기적 메시지(502)를 제거할 것이다. 단기적 타이머 시스템(504)은 또한 단기적 메시지 그룹(506) 내의 각각의 그리고 모든 단기적 메시지(502)에 대한 그룹 참여 파라미터(512)가 만료되었을 때, 또는 단기적 메시지 그룹(506) 자체가 그룹 지속기간 파라미터(510)에 관하여 만료되었을 때 단기적 메시지 그룹(506)을 제거하도록 동작한다.
특정 사용 사례들에서, 특정 단기적 메시지 그룹(506)의 생성자는 무한 그룹 지속기간 파라미터(510)를 지정할 수 있다. 이 경우, 단기적 메시지 그룹(506) 내의 마지막 나머지 단기적 메시지(502)에 대한 그룹 참여 파라미터(512)의 만료는 단기적 메시지 그룹(506) 자체가 만료될 때를 결정할 것이다. 이 경우, 단기적 메시지 그룹(506)에 추가된 새로운 단기적 메시지(502)는, 새로운 그룹 참여 파라미터(512)와 함께, 단기적 메시지 그룹(506)의 수명을 그룹 참여 파라미터(512)의 값과 동일하도록 효과적으로 연장한다.
단기적 타이머 시스템(504)이 단기적 메시지 그룹(506)이 만료되었다고 (예를 들어, 더 이상 액세스 가능하지 않다고) 결정한 것에 응답하여, 단기적 타이머 시스템(504)은 메시징 시스템(100)(및, 예를 들어, 구체적으로 메시징 클라이언트 애플리케이션(104))과 통신하여, 관련 단기적 메시지 그룹(506)과 연관된 표시(예를 들어, 아이콘)로 하여금 더 이상 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스 내에 디스플레이되지 않게 야기한다. 유사하게, 단기적 타이머 시스템(202)이 특정 단기적 메시지(502)에 대한 메시지 지속기간 파라미터(508)가 만료되었다고 결정할 때, 단기적 타이머 시스템(504)은 메시징 클라이언트 애플리케이션(104)으로 하여금 단기적 메시지(502)와 연관된 표시(예를 들어, 아이콘 또는 텍스트 식별)를 더 이상 디스플레이하지 않게 야기한다.
도 6은, 일부 예시적인 실시예들에 따라, 클라이언트 디바이스(102)로부터 객체의 묘사를 포함하는 이미지 프레임을 캡처하고, 객체의 묘사에 기초하여 이미지 프레임 내의 하나 이상의 객체를 식별하고, 객체에 기초하여 하나 이상의 이미지 피처를 식별하고, 이미지 피처들에 기초하여 미디어 콘텐츠의 세트를 검색하고, 및 클라이언트 디바이스(102)에서 이미지 프레임 내의 미디어 콘텐츠의 세트의 프레젠테이션의 디스플레이를 야기하도록 컨텍스트 미디어 필터 시스템(124)을 구성하는 컨텍스트 미디어 필터 시스템(124)의 컴포넌트들을 예시하는 블록도이다.
컨텍스트 미디어 필터 시스템(124)은 프레젠테이션 시스템(604), 이미지 피처 계산 시스템(606), 검색 시스템(608), 및 기하학적 검증 시스템(610)을 포함하는 것으로 도시되어 있으며, 이들 모두는 (예를 들어, 버스, 공유 메모리, 또는 스위치를 통해) 서로 통신하도록 구성된다. 이러한 시스템들 중 임의의 하나 이상은 하나 이상의 프로세서를 사용하여 (예를 들어, 그러한 하나 이상의 프로세서를 그 시스템에 대해 설명된 기능들을 수행하도록 구성함으로써 그리고 따라서 하나 이상의 프로세서를 포함할 수 있음) 구현될 수 있다.
설명된 시스템들 중 임의의 하나 이상은 하드웨어 단독(예를 들어, 머신의 프로세서들 중 하나 이상) 또는 하드웨어와 소프트웨어의 조합을 사용하여 구현될 수 있다. 예를 들어, 컨텍스트 미디어 필터 시스템(124)의 설명된 임의의 시스템은 그 시스템에 대해 본 명세서에 설명된 동작들을 수행하도록 구성된 프로세서들 중 하나 이상(예를 들어, 머신의 하나 이상의 프로세서 중의 또는 그들의 서브세트)의 배열을 물리적으로 포함할 수 있다. 또 다른 예로서, 컨텍스트 미디어 필터 시스템(124)의 임의의 시스템은 그 시스템에 대해 본 명세서에 설명된 동작들을 수행하도록 (예를 들어, 머신의 하나 이상의 프로세서 중의) 하나 이상의 프로세서의 배열을 구성하는 소프트웨어, 하드웨어, 또는 둘 다를 포함할 수 있다. 따라서, 컨텍스트 미디어 필터 시스템(124)의 상이한 시스템들은 상이한 시점들에서 그러한 프로세서들의 상이한 배열들 또는 그러한 프로세서들의 단일 배열을 포함하고 구성할 수 있다. 더욱이, 컨텍스트 미디어 필터 시스템(124)의 임의의 2개 이상의 시스템은 단일 시스템이되도록 조합될 수 있고, 단일 시스템에 대해 본 명세서에 설명된 기능들은 다수의 시스템 사이에서 세분될 수 있다. 더욱이, 다양한 예시적인 실시예들에 따르면, 단일 머신, 데이터베이스, 또는 디바이스 내에 구현되는 것으로 본 명세서에 설명된 시스템들은 다수의 머신, 데이터베이스, 또는 디바이스에 걸쳐 분산될 수 있다.
도 7은 특정 예시적인 실시예들에 따른, 클라이언트 디바이스(102)에서 컨텍스트 미디어 필터의 디스플레이를 야기하는 방법(700)을 묘사하는 흐름도이다. 방법(700)의 동작들은 도 6과 관련하여 전술한 시스템들에 의해 수행될 수 있다. 도 7에 도시된 바와 같이, 방법(700)은 하나 이상의 동작(702, 704, 706, 708, 및 710)을 포함한다.
동작(702)에서, 통신 시스템(602)은 클라이언트 디바이스(102)로부터 입력을 수신한다. 일부 실시예들에서, 클라이언트 디바이스(102)는 촉각 입력들을 수신하도록 구성된 터치 스크린 디스플레이를 포함한다. 따라서, 입력은 클라이언트 디바이스(102)의 디스플레이 상으로의 촉각 입력을 포함할 수 있고, 여기서 촉각 입력은 그래픽 사용자 인터페이스(GUI) 내의 포인트 또는 위치의 표시를 제공한다. 예를 들어, 클라이언트 디바이스(102)의 사용자는 GUI 내의 위치 또는 객체의 위치와 부합하는 디스플레이를 따른 위치 상으로 촉각 입력을 제공함으로써 GUI 내에 묘사된 위치 또는 객체를 식별하기 위한 입력을 제공할 수 있다.
일부 실시예들에서, 입력은 입력 압력, 입력 지속기간, 및 입력 위치를 포함하는 하나 이상의 입력 속성을 포함할 수 있다. 이러한 실시예들에서, 통신 시스템(602)은 입력 속성들 중 하나 이상을 임계값들의 세트와 비교할 수 있다. 예를 들어, 입력 속성이 임계값을 넘은 것을 검출한 것에 응답하여, 통신 시스템(602)은 컨텍스트 미디어 필터 시스템(124)의 하나 이상의 시스템에게 특정 후속 액션들 또는 동작들을 수행하도록 시그널링할 수 있다.
동작(704)에서, 프레젠테이션 시스템(604)은 클라이언트 디바이스(102)에서 GUI의 a의 디스플레이를 야기하고, 여기서 GUI는 클라이언트 디바이스(102)의 또는 그와 연관된 카메라로부터 스트리밍되는 라이브 카메라 데이터의 디스플레이를 포함한다. 예를 들어, 클라이언트 디바이스(102)는 이미지 데이터를 캡처하고 스트리밍하도록 구성된, 하나 이상의 "전방" 카메라 및 하나 이상의 "후방" 카메라와 같은 복수의 카메라를 포함할 수 있다. 클라이언트 디바이스(102)와 연관된 하나 이상의 카메라에 의해 생성된 라이브 카메라 데이터는 복수의 이미지 피처를 포함하는 이미지 데이터를 포함할 수 있다.
동작(706)에서, 이미지 피처 계산 시스템(606)은 이미지 프레임 내의 객체를 식별한다. 컨텍스트 미디어 필터 시스템(124)은 미디어 리포지토리(예를 들어, 데이터베이스) 내의 미디어 콘텐츠를 비교하고 이미지 프레임 내의 객체와 시각적으로 가장 유사한 그런 미디어 콘텐츠를 선택한다. 시각적 유사성 비교는, 예를 들어, 상이한 해상도들, 각도들, 조명들 및 다른 인자들 하에서 캡처된 2개의 미디어 콘텐츠 사이의 유사성이 표현을 사용하여 계산될 수 있도록 하는 미디어 콘텐츠의 통합된 추상화 및 표현이다.
이미지 피처 계산 시스템(606)은 이미지 프레임 내의 특정 영역들로부터 계산되는 국지적 피처들을 식별한다. 국지적 피처들은 인덱싱 구조에 저장된다. 인덱싱 구조는 데이터베이스의 검색을 더 효율적으로 만드는 데이터 구조이다. 따라서, 인덱스에 질의하는 것은 데이터베이스에서 각각의 행을 검색하는 것보다 빠르다.
각각의 국지적 피처는 이미지 프레임의 전역적 피처들을 계산하기 위해 추가로 분석된다. 전역적 피처들은 이미지 프레임 내의 특정 영역들이 아니라 전체 이미지 프레임으로부터 계산된다. 일 예에서, 전역적 피처들은 이미지 프레임의 국지적 피처들을 양자화함으로써 계산된다. 이미지 처리에 수반되는 양자화는 값들의 범위를 단일 값으로 압축함으로써 달성되는 기술이다. 전역적 피처들은, 각각의 국지적 피처를 한 세트의 대표 피처에서의 대표 피처에 매핑함으로써 계산된다. 각각의 대표적인 피처는 "단어(word)"로서 지칭될 수 있다. 전역적 피처는 대표 피처들의 세트에서의 각각의 대표 피처의 발생을 카운트함으로써 계산된다.
예를 들어, 대표 피처들의 세트는 (A, B, C, D,...)일 수 있다. 이미지 피처 계산 시스템(606)은 이미지로부터 5개의 국지적 피처를 계산했을 수 있다. 2개의 국지적 피처는 "워드" A에 매핑되고, 3개의 국지적 피처는 "워드" D에 매핑된다. 전역적 피처는 "2A0B0C3D"로서 표현될 수 있다.
동작(708)에서, 검색 시스템(608)은 객체를 식별한 것에 응답하여 미디어 리포지토리로 객체와 연관된 미디어 콘텐츠에 액세스한다. 검색 시스템(608)은 전역적 피처를 이용하여 인덱싱 구조 내의 미디어 콘텐츠를 검색하여 객체와 연관된 미디어 리포지토리로부터 미디어 콘텐츠를 검색한다. 일부 예들에서, 검색 시스템(608)은 검색을 수행함에 있어서 k-최근접 이웃 알고리즘을 사용한다.
동작(708)에서, 컨텍스트 미디어 필터 시스템(124)은 기하학적 검증 시스템(610)을 사용하여 미디어 콘텐츠를 추가로 검증한다. 검색 시스템(608)에 의해 수행된 검색에 의해 반환된 미디어 콘텐츠는 이미지 프레임 내의 원래 객체와 시각적으로 유사하지 않은 잘못된 미디어 콘텐츠 매칭들을 포함할 수 있다. 기하학적 검증 시스템(610)은 미디어 콘텐츠 아이템이 원래 객체와 유사한지를 결정함에 있어서 유사성 메트릭(similarity metric)을 사용할 수 있다. 유사성 메트릭은 원래 객체의 기하학적 구조와 연관된 기하학적 제약과 관련될 수 있다. 따라서, 기하학적 검증 시스템(610)은 기하학적 검증을 사용하여 잘못된 미디어 콘텐츠를 식별하고 미디어 콘텐츠로부터 잘못된 미디어 콘텐츠를 제거한다.
동작(710)에서, 프레젠테이션 시스템(604)은 클라이언트 디바이스(102)에서의 이미지 프레임 내의 미디어 콘텐츠의 프레젠테이션을 야기한다. 예를 들어, 미디어 콘텐츠 세트의 프레젠테이션은, 검색된 미디어 콘텐츠가 실시간으로 이미지 프레임 내에 묘사된 요소들과 상호작용하는 것처럼 보이도록, 미디어 콘텐츠 세트의 AR 디스플레이를 포함할 수 있다.
일부 실시예들에서, 미디어 콘텐츠의 프레젠테이션을 생성하기 위해, 프레젠테이션 시스템(604)은 미디어 템플릿을 검색하는데, 여기서 미디어 템플릿은 미디어 콘텐츠 세트에 적용될 프레젠테이션 포맷 및 레이아웃을 정의한다. 예를 들어, 미디어 템플릿은, 클라이언트 디바이스(102)에서, 이미지 프레임 내의 미디어 콘텐츠를 프레젠테이션하기 위한 위치들 및 오리엔테이션들을 정의할 수 있다. 미디어 콘텐츠는 미디어 리포지토리 내의 위치 정보 또는 시간 정보로 태깅될 수 있으며, 따라서 특정 시각, 계절, 요일, 월, 또는 장소에 대한 참조는 관련 미디어 콘텐츠의 세트를 식별할 수 있다.
도 8은 클라이언트 디바이스에서 이미지 프레임 내의 객체(800)의 도식적 예시이다. 일부 예들에서, 객체는 이미지 프레임 내에서 추적될 수 있는 맞춤형 이미지이다.
도 9는 클라이언트 디바이스(102)의 사용자 인터페이스(900) 내의 컨텍스트 미디어 필터 시스템(124)의 도식적 예시이다. 컨텍스트 미디어 필터 시스템(124)은 이미지 프레임의 스캔을 개시함으로써 초기화될 수 있다. 일단 컨텍스트 미디어 필터 시스템(124)이 이미지 프레임 내의 객체와 연관된 미디어 콘텐츠를 결정하면, 컨텍스트 미디어 필터 시스템(124)은 클라이언트 디바이스의 사용자가 선택하기 위해 스와이프할 수 있는 미디어 콘텐츠 세트(902)를 디스플레이할 수 있다.
본 명세서에서 "일 실시예" 또는 "실시예"에 대한 참조는 그 실시예와 관련하여 설명된 특정의 특징, 구조, 또는 특성이 본 주제의 적어도 하나의 실시예에 포함되어 있다는 것을 의미한다. 따라서, 본 명세서 전체에 걸쳐 여러 곳에서 등장하는 "일 실시예에서" 또는 "실시예에서"라는 문구들의 출현이 반드시 모두 동일한 실시예를 가리키는 것은 아니다.
도 10은 본 명세서에 설명된 디바이스들 중 임의의 하나 이상에 설치될 수 있는 소프트웨어 아키텍처(1004)를 예시하는 블록도(1000)이다. 소프트웨어 아키텍처(1004)는 프로세서들(1020), 메모리(1026), 및 I/O 컴포넌트들(1038)을 포함하는 머신(1002)과 같은 하드웨어에 의해 지원된다. 이 예에서, 소프트웨어 아키텍처(1004)는, 각각의 계층이 특정의 기능성을 제공하는, 계층들의 스택으로서 개념화될 수 있다. 소프트웨어 아키텍처(1004)는 운영 체제(1012), 라이브러리들(1010), 프레임워크들(1008), 및 애플리케이션들(1006)과 같은 계층들을 포함한다. 동작적으로, 애플리케이션(1006)은 소프트웨어 스택을 통해 API 호출들(1050)을 기동하고 API 호출들(1050)에 응답하여 메시지들(1052)을 수신한다.
운영 체제(1012)는 하드웨어 자원들을 관리하고 공통 서비스들을 제공한다. 운영 체제(1012)는, 예를 들어, 커널(1014), 서비스들(1016), 및 드라이버들(1022)을 포함한다. 커널(1014)은 하드웨어와 다른 소프트웨어 계층들 사이의 추상화 계층으로서 작용한다. 예를 들어, 커널(1014)은, 무엇보다도, 메모리 관리, 프로세서 관리(예를 들어, 스케쥴링), 컴포넌트 관리, 네트워킹, 및 보안 설정을 제공한다. 서비스들(1016)은 다른 소프트웨어 계층들에 대한 다른 공통 서비스들을 제공할 수 있다. 드라이버들(1022)은 기저 하드웨어를 제어하거나 그와 인터페이싱하는 것을 담당한다. 예를 들어, 드라이버들(1022)은 디스플레이 드라이버, 카메라 드라이버, BLUETOOTH® 또는 BLUETOOTH® Low Energy 드라이버, 플래시 메모리 드라이버, 직렬 통신 드라이버(예를 들어, USB(Universal Serial Bus) 드라이버), WI-FI® 드라이버, 오디오 드라이버, 전력 관리 드라이버 등을 포함할 수 있다.
라이브러리들(1010)은 애플리케이션들(1006)에 의해 사용되는 로우-레벨 공통 인프라스트럭처를 제공한다. 라이브러리들(1010)은, 메모리 할당 기능, 문자열 조작 기능, 수학 기능, 및 그와 유사한 것과 같은 기능을 제공하는 시스템 라이브러리들(1018)(예를 들어, C 표준 라이브러리)을 포함할 수 있다. 또한, 라이브러리들(1010)은, 미디어 라이브러리(예를 들어, MPEG4(Moving Picture Experts Group-4), H.264 또는 AVC(Advanced Video Coding), MP3(Moving Picture Experts Group Layer-3), AAC(Advanced Audio Coding), AMR(Adaptive Multi-Rate) 오디오 코덱, JPEG(Joint Photographic Experts Group) 또는 JPG, PNG(Portable Network Graphics)와 같은 다양한 미디어 포맷의 프레젠테이션과 조작을 지원하는 라이브러리들), 그래픽 라이브러리(예를 들어, 그래픽 콘텐츠를 디스플레이 상에 2차원(2D) 및 3차원(3D)으로 렌더링하는데 이용되는 OpenGL 프레임워크), 데이터베이스 라이브러리(예를 들어, 다양한 관계형 데이터베이스 기능을 제공하는 SQLite), 웹 라이브러리(예를 들어, 웹 브라우징 기능성을 제공하는 WebKit), 및 그와 유사한 것과 같은 API 라이브러리(1024)를 포함할 수 있다. 라이브러리들(1010)은 또한, 많은 다른 API를 애플리케이션(1006)에 제공하는 다양하고 다른 라이브러리(1028)를 포함할 수 있다.
프레임워크들(1008)은 애플리케이션들(1006)에 의해 사용되는 하이-레벨 공통 인프라스트럭처를 제공한다. 예를 들어, 프레임워크들(1008)은, 다양한 그래픽 사용자 인터페이스(GUI) 기능, 하이-레벨 자원 관리, 및 하이-레벨 로케이션 서비스를 제공한다. 프레임워크들(1008)은 애플리케이션(1006)에 의해 이용될 수 있는 광범위한 스펙트럼의 다른 API들을 제공할 수 있고, 그 중 일부는 특정한 운영 체제 또는 플랫폼 특정적일 수 있다.
예시적인 실시예에서, 애플리케이션들(1006)은 홈 애플리케이션(1036), 연락처 애플리케이션(1030), 브라우저 애플리케이션(1032), 북 리더 애플리케이션(1034), 로케이션 애플리케이션(1042), 미디어 애플리케이션(1044), 메시징 애플리케이션(1046), 게임 애플리케이션(1048), 및 제3자 애플리케이션들(1040)과 같은 광범위한 다른 애플리케이션을 포함할 수 있다. 애플리케이션들(1006)은 프로그램들에서 정의된 기능들을 실행하는 프로그램들이다. 객체 지향형 프로그래밍 언어(예를 들어, Objective-C, Java, 또는 C++) 또는 절차형 프로그래밍 언어(예를 들어, C 또는 어셈블리 언어)와 같은 다양한 방식으로 구조화된 애플리케이션들(1006) 중 하나 이상을 생성하기 위해 다양한 프로그래밍 언어가 이용될 수 있다. 특정 예에서, 제3자 애플리케이션들(1040)(예를 들어, 특정 플랫폼의 벤더 이외의 엔티티에 의해 ANDROID™ 또는 IOS™ 소프트웨어 개발 키트(SDK)를 이용하여 개발된 애플리케이션들)은 IOS™, ANDROID™, WINDOWS® Phone, 또는 또 다른 모바일 운영 체제와 같은 모바일 운영 체제 상에서 실행되는 모바일 소프트웨어일 수 있다. 이 예에서, 제3자 애플리케이션들(1040)은 본 명세서에 설명된 기능성을 용이하게 하기 위해 운영 체제(1012)에 의해 제공되는 API 호출들(1050)을 기동할 수 있다.
도 11은 머신(1100)으로 하여금 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위한 명령어들(1108)(예를 들어, 소프트웨어, 프로그램, 애플리케이션, 애플릿, 앱, 또는 다른 실행가능 코드)이 그 내에서 실행될 수 있는 머신(1100)의 도식적 표현이다. 예를 들어, 명령어들(1108)은 머신(1100)으로 하여금 본 명세서에서 설명된 방법들 중 임의의 하나 이상을 실행하게 야기할 수 있다. 명령어들(1108)은, 일반적인 비-프로그래밍된 머신(1100)을, 설명되고 예시된 기능들을 설명된 방식으로 수행하도록 프로그래밍된 특정한 머신(1100)으로 변환한다. 머신(1100)은 독립형 디바이스로서 동작할 수 있거나 또는 다른 머신들에 결합(예를 들어, 네트워킹)될 수 있다. 네트워크킹된 전개에서, 머신(1100)은 서버-클라이언트 네트워크 환경에서의 서버 머신 또는 클라이언트 머신의 자격으로, 또는 피어-투-피어(peer-to-peer)(또는 분산된) 네트워크 환경에서의 피어 머신으로서 동작할 수 있다. 머신(1100)은, 서버 컴퓨터, 클라이언트 컴퓨터, 개인용 컴퓨터(PC), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, 셋톱 박스(STB), PDA, 엔터테인먼트 미디어 시스템, 셀룰러 전화, 스마트 폰, 모바일 디바이스, 웨어러블 디바이스(예를 들어, 스마트 시계), 스마트 홈 디바이스(예를 들어, 스마트 어플라이언스), 다른 스마트 디바이스들, 웹 어플라이언스, 네트워크 라우터, 네트워크 스위치, 네트워크 브리지, 또는 머신(1100)에 의해 취해질 작용들을 특정하는 명령어들(1108)을 순차적으로 또는 다른 방식으로 실행할 수 있는 임의의 머신을 포함할 수 있지만, 이들로만 제한되지는 않는다. 또한, 단일 머신(1100)만이 예시되어 있지만, "머신"이라는 용어는 또한 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하기 위해 명령어들(1108)을 개별적으로 또는 공동으로 실행하는 머신들의 컬렉션을 포함하는 것으로 간주되어야 한다.
머신(1100)은 버스(1144)를 통해 서로 통신하도록 구성될 수 있는 프로세서들(1102), 메모리(1104), 및 I/O 컴포넌트들(1142)을 포함할 수 있다. 예시적인 실시예에서, 프로세서(1102)(예를 들어, CPU(Central Processing Unit), RISC(Reduced Instruction Set Computing) 프로세서, CISC(Complex Instruction Set Computing) 프로세서, GPU(Graphics Processing Unit), DSP(Digital Signal Processor), ASIC, RFIC(Radio-Frequency Integrated Circuit), 또 다른 프로세서, 또는 이들의 임의의 적절한 조합)는, 예를 들어, 명령어(1108)를 실행하는 프로세서(1106) 및 프로세서(1110)를 포함할 수 있다. "프로세서"라는 용어는 명령어들을 동시에 실행할 수 있는 2개 이상의 독립적 프로세서(때때로 "코어들"이라고 지칭됨)를 포함할 수 있는 멀티 코어 프로세서(multi-core processor)들을 포함하는 것으로 의도된다. 도 11은 다중 프로세서(1102)를 도시하지만, 머신(1100)은 단일 코어를 갖는 단일 프로세서, 다중 코어를 갖는 단일 프로세서(예를 들어, 멀티 코어 프로세서), 단일 코어를 갖는 다중 프로세서, 다중 코어를 갖는 다중 프로세서, 또는 이들의 임의의 조합을 포함할 수 있다.
메모리(1104)는 메인 메모리(1112), 정적 메모리(1114), 및 저장 유닛(1116)을 포함하고, 이들은 버스(1144)를 통해 프로세서들(1102)에 액세스 가능하다. 메인 메모리(1104), 정적 메모리(1114), 및 저장 유닛(1116)은 본 명세서에 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 구현하는 명령어들(1108)을 저장한다. 명령어들(1108)은 또한, 머신(1100)에 의한 그 실행 동안에, 완전히 또는 부분적으로, 메인 메모리(1112) 내에, 정적 메모리(1114) 내에, 저장 유닛(1116) 내의 머신 판독가능 매체(1118) 내에, 프로세서들(1102) 중 적어도 하나 내에(예를 들어, 프로세서의 캐시 메모리 내에), 또는 이들의 임의의 적절한 조합으로 상주할 수 있다.
I/O 컴포넌트들(1142)은 입력을 수신하고, 출력을 제공하고, 출력을 생성하고, 정보를 송신하고, 정보를 교환하고, 측정들을 캡처하는 등을 위한 매우 다양한 컴포넌트들을 포함할 수 있다. 특정한 머신에 포함되는 특정한 I/O 컴포넌트(1142)는 머신의 유형에 의존할 것이다. 예를 들어, 모바일 전화와 같은 휴대용 머신은 터치 입력 디바이스 또는 기타의 이러한 입력 메커니즘을 포함할 수 있는 반면, 헤드리스 서버 머신(headless server machine)은 이러한 터치 입력 디바이스를 포함하지 않을 것이다. I/O 컴포넌트들(1142)은 도 11에 도시되지 않은 많은 다른 컴포넌트를 포함할 수 있다는 것을 알 것이다. 다양한 예시적인 실시예들에서, I/O 컴포넌트들(1142)은 출력 컴포넌트들(1128) 및 입력 컴포넌트들(1130)을 포함할 수 있다. 출력 컴포넌트들(1128)은, 시각적 컴포넌트들(예를 들어, PDP(plasma display panel), LED(light emitting diode) 디스플레이, LCD(liquid crystal display), 프로젝터, 또는 CRT(cathode ray tube) 등의 디스플레이), 음향 컴포넌트들(예를 들어, 스피커), 햅틱 컴포넌트들(예를 들어, 진동 모터, 저항 메커니즘), 기타의 신호 생성기 등을 포함할 수 있다. 입력 컴포넌트들(1130)은 영숫자 입력 컴포넌트들(예를 들어, 키보드, 영숫자 입력을 수신하도록 구성된 터치 스크린, 포토-광학 키보드, 또는 다른 영숫자 입력 컴포넌트들), 포인트 기반 입력 컴포넌트들(예를 들어, 마우스, 터치패드, 트랙볼, 조이스틱, 모션 센서, 또는 또 다른 포인팅 기구), 촉각 입력 컴포넌트들(예를 들어, 물리적 버튼, 터치들 또는 터치 제스처들의 위치 및/또는 힘을 제공하는 터치 스크린, 또는 다른 촉각 입력 컴포넌트들), 오디오 입력 컴포넌트들(예를 들어, 마이크로폰) 등을 포함할 수 있다.
추가의 예시적인 실시예들에서, I/O 컴포넌트들(1142)은, 광범위한 다른 컴포넌트들 중에서도, 바이오메트릭 컴포넌트들(1132), 모션 컴포넌트들(1134), 환경 컴포넌트들(1136), 또는 위치 컴포넌트들(1138)을 포함할 수 있다. 예를 들어, 바이오메트릭 컴포넌트(1132)는, 표현(예를 들어, 손 표현, 얼굴 표정, 음성 표현, 신체 제스처, 또는 시선 추적)을 검출하고, 생체신호(예를 들어, 혈압, 심박수, 체온, 땀 또는 뇌파)를 측정하고, 사람을 식별(예를 들어, 음성 식별, 망막 식별, 얼굴 식별, 지문 식별, 또는 뇌파계-기반 식별)하는 컴포넌트들을 포함한다. 모션 컴포넌트들(1134)은 가속도 센서 컴포넌트들(예를 들어, 가속도계), 중력 센서 컴포넌트들, 회전 센서 컴포넌트들(예를 들어, 자이로스코프) 등을 포함한다. 환경 컴포넌트(1136)는, 예를 들어, 조명 센서 컴포넌트(예를 들어, 광도계), 온도 센서 컴포넌트(예를 들어, 주변 온도를 검출하는 하나 이상의 온도계), 습도 센서 컴포넌트, 압력 센서 컴포넌트(예를 들어, 기압계), 음향 센서 컴포넌트(예를 들어, 배경 잡음을 검출하는 하나 이상의 마이크로폰), 근접 센서 컴포넌트(예를 들어, 근처의 물체를 검출하는 적외선 센서), 가스 센서(예를 들어, 안전을 위해 유해 가스의 농도를 검출하거나 대기 중의 오염 물질을 측정하는 가스 검출 센서), 또는 주변의 물리적 환경에 대응하는 표시, 측정값, 또는 신호를 제공할 수 있는 기타의 컴포넌트를 포함한다. 위치 컴포넌트(1138)는, 위치 센서 컴포넌트(예를 들어, GPS 수신기 컴포넌트), 고도 센서 컴포넌트(고도가 그로부터 도출될 수 있는 기압을 검출하는 고도계 또는 기압계), 오리엔테이션 센서 컴포넌트(예를 들어, 자력계) 등을 포함한다.
통신은 매우 다양한 기술을 사용하여 구현될 수 있다. I/O 컴포넌트들(1142)은 제각기 머신(1100)을 결합(1124) 및 결합(1126)을 통해 네트워크(1120) 또는 디바이스들(1122)에 결합하도록 동작가능한 통신 컴포넌트들(1140)을 추가로 포함한다. 예를 들어, 통신 컴포넌트들(1140)은 네트워크 인터페이스 컴포넌트, 또는 네트워크(1120)와 인터페이스하기에 적합한 또 다른 디바이스를 포함할 수 있다. 추가 예들에서, 통신 컴포넌트들(1140)은 유선 통신 컴포넌트들, 무선 통신 컴포넌트들, 셀룰러 통신 컴포넌트들, 근접장 통신(NFC) 컴포넌트들, Bluetooth®컴포넌트들(예를 들어, Bluetooth®Low Energy), Wi-Fi® 컴포넌트들, 및 다른 양상들을 통해 통신을 제공하는 다른 통신 컴포넌트들을 포함할 수 있다. 디바이스(1122)는 또 다른 머신 또는 임의의 다양한 주변기기 디바이스(예를 들어, USB를 통해 결합된 주변기기 디바이스)일 수 있다.
게다가, 통신 컴포넌트들(1140)은 식별자들을 검출하거나 또는 식별자들을 검출하도록 동작가능한 컴포넌트들을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(1140)은 RFID(Radio Frequency Identification) 태그 판독기 컴포넌트들, NFC 스마트 태그 검출 컴포넌트들, 광학 판독기 컴포넌트들(예를 들어, UPC(Universal Product Code) 바 코드와 같은 1차원 바 코드들, QR(Quick Response) 코드와 같은 다차원 바 코드들, Aztec 코드, Data Matrix, Dataglyph, MaxiCode, PDF417, Ultra Code, UCC RSS-2D 바 코드, 및 다른 광학 코드들을 검출하기 위한 광학 센서), 또는 음향 검출 컴포넌트들(예를 들어, 태깅된 오디오 신호들을 식별하기 위한 마이크로폰들)을 포함할 수 있다. 또한, 인터넷 프로토콜(IP) 지오로케이션을 통한 위치, Wi-Fi® 신호 삼각측량을 통한 위치, 특정한 위치를 나타낼 수 있는 NFC 비컨 신호 검출을 통한 위치 등의 다양한 정보가 통신 컴포넌트(1140)를 통해 도출될 수 있다.
다양한 메모리(예를 들어, 메모리(1104), 메인 메모리(1112), 정적 메모리(1114), 및/또는 프로세서들(1102)의 메모리) 및/또는 저장 유닛(1116)은 본 명세서에 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 구현하거나 그에 의해 사용되는 명령어들 및 데이터 구조들(예를 들어, 소프트웨어)의 하나 이상의 세트를 저장할 수 있다. 이 명령어들(예컨대, 명령어들(1108))은 프로세서들(1102)에 의해 실행될 때 다양한 동작으로 하여금 개시된 실시예들을 구현하게 야기한다.
명령어들(1108)은 네트워크 인터페이스 디바이스(예를 들어, 통신 컴포넌트들(1140)에 포함된 네트워크 인터페이스 컴포넌트)를 통해, 그리고 다수의 잘 알려진 전송 프로토콜들(예를 들어, HTTP(hypertext transfer protocol)) 중 어느 하나를 사용하여, 송신 매체를 사용하여, 네트워크(1120)를 통해 송신되거나 수신될 수 있다. 유사하게, 명령어들(1108)은 디바이스들(1122)에 대한 결합(1126)(예를 들어, 피어-투-피어 결합)을 통해 송신 매체를 사용하여 송신되거나 수신될 수 있다.
Claims (20)
- 컴퓨터 구현 방법(computer-implemented method)으로서:
하나 이상의 프로세서를 이용하여, 클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 단계;
상기 입력에 응답하여, 상기 하나 이상의 프로세서를 이용하여, 상기 클라이언트 디바이스에서 이미지 프레임을 캡처하는 단계 - 상기 이미지 프레임은 객체의 묘사를 포함함 -;
상기 하나 이상의 프로세서를 이용하여, 상기 이미지 프레임 내에서 상기 객체를 식별하는 단계 - 상기 식별하는 단계는:
상기 이미지 프레임 내의 제1 이미지 피처 세트를 식별하는 단계;
상기 제1 피처 세트를 인덱싱 구조에 저장하는 단계;
상기 제1 이미지 피처 세트에 기초하여 제2 이미지 피처 세트를 식별하는 단계;
상기 제2 이미지 피처 세트를 사용하여 상기 인덱싱 구조를 검색하는 단계를 포함함 -;
상기 하나 이상의 프로세서를 이용하여, 상기 객체를 식별한 것에 응답하여 미디어 리포지토리 내의 상기 객체와 연관된 미디어 콘텐츠에 액세스하는 단계; 및
상기 클라이언트 디바이스에서 상기 이미지 프레임 내의 상기 미디어 콘텐츠의 프레젠테이션을 야기하는 단계를 포함하는 방법. - 제1항에 있어서,
상기 클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 단계는:
상기 클라이언트 디바이스의 사용자 인터페이스 상으로의 촉각 입력을 포함하는 입력의 개시를 수신하는 단계;
상기 촉각 입력의 속성이 임계값을 넘은 것을 검출하는 단계; 및
상기 입력 속성이 상기 임계값을 넘은 것에 응답하여 상기 이미지 프레임을 캡처하는 단계를 추가로 포함하는 방법. - 제2항에 있어서,
상기 촉각 입력의 속성은:
입력 압력; 및
입력 지속기간 중 하나 이상을 포함하는 방법. - 제1항에 있어서,
상기 제1 피처 세트는 상기 이미지 프레임 내의 미리 정의된 영역들 내에서 식별된 국지적 피처들인 방법. - 제1항에 있어서,
상기 제2 이미지 피처 세트는 상기 이미지 프레임 전체를 이용하여 식별된 전역적 피처들인 방법. - 제1항에 있어서,
상기 제1 이미지 피처 세트에 기초하여 제2 이미지 피처 세트를 식별하는 단계는:
상기 제1 이미지 피처 세트에서의 각각의 피처를 대표 피처 세트에서의 대표 피처에 매핑하는 단계; 및
상기 대표 피처 세트에서의 각각의 대표 피처의 발생을 카운트하는 단계를 추가로 포함하는 방법. - 제1항에 있어서,
상기 객체와 연관된 미디어 콘텐츠에 액세스하는 단계는:
기하학적 검증을 이용하여 상기 미디어 콘텐츠를 검증하는 단계;
상기 기하학적 검증에 기초하여, 상기 미디어 콘텐츠에서의 잘못된 미디어 콘텐츠를 식별하는 단계; 및
상기 미디어 콘텐츠로부터 상기 잘못된 미디어 콘텐츠를 제거하는 단계를 추가로 포함하는 방법. - 제1항에 있어서,
상기 객체와 연관된 미디어 콘텐츠는 유사성 메트릭에 기초하여 상기 객체에 시각적으로 유사한 방법. - 제1항에 있어서,
상기 이미지 프레임은 상기 클라이언트 디바이스 상의 메시징 애플리케이션으로부터 수신되는 방법. - 제1항에 있어서,
상기 미디어 콘텐츠는 복수의 증강 현실 경험 선택을 포함하는 방법. - 제1항에 있어서,
상기 복수의 증강 현실 경험 선택은 제각기 복수의 특수 효과와 연관되는 방법. - 시스템으로서:
메모리; 및
상기 메모리에 결합되고 명령어들을 포함하는 적어도 하나의 하드웨어 프로세서를 포함하고, 상기 명령어들은 상기 시스템으로 하여금:
클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 동작;
상기 입력에 응답하여, 상기 클라이언트 디바이스에서 이미지 프레임을 캡처하는 동작 - 상기 이미지 프레임은 객체의 묘사를 포함함 -;
상기 이미지 프레임 내의 상기 객체를 식별하는 동작 - 상기 식별하는 동작은:
상기 이미지 프레임 내의 제1 이미지 피처 세트를 식별하는 동작;
상기 제1 피처 세트를 인덱싱 구조에 저장하는 동작;
상기 제1 이미지 피처 세트에 기초하여 제2 이미지 피처 세트를 식별하는 동작;
상기 제2 이미지 피처 세트를 사용하여 상기 인덱싱 구조를 검색하는 동작을 포함함 -;
상기 객체를 식별한 것에 응답하여 미디어 리포지토리 내의 상기 객체와 연관된 미디어 콘텐츠에 액세스하는 동작; 및
상기 클라이언트 디바이스에서 상기 이미지 프레임 내의 미디어 콘텐츠의 프레젠테이션을 야기하는 동작을 포함하는 동작들을 수행하도록 야기하는 시스템. - 제12항에 있어서,
상기 클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 동작은:
상기 클라이언트 디바이스의 사용자 인터페이스 상으로의 촉각 입력을 포함하는 입력의 개시를 수신하는 동작;
상기 촉각 입력의 속성이 임계값을 넘은 것을 검출하는 동작; 및
상기 입력 속성이 상기 임계값을 넘은 것에 응답하여 상기 이미지 프레임을 캡처하는 동작을 추가로 포함하는 시스템. - 제13항에 있어서,
상기 촉각 입력의 속성은:
입력 압력; 및
입력 지속기간 중 하나 이상을 포함하는 시스템. - 제12항에 있어서,
상기 제1 피처 세트는 상기 이미지 프레임 내의 미리 정의된 영역들 내에서 식별된 국지적 피처들인 시스템. - 제12항에 있어서,
상기 제2 이미지 피처 세트는 상기 이미지 프레임 전체를 이용하여 식별된 전역적 피처들인 시스템. - 제12항에 있어서,
상기 제1 이미지 피처 세트에 기초하여 제2 이미지 피처 세트를 식별하는 동작은:
상기 제1 이미지 피처 세트에서의 각각의 피처를 대표 피처 세트에서의 대표 피처에 매핑하는 동작; 및
상기 대표 피처 세트에서의 각각의 대표 피처의 발생을 카운트하는 동작을 추가로 포함하는 시스템. - 제12항에 있어서,
상기 객체와 연관된 미디어 콘텐츠에 액세스하는 동작은:
기하학적 검증을 이용하여 상기 미디어 콘텐츠를 검증하는 동작;
상기 기하학적 검증에 기초하여, 상기 미디어 콘텐츠에서의 잘못된 미디어 콘텐츠를 식별하는 동작; 및
상기 미디어 콘텐츠로부터 상기 잘못된 미디어 콘텐츠를 제거하는 동작을 추가로 포함하는 시스템. - 머신의 하나 이상의 프로세서에 의해 실행될 때, 상기 머신으로 하여금 동작들을 수행하게 야기하는 명령어들을 포함하는 비일시적 머신 판독가능 저장 매체로서, 상기 동작들은:
상기 하나 이상의 프로세서를 이용하여, 클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 동작;
상기 입력에 응답하여, 상기 하나 이상의 프로세서를 이용하여, 상기 클라이언트 디바이스에서 이미지 프레임을 캡처하는 동작 - 상기 이미지 프레임은 객체의 묘사를 포함함 -;
상기 이미지 프레임 내의 상기 객체를 식별하는 동작 - 상기 식별하는 동작은:
상기 이미지 프레임 내의 제1 이미지 피처 세트를 식별하는 동작;
상기 제1 피처 세트를 인덱싱 구조에 저장하는 동작;
상기 제1 이미지 피처 세트에 기초하여 제2 이미지 피처 세트를 식별하는 동작;
상기 제2 이미지 피처 세트를 사용하여 상기 인덱싱 구조를 검색하는 동작을 포함함 -;
상기 객체를 식별한 것에 응답하여 미디어 리포지토리 내의 상기 객체와 연관된 미디어 콘텐츠에 액세스하는 동작; 및
상기 클라이언트 디바이스에서 상기 이미지 프레임 내의 상기 미디어 콘텐츠의 프레젠테이션을 야기하는 동작을 포함하는 비일시적 컴퓨터 판독가능 저장 매체. - 제19항에 있어서,
상기 클라이언트 디바이스에서 그래픽 사용자 인터페이스 상으로의 입력을 수신하는 동작은:
상기 클라이언트 디바이스의 사용자 인터페이스 상으로의 촉각 입력을 포함하는 입력의 개시를 수신하는 동작;
상기 촉각 입력의 속성이 임계값을 넘은 것을 검출하는 동작; 및
상기 입력 속성이 상기 임계값을 넘은 것에 응답하여 상기 이미지 프레임을 캡처하는 동작을 추가로 포함하는 비일시적 컴퓨터 판독가능 저장 매체.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962826679P | 2019-03-29 | 2019-03-29 | |
| US62/826,679 | 2019-03-29 | ||
| US16/814,221 US11017233B2 (en) | 2019-03-29 | 2020-03-10 | Contextual media filter search |
| US16/814,221 | 2020-03-10 | ||
| PCT/US2020/022343 WO2020205197A1 (en) | 2019-03-29 | 2020-03-12 | Contextual media filter search |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210145214A true KR20210145214A (ko) | 2021-12-01 |
Family
ID=72605924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217034733A KR20210145214A (ko) | 2019-03-29 | 2020-03-12 | 컨텍스트 미디어 필터 검색 |
Country Status (5)
| Country | Link |
|---|---|
| US (3) | US11017233B2 (ko) |
| EP (1) | EP3948580A1 (ko) |
| KR (1) | KR20210145214A (ko) |
| CN (1) | CN113906413A (ko) |
| WO (1) | WO2020205197A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11949527B2 (en) | 2022-04-25 | 2024-04-02 | Snap Inc. | Shared augmented reality experience in video chat |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11017233B2 (en) | 2019-03-29 | 2021-05-25 | Snap Inc. | Contextual media filter search |
| USD915452S1 (en) * | 2019-03-29 | 2021-04-06 | Snap Inc. | Display screen or portion thereof with a graphical user interface |
| US11360733B2 (en) | 2020-09-10 | 2022-06-14 | Snap Inc. | Colocated shared augmented reality without shared backend |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7046851B2 (en) * | 2000-11-08 | 2006-05-16 | California Institute Of Technology | Image and video indexing scheme for content analysis |
| US20040100483A1 (en) * | 2002-10-02 | 2004-05-27 | Lucian Russell | Index structure process |
| US7737965B2 (en) * | 2005-06-09 | 2010-06-15 | Honeywell International Inc. | Handheld synthetic vision device |
| US20080030575A1 (en) * | 2006-08-03 | 2008-02-07 | Davies Paul R | System and method including augmentable imagery feature to provide remote support |
| US20090322671A1 (en) * | 2008-06-04 | 2009-12-31 | Cybernet Systems Corporation | Touch screen augmented reality system and method |
| US8830267B2 (en) * | 2009-11-16 | 2014-09-09 | Alliance For Sustainable Energy, Llc | Augmented reality building operations tool |
| US8189964B2 (en) * | 2009-12-07 | 2012-05-29 | Google Inc. | Matching an approximately located query image against a reference image set |
| US20150070347A1 (en) * | 2011-08-18 | 2015-03-12 | Layar B.V. | Computer-vision based augmented reality system |
| US20140195650A1 (en) * | 2012-12-18 | 2014-07-10 | 5th Screen Media, Inc. | Digital Media Objects, Digital Media Mapping, and Method of Automated Assembly |
| US9424461B1 (en) * | 2013-06-27 | 2016-08-23 | Amazon Technologies, Inc. | Object recognition for three-dimensional bodies |
| US9767615B2 (en) * | 2014-04-23 | 2017-09-19 | Raytheon Company | Systems and methods for context based information delivery using augmented reality |
| WO2016033676A1 (en) * | 2014-09-02 | 2016-03-10 | Netra Systems Inc. | System and method for analyzing and searching imagery |
| EP3295373A1 (en) * | 2015-05-11 | 2018-03-21 | Siemens Aktiengesellschaft | A system and method for surgical guidance and intra-operative pathology through endo-microscopic tissue differentiation |
| US10606824B1 (en) * | 2015-09-09 | 2020-03-31 | A9.Com, Inc. | Update service in a distributed environment |
| WO2017081870A1 (ja) * | 2015-11-12 | 2017-05-18 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 表示方法、プログラムおよび表示装置 |
| US20220179665A1 (en) * | 2017-01-29 | 2022-06-09 | Yogesh Rathod | Displaying user related contextual keywords and controls for user selection and storing and associating selected keywords and user interaction with controls data with user |
| US11017233B2 (en) | 2019-03-29 | 2021-05-25 | Snap Inc. | Contextual media filter search |
-
2020
- 2020-03-10 US US16/814,221 patent/US11017233B2/en active Active
- 2020-03-12 EP EP20718873.1A patent/EP3948580A1/en active Pending
- 2020-03-12 WO PCT/US2020/022343 patent/WO2020205197A1/en unknown
- 2020-03-12 KR KR1020217034733A patent/KR20210145214A/ko not_active Application Discontinuation
- 2020-03-12 CN CN202080039257.1A patent/CN113906413A/zh active Pending
-
2021
- 2021-05-03 US US17/306,179 patent/US11651019B2/en active Active
-
2023
- 2023-04-13 US US18/299,908 patent/US20230325430A1/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11949527B2 (en) | 2022-04-25 | 2024-04-02 | Snap Inc. | Shared augmented reality experience in video chat |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230325430A1 (en) | 2023-10-12 |
| US20200311426A1 (en) | 2020-10-01 |
| US11651019B2 (en) | 2023-05-16 |
| US11017233B2 (en) | 2021-05-25 |
| CN113906413A (zh) | 2022-01-07 |
| EP3948580A1 (en) | 2022-02-09 |
| US20220092307A1 (en) | 2022-03-24 |
| WO2020205197A1 (en) | 2020-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11676378B2 (en) | Providing travel-based augmented reality content with a captured image | |
| US11651019B2 (en) | Contextual media filter search | |
| US11680814B2 (en) | Augmented reality-based translations associated with travel | |
| US11822766B2 (en) | Encoded image based messaging system | |
| US11621997B2 (en) | Dynamically assigning storage locations for messaging system data | |
| KR20230035672A (ko) | 자동 웹사이트 데이터 마이그레이션 | |
| US11769500B2 (en) | Augmented reality-based translation of speech in association with travel | |
| US20210303110A1 (en) | Reply back mechanism within a messaging system | |
| US11983461B2 (en) | Speech-based selection of augmented reality content for detected objects | |
| KR20220161461A (ko) | 메시징 시스템에서 물리적 제품들에 대한 증강 현실 경험들 | |
| US11887322B2 (en) | Depth estimation using biometric data | |
| US20220187959A1 (en) | Timeline media content navigation system | |
| KR20220160084A (ko) | 튜토리얼 콘텐츠와 함께 증강 현실 콘텐츠를 디스플레이 | |
| WO2021195404A1 (en) | Speech-based selection of augmented reality content for detected objects | |
| US20210304754A1 (en) | Speech-based selection of augmented reality content | |
| US20230394819A1 (en) | Displaying object names in association with augmented reality content |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |