KR20220087442A

KR20220087442A - 증강 현실 컴퓨터 기술을 사용한 리스팅들의 생성의 자동화

Info

Publication number: KR20220087442A
Application number: KR1020227012731A
Authority: KR
Inventors: 병목 오
Original assignee: 머캐리, 인크.
Priority date: 2019-09-16
Filing date: 2020-09-16
Publication date: 2022-06-24
Also published as: US11682068B2; WO2021055472A1; EP4032058A1; US20230274340A1; JP2022547880A; AU2020349488A1; WO2021055472A8; US20210082037A1; EP4032058A4; CA3154482A1

Abstract

전자 상거래 사이트 상에서 판매용 객체들(FSO)을 판매하기 위한 일관된 고품질 리스팅들의 생성을 자동화하기 위해 컴퓨터 기술을 사용하기 위한 시스템, 장치, 제조물, 방법 및/또는 컴퓨터 프로그램 제품 실시예들, 및/또는 이들의 조합들 및 하위 조합들이 본 명세서에서 제공된다. 일부 실시예들은 FSO의 카테고리를 식별하고; 템플릿 데이터베이스로부터 카테고리에 대한 템플릿들에 액세스하고; FSO의 이미지들을 생성하기 위해 템플릿들을 사용하여 컴퓨터 생성 증강 현실(AR) 환경을 통해 사용자를 내비게이팅하고; FSO의 특성들을 결정하기 위해 이미지들 중 하나 이상을 분석하고; 이미지들 및 특성들을 사용하여 FSO에 대한 리스팅을 생성하도록 구성되거나 그에 의해 동작한다. 일부 실시예들에서, 템플릿들은 이력 데이터베이스로부터의 카테고리의 특정 과거 리스팅들로부터 생성되고, 특정 과거 리스팅들은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상에 기초하여 선택된다.

Description

증강 현실 컴퓨터 기술을 사용한 리스팅들의 생성의 자동화

관련 출원들에 대한 상호 참조

본 출원은 2019년 9월 16일자로 출원된 "Automating The Creation Of Listings Using Augmented Reality Computer Technology"라는 명칭의 미국 가출원 제62/900,764호(대리인 사건 번호 4223.0120000) 및 2020년 1월 27일자로 출원된 "Automating The Creation Of Listings Using Augmented Reality Computer Technology"라는 명칭의 미국 특허 출원 제16/773,177호(대리인 사건 번호 4223.0120001)에 대한 우선권을 주장하며, 이들 양 출원은 그 전체가 본 명세서에 참고로 포함된다.

기술분야

이 개시내용은 일반적으로 전자상거래 사이트에 대한 리스팅들의 생성을 자동화하기 위한 증강 현실 시스템의 사용에 관한 것이다.

MERCARI, EBAY, AMAZON, POSHMARK, LETGO, CRAIGSLIST 등과 같이, 사용자들이 자신들의 원치 않는 아이템들을 판매할 수 있는 다수의 전자상거래 사이트들이 존재한다. 통상적으로, 이러한 사이트들에서 판매하기 위해, 사용자들은 판매를 위해 자신들의 아이템들을 제공하기 위한 리스팅들을 수동으로 생성해야 한다. 이러한 리스팅들의 품질은 크게 변동될 수 있고, 리스팅들을 생성하는 사용자의 경험, 사용자가 아이템에 대해 가지는 정보(제조사, 모델, 브랜드, 크기, 컬러, 특징들 등), 사용자의 사진 촬영 스킬들, 리스팅을 생성할 때에 사용자가 서두르는지 여부, 사용자가 이 유형의 아이템을 판매하기 위하여 시도한 것이 처음인지 여부 등과 같은 다수의 인자들에 종속될 수 있다. 잘 구성된 리스팅은 연관된 아이템이 판매될 가능성을 증가시킬 것이므로, 컴퓨터 기술이 리스팅들의 품질을 향상시키고 표준화하기 위해 이용될 수 있다면 유리할 것이다.

전자 상거래 사이트 상에서 "판매용 객체들"(for sale objects)(FSO)을 판매하기 위한 일관된 고품질 리스팅들의 생성을 자동화하기 위해 컴퓨터 기술을 사용하기 위한 시스템, 장치, 제조물, 방법 및/또는 컴퓨터 프로그램 제품 실시예들, 및/또는 이들의 조합들 및 하위 조합들이 본 명세서에서 제공된다. 실시예에서, 컴퓨터 기술은 리스팅들을 생성하기 위한 증강 현실(AR) 경험을 사용자들에게 제공한다. 컴퓨터 기술은 인공 지능(AI) 및 머신 학습 컴퓨팅 기술들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 이용하여 시간 경과에 따라 AR 경험을 향상 및 개선한다.

일부 실시예들은 FSO의 카테고리를 식별하고; 템플릿 데이터베이스로부터 카테고리에 대한 템플릿들에 액세스하고; FSO의 이미지들을 생성하기 위해 템플릿들을 사용하여 컴퓨터 생성 증강 현실(AR) 환경을 통해 사용자를 내비게이팅시키고; FSO의 특성들을 결정하기 위해 이미지들 중 하나 이상을 분석하고; 이미지들 및 특성들을 사용하여 FSO에 대한 리스팅을 생성하도록 구성되거나 그에 의해 동작한다. 일부 실시예들에서, 템플릿들은 이력 데이터베이스로부터의 카테고리의 특정 과거 리스팅들로부터 생성되고, 특정 과거 리스팅들은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상에 기초하여 선택된다.

일부 실시예들은 또한 리스팅을 추적하고, AI 및 ML 기술을 사용하여 카테고리에 대한 템플릿들을 개선하기 위해 추적으로부터 획득된 정보를 사용하도록 구성되거나 그에 의해 동작할 수 있다.

일부 실시예들은 카테고리에 대한 템플릿들을 생성하도록 더 구성되거나 그에 의해 동작할 수 있으며, 그러한 템플릿들은: 카테고리에 대해, 이력 데이터베이스로부터 성공적인 리스팅들을 선택하는 단계 - "성공적인"은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상을 사용하여 정의됨 -; 선택된 리스팅들에서 공통 사진들을 식별하는 단계; 및 공통 사진들을 사용하여 템플릿들을 생성하는 단계에 의해 생성된다.

첨부 도면들은 본 명세서에 포함되고 본 명세서의 일부를 형성한다.
도 1은 일부 실시예들에 따라 사용자들이 아이템들 및 서비스들을 구매 및 판매할 수 있는 전자상거래 사이트를 포함하는 컴퓨팅 환경의 블록도를 예시하며, 이러한 아이템들/서비스들은 본원에서 "판매용 객체들"(FSO)이라 명명된다.
도 2a-2k는 일부 실시예들에 따라 전자상거래 사이트 상에서 FSO들을 판매하기 위한 일관된 고품질 리스팅들의 생성을 용이하게 하기 위해 컴퓨터 기술을 사용하여 구현되는 증강 현실 경험을 집합적으로 예시한다.
도 3은 일부 실시예들에 따른, 증강 현실 경험을 통해 FSO들을 판매하기 위한 일관된 고품질 리스팅들의 생성을 자동화하는 흐름도를 예시한다.
도 4는 일부 실시예들에 따른, 인공 지능 및 머신 학습 컴퓨터 기술을 사용하여 템플릿들을 생성하고 개선시키기 위한 플로차트를 예시하며, 여기서 템플릿들은 본 명세서에서 설명되는 증강 현실 경험을 구현하는 데 사용된다.
도 5는 다양한 실시예들을 구현하는 데 유용한 예시적인 컴퓨터 시스템을 나타낸다.
도면들에서, 유사한 참조 번호들은 일반적으로 동일하거나 유사한 요소들을 나타낸다. 또한, 일반적으로, 참조 번호의 가장 왼쪽 숫자(들)는 참조 번호가 처음 나타나는 도면을 식별한다.

전자 상거래 사이트 상에서 "판매용 객체들"(FSO)을 판매하기 위한 일관된 고품질 리스팅들의 생성을 자동화하기 위해 컴퓨터 기술을 사용하기 위한 시스템, 장치, 제조물, 방법 및/또는 컴퓨터 프로그램 제품 실시예들, 및/또는 이들의 조합들 및 하위 조합들이 본 명세서에서 제공된다. 실시예에서, 컴퓨터 기술은 리스팅들을 생성하기 위한 증강 현실(AR) 경험을 사용자들에게 제공한다. 컴퓨터 기술은 인공 지능(AI) 및 머신 학습 컴퓨팅 기술들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 이용하여 시간 경과에 따라 AR 경험을 향상 및 개선한다.

FSO들은 사용자가 전자상거래 사이트를 통해 판매하기를 원하는 임의의 아이템, 제품, 객체, 물품, 사물, 피스, 컴포넌트, 서브-컴포넌트, 조합, 상품, 재고, 및/또는 서비스일 수 있다. 전자 상거래 사이트에서 아이템들을 판매할 때, 사용자는 때때로 "판매자"라고 불린다. 전자 상거래 사이트에서 아이템들을 구매할 때, 사용자는 때때로 "구매자"라고 불린다. 주어진 사용자는, 상이한 시간들에, 구매자, 판매자, 또는 동시에 구매자 및 판매자일 수 있다는 점에 유의한다.

도 1은 일부 실시예들에 따라, 판매자들(122)이 자신의 FSO들(124)을 판매할 수 있고, 구매자들(126)이 FSO들(124)을 구매할 수 있는 전자상거래 사이트(104)를 포함하는 컴퓨팅 환경(102)의 블록도를 예시한다. 판매자들(122) 및 구매자들(126)은 인터넷(120)을 통해 전자상거래 사이트(104)에 액세스할 수 있다.

전자상거래 사이트(104)는 복수의 리스팅들(110)을 저장하는 리스팅 데이터베이스(108)를 포함할 수 있다. 리스팅들(110)은 전자상거래 사이트(104) 상에서 이들의 각자의 FSO들(124)을 판매하기 위해 판매자들(122)에 의해 생성될 수 있다. 그렇게 하기 위해, 일부 실시예들에 따르면, 판매자들(122)은 증강 현실(AR) 리스팅 생성 모듈(106)과 상호작용할 수 있으며, 이는 판매자들(122)이 판매자들(122)의 지식, 기술 또는 경험에 관계없이, 보다 일관성있는 보다 고품질의 리스팅들을 자동화된 방식으로 생성할 수 있게 한다.

일부 실시예들에서, AR 리스팅 생성 모듈(106)은 템플릿 데이터베이스(114)에 저장된 템플릿들로 동작할 수 있다. 템플릿들은 템플릿 생성 모듈(116)에 의해 생성되고 업데이트될 수 있다.

FSO들(124)은, 단지 일부 예를 들자면, 스마트폰, APPLE MACBOOK, 정원 도구, 남성용 벨트, 오토바이, 사무실 책상, 여성용 가방, 및 만화책과 같은 카테고리와 각각 연관될 수 있다. 이러한 카테고리들은 카테고리 데이터베이스(112)에 저장된다.

리스팅들(110) 각각은 판매가능성 모듈(119)에 의해 생성된 판매가능성 점수를 가질 수 있다. 판매가능성 점수는 주어진 FSO(124)가 전자상거래 사이트(104) 상에서 판매될 가능성의 척도이다. 예를 들어, 주어진 FSO(124)에 대한 판매가능성 점수는 0과 1 사이의 숫자일 수 있으며, 그 숫자는 FSO(124)가 주어진 시간 기간 내에 전자상거래 사이트(104) 상에서 판매될 가능성을 표시한다.

판매가능성 모듈(119)이 주어진 FSO(124)에 대한 판매가능성 점수를 생성하는 데 사용할 수 있는 정보는 이미지(들)의 수, 이미지(들)의 품질 등과 같은, 그러나 이에 제한되지 않는, 연관된 리스팅(110) 내의 이미지들과 연관된 정보를 포함할 수 있다.

판매가능성 모듈(119)이 판매가능성 점수를 생성하는 데 사용할 수 있는 다른 정보는 FSO(124)와 연관된 가격(즉, FSO(124)가 판매를 위해 제안되고 있는 가격)을 포함할 수 있다. 예를 들어, 판매가능성 모듈(119)은 판매가능성 점수를 결정할 시에 FSO(124)와 유사한 아이템들의 MSRP(Manufacturer's Suggested Retail Price)와 가격을 비교할 수 있다.

판매가능성 모듈(119)이 판매가능성 점수를 생성하는 데 사용할 수 있는 추가적인 정보는 FSO(124)와 연관된 리스팅(110) 내의 설명 정보를 포함할 수 있다.

판매가능성 모듈(119)이 판매가능성 점수를 생성할 시에 사용할 수 있는 다른 정보는 FSO(124)와 연관된 특징들(features)을 포함할 수 있다. 예시적인 특징들은 카테고리, 브랜드, 제조사, 모델, 제조자, 구성, 맞춤화, 컬러, 일련 번호, 조건 표시자들(예를 들어, 불량, 중고, 신품 같음, 신품), 지리적 위치 등을 포함할 수 있지만, 이에 제한되지 않는다.

판매가능성 모듈(119)은 또한 FSO(124)에 대한 판매가능성 점수를 생성할 때, FSO(124)의 판매자(122)와 연관된 정보와 같은 (그러나 이에 제한되지는 않음) 다른 정보를 고려할 수 있다.

판매가능성 점수들을 생성하고 사용하기 위한 실시예들은 "Determining Sellability Score And Cancellability Score"라는 명칭으로 2019년 2월 28일자로 출원된 미국 특허 출원 제16/288,158호, 대리인 사건 번호 4223.0030001에 더 설명되며, 이는 그 전체가 본 명세서에 참조로 포함되며, 이러한 실시예들 중 임의의 것이 판매가능성 모듈(119)을 위해 본 명세서에 사용될 수 있다.

전자상거래 사이트(104)는 이력 정보(118)의 데이터베이스를 포함할 수 있다. 이력 정보(118)는 판매된 또는 판매되지 않은 리스팅들(110), 최고 가격들에 대해 판매된 리스팅들(110), 최단 시간량들 내에 판매된 리스팅들(110), (판매가능성 모듈(119)에 의해 결정되는 바와 같은) 최고 판매가능성 점수들을 가지는 리스팅들, 원래 가격 및 할인 판매 가격, (제조사, 모델, 브랜드, 사이즈, 컬러, 제조자, 손상, 연도 등과 같은) 연관된 FSO들(124)의 설명들, 각각의 리스팅(110)의 뷰들의 수, 각각의 리스팅(110)에 대한 제안들의 수 및 양뿐만 아니라, 리스팅들(110)이 전자상거래 사이트(104) 상에서 활성인 동안(즉, 판매 또는 취소 이전에) 원래 리스팅들(110)에 포함되거나 전자상거래 사이트(104)에 의해 추적되고 수집되는 임의의 다른 정보에 관한 정보를 저장할 수 있다.

도 2a-2k는 일부 실시예들에 따라, 판매자들(122)이 전자상거래 사이트(104) 상에서 그들 각자의 FSO들(124)을 판매하기 위해 리스팅들(110)을 생성하는 것을 돕기 위해, AR 리스팅 생성 모듈(106)에 의해 제공되는 AR 경험의 예들을 예시한다. 이러한 AR 경험은 판매자들(122)이, 자동화된 방식으로, 보다 일관성있는 보다 고품질의 리스팅들(110)을 생성하여 그들의 FSO들(124)이 전자상거래 사이트(104) 상에서 판매될 가능성을 향상시킬 수 있게 하는 기술적 접근 및 솔루션이다.

도 2a는, 예를 들어, 판매자(122A)가 판매하고자 하는 여성용 가방(210)을 나타낸다. 따라서, 가방(210)은 FSO(124A)를 나타낸다. 판매자(122A)는 전자상거래 사이트(104) 상에서 판매를 위한 가방(210)을 제공하기 위해, 가방(210)에 대한 리스팅(110)을 생성하기를 원한다. 이를 위해, 일부 실시예들에서, 판매자(122A)는, 그녀의 스마트폰(204)(또는 노트북 컴퓨터들, 태블릿들, 웨어러블들, 사물 인터넷(IOT, Internet of Things) 디바이스들, 가전제품들 등과 같은, 사진 촬영 기능과 앱을 실행할 능력을 갖는 다른 컴퓨터 디바이스)의 카메라 앱을 가방(210)에 포인팅한다. 이것은, 가방(210)의 이미지(214A)가 스마트폰(204)의 카메라 디스플레이(206)에 디스플레이되는 도 2a의 예에 도시되어 있다.

일부 실시예들에서, AR 리스팅 생성 모듈(106)은 FSO(124A)(즉, 가방(210))의 카테고리를 식별하기 위해 이미지 인식 기법들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 사용하여 이미지(214A)를 분석할 수 있다. FSO들(124)의 카테고리를 자동으로 식별하기 위한 예시적인 실시예들은 2019년 2월 28일자로 출원된 "Probabilistic Item Matching And Searching"이라는 명칭의 미국 특허 출원 제16/288,379호, 대리인 참조 번호 4223.0010001에서 제공되며, 이는 그 전체가 본 명세서에 참조로 포함되며, 이들 실시예들 중 임의의 실시예는 FSO들(124)의 카테고리를 자동으로 결정하기 위해 본 명세서에 사용될 수 있다.

또한 또는 대안적으로, AR 리스팅 생성 모듈(106)은 판매자(122A)가 판매하기를 원하는 FSO(124A)의 카테고리를 제공하거나, AR 리스팅 생성 모듈(106)에 의해 제안된 카테고리를 확인하도록 판매자(122A)에게 요청하는 프롬프트를 윈도우(208)에서 제공할 수 있다. 판매자(122A)는 스마트폰(204)의 키보드를 사용함으로써 또는 임의의 다른 수단을 통해, 예컨대 스마트폰(204) 내의 음성 인식 모듈들(도시되지 않음)에 의해 처리되는 음성 입력을 통해 카테고리를 제공할 수 있다. 카테고리는 카테고리 데이터베이스(112)에 저장된 것이다.

FSO(124A)의 카테고리가 식별되면(이 경우, "여성의 핸드백"일 수 있음), AR 리스팅 생성 모듈(106)은 템플릿 데이터베이스(114)로부터 카테고리와 연관된 템플릿들을 검색할 수 있다. 템플릿들은 각각의 카테고리에 대해 맞춤화되고, 주어진 카테고리의 FSO들(124)을 판매하는 데 유용한 것으로 이력 데이터베이스(118) 내의 이력 정보를 통해 결정된 FSO(124A)의 고품질 사진들을 획득하기 위해 증강 현실(AR) 경험을 통해 판매자(122A)를 내비게이팅시키는 데 사용될 수 있다. 이러한 사진들은 이후 전자 상거래 사이트(104) 상에서 FSO(124A)를 판매하기 위한 리스팅(110)을 자동으로 생성하기 위해 사용될 수 있다.

도 2a는 제1 템플릿(216A)을 도시한다. 전술한 바와 같이 템플릿들(216)은 각각의 카테고리에 맞게 맞춤화된다. 그리고, 도 2a의 예에 도시된 바와 같이, 제1 템플릿(216A)은 가방(210)의 2차원 윤곽선이다. 이것은 템플릿(216A)(뿐만 아니라 도 2b 내지 도 2i에 도시된 다른 템플릿들(216))이 생성되어 FSO(124A)의 범주에 맞게 맞춤화되었다는 것을 예시한다. 템플릿들(216)의 생성은 도 4를 참조하여 아래에 설명될 것이다.

여전히 도 2a를 참조하면, AR 리스팅 생성 모듈(106)은, (이미지 처리 기술들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 통해) 이미지(214A)가 템플릿(216A)보다 작다는 것을 인식한다. 따라서, AR 리스팅 생성 모듈(106)은 가방(210)에 더 가깝게 이동(또는 사진을 줌인)하라는 지시들을 윈도우(208)에서 판매자(122A)에게 제공할 수 있다. 판매자(122A)가 이 동작을 취하면, 가방(210)의 이미지(214B)는 도 2b에 도시된 바와 같고, 여기서, 이미지(214B)의 크기는 템플릿(216A)의 경계와 더욱 근접하게 정렬되도록 증가되었다.

AR 리스팅 생성 모듈(106)은 그 다음으로, 사진을 촬영할 것을 (윈도우(208)에서의 메시지를 통해) 판매자(122A)에게 지시할 수 있다. 대안적으로, 이미지(214B)가 템플릿(216A)의 경계와 실질적으로 정렬되었다는 것을 검출할 시에, AR 리스팅 생성 모듈(106)은 사진을 촬영할 것을 스마트폰(204)에서의 카메라 앱에 명령할 수도 있다. 그렇게 함에 있어서, AR 리스팅 생성 모듈(106)은 가방(210)의 고품질 사진을 촬영하기 위하여 (포커스, 셔터 속도, 조리개, ISO, 화이트 밸런스, 플래시 등과 같은) 카메라 세팅들을 자동으로 조절할 수 있다.

그 다음, AR 리스팅 생성 모듈(106)은 가방(210)의 추가 사진을 촬영하기 위해 일련의 템플릿들(216)을 통해 판매자(122A)를 계속 내비게이팅시킬 수 있다. 전술된 바와 같이, 템플릿들(216)은 각각의 카테고리에 대해 맞춤화된다. 주어진 카테고리에 대한 템플릿들(216)은 AR 리스팅 생성 모듈(106)에 의해 이러한 카테고리의 아이템들을 판매하는 데 유용하고 효과적인 것으로 결정된 FSO(124)의 뷰들을 나타낸다. 일부 실시예들에서, AR 리스팅 생성 모듈(106)은 전자상거래 사이트(104) 상에서 과거에 판매된 그 카테고리의 리스팅들(110)을 분석함으로써 주어진 카테고리에 대한 뷰들(즉, 템플릿들(216))을 결정할 수 있다. 이러한 "판매된" 리스팅들(110)은 이력 데이터베이스(118)에 저장될 수 있다. 이 동작은 도 4를 참조하여 이하에서 더 설명된다.

도 2c는 "여성용 핸드백" 카테고리에 대한 제2 예시적인 템플릿(216B)을 도시한다. 제2 템플릿(216B)은 여성용 핸드백의 2차원 측면도이다. AR 리스팅 생성 모듈(106)은 카메라 디스플레이(206) 내의 이미지(214C)가 제2 템플릿(216B)에 들어맞을 때까지 가방(210)을 회전 및 위치시킬 것을 (윈도우(208) 내의 메시지를 통해) 판매자(122A)에게 지시할 수 있다.

판매자(122A)가 이 액션을 취하면, 가방(210)의 이미지(214D)는 도 2d에 도시된 바와 같고, 여기서, 가방(210)은 이미지(214D)가 제2 템플릿(216B)과 정렬되도록 회전 및 위치되었다. AR 리스팅 생성 모듈(106)은 그 다음으로, 사진을 촬영할 것을 (윈도우(208)에서의 메시지를 통해) 판매자(122A)에게 지시할 수 있다. 대안적으로, 이미지(214D)가 템플릿(216B)의 경계에 접근하였다는 것을 검출할 시에, AR 리스팅 생성 모듈(106)은 위에서 설명된 바와 같이, 사진을 촬영할 것을 스마트폰(204)에서의 카메라 앱에 명령할 수도 있다.

도 2e는 "여성용 핸드백" 카테고리에 대한 제3의 예시적인 템플릿(216C)을 도시한다. 제3 템플릿(216C)의 목적은 가방(210)의 라벨(217)의 사진을 촬영하는 것일 수 있다. 따라서, AR 리스팅 생성 모듈(106)은 라벨(217)이 카메라 디스플레이(206) 상의 제3 템플릿(216C) 내에 있도록 (윈도우(208) 내의 메시지를 통해) 판매자(122A)에게 가방(210)을 열고 가방(210) 위에 스마트폰(204)을 위치시킬 것을 지시할 수 있다.

판매자(122A)가 이 액션을 취하면, 가방(210)의 이미지(214E)는 도 2f에 도시된 바와 같고, 여기서, 가방(210)의 라벨(217)은 제3 템플릿(216C) 내에 있고 이와 정렬된다. AR 리스팅 생성 모듈(106)은 그 다음으로, 사진을 촬영할 것을 (윈도우(208)에서의 메시지를 통해) 판매자(122A)에게 지시할 수 있다. 대안적으로, 템플릿(216C) 내의 라벨(217)을 검출할 시에, AR 리스팅 생성 모듈(106)은 위에서 설명된 바와 같이, 사진을 촬영할 것을 스마트폰(204)에서의 카메라 앱에 명령할 수 있다.

일부 실시예들에서, AR 리스팅 생성 모듈(106)은 잘 알려진 이미지 처리 및 광학 문자 인식(OCR) 기법들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 사용하여 라벨(217) 상의 정보를 검출하고 인식할 수 있다. 이러한 정보는 FSO(124A)(즉, 가방(210))에 관련된 제조자, 모델, 브랜드, 디자이너, 사이즈, 생산 연도 및 위치, 컬러, 및/또는 다른 정보를 포함할 수 있다. AR 리스팅 생성 모듈(106)은 FSO(124A)에 대한 리스팅(110)에서 이 정보의 일부 또는 전부를 포함할 수 있다.

도 2g는 "여성용 핸드백" 카테고리에 대한 제4의 예시적인 템플릿(216D)을 도시한다. 제4 템플릿(216D)은 여성용 핸드백의 3차원 뷰이다. AR 리스팅 생성 모듈(106)은, 카메라 디스플레이(206) 내의 이미지(214F)가 제4 템플릿(216D)과 정렬될 때까지 스마트폰(204) 및/또는 가방(210) 중 어느 하나를 위치시킬 것을 (윈도우(208) 내의 메시지를 통해) 판매자(122A)에게 지시할 수 있다.

판매자(122A)가 이 액션을 취하면, 가방(210)의 이미지(214F)는 도 2h에 도시된 바와 같으며, 여기서 스마트폰(204) 및/또는 가방(210)은 이미지(214F)가 카메라 디스플레이(206) 내의 제4 템플릿(216D)과 정렬되도록 위치되었다. 그러나, 도 2h에 도시된 바와 같이, 카메라 디스플레이(206)는 또한 꽃병(220)의 꽃의 이미지(222)를 포함한다. 이 꽃 이미지(222)는 생성되는 리스팅(110)을 손상시킬 수 있는 배경 내의 아이템들(때때로 본 명세서에서 "배경 잡음"이라고 함)을 나타낸다.

일부 실시예들에서, AR 리스팅 생성 모듈(106)은 임의의 고주파수 이미지 엘리먼트들이 현재의 템플릿 외부에(즉, 제4 템플릿(216D) 외부에) 존재하는지를 검출하기 위해 널리 공지된 이미지 처리 기법들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 이용함으로써 배경 잡음의 존재를 검출할 수 있다. 존재하는 경우, AR 리스팅 생성 모듈(106)은 카메라 디스플레이(206)가 배경 잡음을 포함한다고 결론지을 수 있다. 이 경우, AR 리스팅 생성 모듈(106)은 FSO(124A) 이외의 카메라 디스플레이(206)에서의 임의의 객체들을 제거하도록 (윈도우(208)에서의 메시지를 통해) 판매자(122A)에게 지시할 수 있다. 추가적으로 또는 대안적으로, AR 리스팅 생성 모듈(106)은 배경 잡음을 자동으로 제거하기 위하여 카메라 디스플레이(206)에서의 이미지를 처리할 수 있다. 이것은 임의의 적절한 이미지 및/또는 필터링 처리 기술들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 사용하여, 예를 들어 양방향 필터(들)의 이용을 통해서 이루어질 수 있다.

배경 잡음이 제거된 이후, 가방(210)의 이미지(214F)는 도 2i에 도시된 바와 같다. AR 리스팅 생성 모듈(106)은 이후 (윈도우(208) 내의 메시지를 통해) 판매자(122A)에게 사진을 촬영하도록 지시할 수 있다. 대안적으로, AR 리스팅 생성 모듈(106)은 위에서 설명된 바와 같이, 사진을 촬영할 것을 스마트폰(204)에서의 카메라 앱에 명령할 수 있다.

일부 실시예들에서, AR 리스팅 생성 모듈(106)은 널리 공지된 이미지 처리 기법들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어 및/또는 다른 기술을 사용하여 이미지(214F)를 분석하여 가방(210)의 치수들을 결정할 수 있다. 이러한 널리 공지된 기술의 예는 APPLE MEASURE 앱이다. 이러한 처리의 예가 도 2j에 도시되어 있고, 여기서 가방(210)의 이미지(214F)는 치수 정보로 주석이 달려 있다. AR 리스팅 생성 모듈(106)은 이 주석이 달린 이미지(214F)를 가방(210)에 대한 리스팅(110)에 포함할 수 있다.

또한 또는 대안적으로, AR 리스팅 생성 모듈(106)은 (226으로서 도시된) 가방(210)을 잡고 있는 여성(224)의 새로운 이미지(250)(도 2k 참조)를 생성할 수 있다. 이 새로운 이미지(250)에서, 도 2j로부터의 주석이 달린 이미지(214F)는 가방(210) 및 평균 크기의 여성(224)의 치수에 기초하여 스케일링되었다. AR 리스팅 생성 모듈(106)은 리스팅(110)에 이 새로운 이미지(250)를 포함할 수 있다.

따라서, 판매자(122A)를 FSO(124)의 카테고리와 연관된 템플릿들(216)을 통해 내비게이팅함으로써, AR 리스팅 생성 모듈(106)은 리스팅(110)에서의 포함을 위하여 FSO(124)에 관한 사진들 및 정보를 획득할 수 있다. 위에서 언급된 바와 같이, 템플릿들(216)은 카테고리에 대하여 맞춤화되고, 이러한 카테고리의 아이템들을 판매하기 위하여 유용하고 효과적인 것으로 AR 리스팅 생성 모듈(106)에 의해 결정되었다. 따라서, 혁신적인 기술의 이용을 통해, 이 개시내용은 리스팅들을 생성하는 판매자(122)의 기술, 지식 및/또는 경험, 및/또는 전형적으로 리스팅들이 일관되지 않고 및/또는 저품질이 되게 하는 (본 명세서에서 설명된) 다른 인자들에 관계 없이 일관된 고품질인 리스팅들(110)을 자동으로 생성할 수 있는 실시예들을 설명한다. 그 결과, 판매자들은 그들의 FSO들(124)이 전자상거래 사이트(104) 상에서 판매될 더 큰 가능성을 가질 것을 보장받는다. 또한, 관련 기술분야의 통상의 기술자라면 이해하는 바와 같이, 템플릿들(216)은 컴퓨터 생성된 이미지들을 사용자의 현실 세계의 뷰 상에 중첩시키도록 동작하기 때문에, AR 리스팅 생성 모듈(106)은 컴퓨팅 기술을 사용하여 전술된 내용을 가능케하기 위한 증강 현실 환경을 효과적으로 생성한다.

도 3은 일부 실시예들에 따른, 증강 현실 경험을 통해 FSO들(124)을 판매하기 위한 일관된 고품질 리스팅들(110)의 생성을 자동화하는 방법(302)에 대한 흐름도를 예시한다. 방법(302)은 하드웨어(예로서, 회로, 전용 로직, 프로그래밍 가능 로직, 마이크로코드 등), 소프트웨어(예로서, 처리 디바이스 상에서 실행되는 명령어들) 또는 이들의 조합을 포함할 수 있는 처리 로직에 의해 수행될 수 있다. 본 명세서에 제공된 개시내용을 수행하기 위해 모든 단계들이 필요하지는 않을 수 있다는 것을 알아야 한다. 또한, 이 분야의 통상의 기술자가 이해하듯이, 단계들 중 일부는 동시에 또는 도 3에 도시된 것과 다른 순서로 수행될 수 있다.

방법(302)은 도 1 및 도 2a 내지 도 2k를 참조하여 설명될 것이다. 그러나, 방법(302)은 이들 예시적인 실시예들로 제한되지 않는다.

304에서, AR 리스팅 생성 모듈(106)은 판매자(122A)가 판매하기를 원하는 FSO(124A)의 카테고리를 식별할 수 있다. 일부 실시예들에서, 이것은 FSO(124A)의 사진을 촬영하는 판매자(122A)에 의해 달성될 수 있다. 그 다음으로, AR 리스팅 생성 모듈(106)은 위에서 설명된 바와 같이, FSO(124A)의 카테고리를 식별하기 위하여 이미지 인식 기법들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어, 및/또는 다른 기술을 사용하여 이미지(214A)를 분석할 수 있다. 예시의 목적을 위해, 도 2a의 가방(210)은 FSO(124A)라고 가정한다.

306에서, AR 리스팅 생성 모듈(106)은 식별된 카테고리와 연관된 템플릿 데이터베이스(114)로부터의 템플릿들에 액세스할 수 있다. 전술한 바와 같이 템플릿은 식별된 카테고리에 맞게 맞춤화된다.

308에서, AR 리스팅 생성 모듈(106)은 FSO(124A)의 고품질 사진들을 획득하기 위하여 템플릿들을 통해 판매자(122A)를 내비게이팅할 수 있다. 이것의 예들은 도 2a 내지 2k와 관련하여 위에서 설명되었다.

310에서, AR 리스팅 생성 모듈(106)은 제조사, 모델, 브랜드, 크기, 컬러, 제조자, 손상, 연도 등과 같은 FSO(124A)의 특성들을 획득하고 결정하기 위해 사진들의 일부 또는 전부를 분석할 수 있다. 예를 들어, AR 리스팅 생성 모듈(106)은 도 2e 및 2f와 관련하여 위에서 설명된 바와 같이, 가방(210)의 태그(217)를 분석할 수 있다. 또한 또는 대안적으로, 312에 의해 표시된 바와 같이, AR 리스팅 생성 모듈(106)은 FSO(124A)의 치수들을 결정하고, (도 2j 및 2k에 대해 전술된 바와 같이) 치수 정보를 사용하여 하나 이상의 이미지를 생성할 수 있다.

314에서, AR 리스팅 생성 모듈(106)은 308 및 312에서 생성된 이미지들 및 사진들, 및 310에서 획득된 FSO(124A)에 관한 정보를 사용하여 FSO(124A)에 대한 리스팅(110)을 자동으로 생성할 수 있다.

일부 실시예들에서, AR 리스팅 생성 모듈(106)은 또한 이력 데이터베이스(118)에 포함된 동일하거나 유사한 FSO들(124)의 과거 리스팅들의 이력 정보에 기초하여 FSO(124A)에 대한 제시된 제안 가격을 생성할 수 있다. 예를 들어, AR 리스팅 생성 모듈(106)은 특정 과거 리스팅들의 평균 판매 가격을 제시된 제안 가격으로서 사용할 수 있고, 여기서 특정 과거 리스팅들은 최고 판매 가격, 최단 판매 시간, 제안들의 수, 초기 제안 가격과 최종 판매 가격 간의 차이 등의 임의의 조합에 기초하여 선택된다. FSO들(124)에 대한 제시된 제안 가격들을 생성하기 위한 실시예들은 2019년 2월 28일 출원된, "Inventory Ingestion And Pricing System"이라는 명칭의 미국 특허 출원 제16/288,203호, 대리인 참조 번호 4223.0110001에 기술되어 있으며, 그 전체가 참조로 본 명세서에 포함되며, 이러한 실시예들 중 임의의 것이 본 명세서에 사용될 수 있다.

316에서, AR 리스팅 생성 모듈(106)은 리스팅(110)을 검토 및 편집을 위하여 판매자(122A)에게 디스플레이할 수도 있다.

318에서, 판매자(122A)가 리스팅(110)을 편집하고 승인한 이후, 리스팅(110)은 리스팅 데이터베이스(108)에 추가될 수 있고, 전자상거래 사이트(104) 상에 게시될 수 있다. 그 시점에서, 리스팅(110)은 활성이고 구매자들(126)에 의해 브라우징되고 구매될 수 있다.

320에서, AR 리스팅 생성 모듈(106)은 리스팅(110)이 전자상거래 사이트(104) 상에서 활성인 동안 그것을 추적할 수 있다. 리스팅(110)을 추적하는 동안에 수집된 정보를 사용하여, (템플릿 생성 모듈(116)과 함께 작동하는) AR 리스팅 생성 모듈(106)은 FSO(124A)와 연관된 카테고리의 템플릿들(216)을 개선시키기 위하여 AI 및 ML 컴퓨팅 기법들, 알고리즘들, 방법들, 모듈들, 컴포넌트들, 소프트웨어, 및/또는 다른 기술을 이용할 수도 있다. 이러한 동작은 - 적어도 부분적으로 - 주어진 카테고리에 대한 템플릿들을 생성하는 프로세스와 유사할 수 있으며 이는 이제 도 4와 관련하여 설명될 것이다.

404에서, 주어진 카테고리에 대해, 템플릿 생성 모듈(116)은 이력 데이터베이스(118)로부터 특정 리스팅들(110)을 선택할 수 있다. 이러한 특정 리스팅들(110)은 판매된 FSO들(124)을 위한 것이다. 또한, 이러한 특정 리스팅들(110)은 "성공적이었던" 것들이고, 여기서 성공은 달성된 최고 가격, 최단 판매 시간, 구매자로부터의 높은 피드백, 최고 판매가능성 점수, 초기 제안 가격과 최종 판매 가격 사이의 작은 차이 등, 또는 이들의 임의의 조합과 같은 임의의 수의 메트릭들에 의해 정의될 수 있다.

406에서, 템플릿 생성 모듈(116)은 이 선택된 리스팅들(110)에서의 사진들을 분석하여 카테고리에 대한 템플릿들(216)을 생성할 수 있다. 예를 들어, 408에 의해 표시된 바와 같이, 템플릿 생성 모듈(116)은 선택된 리스팅들(110)에 공통인 사진들을 식별할 수 있고, 그 다음으로 그 공통 사진들에 기초하여 (사진들에서의 FSO들(124)의 윤곽선들과 같은) 템플릿들(216)을 생성할 수 있다. 카테고리 "여성용 핸드백"에 대한 템플릿들(216)의 예들이 도 2a 내지 2k에 도시된다.

408에 나타낸 바와 같이, 리스팅들(110)을 추적하는 과정(320에서 전술한 바와 같음)에서, 템플릿 생성 모듈(116)은 주어진 카테고리에 대한 새로운 "성공적인" 리스팅들(110) 내의 사진들을 분석하여(성공은 전술한 바와 같이 정의됨) 카테고리에 대한 템플릿들(216)을 수정 또는 증대시킬 수 있다.

예시적인 컴퓨터 시스템

다양한 실시예들 및/또는 그 안의 컴포넌트들은, 예를 들어, 도 5에 도시된 컴퓨터 시스템(500)과 같은 하나 이상의 컴퓨터 시스템을 사용하여 구현될 수 있다. 컴퓨터 시스템(500)은 본 명세서에 설명된 기능들을 수행할 수 있는 임의의 컴퓨터 또는 컴퓨팅 디바이스일 수 있다. 예를 들어, 하나 이상의 컴퓨터 시스템(500) 또는 그 일부는, 본 명세서에서 설명된 임의의 실시예, 및/또는 이들의 임의의 조합 또는 하위조합을 구현하는 데 이용될 수 있다.

컴퓨터 시스템(500)은 프로세서(504)와 같은 하나 이상의 프로세서(중앙 처리 유닛들 또는 CPU들라고도 함)를 포함한다. 프로세서(504)는 통신 기반구조 또는 버스(506)에 연결된다.

하나 이상의 프로세서(504)는 각각 그래픽 처리 유닛(GPU)일 수 있다. 일부 실시예들에서, GPU는 수학적으로 집약적인 애플리케이션들을 처리하도록 설계된 특수 전자 회로인 프로세서이다. GPU는 컴퓨터 그래픽 애플리케이션들, 이미지들, 비디오들 등에 공통인 수학적으로 집약적인 데이터와 같은 큰 데이터 블록들의 병렬 처리에 효율적인 병렬 구조를 가질 수 있다.

컴퓨터 시스템(500)은 또한 사용자 입력/출력 인터페이스(들)(502)를 통해 통신 기반구조(506)와 통신하는 모니터들, 키보드들, 포인팅 디바이스들 등과 같은 사용자 입력/출력 디바이스(들)(503)를 포함한다.

컴퓨터 시스템(500)은 또한 랜덤 액세스 메모리(RAM)와 같은 메인 또는 주 메모리(508)를 포함한다. 메인 메모리(508)는 하나 이상의 레벨의 캐시를 포함할 수 있다. 메인 메모리(508)에는 제어 로직(즉, 컴퓨터 소프트웨어) 및/또는 데이터가 저장되어 있다.

컴퓨터 시스템(500)은 또한 하나 이상의 보조 저장 디바이스들 또는 메모리(510)를 포함할 수 있다. 보조 메모리(510)는, 예를 들어, 하드 디스크 드라이브(512) 및/또는 이동식 저장 디바이스 또는 드라이브(514)를 포함할 수 있다. 이동식 저장 드라이브(514)는 플로피 디스크 드라이브, 자기 테이프 드라이브, 콤팩트 디스크 드라이브, 광 저장 디바이스, 테이프 백업 디바이스, 및/또는 임의의 다른 저장 디바이스/드라이브일 수 있다.

이동식 저장 드라이브(514)는 이동식 저장 유닛(518)과 상호작용할 수 있다. 이동식 저장 유닛(518)은 컴퓨터 소프트웨어(제어 로직) 및/또는 데이터를 저장한 컴퓨터 사용가능 또는 판독가능 저장 디바이스를 포함한다. 이동식 저장 유닛(518)은 플로피 디스크, 자기 테이프, 콤팩트 디스크, DVD, 광학 저장 디스크, 및/또는 임의의 다른 컴퓨터 데이터 저장 디바이스일 수 있다. 이동식 저장 드라이브(514)는 공지된 방식으로 이동식 저장 유닛(518)으로부터 판독 및/또는 이동식 저장 유닛에 기입한다.

예시적인 실시예에 따르면, 보조 메모리(510)는 컴퓨터 프로그램들 및/또는 다른 명령어들 및/또는 데이터가 컴퓨터 시스템(500)에 의해 액세스되게 하기 위한 다른 수단들, 방편들 또는 다른 접근법들을 포함할 수 있다. 그러한 수단들, 방편들 또는 다른 접근법들은 예를 들어, 이동식 저장 유닛(522) 및 인터페이스(520)를 포함할 수 있다. 이동식 저장 유닛(522) 및 인터페이스(520)의 예들은 (비디오 게임 디바이스들에서 발견되는 것과 같은) 프로그램 카트리지 및 카트리지 인터페이스, (EPROM 또는 PROM과 같은) 이동식 메모리 칩 및 관련 소켓, 메모리 스틱 및 USB 포트, 메모리 카드 및 관련 메모리 카드 슬롯, 및/또는 임의의 다른 이동식 저장 유닛 및 관련 인터페이스를 포함할 수 있다.

컴퓨터 시스템(500)은 통신 또는 네트워크 인터페이스(524)를 더 포함할 수 있다. 통신 인터페이스(524)는 컴퓨터 시스템(500)이 원격 디바이스들, 원격 네트워크들, 원격 엔티티들 등(참조 번호(528)에 의해 개별적으로 그리고 집합적으로 참조됨)의 임의의 조합과 통신하고 상호작용할 수 있게 한다. 예를 들어, 통신 인터페이스(524)는 컴퓨터 시스템(500)이 유선 및/또는 무선일 수 있고 LAN들, WAN들, 인터넷 등의 임의의 조합을 포함할 수 있는 통신 경로(526)를 통해 원격 디바이스들(528)과 통신하게 할 수 있다. 제어 로직 및/또는 데이터는 통신 경로(526)를 통해 컴퓨터 시스템(500)으로/으로부터 송신될 수 있다.

일부 실시예들에서, 제어 로직(소프트웨어)이 저장되어 있는 유형의(tangible) 컴퓨터 사용가능 또는 판독가능 매체를 포함하는 비일시적인, 유형의 장치 또는 제조 물품은 본 명세서에서 컴퓨터 프로그램 제품 또는 프로그램 저장 디바이스라고도 지칭된다. 이것은 컴퓨터 시스템(500), 메인 메모리(508), 보조 메모리(510), 및 이동식 저장 유닛들(518 및 522)뿐만 아니라, 전술한 것의 임의의 조합을 구현하는 유형의 제조 물품들을 포함하지만, 이들로 제한되지 않는다. 이러한 제어 로직은, 하나 이상의 데이터 처리 디바이스(컴퓨터 시스템(500)와 같은)에 의해 실행될 때, 이러한 데이터 처리 디바이스로 하여금 본 명세서에 기술된 바와 같이 동작하게 한다.

본 개시내용에 포함된 교시들에 기초하여, 도 5에 도시된 것 이외의 데이터 처리 디바이스들, 컴퓨터 시스템들 및/또는 컴퓨터 아키텍쳐들을 사용하여 본 개시내용의 실시예들을 제작하고 사용하는 방법이 관련 분야(들)의 통상의 기술자에게 명백할 것이다. 특히, 실시예들은 본 명세서에 설명된 것들 이외의 소프트웨어, 하드웨어, 및/또는 운영 체제 구현들로 동작할 수 있다.

결론

과제의 해결 수단 및 요약서 부분들이 아니라 상세한 설명 부분이 청구항들을 해석하는 데 사용되도록 의도된다는 점을 알아야 한다. 과제의 해결 수단 및 요약서 부분들은 발명자들에 의해 고려되는 바와 같은 모든 예시적인 실시예들이 아니라 하나 이상의 예시적인 실시예들을 제시할 수 있고, 따라서, 이 개시내용 또는 첨부된 청구항들을 임의의 방식으로 제한하도록 의도되지 않는다.

본 개시내용이 예시적인 분야들 및 응용들에 대한 예시적인 실시예들을 기술하지만, 본 개시내용이 이에 제한되지 않는다는 것이 이해되어야 한다. 다른 실시예들 및 그에 대한 수정들이 가능하고, 본 개시내용의 범위 및 사상 내에 있다. 예를 들어, 그리고 이 단락의 일반성을 제한하지 않고, 실시예들은 도면들에 예시되고 및/또는 본 명세서에 설명된 소프트웨어, 하드웨어, 펌웨어, 및/또는 엔티티들로 제한되지 않는다. 또한, 실시예들은 (본 명세서에 명시적으로 설명되든 아니든 간에) 본 명세서에 설명된 예들을 넘어서는 분야들 및 응용들에 상당한 유용성을 갖는다.

실시예들은 특정된 기능들 및 그 관계들의 구현을 예시하는 기능적 빌딩 블록들의 도움으로 본 명세서에서 설명되었다. 이러한 기능적 빌딩 블록들의 경계들은 설명의 편의를 위해 본 명세서에서 임의로 정의되었다. 특정된 기능들 및 관계들(또는 그 등가물들)이 적절하게 수행되는 한 대안적인 경계들이 정의될 수 있다. 또한, 대안 실시예들은 본 명세서에서 설명되는 것들과 다른 순서들을 사용하여 기능적 블록들, 단계들, 동작들, 방법들 등을 수행할 수 있다.

본 명세서에서 "일 실시예", "실시예", "예시적인 실시예", 또는 유사한 문구들에 대한 언급들은 설명된 실시예가 특정 특징, 구조, 또는 특성을 포함할 수 있지만, 모든 실시예가 반드시 특정 특징, 구조, 또는 특성을 포함할 필요는 없다는 것을 나타낸다. 더욱이, 이러한 문구들이 반드시 동일한 실시예를 지칭하는 것은 아니다. 또한, 특정 특징, 구조, 또는 특성이 일 실시예와 관련하여 기술될 때, 본 명세서에 명시적으로 언급되거나 설명되어 있든 그렇지 않든 간에 이러한 특징, 구조, 또는 특성을 다른 실시예들에 포함시키는 것은 관련 기술 분야(들)의 통상의 기술자의 지식 범위 내에 있을 것이다. 또한, 일부 실시예들은 "결합된" 및 "연결된"이라는 표현을 그들의 파생어들과 함께 사용하여 설명될 수 있다. 이들 용어들은 반드시 서로 동의어로서 의도된 것은 아니다. 예를 들어, 일부 실시예들은 2개 이상의 요소들이 서로 직접 물리적으로 또는 전기적으로 접촉하는 것을 나타내기 위해 "연결된" 및/또는 "결합된"이라는 용어들을 사용하여 설명될 수 있다. 그러나, "결합된"이라는 용어는 또한 2개 이상의 요소가 서로 직접 접촉하고 있지 않지만 여전히 서로 협력하거나 상호작용한다는 것을 의미할 수 있다.

본 개시내용의 폭 및 범위는 위에서 설명된 예시적인 실시예들 중 임의의 것에 의해 제한되어서는 안 되고, 다음의 청구항들 및 그들의 등가물들에 따라서만 정의되어야 한다.

Claims

판매용 객체들(for sale objects)(FSO)에 대한 일관된 고품질 리스팅들의 생성을 자동화하기 위해 인공 지능(AI) 및 머신 학습(ML) 기술을 사용하는 컴퓨터 구현 방법으로서,
FSO의 카테고리를 식별하는 단계;
템플릿 데이터베이스로부터 상기 카테고리에 대한 템플릿들에 액세스하는 단계;
상기 FSO의 이미지들을 생성하기 위해 상기 템플릿들을 사용하여 컴퓨터 생성 증강 현실(AR) 환경을 통해 사용자를 내비게이팅하는 단계;
상기 이미지들 중 하나 이상을 분석하여 상기 FSO의 특성들을 결정하는 단계; 및
상기 이미지들 및 상기 특성들을 사용하여 상기 FSO에 대한 리스팅을 생성하는 단계
를 포함하는, 방법.
제1항에 있어서, 상기 템플릿들은 이력 데이터베이스로부터의 상기 카테고리의 특정 과거 리스팅들로부터 생성되고, 상기 특정 과거 리스팅들은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상에 기초하여 선택되는, 방법.
제1항에 있어서,
상기 리스팅을 추적하는 단계; 및
상기 카테고리에 대한 템플릿들을 개선하기 위해 AI 및 ML 기술을 사용하여 상기 추적으로부터 획득한 정보를 사용하는 단계
를 더 포함하는, 방법.
제1항에 있어서, 상기 식별하는 단계 전에,
상기 카테고리에 대한 템플릿들을 생성하는 단계
를 더 포함하는, 방법.
제4항에 있어서, 상기 템플릿들을 생성하는 단계는,
상기 카테고리에 대해, 이력 데이터베이스로부터 성공적인 리스팅들을 선택하는 단계 - "성공적"은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상을 사용하여 정의됨 -;
선택된 리스팅들에서의 공통 사진들을 식별하는 단계; 및
상기 공통 사진들을 사용하여 상기 템플릿들을 생성하는 단계
를 포함하는, 방법.
적어도 하나의 컴퓨팅 디바이스에 의해 실행될 때, 상기 적어도 하나의 컴퓨팅 디바이스로 하여금 인공 지능(AI) 및 머신 학습(ML) 기술들을 사용하여 판매용 객체들(FSO)에 대한 일관된 고품질 리스팅들을 자동으로 생성하기 위한 동작들을 수행하게 하는 명령어들이 저장되어 있는 유형의(tangible) 컴퓨터 판독가능 디바이스로서, 상기 동작들은,
FSO의 카테고리를 식별하는 동작;
템플릿 데이터베이스로부터 상기 카테고리에 대한 템플릿들에 액세스하는 동작;
상기 FSO의 이미지들을 생성하기 위해 상기 템플릿들을 사용하여 컴퓨터 생성 증강 현실(AR) 환경을 통해 사용자를 내비게이팅하는 동작;
상기 이미지들 중 하나 이상을 분석하여 상기 FSO의 특성들을 결정하는 동작; 및
상기 이미지들 및 상기 특성들을 사용하여 상기 FSO에 대한 리스팅을 생성하는 동작
을 포함하는, 컴퓨터 판독가능 디바이스.
제6항에 있어서, 상기 템플릿들은 이력 데이터베이스로부터의 상기 카테고리의 특정 과거 리스팅들로부터 생성되고, 상기 특정 과거 리스팅들은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상에 기초하여 선택되는, 컴퓨터 판독가능 디바이스.
제6항에 있어서, 상기 동작들은,
상기 리스팅을 추적하는 동작; 및
AI 및 ML 기술을 사용하여 상기 카테고리에 대한 템플릿들을 개선하기 위해 상기 추적으로부터 획득한 정보를 사용하는 동작
을 더 포함하는, 컴퓨터 판독가능 디바이스.
제6항에 있어서, 상기 동작들은,
상기 식별하는 동작 전에, 상기 카테고리에 대한 템플릿들을 생성하는 동작
을 더 포함하는, 컴퓨터 판독가능 디바이스.
제9항에 있어서, 상기 템플릿들을 생성하는 동작은,
상기 카테고리에 대해, 이력 데이터베이스로부터 성공적인 리스팅들을 선택하는 동작 - "성공적"은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상을 사용하여 정의됨 -;
선택된 리스팅들에서의 공통 사진들을 식별하는 동작; 및
상기 공통 사진들을 사용하여 상기 템플릿들을 생성하는 동작
을 포함하는, 컴퓨터 판독가능 디바이스.
인공 지능(AI) 및 머신 학습(ML) 기술들을 사용하여 판매용 객체들(FSO)에 대한 일관된 고품질 리스팅들을 자동으로 생성하기 위한 시스템으로서,
메모리; 및
상기 메모리에 결합되고 동작들을 수행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 동작들은,
템플릿 데이터베이스로부터 상기 카테고리에 대한 템플릿들에 액세스하는 동작;
상기 FSO의 이미지들을 생성하기 위해 상기 템플릿들을 사용하여 컴퓨터 생성 증강 현실(AR) 환경을 통해 사용자를 내비게이팅하는 동작;
상기 이미지들 중 하나 이상을 분석하여 상기 FSO의 특성들을 결정하는 동작; 및
상기 이미지들 및 상기 특성들을 사용하여 상기 FSO에 대한 리스팅을 생성하는 동작
을 포함하는, 시스템.
제11항에 있어서, 상기 템플릿들은 이력 데이터베이스로부터의 상기 카테고리의 특정 과거 리스팅들로부터 생성되고, 상기 특정 과거 리스팅들은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상에 기초하여 선택되는, 시스템.
제11항에 있어서, 상기 동작들은,
상기 리스팅을 추적하는 동작; 및
AI 및 ML 기술을 사용하여 상기 카테고리에 대한 템플릿들을 개선하기 위해 상기 추적으로부터 획득한 정보를 사용하는 동작
을 더 포함하는, 시스템.
제11항에 있어서, 상기 동작들은,
상기 식별하는 동작 전에, 상기 카테고리에 대한 템플릿들을 생성하는 동작을 더 포함하는, 시스템.
제14항에 있어서, 상기 템플릿들을 생성하는 동작은,
상기 카테고리에 대해, 이력 데이터베이스로부터 성공적인 리스팅들을 선택하는 동작 - "성공적"은 달성된 가격, 판매 시간, 구매자 피드백, 판매가능성 점수, 및/또는 초기 제안 가격과 최종 판매 가격 사이의 차이 중 하나 이상을 사용하여 정의됨 -;
선택된 리스팅들에서의 공통 사진들을 식별하는 동작; 및
상기 공통 사진들을 사용하여 상기 템플릿들을 생성하는 동작
을 포함하는, 시스템.