KR20220080365A - 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법 - Google Patents

합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법 Download PDF

Info

Publication number
KR20220080365A
KR20220080365A KR1020200169391A KR20200169391A KR20220080365A KR 20220080365 A KR20220080365 A KR 20220080365A KR 1020200169391 A KR1020200169391 A KR 1020200169391A KR 20200169391 A KR20200169391 A KR 20200169391A KR 20220080365 A KR20220080365 A KR 20220080365A
Authority
KR
South Korea
Prior art keywords
video
solving
learning
learner
providing
Prior art date
Application number
KR1020200169391A
Other languages
English (en)
Inventor
지혜령
이창우
Original Assignee
지혜령
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 지혜령 filed Critical 지혜령
Priority to KR1020200169391A priority Critical patent/KR20220080365A/ko
Publication of KR20220080365A publication Critical patent/KR20220080365A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Library & Information Science (AREA)
  • Educational Technology (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Architecture (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명의 일 실시예에 따른 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템은, 적어도 하나의 학습자단말기가 접속 가능하며, 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 학습자의 수준을 테스트하고, 맞춤형 학습 문제풀이 동영상을 제공할 수 있도록 상기 학습자단말기에 문제정보를 제공받고, 해당 문제에 대응한 적어도 하나의 문제풀이 동영상을 제공하며, 해당 문제와 유사한 추천 문제를 데이터베이스에서 검색하여 제공하는 학습서버를 포함하되, 상기 학습서버는 상기 문제풀이 동영상 제공시, 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 제작하여 제공하는 것을 특징으로 한다.

Description

합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법{System and method for providing learning problem solving contents using synthetic video}
본 발명은 학습 문제풀이 컨텐츠 제공 시스템에 관한 것으로, 더욱 상세하게는 학습자의 흥미를 유발할 수 있도록 유명인, 인플루언서 또는 캐릭터 등의 얼굴이 합성된 강사 이미지에 의해 문제풀이 컨텐츠를 제공하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템에 관한 것이다.
최근 휴대폰 및 컴퓨터와 같은 단말기를 이용해 학습자의 레벨을 측정하고 개인화된 문제를 추천해주거나 학습을 돕는 새로운 형태의 스마트 학습 시스템이 개발되고 있는 상황이지만, 이런 스마트한 온라인 학습 시스템의 단점은 오프라인 학습지에 의한 학습을 효율적으로 도와주는 것이 아니라, 기존 학습에 새로운 학습을 병행해야 하므로, 학습자에게는 이중적인 부담이 있었다.
또한 기존의 온라인 학습 시스템은 동영상으로 학습을 제공하는 플랫폼이 많이 등장하고 있으나, 가장 큰 문제점은 오래 지속해서 시청하다 보면 집중력이 떨어지는 문제점이 있었다.
이러한 문제점을 해결하고 몰입을 강화하기 위해서는 명확한 목표 및 재미의 요소가 포함될 필요가 있다.
최근 대두되고 있는 연예인의 얼굴을 합성하는 딥페이크 기술은 초상권을 침해하지 않는 합법적인 영역에서 학습 플랫폼에 접목을 시킨다면 학습의 몰입을 강화할 수 있는 좋은 기술이다.
따라서, 전술한 문제를 해결하기 위하여 학습자가 제시한 문제에 대응하는 맞춤형 문제풀이 동영상을 검색하여 제공해주고, 평가에 따라 고품질의 문제풀이 동영상을 제공할 수 있도록 하되, 학습 흥미 유발 및 몰입감을 주어 학습을 유도할 수 있도록 합성 동영상을 제공하는, 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템에 대한 연구가 필요하게 되었다.
한국등록특허 제10-2002914호(2019년07월17일 등록)
본 발명의 목적은 학습자단말기로 요청한 문제에 대한 문제풀이 동영상을 제공하되, 학습자 요청시 문제풀이 동영상에 포함된 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 생성하여 제공함으로써, 합성 동영상을 통한 문제풀이 과정을 재생하도록 하는 학습 문제풀이 컨텐츠 제공 시스템을 제공하는 것이다.
본 발명의 일 실시예에 따른 학습 문제풀이 컨텐츠 제공 시스템은, 적어도 하나의 학습자단말기가 접속 가능하며, 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 학습자의 수준을 테스트하고, 맞춤형 학습 문제풀이 동영상을 제공할 수 있도록 상기 학습자단말기에 문제정보를 제공받고, 해당 문제에 대응한 적어도 하나의 문제풀이 동영상을 제공하며, 해당 문제와 유사한 추천 문제를 데이터베이스에서 검색하여 제공하는 학습서버를 포함하되, 상기 학습서버는 상기 문제풀이 동영상 제공시, 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 제작하여 제공하는 것을 특징으로 한다.
상기 학습자단말기는 상기 문제풀이 동영상 제공 요청시, 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택하고, 선택된 이미지로 강사 이미지가 합성되어 합성 동영상이 제작되도록 상기 학습서버에 요청하는 것을 특징으로 한다.
상기 학습서버는 상기 학습자단말기를 통하여 촬영된 문제 이미지 또는 학습자단말기로 직접 입력된 상기 문제정보를 제공받아 해당 문제의 텍스트를 추출하는 데이터분석부; 학습자의 학습 레벨을 평가하여 학습 레벨 맞춤으로 문제풀이 동영상을 제공받을 수 있도록 레벨 테스트를 수행하는 레벨매칭부; 상기 데이터분석부에서 추출된 텍스트를 기반으로 문제정보에 포함된 문제를 파악하고, 해당 문제와 동일하거나 유사한 문제들을 데이터베이스에서 검색하는 문항매칭부; 상기 문항매칭부에서 제공된 문제에 대한 문제풀이 동영상을 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 검색하고, 검색 결과 해당 문제에 대응하는 문제풀이 동영상 또는 합성 동영상을 내부 데이터베이스에서 추출하거나, 상기 동영상 제공 플랫폼으로부터 전송받아 학습자단말기에 제공하는 해답제공부; 상기 학습자단말기로부터 제공된 문제정보 및 레벨 테스트에 의한 학습자 레벨을 기초로 해당 학습자에게 적합한 추천 문제를 제공하는 문제추천부; 상기 학습자단말기에서 합성 동영상에 합성을 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택할 수 있도록 제공하고, 선택된 해당 이미지를 문제풀이 동영상의 강사 이미지와 합성 처리하여 합성 동영상을 생성하는 합성부; 를 더 포함한다.
상기 합성부는 딥페이크 기반의 인공지능 알고리즘을 이용하여 상기 합성 동영상을 생성하는 것을 특징으로 한다.
상기 해답제공부는 상기 합성 동영상을 학습자단말기에 제공시, 합성 이미지에 사용된 해당 유명인, 인플루언서 또는 캐릭터에 대한 리워드를 산출하고, 리워드에 해당하는 결제금액을 지불하도록 해당 학습자단말기에 요청하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 문제풀이 컨텐츠 제공 방법은, 적어도 하나의 학습자단말기가 접속 가능하며, 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 학습자의 수준을 테스트하고, 합성 동영상을 이용한 학습 문제풀이 동영상을 제공할 수 있도록 상기 학습자단말기에 문제정보를 제공받고, 해당 문제에 대응한 적어도 하나의 문제풀이 동영상을 제공하는 학습서버를 이용한 문제풀이 컨텐츠 제공 방법에 있어서, 상기 학습자단말기는 문제풀이 동영상을 제공받을 문제정보를 학습서버로 전송하는 단계; 상기 학습서버는 전송된 문제정보를 기초로 해당 문제에 대한 문제풀이 동영상을 내부 데이터베이스 또는 동영상 제공 플랫폼에 요청하고, 문제풀이 동영상 검색 결과를 내부 데이터베이스 또는 상기 동영상 제공 플랫폼으로부터 제공받는 단계; 상기 학습서버는 상기 문제풀이 동영상에 상기 학습자단말기에서 요청한 유명인, 인플루언서 또는 캐릭터 이미지를 강사 이미지에 합성한 합성 동영상을 생성하는 단계; 상기 학습서버는 상기 합성 동영상을 상기 학습자단말기에 제공하는 단계를 포함한다.
상기 학습자단말기는 상기 문제풀이 동영상 요청시, 합성을 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택하는 단계; 상기 학습서버는 상기 선택된 유명인, 인플루언서 또는 캐릭터 이미지를 이용하여 해당 문제풀이 동영상에 포함된 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 생성하는 단계 를 더 포함한다.
상기 학습자단말기는 상기 문제풀이 동영상 또는 합성 동영상 재생 후 동영상에 대한 평가정보를 작성하여 상기 학습서버에 제공하는 단계; 상기 학습자단말기 요청시 해당 문제와 유사한 추천 문제를 기저장한 데이터베이스로부터 제공하는 단계; 를 더 포함한다.
상기 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 검색된 해당 문제에 대한 문제풀이 동영상이 복수 개인 경우, 설정된 우선순위로 검색 결과 리스트를 제공하고, 상기 검색 결과 리스트에서 요청시 해당 문제풀이 동영상을 전송하는 단계;를 더 포함한다.
상기 학습서버는 문제풀이 동영상을 제공하기 위해 학습자 수준을 측정하기 위한 레벨 테스트를 수행하는 단계; 상기 레벨 테스트를 수행한 후 문제정보에 포함된 해당 문제에 대한 문제풀이 동영상을 제공하는 단계를 더 포함한다.
본 발명의 학습 문제풀이 컨텐츠 제공 시스템은 학습자가 레벨에 따라 차등적으로 맞춤형 문제풀이 동영상을 제공해줄 수 있을 뿐만 아니라, 유명인, 인플루언서 또는 캐릭터 등의 합성 동영상을 통하여 문제풀이 동영상을 제공함으로써, 학습자의 흥미 유발과 몰입감을 통하여 학습효과가 배가되는 장점이 있다.
또한 합성 이미지를 제공한 유명인, 인플루언서 또는 캐릭터에 대해 리워드(reward)를 제공하여, 상업적으로 상호 이용할 수 있도록 제공함으로써, 다양한 이미지의 합성 동영상을 제작하도록 하여 서비스를 활성화시키는 효과가 있다.
또한, 동영상 제공 플랫폼 상에 존재하는 동영상 제공 플랫폼과 연계하여 동영상 제공 플랫폼의 서버 데이터베이스를 활용할 수 있으므로, 방대한 동영상 컨텐츠를 구축하기 위한 시스템 설치 및 유지 비용을 절감할 수 있으며, 쉽게 구축이 가능한 장점이 있다.
또한, 문제풀이 동영상에 중간 삽입되거나 하이퍼링크(hyperlink)되는 형태의 광고를 설정하여 제공함으로써, 수익을 창출할 수 있으며, 나아가, 문제풀이 동영상이 학습자의 주변 지역학원 등에서 제공되는 동영상인 경우, 그 광고 수익을 지역 학원으로부터 제공받을 수 있어, 지역 학원 활성화에 기여하고, 학원 홍보에 의해 학습자는 자신의 학습 성취도에 따라 자신에게 적합한 지역 학원을 찾을 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 학습 문제풀이 컨텐츠 제공 시스템 전체 구성을 보인 블록도이다.
도 2는 컨텐츠서버의 세부 구성을 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 학습 문제풀이 컨텐츠 제공 방법의 합성 동영상 제공 과정의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 학습 문제풀이 컨텐츠 제공 방법의 문제풀이 동영상 제공 과정의 순서도이다.
도 5는 딥페이크 기반의 합성 동영상 제작을 위한 ANN 알고리즘을 설명하기 위한 도면이다.
도 6은 딥페이크 기반의 합성 동영상 제작을 위한 Cycle-GAN 알고리즘을 설명하기 위한 도면이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 전체 구성을 보인 블록도이다.
본 발명의 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템은 도 1에 도시된 바와 같이, 인터넷, LTE 망과 같은 통신망(300)으로 다수의 학습자단말기(100)가 접속 가능하며, 동영상 제공 플랫폼(400)과 연계하여 학습자의 수준을 테스트하고, 수준별, 전문가 추천별 맞춤형 학습 문제풀이 동영상을 제공하는 학습서버(200)를 포함한다.
또한 학습서버(200)는 통신망(300)을 통하여 학습자단말기(100)에 문제정보를 제공받고, 문제에 대응한 문제풀이 동영상을 제공하며, 학습자 레벨 테스트를 수행하는 등의 학습 컨텐츠를 원활하게 제공하기 위한 학습 어플리케이션을 학습자단말기(100)에 제공하고, 학습 어플리케이션과 연동하여 관련 학습 컨텐츠 서비스를 제공할 수 있다.
통신망(300)은 학습서버(200)와 학습자단말기(100) 또는 학습서버(200)와 동영상 제공 플랫폼(400)과 통신 연계를 위해 호환 가능한 통신 프로토콜이 내장될 수 있으며, 필요한 경우 라우터, 게이트웨이 등이 포함될 수 있다.
동영상 제공 플랫폼(400)은 인터넷과 같은 통신망(300) 상에서 동영상 컨텐츠를 제공하는 서비스 플랫폼(서버)으로서, 예컨대, 유튜브(YOUTUBE), 네이버 티비(NAVER TV), 카카오 티비(KAKAO TV) 등이 될 수 있으며, 인터넷을 통해 방송/프로그램 등의 미디어 컨텐츠를 시청(소비)할 수 있는 OTT(Over The Top) 서비스 플랫폼이 될 수도 있다.
동영상 제공 플랫폼(400)은 학습서버(200)와 연동하여 학습서버(200)에서 요청시 DB 검색을 허용하고, 관련 동영상 검색 결과에 따라 해당 문제풀이 동영상을 학습자단말기(100)에 제공할 수 있다.
학습서버(200)는 도 2에 도시된 바와 같이, 데이터분석부(210), 레벨매칭부(220), 문항매칭부(230), 해답제공부(240), 문제추천부(250), 합성부(260)를 더 포함하며, 각종 자료, 정보를 저장하고 제공하기 위한 별도의 데이터베이스(270)가 적어도 하나 이상 구비될 수 있다.
데이터분석부(210)는 학습자단말기(100)를 통하여 촬영된 문제 이미지 또는 학습자단말기(100)로 직접 입력된 문제정보를 제공받아 해당 문제 내용을 분석할 수 있다. 문제 이미지에서 문제 내용을 확인하기 위해 이미지에서 텍스트를 추출하는 광학 문자 인식(OCR : optical character recognition) 기술이 적용될 수 있다.
레벨매칭부(220)는 학습자의 학습 레벨을 평가하여 학습 레벨 맞춤으로 문제풀이 동영상을 제공받을 수 있도록 레벨 테스트를 수행할 수 있으며, 학습자 학습 레벨 평가를 위한 별도의 테스트 문항 자료를 데이터베이스(270)에 저장하여 제공하고, 학습자별로 수행한 결과인 학습자 레벨을 별도로 저장하여 관리할 수 있다.
또한, 학습자 레벨을 평가하기 위해 예를 들면, 컴퓨터 보조 평가로 대표될 수 있는 CAT(computerized adaptive testing)는 컴퓨터 적응 평가로서 학습자의 능력과 레벨에 따라 각기 다른 난이도를 제시하고 평가를 실시하여 그 결과로 새로운 문제를 제시하여 결과에 따라 학습자 능력을 측정할 수 있다.
또한 레벨매칭부(220)는 예를 들어 문항반응이론이 적용된 테스트 문항의 레벨 값을 측정하고, 테스트 문항의 레벨 값에 따라 학습자의 반응을 측정하여 학습자 레벨을 정할 수 있다.
문항매칭부(230)는 데이터분석부(210)에서 추출된 텍스트를 기반으로 문제정보에 포함된 문제를 파악하고, 이와 동일하거나 유사한 문제들을 데이터베이스(270)에서 검색할 수 있다. 또한 검색된 해당 문제는 해당 문제에 대한 문제풀이 동영상을 학습자에게 제공할 수 있도록 해답제공부(240)로 제공된다.
해답제공부(240)는 문항매칭부(230)에서 제공된 문제에 대한 문제풀이 동영상을 동영상 제공 플랫폼(400)과 연계하여 검색하고, 검색 결과 해당 문제에 대응하는 문제풀이 동영상을 동영상 제공 플랫폼(400)으로부터 전송받아 학습자단말기(100)에 제공하거나 플랫폼과 학습자간 다이렉트(direct) 통신에 의해 학습자단말기(100)에 제공해줄 수 있다.
또한, 검색된 문제풀이 동영상이 복수 개인 경우, 추천 우선순위별로 리스트 형태로 해당 동영상 리스트를 제공할 수 있다. 추천 우선순위는 학습자 레벨이나 전문가 추천별 우선순위, 학습자 주변 지역, 조회수, 평점(좋아요), 구독자 수 등으로 정해질 수 있다.
또한, 해답제공부(240)는 내부에 구비된 데이터베이스(270)를 통하여 학습자단말기(100)에 요청한 문제에 대한 문제풀이 동영상 및 합성 동영상을 추출하여 제공할 수도 있다. 이를 위해 별도의 문제풀이 동영상 및 합성 동영상을 저장한 내부 데이터베이스(270)를 이용할 수 있다.
또한 해답제공부(240)는 내부 데이터베이스(270)에 동영상 및 합성 동영상을 저장하는 데이터베이스(270)를 이용하는 경우, 상기 학습자단말기에서 요청한 문제를 우선적으로 데이터베이스(270)상에서 검색하고, 검색되지 않는 경우 확장하여 연계되는 상기 동영상 제공 플랫폼(400)을 이용하여 검색을 수행할 수도 있다.
나아가, 해답제공부(240)는 합성 동영상을 학습자단말기에 제공시, 합성 이미지에 사용된 해당 유명인, 인플루언서 또는 캐릭터에 대한 리워드를 산출하고, 리워드에 해당하는 결제금액을 지불하도록 해당 학습자단말기에 요청할 수 있다. 이를 위해 내부에 결제 플랫폼을 구축하거나 결제대행서버(미도시)와 연동하여 결제금액에 대한 프로세스를 수행할 수 있다.
또한 해답제공부(240)는 결제금액에 대한 리워드로서, 일정금액의 중계 수수료를 제외한 해당 유명인, 인플루언서 또는 캐릭터를 제공한 해당 단말기 또는 계좌로 리워드에 상당하는 금액을 지불할 수 있다. 여기서 유명인이나 인플루언서는 연예인, 스포츠 선수, 웹상의 알려진 유명인사(크리에이터 등) 등이 포함될 수 있다.
나아가 해답제공부(240)는 블록체인서버(미도시)와 연계하여 결제정보, 리워드정보에 대해 보호하기 위해 분산 저장하여 관리할 수도 있다.
즉, 해답제공부(240)는 다수의 블록체인서버와 연계하여 블록체인망을 구축하고, 기구축된 내부의 블록체인 네트워크를 통해 공개키 및 개인키를 생성하여 해쉬값으로 변환하여 분산 저장하고, 분산 저장된 공개키와 사용자의 개인정보를 기반으로 결제 인증을 수행할 수 있다.
더 나아가 해답제공부(240)는 다수의 학습자단말기를 포함한 단말기(유명인 소속사, 캐릭터 소속사 등이 소지한 단말 포함)에서 공개키와 함께 개인 고유의 학습자/ 유명인 등의 개인정보 및 결제정보를 전송받아 해당 정보에 대한 해쉬값을 포함하는 인증서를 각각 생성할 수 있으며, 각 인증서에 대한 저장 방식은 머클 트리 구조에 의해 이루어질 수 있다.
가령, 각각의 인증서(거래)를 최하위 자식 노드에 해쉬값을 포함하여 저장하고, 머클 트리의 최상위 레벨인 머클 루트(부모 노드)에는 최하위 자식 노드와 이어지는 경로 상에 있는 중간 노드에 해시값을 공유하도록 해싱(hashing)하여 저장하게 된다.
합성부(260)는 인공지능 알고리즘의 딥페이크 기술을 활용하여 문제풀이 동영상을 합성 동영상으로 변환할 수 있다.
즉, 합성부(260)는 학습자단말기에서 합성 동영상에 합성을 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택할 수 있도록 제공하고, 선택된 해당 이미지를 문제풀이 동영상의 강사 이미지와 합성 처리하여 합성 동영상을 생성할 수 있다.
구체적으로 도 5를 참조하면, 딥페이크가 영상 속 A의 얼굴을 B로 바꾸는 과정은 크게, 추출-학습-병합의 세 단계로 이루어진다.
먼저 추출은 기계학습을 잘 작동시키기 위해 기계가 학습할 자료를 충분히 확보하는 단계다. A의 얼굴을 B와 바꿔치기 하기 위해 기계가 A와 B의 얼굴 특징을 먼저 배울 수 있도록 해주는 것이다. 딥페이크 애플리케이션에 특정인의 얼굴 사진을 입력하면 기계가 알아서 그 중에 얼굴 부분을 감지(detecting)한 후에 이 부분만 잘라내서 잘라낸 부분들의 눈, 코, 입의 위치가 서로 맞도록 정렬한다.
추출 단계가 완료되면 두 번째 단계인 학습을 진행할 수 있다. 이 추출 단계가 어떤 사람의 얼굴 특징을 반영해서 원본 이미지의 얼굴을 재생성하는 역할을 수행한다. 이 추출 단계를 거치면 A의 얼굴 특징을 반영한 B의 얼굴 이미지를 만들어내고 반대로 B의 얼굴 특징을 반영한 A의 얼굴 이미지를 만들어낼 수 있다.
학습은 인공신경망(ANN)을 이용한 딥러닝을 통해 이뤄진다. 딥러닝은 여러 ANN을 계층 구조로 구성해 학습에 이용하며, 학습 데이터가 입력되는 입력층(Input layer)과 그 처리 결과가 출력되는 출력층(Output layer) 사이에 하나 이상의 숨겨진 층(Hidden layer)을 두는데, 각각의 숨겨진 층에서 학습해야 할 과제가 분할되어 처리된 후 이 결과들이 또 다른 층에서 합쳐져 최종적인 결과가 도출된다.
만일 A와 B에 대한 각각의 영상이 있고, 이 둘의 얼굴을 서로 바꾸고 자 할 경우, 딥페이크 기술은 먼저 A의 얼굴 사진에서 A의 얼굴을 재구성하는 학습, B의 얼굴 사진에서 B의 얼굴을 재구성하는 학습을 같은 인코더를 사용해 각각 따로 진행한다. 그 결과 각 ANN의 레이턴트 스페이스에는 A와 B의 얼굴 특징이 따로 저장된다. 동일한 인코더를 사용했기 때문에 저장된 특징의 요소들은 동일하다.
예컨대 A 얼굴을 학습하며 눈, 코, 입의 윤곽을 학습했다면, B 얼굴 학습에서도 눈, 코, 입의 윤곽을 학습하지 귀의 모양을 학습하지 않는다. 이후 두 학습의 디코더를 서로 바꾼다. 그러면 A의 디코더는 B의 얼굴에서 학습한 특징으로 A의 얼굴을 재구성하고, B의 디코더는 A의 특징을 반영해서 B의 얼굴을 재구축한다. A와B의 얼굴을 서로 바꿀 수 있게 되는 것이다.
나아가 합성부(260)는 생성적 적대 신경망(GAN) 알고리즘을 활용하여 가짜 이미지를 생성하고, 학습에 의해 가짜 이미지가 진짜 이미지에 가깝게 만들어낼 수도 있다.
생성적 적대 신경망은 생성기(Generator)와 판별기(Discriminator)로 두 네트워크를 적대적(Adversarial)으로 학습시키는 비지도 학습 기반 생성모델로서, 생성기에는 입력 데이터가 입력되어 실제 이미지와 유사한 가짜 이미지를 만들어내도록 학습될 수 있다. 입력 데이터는 노이즈 값이 입력될 수 있다.
특히, 딥페이크 기술을 활용하기 위해서는 두 개의 딥컨벌루션 생성적 적대 신경망(DCGAN), 즉 두 개의 생성기와 두 개의 판별기를 구성한 Cycle-GAN을 구성할 필요가 있다.
도 6을 참조하여 구체적으로 설명하면, 훈련 기간 동안 두 개의 서로 다른 수많은 이미지 세트가 입력으로 전송되며, 각각 두 개의 DCGAN 즉 이 두 도메인을 X 및 Y로 나타낸다.
DCGAN 중 하나의 경우 입력 이미지 x는 도메인 X의 구성원 및 노이즈 신호는 도메인 Y의 이미지와 비슷해야 하고, 기존 도메인과 다른 도메인 X의 GAN의 생성기를 G로 표시하고 G에 의해 생성된 이미지를 G (x)로 표시한다.
도메인 Y는 이 GAN의 대상 도메인이고, 마찬가지로 다른 GAN의 경우 입력 이미지는 도메인 Y에 속하는 y이고, 생성기 (F로 표시)도 이미지 (표시 이미지와 구분하기 어려운 F(y)) 따라서 X는 이 GAN의 대상 도메인이 된다.
생성기 G가 있는 GAN의 판별기는 다음과 같이 표시될 수 있다.
목적은 가짜 이미지 G(x)를 도메인 Y의 실제 이미지와 구별하는 것이므로 DY로 다른 GAN은 DX로 표시될 수 있다.
또한, 주기 일관성 손실(cycle consistency loss, Lcyc)을 도입하여 한 도메인에서 다른 도메인으로 이미지를 변환하면 다시 이 도메인으로 복귀시, 마지막으로 이미지가 있던 곳으로 복귀한다. 이것은 입력과 출력을 매핑하는 것이 합리적임을 의미하며, 이때의 주기 일관성 손실은 다음의 두 부분으로 구성된다.
하나는 F(G(x)) ?? x (G 매핑을 통해 입력 이미지 x를 도메인 X에서 도메인 Y로, 그리고 매핑을 통해 다시 도메인 X로 변환)를 통해 도메인 X로 돌아가는 전방향 주기 일관성 손실(forward cycle-consistency loss)이고, 다른 하나는 G(F(y)) ?? y에 해당하는 역방향 주기 일관성 손실(backward cycle-consistency loss)이라고 한다.
입력과 출력 사이의 색상 구성을 보존하기 위해 G와 F 매핑을 장려하는 손실을 나타낼 수 있다. 이 손실을 Lidentity로 표시하고, 이는 대상 도메인의 실제 이미지가 입력으로 생성기에 제공될 때 생성기를 ID 매핑에 가깝게 조절하는 것을 목표로 한다.
각 DCGAN에 대해 두 가지 손실, 즉 적대적 손실과 판별기 손실이 있으므로 GAN의 적대적 손실을 함께 병합하여 원하는 적대적 그림(예 : 강사 이미지에 선택된 유명인, 인플루언서 또는 캐릭터가 합성된 이미지)을 얻을 수 있다.
문제추천부(250)는 학습자단말기(100)로부터 제공된 문제정보 및 레벨 테스트에 의한 학습자 레벨을 기초로 해당 학습자에게 적합한 추천 문제를 DB에서 검색하여 제공해줄 수 있다.
추천되는 문제들은 문제정보에 포함된 문제들과 유사한 수준 및 유형의 문제이거나, 학습자 레벨에 따라 분류되어 해당 레벨에 포함되는 문제들이 될 수 있다.
또한, 학습서버(200)에서 최초에 학습자 정보로서, 문제정보, 레벨 테스트에 의한 학습자 레벨 등에 대한 정보를 수집하지 못한 경우, 우선순위로 제공되는 문제풀이 동영상 및 추천 문제들은, 추천 알고리즘의 콜드 스타트(Cold start)를 이용하여 상기 학습자와 유사한 조건을 검색하여 가장 유사한 조건의 과거 학습자에게 제공된 문제풀이 동영상이나 추천 문제들을 해당 학습자단말기(100)로 제공할 수 있다.
이때, 추천되는 조건은 기본적인 학습자 정보를 기초로 수행되며, 이를 위해 수집되는 학습자 정보는 연령, 지능, 학습자 거주 지역, 선호 과목, 오답 문제 등이 포함될 수 있다. 여기서 가상 유사한 조건은 예를 들어 학습자 정보에 포함된 정보들의 일치되거나 유사한 정보의 갯수가 가장 많은 조건이 될 수 있다. 학습자 거주 지역의 경우, 해당 학습자가 거주한 지역에서 제공되는 문제풀이 동영상이나 추천 문제들이 될 수 있으며, 그 예로 지역 학원에서 제공되는 컨텐츠가 될 수 있다.
또한, 유사 조건에 적용되는 추천 알고리즘 방식은 유사도 분석을 이용한 인공지능 알고리즘을 활용할 수 있다.
나아가 유사도 계산 방식 이외에 상호 작용 행렬의 차원을 줄이고 k 개의 잠재 구성 요소가 있는 두 개 이상의 작은 행렬로 근사하며, 해당 행과 열을 곱하면 학습자 별 항목의 등급을 예측할 수 있는 행렬인수분해(matrix factorization) 방법을 활용할 수도 있다.
또한 자주 소비되는 항목이 그래프의 가장자리와 연결되는 연관 규칙(association rule)이나, 마이닝 규칙(mining rule)을 활용하여 가능한 빈번 항목 집합의 상태 공간을 탐구하고 빈번하지 않은 검색 공간의 분기를 제거하며, 자주 사용되는 항목 집합은 규칙을 생성하는 데 사용되며 이러한 규칙은 추천(권장) 사항을 생성할 수도 있다.
예를 들면, 학습서버(200)에서 학습자단말기(100)로 추천되는 학습 서비스를 제공하기 위해 학습자 정보를 최초에 수집하고, 수집된 학습자 정보에 기반하여 가장 연령대에 적합한 학습 서비스를 추천해주거나 학습자의 연령, 지능, 학습자 거주 지역, 선호과목 등을 고려하여 연관 규칙을 생성하고, 이에 부합되는 문제풀이 동영상 또는 추천 문제를 추천 제공해줄 수도 있다.
나아가 학습서버(200)는, 인공지능(AI)를 이용하여 학습자의 학습 수준을 분석하여 맞춤형 멘토링 정보를 제공할 수도 있는데, 이를 위해 학습서버(200)는 학습자단말기(100)로부터 제공된 문제정보, 학습자 레벨, 연령, 지능, 이전문제 학습 내역 등을 분석하고, 학습자가 요구하는 HELP 내용을 분석하여 상기 문제추천부(250)를 통해 해당 멘토링 정보를 생성하여 제공하며, 학습자의 요청 또는 설정에 따라 학습자의 학습수준에 맞는 기저장된 맞춤형 문제를 제공한다.
아울러 학습서버(200)는 개인별 학습관리, 학습수준분석과 로그기록, 개인의 학습영역별 수준추이분석, 학습단계별 모집단과의 상대적 비교통계 등을 통해 해당 학습자의 현재 학습자 레벨과 멘토링이 요구되는 영역 및 수준 등을 인공지능(AI)을 이용하여 종합적으로 판단하여 멘토링 정보를 생성하고, 이를 학습자단말기(100)에게 제공할 수도 있다.
이러한 인공지능(AI)의 일실시예로 관계와 관심 데이터를 통해 학습자에 내재된 특성(Feature)을 분리해내는 기계 학습 모델을 사용할 수 있다.
이에 따라 신뢰성 데이터(S) 및 데이터베이스(270)에 사전 저장된 학습자료 목록(Y)을 입력받고, 기계 학습하여 학습자의 특성들(Features)(U) 및 학습자의 학습 특성을 고려한 학습자료 군집 데이터(V)들을 추출하게 된다.
여기서, 상기 신뢰성 데이터(S)는 상기 학습자단말기(100)로부터 제공된 학습정보를 토대로 데이터베이스(270)에서 비슷한 유형의 학습정보 매칭에 의해 추출된 학습자 성향셋, 키워드 및 커리큐럼 간의 상관 관계 분포들의 축적 데이터들로서, 서비스에서 축적된 데이터 및 타 분석 모델로부터 유도된 데이터(Sparse Matrix)들로 이루어진 경험에 의한 반복 학습 데이터이다.
상기 일실시예에 따른 학습 모델의 알고리즘은 수학식 1에 의해 연산될 수 있다.
Figure pat00001
여기서, Yij 는 학습 관심 데이터(2-mode)이며, UiVj T : 예측된 학습 관심 데이터(2-mode)이며, Sii' 는 실제 학습자 신뢰영향 데이터(1-mode)이며, UiUi' T는 예측된 학습자 신뢰영향 데이터(1-mode)이다.
상기 수학식 1에 표현된 바와 같이, 학습 관심 데이터와 예측된 학습 관심 데이터의 오차가 없어질 때까지 오차를 피드백(feedback)하여 기계 학습하게 되며, 실제 학습자 신뢰성 데이터와 예측된 신뢰성 데이터의 오차가 없어질 때까지 오차를 피드백하여 기계 학습하게 된다.
나아가 학습서버(200)는 문제풀이 동영상 재생 후 학습자단말기(100)의 입력에 의해 제공되는 평가정보를 전송받아 저장하고, 학습자 요청시 평가정보를 제공하는 평가제공부를 더 포함할 수도 있으며, 평가제공부의 기능은 해답제공부(240)의 기능에 포함될 수도 있다.
평가정보에는 예컨대 만족도, 댓글, 시청률, 조회수, 평점 등이 포함될 수 있다.
나아가 학습서버(200)는 문제풀이 동영상에 중간 삽입되거나 하이퍼링크되는 형태의 광고를 설정하고, 제공하는 광고제공부를 포함할 수도 있으며, 광고제공부의 기능은 해답제공부(240)의 기능에 포함될 수 있다.
문제풀이 동영상이 학습자의 주변 지역학원 등에서 제공되는 동영상인 경우, 그 수익을 지역 학원으로부터 제공받을 수 있어, 지역 학원 활성화에 기여하고, 학원 홍보에 의해 학습자는 자신의 학습 성취도에 따라 자신에게 적합한 지역 학원을 찾을 수 있는 효과가 있다.
도 3은 본 발명의 일 실시예에 따른 학습 문제풀이 컨텐츠 제공 방법의 합성 동영상 제공 과정의 순서도이다.
학습자단말기는 학습서버에 특정 문제에 대한 문제풀이 동영상 요청시 또는 요청전, 합성을 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택할 수 있도록 유저 인터페이스(UI)가 학습서버로부터 제공될 수 있다(S100).
유저 인터페이스는 학습서버에서 제공되는 학습관리앱이나 웹기반의 경우 API 형태로 제공될 수 있다. 또한, 유저 인터페이스를 통하여 데이터베이스(270)에 저장되는 유명인, 인플루언서 또는 캐릭터 이미지가 선택 항목으로 제공될 수 있다(S102).
학습서버는 적어도 하나의 학습자단말기가 접속 가능하며, 학습자단말기에 문제정보를 제공받으면, 전송된 문제정보를 기초로 해당 문제에 대한 문제풀이 동영상을 내부 데이터베이스(270) 또는 동영상 제공 플랫폼(400)과 연계하여 요청하고, 문제풀이 동영상 검색 결과를 내부 데이터베이스(270) 또는 동영상 제공 플랫폼(400)으로부터 제공받을 수 있다(S104, S106).
또한 상기 학습서버는 상기 선택된 유명인, 인플루언서 또는 캐릭터 이미지를 이용하여 해당 문제풀이 동영상에 포함된 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 생성하여 합성 동영상을 상기 학습자단말기에 제공한다(S108).
이후 학습자단말기는 문제풀이 동영상 또는 합성 동영상 재생 후 동영상에 대한 평가정보를 작성하여 상기 학습서버에 제공한다(S110).
추가로 학습자단말기 요청시 해당 문제와 유사한 추천 문제를 기저장한 데이터베이스(270)로부터 제공할 수 있다(S112).
나아가 내부 데이터베이스(270) 또는 동영상 제공 플랫폼(400)과 연계하여 검색된 해당 문제에 대한 문제풀이 동영상이 복수 개인 경우, 설정된 우선순위로 검색 결과 리스트를 제공하고, 상기 검색 결과 리스트에서 요청시 해당 문제풀이 동영상을 전송할 수 있다.
도 4는 본 발명의 일 실시예에 따른 학습 문제풀이 컨텐츠 제공 방법의 문제풀이 동영상 제공 과정의 순서도이다.
먼저, 학습자단말기(100)에서 문제풀이(해답)를 제공받기 원하는 문서화된 문제를 단말기의 카메라로 촬영 후 이미지 형태로 된 문제정보(또는 직접 입력된 문제)를 학습서버(200)로 전송할 수 있다(S10).
학습서버(200)는 전송된 문제정보로부터 OCR 판독에 의해 문제 텍스트를 추출한다(S20).
학습서버(200)는 해당 문제에 대한 문제풀이 동영상을 내부 데이터베이스(270) 또는 동영상 제공 플랫폼(400)과 연계하여 요청함으로써, 검색하거나 검색된 결과를 내부 데이터베이스(270) 또는 동영상 제공 플랫폼(400)으로부터 제공받을 수 있다(S30).
학습서버(200)는 내부 데이터베이스(270) 또는 동영상 제공 플랫폼(400)과 연계하여 상기 검색된 해당 문제에 대한 문제풀이 동영상이 복수 개인 경우, 설정된 우선순위로 검색 결과 리스트를 제공하고, 검색 결과 리스트에서 요청시 해당 문제풀이 동영상을 전송할 수 있다(S40).
학습자단말기(100)는 문제풀이 동영상 재생 후 동영상에 대한 평가정보를 작성하여 학습서버(200)에 제공한다(S50).
학습서버(200)는 평가정보를 저장하여 이후 다른 학습자단말기(100)에 평가정보를 제공할 수 있고, 학습자단말기(100) 요청시 문제풀이 동영상으로 학습한 해당 문제(또는 이전 학습된 문제)와 유사한 추천 문제를 기저장한 데이터베이스(270)로부터 제공할 수 있다.
나아가 학습서버(200)는 문제풀이 동영상을 맞춤형으로 제공하기 위해 학습자 수준을 측정하기 위한 레벨 테스트를 수행한 후 해당 문제에 대한 문제풀이 동영상을 제공할 수 있다. 이를 통해 학습자 수준에 맞는 문제풀이 동영상을 학습자단말기(100)로 제공받을 수 있다.
학습서버(200)에서 이루어지는 레벨 테스트는 학습자단말기(100)로 문제풀이 동영상 요청시 해당 단말기로 학습된 학습 내역을 판단하여 학습 내역이 존재하지 않는 최초에 이루어지는 것이 바람직하며, 이후 주기적으로 학습자의 학습 능력을 고려하여 레벨 테스트가 갱신될 수 있다.
100 ; 학습자단말기
200 ; 학습서버
210 ; 데이터분석부
220 ; 레벨매칭부
230 ; 문항매칭부
240 ; 해답제공부
250 ; 문제추천부
260 ; 합성부
270 ; 데이터베이스
300 ; 통신망
400 ; 동영상 제공 플랫폼

Claims (10)

  1. 적어도 하나의 학습자단말기가 접속 가능하며, 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 학습자의 수준을 테스트하고, 맞춤형 학습 문제풀이 동영상을 제공할 수 있도록 상기 학습자단말기에 문제정보를 제공받고, 해당 문제에 대응한 적어도 하나의 문제풀이 동영상을 제공하며, 해당 문제와 유사한 추천 문제를 데이터베이스에서 검색하여 제공하는 학습서버를 포함하되,
    상기 학습서버는
    상기 문제풀이 동영상 제공시, 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 제작하여 제공하는 것을 특징으로 하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템.
  2. 제1항에 있어서,
    상기 학습자단말기는 상기 문제풀이 동영상 제공 요청시, 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택하고, 선택된 이미지로 강사 이미지가 합성되어 합성 동영상이 제작되도록 상기 학습서버에 요청하는 것을 특징으로 하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템.
  3. 제2항에 있어서,
    상기 학습서버는
    상기 학습자단말기를 통하여 촬영된 문제 이미지 또는 학습자단말기로 직접 입력된 상기 문제정보를 제공받아 해당 문제의 텍스트를 추출하는 데이터분석부;
    학습자의 학습 레벨을 평가하여 학습 레벨 맞춤으로 문제풀이 동영상을 제공받을 수 있도록 레벨 테스트를 수행하는 레벨매칭부;
    상기 데이터분석부에서 추출된 텍스트를 기반으로 문제정보에 포함된 문제를 파악하고, 해당 문제와 동일하거나 유사한 문제들을 데이터베이스에서 검색하는 문항매칭부;
    상기 문항매칭부에서 제공된 문제에 대한 문제풀이 동영상을 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 검색하고, 검색 결과 해당 문제에 대응하는 문제풀이 동영상 또는 합성 동영상을 내부 데이터베이스에서 추출하거나, 상기 동영상 제공 플랫폼으로부터 전송받아 학습자단말기에 제공하는 해답제공부;
    상기 학습자단말기로부터 제공된 문제정보 및 레벨 테스트에 의한 학습자 레벨을 기초로 해당 학습자에게 적합한 추천 문제를 제공하는 문제추천부;
    상기 학습자단말기에서 합성 동영상에 합성을 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택할 수 있도록 제공하고, 선택된 해당 이미지를 문제풀이 동영상의 강사 이미지와 합성 처리하여 합성 동영상을 생성하는 합성부;
    를 더 포함하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템.
  4. 제3항에 있어서,
    상기 합성부는
    딥페이크 기반의 인공지능 알고리즘을 이용하여 상기 합성 동영상을 생성하는 것을 특징으로 하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템.
  5. 제2항에 있어서,
    상기 해답제공부는
    상기 합성 동영상을 학습자단말기에 제공시,
    합성 이미지에 사용된 해당 유명인, 인플루언서 또는 캐릭터에 대한 리워드를 산출하고, 리워드에 해당하는 결제금액을 지불하도록 해당 학습자단말기에 요청하는 것을 특징으로 하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템.
  6. 적어도 하나의 학습자단말기가 접속 가능하며, 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 학습자의 수준을 테스트하고, 합성 동영상을 이용한 학습 문제풀이 동영상을 제공할 수 있도록 상기 학습자단말기에 문제정보를 제공받고, 해당 문제에 대응한 적어도 하나의 문제풀이 동영상을 제공하는 학습서버를 이용한 문제풀이 컨텐츠 제공 방법에 있어서,
    상기 학습자단말기는 문제풀이 동영상을 제공받을 문제정보를 학습서버로 전송하는 단계;
    상기 학습서버는 전송된 문제정보를 기초로 해당 문제에 대한 문제풀이 동영상을 내부 데이터베이스 또는 동영상 제공 플랫폼에 요청하고, 문제풀이 동영상 검색 결과를 내부 데이터베이스 또는 상기 동영상 제공 플랫폼으로부터 제공받는 단계;
    상기 학습서버는 상기 문제풀이 동영상에 상기 학습자단말기에서 요청한 유명인, 인플루언서 또는 캐릭터 이미지를 강사 이미지에 합성한 합성 동영상을 생성하는 단계;
    상기 학습서버는 상기 합성 동영상을 상기 학습자단말기에 제공하는 단계
    를 포함하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 방법.
  7. 제6항에 있어서,
    상기 학습자단말기는 상기 문제풀이 동영상 요청시, 합성을 원하는 유명인, 인플루언서 또는 캐릭터 이미지를 선택하는 단계;
    상기 학습서버는 상기 선택된 유명인, 인플루언서 또는 캐릭터 이미지를 이용하여 해당 문제풀이 동영상에 포함된 강사 이미지에 유명인, 인플루언서 또는 캐릭터 이미지를 합성한 합성 동영상을 생성하는 단계
    를 더 포함하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 방법.
  8. 제7항에 있어서,
    상기 학습자단말기는 상기 문제풀이 동영상 또는 합성 동영상 재생 후 동영상에 대한 평가정보를 작성하여 상기 학습서버에 제공하는 단계;
    상기 학습자단말기 요청시 해당 문제와 유사한 추천 문제를 기저장한 데이터베이스로부터 제공하는 단계;
    를 더 포함하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 방법.
  9. 제6항에 있어서,
    상기 내부 데이터베이스 또는 동영상 제공 플랫폼과 연계하여 검색된 해당 문제에 대한 문제풀이 동영상이 복수 개인 경우, 설정된 우선순위로 검색 결과 리스트를 제공하고, 상기 검색 결과 리스트에서 요청시 해당 문제풀이 동영상을 전송하는 단계;
    를 더 포함하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 방법.
  10. 제6항에 있어서,
    상기 학습서버는 문제풀이 동영상을 제공하기 위해 학습자 수준을 측정하기 위한 레벨 테스트를 수행하는 단계;
    상기 레벨 테스트를 수행한 후 문제정보에 포함된 해당 문제에 대한 문제풀이 동영상을 제공하는 단계
    를 더 포함하는 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 방법.
KR1020200169391A 2020-12-07 2020-12-07 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법 KR20220080365A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200169391A KR20220080365A (ko) 2020-12-07 2020-12-07 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200169391A KR20220080365A (ko) 2020-12-07 2020-12-07 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20220080365A true KR20220080365A (ko) 2022-06-14

Family

ID=81980429

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200169391A KR20220080365A (ko) 2020-12-07 2020-12-07 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20220080365A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116302565A (zh) * 2023-05-06 2023-06-23 北京国联政信科技有限公司 一种数字信息的传输方法，存储介质和电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020000914A (ko) 2000-06-21 2002-01-09 구자홍 솔리드형 구동축의 제조방법 및 제조장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020000914A (ko) 2000-06-21 2002-01-09 구자홍 솔리드형 구동축의 제조방법 및 제조장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116302565A (zh) * 2023-05-06 2023-06-23 北京国联政信科技有限公司 一种数字信息的传输方法，存储介质和电子设备
CN116302565B (zh) * 2023-05-06 2023-08-08 北京国联政信科技有限公司 一种数字信息的传输方法，存储介质和电子设备

Similar Documents

Publication Publication Date Title
Gräve Exploring the perception of influencers vs. traditional celebrities: are social media stars a new type of endorser?
US10210462B2 (en) Video content analysis for automatic demographics recognition of users and videos
CN110263265A (zh) 用户标签生成方法、装置、存储介质和计算机设备
KR20160055930A (ko) 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법
Zhu et al. Measuring individual video qoe: A survey, and proposal for future directions using social media
JP2009537891A (ja) コンテキスト広告／情報のマッピングのヒット率の向上のための広告／情報露出方法及びそれを用いたコンテキスト広告／情報推薦サービスシステム
CN113766299B (zh) 一种视频数据播放方法、装置、设备以及介质
CN110597962A (zh) 搜索结果展示方法、装置、介质及电子设备
US11942116B1 (en) Method and system for generating synthetic video advertisements
Nguyen et al. Check out this place: Inferring ambiance from airbnb photos
KR20220080365A (ko) 합성 동영상을 이용한 학습 문제풀이 컨텐츠 제공 시스템 및 방법
CN115358807A (zh) 物品的推荐方法和装置、存储介质及电子设备
US20230316106A1 (en) Method and apparatus for training content recommendation model, device, and storage medium
CN116956183A (zh) 多媒体资源推荐方法、模型训练方法、装置及存储介质
CN116980665A (zh) 一种视频处理方法、装置、计算机设备、介质及产品
CN116611891A (zh) 内容信息的推荐方法、装置、服务器及存储介质
KR102438104B1 (ko) 맞춤형 학습 문제풀이 컨텐츠 제공 시스템, 방법 및 컴퓨터 프로그램
NL2014112B1 (en) Method and computer system for generating a database of movie metadata relating to a plurality of movies, and in-stream video advertising using the database.
CN113821677A (zh) 一种生成封面图像的方法、装置、设备及存储介质
KR20220113221A (ko) 영상 소스 데이터 거래 방법 및 시스템
Maharso et al. Attention Economy in Video Streaming Application: Avatar Interaction in YouTube Video Content Monetization
KR20200128222A (ko) 인공지능을 이용한 성과 기반 콘텐츠 스타일 추천방법
KR20220031488A (ko) 광고 매칭 서버 및 방법
CN115391651A (zh) 基于cookie和标签的戏剧短视频推荐方法及系统
CN116167798A (zh) 一种数据处理方法、计算机设备以及可读存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E601 Decision to refuse application
E801 Decision on dismissal of amendment