KR20220113221A - 영상 소스 데이터 거래 방법 및 시스템 - Google Patents

영상 소스 데이터 거래 방법 및 시스템 Download PDF

Info

Publication number
KR20220113221A
KR20220113221A KR1020210038493A KR20210038493A KR20220113221A KR 20220113221 A KR20220113221 A KR 20220113221A KR 1020210038493 A KR1020210038493 A KR 1020210038493A KR 20210038493 A KR20210038493 A KR 20210038493A KR 20220113221 A KR20220113221 A KR 20220113221A
Authority
KR
South Korea
Prior art keywords
image
image source
source data
information
production apparatus
Prior art date
Application number
KR1020210038493A
Other languages
English (en)
Inventor
박현준
Original Assignee
주식회사 파인드커넥트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 파인드커넥트 filed Critical 주식회사 파인드커넥트
Publication of KR20220113221A publication Critical patent/KR20220113221A/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0276—Advertisement creation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

영상 소스 데이터 거래 방법 및 시스템을 개시한다.
본 실시예는 AI 기반의 영상 제작을 위한 영상 소스에 대한 거래 요청 신호에 따라 사용자가 업로드한 영상 소스로부터 추출한 후보 영상 소스와 동영상 제공장치로부터 추출한 후보 영상 소스에 가치를 부여한 후 가치에 대응하는 비용을 결제한 단말기로 거래가 이루어지도록 하는 영상 소스 데이터 거래 방법 및 시스템을 제공한다.

Description

영상 소스 데이터 거래 방법 및 시스템{Method And System for Trading Video Source Data}
본 발명의 일 실시예는 영상 소스 데이터 거래 방법 및 시스템에 관한 것이다.
이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
인터넷이 급속히 보급되면서 전자 메일을 이용한 광고, 홈페이지 배너(Banner) 광고, 동영상 컨텐츠 광고 등의 새로운 형식의 광고가 생겨났다. 인터넷을 기반으로 전자상거래, 전자광고, 인터넷 폰 등 다양한 서비스들이 제공되고 있다. 사용자들이 인터넷을 이용하여 손쉽게 서비스를 받을 수 있다.
인터넷상에서 특정한 자료를 검색하는 서비스는 인터넷을 효율적으로 이용하기 위해 필수적인 서비스로 인식되고 있다. 다시 말해, 사용자가 특정 자료를 검색하려는 경우 해당 사이트의 URL이나 IP 주소를 알지 못하더라도 정보 검색 시스템을 이용한 인터넷 검색 서비스를 제공하는 사이트에 접속하고, 검색하려는 자료의 키워드를 입력함으로써 원하는 결과 데이터를 서비스받을 수 있다.
다양한 신기술을 흡수하며 진화해온 광고 및 미디어 산업이 최근 AI(Artificial Intelligence)와의 접목을 모색하고 있다. 광고와 미디어 시장의 포화에 따른 경쟁 격화와 기계가 스스로 학습할 수 있는 머신 러닝 기술의 급속한 발전 및 AI를 구동할 수 있는 컴퓨터 비용의 하락 등이 AI 기술을 적용한 광고 기술의 발전을 가속화하고 있다.
미디어 산업은 제작과 유통 및 시청자 대응 등 다양한 영역에 걸쳐 AI를 활용하고 있다. AI는 미래 광고 및 미디어 산업에서 없어서는 안 될 존재로 점차 입지를 굳히고 있는 것으로 판단된다.
광고를 한다는 것은 일종의 추천 엔진을 가동하는 것인데 딥 러닝은 추천에 탁월한 능력을 가지고 있다. 프로그래밍된 광고를 타겟팅시 머신 러닝은 사용자의 영상 클릭률을 높이며 리타겟팅(Retargeting)시 최적의 제품 조합과 광고 카피를 선택하도록 할 수 있다.
디지털 시대가 가속화되면서 더 많은 영상 콘텐츠의 제작이 필요하다. 4차 산업시대로의 진입과 코로나 팬데믹으로 이해 비대면 서비스의 시장이 빠르게 확산되고 있으며, 온라인 시대를 맞이하여, 기업과 소비자 모두 영상 콘텐츠 제작의 니즈가 강화되었다.
기업들은 온라인 채널을 통해 브랜드 및 제품을 홍보 및 광고 목적으로 영상을 제작을 필요로 하고 있으며, 개인들 역시 각자의 일상 및 재능을 영상으로 제작하여 소통하는 기술을 필요로 한다.
본 실시예는 AI 기반의 영상 제작을 위한 영상 소스에 대한 거래 요청 신호에 따라 사용자가 업로드한 영상 소스로부터 추출한 후보 영상 소스와 동영상 제공장치로부터 추출한 후보 영상 소스에 가치를 부여한 후 가치에 대응하는 비용을 결제한 단말기로 거래가 이루어지도록 하는 영상 소스 데이터 거래 방법 및 시스템을 제공하는 데 목적이 있다.
본 실시예의 일 측면에 의하면, 영상 소스 데이터를 업로드하는 사용자 단말기; 상기 영상 소스 데이터에 대한 거래 요청 신호를 전송하는 제작자 단말기; 복수의 동영상을 제공하는 동영상 제공장치; 및 상기 영상 소스 데이터를 수신하여 자체적으로 업로드한 업로드 영상 소스 데이터로 저장하다가 상기 업로드 영상 소스 데이터 중 상기 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제1 후보 영상 소스 정보를 추출하고, 상기 동영상 제공장치로부터 상기 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제2 후보 영상 소스 정보를 추출하고, 상기 제1 후보 영상 소스 데이터, 상기 제2 후보 영상 소스 데이터 각각에 가치값을 부여하고, 상기 가치값에 대응하는 비용을 결제하는 단말기로 해당 영상 소스 데이터를 전송하는 영상 소스 거래 플랫폼;을 포함하는 것을 특징으로 하는 영상 소스 데이터 거래 시스템을 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, AI 기반의 영상 제작을 위한 영상 소스에 대한 거래 요청 신호에 따라 사용자가 업로드한 영상 소스로부터 추출한 후보 영상 소스와 동영상 제공장치로부터 추출한 후보 영상 소스에 가치를 부여한 후 가치에 대응하는 비용을 결제한 단말기로 거래가 이루어지도록 하는 효과가 있다.
도 1은 본 실시예에 따른 영상 데이터 거래 시스템을 개략적으로 나타낸 도면이다.
도 2는 본 실시예에 따른 영상 소스 거래 플랫폼을 개략적으로 나타낸 블럭 구성도이다.
도 3은 본 실시예에 따른 영상 제작장치를 개략적으로 나타낸 블럭 구성도이다.
도 4는 본 실시예에 따른 AI 기반의 영상 제작 방법을 설명하기 위한 순서도이다.
도 5는 본 실시예에 따른 영상 데이터 거래 방법을 설명하기 위한 순서도이다.
도 6은 본 실시예에 따른 복수의 영상 제작하는 방법을 나타낸 도면이다.
도 7은 본 실시예에 따른 영상 결과에 따라 대상 타겟팅 방법을 나타낸 도면 이다.
도 8은 본 실시예에 따른 제작자 정보와 대상 타겟팅 정보를 대응시키기 위해 클러스터링 방법을 나타낸 도면이다.
도 9는 본 실시예에 따른 영상 제작장치의 영상 최적화 방법을 나타낸 도면이다.
도 10은 본 실시예에 따른 영상 제작장치의 영상 클릭률 확률 분포의 예측 방법을 나타낸 도면이다.
도 11은 본 실시예에 따른 영상 소스 추출을 위한 데이터베이스 구성도를 나타낸 도면이다.
도 12는 본 실시예에 따른 영상 소스 거래를 위한 데이터베이스 구성도를 나타낸 도면이다.
도 13은 본 실시예에 따른 거래된 영상 소스 데이터의 가상 조합 예시를 나타낸 도면이다.
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 실시예에 따른 영상 데이터 거래 시스템을 개략적으로 나타낸 도면이다.
본 실시예에 따른 영상 데이터 거래 시스템은 제작자 단말기(110), 네트워크(120), 영상 제작장치(130), 동영상 제공장치(140), 사용자 단말기(150), 영상 소스 거래 플랫폼(160)을 포함한다. 영상 데이터 거래 시스템에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
제작자 단말기(110)는 제작자의 키 조작에 따라 네트워크(120)를 경유하여 음성 또는 데이터 통신을 수행하는 전자 기기를 의미한다. 제작자 단말기(110)는 네트워크(120)를 경유하여 영상 제작장치(130)와 통신하기 위한 프로그램 또는 프로토콜을 저장하기 위한 메모리, 해당 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비한다.
제작자 단말기(110)는 스마트폰(Smart Phone), 태블릿(Tablet), 랩톱(Laptop), 개인 휴대 단말기(PDA: Personal Digital Assistant), 휴대형 멀티미디어 플레이어(PMP: Portable Multimedia Player), 무선 통신 단말기(Wireless Communication Terminal), 미디어 플레이어 등과 같은 전자 기기일 수 있다.
제작자 단말기(110)는 제작자의 조작 또는 명령에 의해 영상 소스 데이터에 대한 거래 요청 신호를 영상 소스 거래 플랫폼(160)으로 전송한다. 제작자 단말기(110)는 제작자의 조작 또는 명령에 의해 키워드 또는 영상 정보를 입력받으며, 키워드 또는 영상 정보를 영상 제작장치(130)로 전송한다.
사용자 단말기(150)는 사용자의 키 조작에 따라 네트워크(120)를 경유하여 음성 또는 데이터 통신을 수행하는 전자 기기를 의미한다. 사용자 단말기(150)는 네트워크(120)를 경유하여 영상 소스 거래 플랫폼(160)과 통신하기 위한 프로그램 또는 프로토콜을 저장하기 위한 메모리, 해당 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비한다.
사용자 단말기(150)는 스마트폰(Smart Phone), 태블릿(Tablet), 랩톱(Laptop), 개인 휴대 단말기(PDA: Personal Digital Assistant), 휴대형 멀티미디어 플레이어(PMP: Portable Multimedia Player), 무선 통신 단말기(Wireless Communication Terminal), 미디어 플레이어 등과 같은 전자 기기일 수 있다.
사용자 단말기(150)는 영상 소스 거래 플랫폼(160)으로 접속하여 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 영상 소스 데이터를 업로드한다.
네트워크(120)는 인터넷망, 인트라넷망, 이동통신망, 위성 통신망 등 다양한 유무선 통신 기술을 이용하여 인터넷 프로토콜로 데이터를 송수신할 수 있는 망을 의미한다.
영상 소스 거래 플랫폼(160)은 제작자 단말기(110)로부터 입력받은 영상 소스와 어울리는 배경, 음악, 텍스트를 거래할 수 있는 플랫폼을 제공한다. 영상 소스 거래 플랫폼(160)은 영상 제작장치(130) 및 동영상 제공장치(140)와 연동하여 영상 제작장치(130) 및 동영상 제공장치(140)로부터 추출하는 모든 영상 소스 및 음원 소스를 데이터로 정의한다.
영상 소스 거래 플랫폼(160)은 사용자 단말기(150)로부터 영상 소스 데이터를 수신한 후 동영상 제공장치(140)로 업로드한다. 영상 소스 거래 플랫폼(160)은 사용자 단말기(150)로부터 업로드된 영상 소스 데이터 또는 동영상 제공장치(140)로부터 추출한 영상 소스 업로드 데이터를 사용자 간 거래를 제공한다.
영상 소스 거래 플랫폼(160)은 영상 제작장치(130) 및 동영상 제공장치(140)와 연동하여 영상 제작장치(130) 및 동영상 제공장치(140)(예컨대, 유튜브, 구글, 네이버, 한국콘텐츠 진흥원)로부터 추출된 무료 데이터들을 모아 데이터를 공급한다. 영상 소스 거래 플랫폼(160)은 사용자 단말기(150)로부터 영상을 업로드받고, 영상을 업로드한 사용자 단말기(150)로 업로드한 영상에 대한 일정의 비용을 지불한다.
영상 소스 거래 플랫폼(160)은 동영상 제공장치(예컨대, 유튜브, 구글, 네이버, 한국콘텐츠 진흥원)(140)로부터 영상 소스 데이터로 공급받을 수 있다. 영상 소스 거래 플랫폼(160)은 동영상 제공장치(140)로부터 무료 데이터 또는 저작권이 미적용된 데이터만을 추출하여 영상 소스 데이터로 이용할 수 있다. 영상 소스 거래 플랫폼(160)은 사용자 단말기(150)로부터 영상 소스 데이터가 업로드되고, 해당 영상 소스 데이터가 AI 기반의 영상 제작에 이용되는 경우, 해당 영상 소스 데이터에 대한 비용을 해당 사용자 단말기로 지급한다.
본 실시예에 따른 영상 소스 거래 플랫폼(160)은 사용자 단말기(150)로부터 영상 소스 데이터를 수신하여 자체적으로 업로드한 업로드 영상 소스 데이터로 저장하다가 업로드 영상 소스 데이터 중 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제1 후보 영상 소스 정보를 추출한다.
영상 소스 거래 플랫폼(160)은 동영상 제공장치(140)로부터 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제2 후보 영상 소스 정보를 추출한다. 영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 가치값을 부여한다. 영상 소스 거래 플랫폼(160)은 가치값에 대응하는 비용을 결제하는 단말기로 해당 영상 소스 데이터를 전송한다.
영상 제작장치(130)는 웹서버 또는 네트워크 서버의 형태로 구현될 수 있다. 영상 제작장치(130)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 경유하여 불특정 다수 클라이언트 또는 다른 서버와 통신한다. 영상 제작장치(130)는 클라이언트 또는 다른 웹서버의 작업수행 요청에 대응하는 작업 결과를 도출하여 제공하는 컴퓨터 시스템, 컴퓨터 소프트웨어(웹서버 프로그램)를 의미한다.
영상 제작장치(130)는 전술한 웹서버 프로그램 이외에, 웹서버상에서 동작하는 일련의 응용 프로그램(Application Program) 또는 장치 내부에 구축되어 있는 각종 데이터베이스를 포함한다.
본 실시예에 따른 영상 제작장치(130)는 영상 제작에 필요한 정보를 제작자 단말기(110)로부터 입력받은 후 AI 머신러닝과 딥러닝을 이용하여 AI가 필요한 영상 데이터를 배합하여, 제작자가 원하는 영상을 제작한다.
영상 제작장치(130)는 머신러닝 및 딥러닝을 이용한 AI 영상제작 기술로 새롭게 촬영한 영상이 아닌, 애니메이션, 편집영상, 인포그래픽 등 기존에 생성된 영상 데이터를 이용하여 영상을 제작한다. 영상 제작장치(130)는 AI 영상 제작 기술로 저렴하고 빠르고 퀄리티가 높은 영상을 개인부터 기업까지 쉽게 제작할 수 있도록 한다.
영상 제작장치(130)는 AI를 이용한 레퍼런스 영상과 맞춤 영상을 조합하여 영상을 제작한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 영상 소스를 입력받은 후 영상 소스와 어울리는 배경화면, 음악, 텍스트를 추출한 후 AI 기반으로 결합하여 하나의 영상을 생성한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 키워드를 입력받고, AI를 이용하여 키워드에 대응하는 배경화면, 음악, 텍스트 중 적어도 하나를 포함하는 레퍼런스 영상을 추출한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 문구를 입력받고, AI를 이용하여 문구를 분석한 분석 결과를 생성하고, 분석 결과를 기반으로 맞춤 영상을 추출한다. 영상 제작장치(130)는 레퍼런스 영상과 맞춤 영상을 조합하여 영상을 제작한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 키워드를 입력받으면, AI를 이용하여 키워드에 대응하는 배경화면, 음악, 텍스트 중 적어도 하나를 포함하는 레퍼런스 영상을 추출한다. 예컨대, 영상 제작장치(130)는 제작자 단말기(110)로부터 키워드로 ‘20대 여자 색조화장품’을 입력받는다. 즉, 제작자 단말기(110)는 제작자의 조작 또는 명령에 의해 ‘20대 여자 색조화장품’을 키워드로 입력받아 영상 제작장치(130)로 전송한다.
영상 제작장치(130)는 ‘20대 여자 색조화장품’을 입력한 사용자가 해당 계정으로 최초 로그인한 경우, AI를 이용하여 최근 5년간 ‘20대 여자 색조화장품’에 해당하는 가장 높은 마케팅 연관성을 갖는 영상을 리스트화(예컨대, 100개)하여 제작자 단말기(110)로 출력한다.
영상 제작장치(130)는 입력된 키워드를 데이터 기준으로 추출한다. 영상 제작장치(130)는 복수의 동영상 제공장치(140)(예컨대, 유튜브, 페이스북, 인스타그램, 네이버 TV, 카카오 TV 등)로부터 입력된 키워드에 대응하는 영상 중 조회수, 좋아요, 댓글수, 공유 횟수 중 하나 이상의 정보를 기반으로 1차적으로 높은 마케팅 연관성을 갖는 영상으로 추출한다.
영상 제작장치(130)는 복수의 동영상 제공장치(140)로부터 입력된 키워드에 대응하는 영상 중 CF(Commercial Film) 수상실적을 갖는 영상을 객관적인 지표로서 데이터를 리스트화시켜 2차적으로 높은 마케팅 연관성을 갖는 영상으로 추출한다.
영상 제작장치(130)는 1차적으로 높은 연관성을 갖는 영상과 2차적으로 높은 연관성을 갖는 영상을 기반으로 레퍼런스 영상을 제공한다. 영상 제작장치(130)는 동영상 제공장치(140)로부터 키워드에 대응하는 영상, 음악, 텍스트를 검색하더라도 내부적으로 학습된 AI를 이용하여 키워드와 높은 마케팅 연관성을 갖는 영상을 추출한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 입력받은 키워드와 높은 마케팅 연관성을 갖는 영상을 기 설정된 개수 단위로 리스트화여 출력한다. 영상 제작장치(130)는 리스트화되어 출력된 영상 중 제작자 단말기(110)가 선택한 영상을 재생시킨다.
영상 제작장치(130)는 리스트화되어 출력된 영상 중 제작자 단말기(110)가 재생시킨 영상의 재생시간, 재생완성률을 기반으로 AI를 학습시킨다. AI는 재생시킨 영상의 재생시간, 재생완성률을 기반으로 제작자의 선호도를 입력받아 학습한다. 영상 제작장치(130)는 학습한 제작자의 선호도를 기반으로 유사한 영상을 추가로 검색하여 리스트화하여 출력한다.
영상 제작장치(130)는 재생시킨 영상의 재생시간, 재생완성률, 재생 구간을 기반으로 제작자 선호도를 파악한다. 영상 제작장치(130)는 제작자 선호도를 파악하기 위해 영상 각각의 총 재생시간을 기반으로 재생 구간을 분할한다. 영상 제작장치(130)는 총 재생시간 대비 영상의 재생시간을 기반으로 재생 완성률을 확인한다.
영상 제작장치(130)는 전체재생구간을 임의의 구간(예컨대, 3%, 10%, 25%, 50%, 75%, 100%)으로 분할한다. 영상 제작장치(130)는 재생 구간이 길수록 해당 영상과 제작자 선호도가 부합하는 것으로 파악한다. 다시 말해, 영상 제작장치(130)는 재생 구간이 임의의 구간 중 100%에 해당하는 구간인 경우, 제작자가 해당 영상을 최상위 선호하는 것으로 제작자 선호를 파악한다.
영상 제작장치(130)는 제작자가 선별한 영상의 카테고리 별로 제작자 선호도를 파악한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 키워드 또는 문구를 입력받으면, 제작자 단말기(110)에 대응하는 제작자 계정에서 기 설정한 카테고리 정보를 확인한다.
영상 제작장치(130)는 제작자 계정에서 기 설정한 카테고리(IT, 트렌드, 진중한, 밝은, 화사한, 아기자기한, 도시적인)를 확인한다. 영상 제작장치(130)는 레퍼런스 영상을 생성할 때, AI를 이용하여 키워드 및 기 설정한 카테고리에 대응하는 배경화면, 음악, 텍스트 중 적어도 하나를 포함하는 영상을 추출한다.
영상 제작장치(130)는 맞춤 영상을 생성할 때, AI를 이용하여 문구를 분석한 분석 결과 및 기 설정한 카테고리에 대응하는 배경화면, 음악, 텍스트 중 적어도 하나를 포함하는 영상을 추출한다.
영상 제작장치(130)는 제작자 단말기(110)의 조작 또는 명령에 의해 영상마다 다양한 카테고리로 분류할 수 있다. 영상 제작장치(130)는 제작자 단말기(110)의 조작 또는 명령에 의해 영상의 품질별로 영상을 4K 화질, FHD 화질, HD 화질로 구분한 카테고리로 분리하여 저장한다. 영상 제작장치(130)는 제작자 단말기(110)의 조작 또는 명령에 의해 영상의 장르 별로 홍보영상, 제품영상, 드라마타입, 애니메이션, 인포그래픽, 자연, 인물, 여행, 먹거리, 건물로 구분한 카테고리로 분리하여 저장한다.
영상 제작장치(130)는 제작자 단말기(110)의 조작 또는 명령에 의해 영상 톤별로 역동적인 톤, 화사한 톤, 리드미컬한 톤, 발라드 톤, 드라마타입 톤, 현란한 톤 등으로 구분한 카테고리로 분리하여 저장한다. 영상 제작장치(130)는 AI 머신러닝 기법으로 영상의 카테고리 등을 분류하여, 제작자가 원하는 영상의 카테고리를 분류한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 제작자가 원하는 문구를 입력받으면, AI를 이용하여 문구를 분석한 분석 결과를 기반으로 맞춤 영상을 추출한다. 영상 제작장치(130)는 맞춤 영상을 반영하여 영상을 제작한다. 영상 제작장치(130)는 추가로 제작자 단말기(110)로부터 제작자가 입력한 영상 정보를 입력받는다.
예컨대, 영상 제작장치(130)는 제작자 단말기(110)로부터 영상 분량을 ‘30초’로 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 ‘영상 타입’을 인포그래픽, 실사 촬영, 인포그래픽 및 실사촬영 중 어느 하나로 입력받는다.
영상 제작장치(130)는 제작자 단말기(110)로부터 ‘영상 톤’에 대한 정보를 잔잔한 톤, 역동적인 톤, 드라마적인 톤, 색감있는 톤, 아기자기한 톤 중 어느 하나로 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터‘영상 소스’를 깨끗한 바다, 청량한 느낌, 맑은 자연, 청순한 동양미인, 기초화장품 중 어느 하나로 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 ‘BGM’을 맑고 깨끗한 피아노, 맑은 물소리가 적절히 섞인 BGM 중 어느 하나로 입력받는다.
영상 제작장치(130)는 제작자 단말기(110)로부터 문구로 ‘자연 그대로의 순수함을 머금은 순수한 물결’, ‘오늘부터 자연으로 내 피부에 입히세요’ 중 어느 하나를 입력받는다. 영상 제작장치(130)는 로고 삽입으로 첨부 파일로 삽입, 영상 처음 OR 끝에 노출할지 선택 중 어느 하나를 입력받는다. 영상 제작장치(130)는 제작자가 입력한 정보에 맞춰 영상소스, BGM, 문구 등을 AI가 최적화된 영상을 분석해 제작한다.
영상 제작장치(130)는 편집 영상 및 인포그래픽 영상의 수준까지 딥러닝을 이용하여 AI에게 학습시킨다. 영상 제작장치(130)는 출시 후 제작자들이 직접 접속하면서 AI를 이용해 만들면서 데이터를 다시 축적시킨다. 영상 제작장치(130)는 웹소설, 시, 등 ‘긴 문장’이나 ‘철학적인 부분에 대한 고찰’도 시각화시켜 영상 콘텐츠로 제작할 수 있도록 한다. 영상 제작장치(130)는 증강현실 기법도 접목시켜 이질감이 없는 실제 제품이나 사람이 등장시켜서 영상을 제작한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 제작자 정보를 수신한다. 영상 제작장치(130)는 제작자 정보를 기반으로 복수의 동영상 제공장치(140) 각각에 대응하는 영상을 생성한다.
영상 제작장치(130)는 복수의 동영상 제공장치(140) 각각에 대응하는 영상을 인터페이스를 통해 복수의 동영상 제공장치(140)로 전송한다. 영상 제작장치(130)는 복수의 동영상 제공장치(140) 각각에 대응되는 복수의 영상에 포함된 대상 객체를 포함하는 영상을 생성한다.
영상 제작장치(130)는 복수의 동영상 제공장치(140) 각각에 대응되는 복수의 대상 타겟팅 정보를 생성한다. 영상 제작장치(130)는 제작자 정보에 포함되는 타겟 연령층 정보와 복수의 동영상 제공장치(140) 각각의 나이 카테고리를 기반으로 한 클러스터에 의해 결정된 복수의 대상 타겟팅 정보를 생성한다.
영상 제작장치(130)는 언어 인접도에 의해 클러스터의 중심과 타겟 연령층 정보에 포함되는 나이 지시 단어 간의 거리를 결정한다. 영상 제작장치(130)는 웹 페이지에 포함된 나이 관련 단어에 대한 단어 집합 추출 빈도 및 단어 밀집도를 기반으로 언어 인접도를 결정한다.
영상 제작장치(130)는 AI를 학습시키기 위해 복수의 머신 러닝을 기반으로 영상을 생성한다. 영상 제작장치(130)는 AI 학습을 위해 제1 머신 러닝부, 제2 머신 러닝부 및 제3 머신 러닝부를 포함한다.
제1 머신 러닝부는 복수의 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려하지 않은 학습 데이터를 기반으로 한 제1 머신 러닝을 수행한다. 제2 머신 러닝부는 복수의 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려한 학습 데이터를 기반으로 한 제2 머신 러닝을 수행한다. 제3 머신 러닝부는 복수의 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려하지 않은 학습 데이터 및 멀티 플랫폼을 고려한 학습 데이터를 기반으로 한 제3 머신 러닝을 수행한다.
영상 제작장치(130)는 제1 머신 러닝을 기반으로 한 제1 영상, 제2 머신 러닝을 기반으로 한 제2 영상 및 제3 머신 러닝을 기반으로 한 제3 영상을 생성한다. 영상 제작장치(130)는 제1 영상, 제2 영상 및 제3 영상에 대한 제작자 단말기(110)의 선택 결과를 수집한다. 영상 제작장치(130)는 제3 머신 러닝을 위한 멀티 플랫폼을 고려하지 않은 학습 데이터 및 멀티 플랫폼을 고려한 학습 데이터의 비율을 변화시킨다.
영상 제작장치(130)는 인터페이스를 이용하여 영상에 대한 영상 결과 정보를 수신한다. 영상 제작장치(130)는 영상 결과 정보의 분석을 기반으로 영상 또는 복수의 대상 타겟팅 정보 각각에 대한 수정 여부를 결정한다.
영상 제작장치(130)는 인공 지능 챗봇을 기반으로 제작자 정보를 수집한다. 영상 제작장치(130)는 인공 지능 챗봇 상에 입력된 제작자 웹 페이지 상의 정보의 스크랩핑을 기반으로 제작자 정보를 수집한다. 영상 제작장치(130)는 인공 지능 챗봇을 이용하여 제작자 단말기(110)로의 질의를 전송하고, 질의에 대한 답변을 기반으로 제작자 정보를 수집한다.
영상 제작장치(130)는 제작자 정보(미존재)와 관련된 추가적인 질문에 대한 답변을 받지 못하는 경우, 이미 입력받은 제작자 정보(존재)를 기반으로 예측을 수행한다. 영상 제작장치(130)는 예측 정확도가 임계값 이상이라고 판단되는 경우, 예측된 정보를 이용하여 영상을 생성한다. 영상 제작장치(130)는 예측 정확도가 임계값 미만이라고 판단되는 경우, 인공 지능 챗봇을 통해 추가 질문을 생성한다. 영상 제작장치(130)는 제작자 정보(존재)를 기준으로 기존에 입력된 기존 제작자 정보 중 적어도 하나와 비교하여 예측 정확도를 결정한다. 영상 제작장치(130)는 제작자 정보(미존재) 별로 예측을 위해 설정된 제작자 정보(존재) 중 특정 제작자 정보(존재) 및 특정 제작자 정보(존재)에 대한 별도의 가중치를 기반으로 예측 정확도를 결정한다.
영상 제작장치(130)는 AI 기반으로 영상을 디자인한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 제작자 정보를 수신한다. 영상 제작장치(130)는 제작자 정보를 기반으로 복수의 동영상 제공장치(140)에 대한 영상을 각각 생성한다. 영상 제작장치(130)는 영상 각각을 복수의 동영상 제공장치(140) 각각으로 전송한다. 영상 제작장치(130)는 머신 러닝을 기반으로 복수의 동영상 제공장치(140) 각각에 대응하는 영상을 생성한다.
영상 제작장치(130)는 복수의 동영상 제공장치(140) 각각으로 제공되었던 기존의 대상 객체를 입력 정보로서 입력하여 머신 러닝을 수행한다. 영상 제작장치(130)는 머신 러닝을 기반으로 복수의 영상에 포함된 대상 객체의 위치 및/또는 크기의 고려한 영상을 생성한다. 영상 제작장치(130)는 영상 각각에 포함되는 대상 객체의 우선순위를 설정하여 우선순위 별로 대상 객체를 변경하여 영상 효과에 대한 피드백을 제작자 단말기(110)로부터 수신한다.
영상 제작장치(130)는 영상 효과의 차이가 존재하는 영상 간의 차이를 기반으로 우선순위를 결정한다. 영상 제작장치(130)는 외부 영상 영향 정보와 영상과의 관련도를 판단한다. 영상 제작장치(130)는 기존 영상 정보에 포함된 상품과 직접적으로 관련이 없는 외부 정보를 추출하여 관련도를 결정한다.
영상 제작장치(130)는 날씨 정보, 지역 온라인 및 오프라인 이벤트 정보 또는 사용자 위치 정보를 포함하는 외부 정보를 생성한다. 영상 제작장치(130)는 기존 영상에 포함되는 날씨 정보, 지역 온라인 및 오프라인 이벤트 정보 또는 사용자 위치 정보에 대한 분석을 기반으로 관련도를 결정한다.
영상 제작장치(130)는 기존 영상에 포함된 날씨 정보, 지역 온라인 및 오프라인 이벤트 정보 또는 사용자 위치 정보를 추출하여 날씨, 이벤트, 위치에 대한 분석을 수행한다. 영상 제작장치(130)는 관련도의 크기를 고려하여 관련도가 임계값 이상인 경우, 외부 영상 영향 정보를 고려한 영상을 생성한다.
영상 제작장치(130)는 머신 러닝을 기반으로 영상을 생성한다. 영상 제작장치(130)는 대상 객체에 대한 사람의 시선 관련 정보를 입력 정보로서 수신하여 머신 러닝을 수행한다. 영상 제작장치(130)는 대상 객체에서 사람이 우선적으로 관심을 가지고 보는 객체 우선 인식 영역에 대한 정보 및 대상 객체에서 사람이 순차적으로 관심을 가지고 보는 시선 이동 영역에 대한 정보를 포함한 시선 관련 정보를 생성한다.
영상 제작장치(130)는 대상 객체 정보, 대상 객체에 대한 시선 정보를 포함하는 제1 시선 데이터 세트를 기반으로 한 기계 학습을 이용하여 객체 우선 인식 영역에 대한 정보를 획득한다. 영상 제작장치(130)는 대상 객체 정보, 대상 객체에 대한 시선 이동 정보를 포함하는 제2 시선 데이터 세트를 기반으로 한 기계 학습을 이용하여 시선 이동 영역에 대한 정보를 획득한다.
영상 제작장치(130)는 적합도를 기반으로 제작자에 의해 제공된 상품 이미지의 활용도가 상대적으로 높은 영상(제작자 베이스)을 사용할지 제작자에 의해 제공된 상품 이미지의 활용도가 상대적으로 낮은 영상은 영상(인공지능 베이스)을 사용할지 여부를 결정한다. 영상 제작장치(130)는 상품 이미지와 기존 상품 이미지의 유사도를 기반으로 적합도를 결정한다.
영상 제작장치(130)는 AI 기반으로 영상 결과를 예측한다. 영상 제작장치(130)는 제1 영상을 생성한다. 영상 제작장치(130)는 제1 영상에 대한 제1 영상 결과 정보를 제작자 단말기(110)로부터 수신한다. 영상 제작장치(130)는 제1 영상과 제1 영상 결과 정보를 입력 정보로 머신 러닝을 수행한다.
영상 제작장치(130)는 머신 러닝을 기반으로 제2 영상을 생성한다. 영상 제작장치(130)는 제2 영상에 대한 제2 영상 결과 정보를 수신한다. 영상 제작장치(130)는 제2 영상과 제2 영상 결과 정보를 입력 정보로 머신 러닝을 수행한다.
영상 제작장치(130)는 머신 러닝을 기반으로 영상에 대한 영상 결과 예측을 수행한다. 영상 제작장치(130)는 영상에 따라 생성된 영상 클릭률에 대한 확률 분포 정보를 포함하는 영상 결과 예측을 수행한다.
영상 제작장치(130)는 제1 대상 타겟팅 정보를 포함하는 제1 영상을 생성한다. 영상 제작장치(130)는 제2 대상 타겟팅 정보를 포함하는 제2 영상을 생성한다.
영상 제작장치(130)는 머신 러닝을 기반으로 한 확률 분포 정보를 기반으로 상대적으로 높은 영상 클릭률이 상대적으로 높은 확률로 예측되도록 제1 대상 타겟팅 정보에 포함되는 적어도 하나의 제1 하위 대상 타겟팅 정보의 설정을 변화시켜 제2 대상 타겟팅 정보를 생성한다.
영상 제작장치(130)는 확률 분포 정보가 특정 영상 클릭률에 대한 첨도(kurtosis)가 임계값 이상으로 높으며, 특정 영상 클릭률이 상대적으로 높은값을 갖도록 학습한다.
영상 제작장치(130)는 확률 분포 정보를 결정하기 위해 영상 및 대상 타겟팅 정보를 기반으로 머신 러닝을 수행한다. 영상 제작장치(130)는 대상 타겟팅 정보에 포함되는 복수의 하위 대상 타겟팅 정보를 기반으로 형성된 데이터 세트에 대한 클러스터링을 수행하여 임계 거리 데이터 세트를 통해 영상 효과를 예측한다. 영상 제작장치(130)는 영상 효과가 상대적으로 낮은 경우, 복수의 하위 대상 타겟팅 정보의 조합을 변경하여 최대 영상 효과 클러스터를 탐색한다.
영상 제작장치(130)는 복수의 하위 대상 타겟팅 정보의 조합을 변경으로 영상 효과가 상대적으로 낮은 경우, 2차적으로 영상 상에서 대상 객체를 분석하고 대상 객체의 우선순위를 설정하여 우선순위 별로 대상 객체를 변경하여 영상 효과에 대한 피드백을 추가적으로 수신한다. 영상 제작장치(130)는 기존에 대상 타겟팅 정보의 설정 값의 범위를 기준으로 영상 상에서 영상 효과의 차이를 가진 영상 간의 차이를 기반으로 우선순위를 결정한다.
영상 제작장치(130)는 데이터 수집 기술을 기반으로 영상 효과에 영향을 줄 수 있는 외부 영상 영향 정보를 수집한다. 영상 제작장치(130)는 외부 영상 영향 정보와 영상과의 관련도를 결정한다. 영상 제작장치(130)는 관련도의 크기가 임계값 이상인 경우, 외부 영상 영향 정보를 고려하여 영상을 생성한다.
동영상 제공장치(140)는 네트워크(120)를 이용하여 다양한 동영상을 제공하는 장치를 의미한다. 동영상 제공장치(140)(예컨대, 유튜브, 페이스북, 인스타그램, 네이버 TV, 카카오 TV 등)는 입력된 키워드에 대응하는 영상을 자체적인 알고리즘에 의해 출력한다.
도 2는 본 실시예에 따른 영상 소스 거래 플랫폼을 개략적으로 나타낸 블럭 구성도이다.
본 실시예에 따른 영상 소스 거래 플랫폼(160)은 업로드부(210), 정보 수신부(220), 제1 후보 추출부(230), 제2 후보 추출부(240), 가치 부여부(250), 거래부(260)를 포함한다. 영상 소스 거래 플랫폼(160)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
영상 소스 거래 플랫폼(160)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
도 2에 도시된 영상 소스 거래 플랫폼(160)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.
업로드부(210)는 사용자 단말기(150)로부터 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 영상 소스 데이터를 수신한다. 업로드부(210)는 영상 소스 데이터를 자체적으로 업로드한 업로드 영상 소스 데이터로 저장한다. 정보 수신부(220)는 제작자 단말기(110)로부터 영상 소스 데이터에 대한 거래 요청 신호를 수신한다.
제1 후보 추출부(230)는 자체적으로 저장한 업로드 영상 소스 데이터 중 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제1 후보 영상 소스 정보를 추출한다. 제2 후보 추출부(240)는 동영상 제공장치(140)로부터 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제2 후보 영상 소스 정보를 추출한다.
가치 부여부(250)는 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 가치값을 부여한다.
가치 부여부(250)는 제1 후보 영상 소스 데이터에 대한 조회수, 좋아요, 댓글수, 공유 횟수를 기반으로 제1 가중치를 산출한다. 가치 부여부(250)는 제1 후보 영상 소스 데이터에 대한 CF 수상실적에 따른 제2 가중치를 산출한다. 가치 부여부(250)는 제1 후보 영상 소스 데이터에 제1 가중치와 제2 가중치를 반영하여 제1 후보 영상 소스 가치값을 산출한다.
가치 부여부(250)는 제2 후보 영상 소스 데이터에 대한 조회수, 좋아요, 댓글수, 공유 횟수를 기반으로 제3 가중치를 산출한다. 가치 부여부(250)는 제2 후보 영상 소스 데이터에 대한 CF 수상실적에 따른 제4 가중치를 산출한다. 가치 부여부(250)는 제2 후보 영상 소스 데이터에 제3 가중치와 제4 가중치를 반영하여 제2 후보 영상 소스 가치값을 산출한다.
거래부(260)는 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 부여된 가치값에 대응하는 비용을 결제하는 단말기로 해당 영상 소스 데이터를 전송한다.
거래부(260)는 제작자 단말기(110)로부터 수신된 거래 요청 신호에 포함된 영상 소스 데이터를 제1 후보 영상 소스 데이터 및 제2 후보 영상 소스 데이터 중 어느 하나의 영상 소스 데이터와 서로 간에 맞교환하는 거래를 제공한다.
거래부(260)는 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 부여된 가치값 중 거래 요청 신호에 포함된 영상 소스 데이터에 대한 가치값과 임계 범위내에서 차이값을 갖는 데이터 중 어느 하나와 서로 간에 맞교환하는 거래를 제공한다.
거래부(260)는 제1 후보 영상 소스 가치값 각각에 대응하는 제1 가격을 산출하고, 제1 후보 영상 소스 데이터 각각에 제1 가격을 매칭한다. 거래부(260)는 제2 후보 영상 소스 가치값 각각에 대응하는 제2 가격을 산출하고, 제2 후보 영상 소스 데이터 각각에 제2 가격을 매칭한다. 거래부(260)는 제1 가격과 제2 가격 중 비용을 결제된 영상 소스 데이터를 제작자 단말기(110)로 전송한다.
도 3은 본 실시예에 따른 영상 제작장치를 개략적으로 나타낸 블럭 구성도이다.
본 실시예에 따른 영상 제작장치(130)는 키워드 입력부(310), 레퍼런스 영상 생성부(312), 영상 정보 입력부(320), 맞춤 영상 생성부(322), 객체 분리부(330), 배경음악 분리부(340), 마케팅 문구 생성부(350), 영상 제작부(360), 영상 데이터 수집부(370), 영상 학습부(380)를 포함한다. 영상 제작장치(130)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
영상 제작장치(130)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
도 3에 도시된 영상 제작장치(130)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.
키워드 입력부(310)는 제작자 단말기(110)로부터 키워드를 입력받는다.
레퍼런스 영상 생성부(312)는 AI를 이용하여 복수의 동영상 제공장치(140)로부터 키워드에 대응하는 배경화면, 음악, 텍스트 중 적어도 하나 이상을 추출하여 레퍼런스 영상을 생성한다.
레퍼런스 영상 생성부(312)는 복수의 동영상 제공장치(140)로부터 키워드에 대응하는 배경화면, 음악, 텍스트 중 무료 데이터만을 선별하여 레퍼런스 영상을 생성한다. 레퍼런스 영상 생성부(312)는 키워드에 대응하는 좋아요, 댓글, 조회수를 기반으로 레퍼런스 영상을 생성한다.
레퍼런스 영상 생성부(312)는 복수의 동영상 제공장치(140)로부터 기 설정된 기간(최근 5년간)동안 키워드와 가장 높은 마케팅 연관성을 갖는 영상을 기 설정된 개수를 포함하는 리스트로 출력한다. 레퍼런스 영상 생성부(312)는 리스트에 포함된 영상 중 제작자 선호도를 기반으로 선별된 영상을 레퍼런스 영상으로 생성한다.
레퍼런스 영상 생성부(312)는 복수의 동영상 제공장치(140)로부터 키워드에 대응하는 영상 중 조회수, 좋아요 횟수, 댓글수, 공유 횟수 중 하나 이상의 정보를 기반으로 1차적으로 높은 마케팅 연관성을 갖는 영상으로 추출한다.
레퍼런스 영상 생성부(312)는 복수의 동영상 제공장치(140)로부터 키워드에 대응하는 영상 중 CF(Commercial Film) 수상실적을 갖는 영상을 객관적인 지표로서 데이터를 리스트화시켜 2차적으로 높은 마케팅 연관성을 갖는 영상으로 추출한다. 레퍼런스 영상 생성부(312)는 1차적으로 높은 연관성을 갖는 영상과 2차적으로 높은 연관성을 갖는 영상을 조합한 후 기 설정된 개수 단위로 리스트화하여 제작자 단말기(110)로 전송한다.
레퍼런스 영상 생성부(312)는 리스트에 포함된 영상 중 제작자 단말기(110)가 선택한 영상을 재생시킨다. 레퍼런스 영상 생성부(312)는 재생된 영상의 재생시간, 재생완성률, 재생 구간을 기반으로 제작자 선호도를 산출한다. 레퍼런스 영상 생성부(312)는 리스트에 포함된 영상 중 제작자 선호도에 해당하는 영상을 선별하여 레퍼런스 영상을 생성한다.
레퍼런스 영상 생성부(312)는 제작자 선호도를 기반으로 유사한 영상을 추가로 검색하여 리스트화에 추가한다. 레퍼런스 영상 생성부(312)는 리스트에 포함된 영상 각각의 총 재생시간을 기반으로 재생 구간을 분할한다. 레퍼런스 영상 생성부(312)는 총 재생시간 대비 재생시간을 기반으로 재생 완성률을 확인한다.
레퍼런스 영상 생성부(312)는 리스트에 포함된 영상 각각의 전체 재생구간을 임의의 재생구간(예컨대, 3%, 10%, 25%, 50%, 75%, 100%)으로 분할한다. 레퍼런스 영상 생성부(312)는 임의의 재생구간이 길수록 해당 영상의 카테고리, 속성, 제목이 제작자 선호도에 부합하는 것으로 인지한다.
레퍼런스 영상 생성부(312)는 제작자 단말기(110)에 대응하는 제작자 계정에서 기 설정한 카테고리 정보를 영상 화질 카테고리(4K 화질, FHD 화질, HD 화질), 영상 타입 카테고리(홍보영상, 제품영상, 드라마타입, 애니메이션, 인포그래픽, 자연, 인물), 영상 톤 카테고리(역동적인, 화사한, 리드미컬한, 발라드, 드라마타입, 현란한) 중 어느 하나인 것을 확인한다. 레퍼런스 영상 생성부(312)는 기 설정한 카테고리에 대응하는 배경화면, 음악, 텍스트에 가중치를 반영하여 레퍼런스 영상을 생성한다.
영상 정보 입력부(320)는 제작자 단말기(110)로부터 영상 정보를 입력받는다.
맞춤 영상 생성부(322)는 영상 정보를 분석한 분석 결과를 생성한다. 맞춤 영상 생성부(322)는 AI를 이용하여 복수의 동영상 제공장치(140)로부터 분석 결과에 대응하는 데이터를 추출하여 맞춤 영상을 생성한다.
맞춤 영상 생성부(322)는 복수의 동영상 제공장치(140)로부터 분석 결과에 대응하는 배경화면, 음악, 텍스트 중 무료 데이터만을 선별하여 맞춤 영상을 생성한다. 맞춤 영상 생성부(322)는 영상 정보에 해당하는 제품군을 분석하고, 제품군을 포함하고 있는 영상을 기반으로 맞춤 영상을 생성한다.
맞춤 영상 생성부(322)는 영상 정보로부터 영상 분량(30초), 영상 타입(인포그래픽, 실사 촬영, 인포그래픽 및 실사촬영), 영상 톤(잔잔한, 역동적인, 드라마적인, 색감있는, 아기자기한), 영상 소스(깨끗한 바다, 청량한 느낌, 맑은 자연, 청순한 동양미인, 기초화장품), BGM(맑고 깨끗한 피아노, 맑은 물소리), 문구(‘자연 그대로의 순수함을 머금은 순수한 물결’, ‘오늘부터 자연으로 내 피부에 입히세요’)를 추출한다.
맞춤 영상 생성부(322)는 영상 소스에 영상 톤, 영상 타입을 적용한 상태에서 BGM, 문구를 삽입하여 영상 분량만큼 재생되도록 하는 맞춤 영상을 생성한다. 맞춤 영상 생성부(322)는 맞춤 영상에 대한 제작자 단말기(110)로부터 수신한 피드백 정보를 수신하여 학습한 학습 결과를 생성한다. 맞춤 영상 생성부(322)는 학습 결과를 맞춤 영상을 생성할 때 반영한다.
맞춤 영상 생성부(322)는 웹소설, 시로부터 문구에 대응하는 긴 문장, 철학적인 문장을 추출하여 맞춤 영상에 삽입한다.
객체 분리부(330)는 AI를 이용하여 레퍼런스 영상과 맞춤 영상으로부터 배경 영상과 대상 객체(제품)를 구분한다. 객체 분리부(330)는 레퍼런스 영상과 맞춤 영상 중 대상 객체(제품)를 미포함하는 영상을 배경 영상으로 구분한다. 객체 분리부(330)는 레퍼런스 영상과 맞춤 영상 중 대상 객체(제품)를 포함하는 영상으로부터 대상 객체(제품)만을 분리한다.
배경음악 분리부(340)는 AI를 이용하여 레퍼런스 영상과 맞춤 영상으로부터 배경 음악만을 추출한다. 마케팅 문구 생성부(350)는 AI를 이용하여 레퍼런스 영상과 맞춤 영상에 포함된 텍스트를 인지한다. 마케팅 문구 생성부(350)는 텍스트 중 키워드와 문구와 연관성을 갖는 단어 또는 문장을 추출하여 마케팅 문구로 재조합한다.
영상 제작부(360)는 레퍼런스 영상과 맞춤 영상을 조합하여 영상을 제작한다. 영상 제작부(360)는 객체 분리부(330)에 구분한 배경영상 내에 대상 객체를 삽입하는 형태로 영상을 제작한다. 영상 제작부(360)는 배경음악 분리부(340)에서 구분한 배경 음악을 배경영상에 따라 삽입하는 형태로 영상을 제작한다. 영상 제작부(360)는 마케팅 문구 생성부(350)에서 생성한 마케팅 문구를 배경영상에 따라 삽입하는 형태로 영상을 제작한다.
영상 제작부(360)는 제작자 정보에 포함된 타겟 연령층 정보를 기반으로 복수의 대상 객체 정보, 복수의 대상 타겟팅 정보를 포함하는 복수의 영상을 생성한다.
영상 제작부(360)는 제작자 정보에 포함된 타겟 연령층 정보와 동영상 제공장치(140) 각각의 나이 카테고리를 기반으로 한 클러스터에 의해 결정된 복수의 대상 타겟팅 정보를 생성한다. 영상 제작부(360)는 웹 페이지에 포함된 나이 관련 단어에 대한 단어 집합 추출 빈도 및 단어 밀집도를 기반으로 언어 인접도를 결정한다. 영상 제작부(360)는 언어 인접도에 의해 클러스터의 중심과 타겟 연령층 정보에 포함되는 나이 지시 단어 간의 거리를 결정한다.
영상 제작부(360)는 영상 학습부(380)에서 수행한 제1 머신 러닝을 기반으로 한 제1 영상을 생성한다. 영상 제작부(360)는 영상 학습부(380)에서 수행한 제2 머신 러닝을 기반으로 한 제2 영상을 생성한다. 영상 제작부(360)는 영상 학습부(380)에서 수행한 제3 머신 러닝을 기반으로 한 제3 영상을 생성한다.
영상 제작부(360)는 영상 데이터 수집부(370)로부터 수신한 영상 결과 정보의 분석을 기반으로 영상, 대상 타겟팅 정보에 대한 수정 여부를 결정한다.
영상 제작부(360)는 머신 러닝을 기반으로 레퍼런스 영상 및 맞춤 영상에 포함된 배경 영상에서 분리되는 대상 객체의 위치 또는 크기를 고려하여 복수의 영상을 생성한다.
영상 제작부(360)는 제작자 정보(미존재)와 관련된 추가적인 질문에 대한 답변을 받지 못하는 경우, 이미 입력받은 제작자 정보(존재)를 기반으로 예측을 수행한다.
영상 제작부(360)는 예측 정확도가 임계값 이상이라고 판단되는 경우, 예측된 정보를 이용하여 복수의 영상을 생성한다. 영상 제작부(360)는 예측 정확도가 임계값 미만이라고 판단되는 경우, 인공 지능 챗봇을 통해 추가 질문을 생성하여 제작자 단말기(110)로 전송한다. 영상 제작부(360)는 제작자 정보(존재)를 기준으로 기존에 입력된 기존 제작자 정보 중 적어도 하나와 비교하여 예측 정확도를 결정한다. 영상 제작부(360)는 제작자 정보(미존재) 별로 예측을 위해 설정된 제작자 정보(존재) 중 특정 제작자 정보(존재) 및 특정 제작자 정보(존재)에 대한 별도의 가중치를 기반으로 예측 정확도를 결정한다.
영상 제작부(360)는 복수의 영상에 포함되는 대상 객체에 대한 우선순위를 설정한다. 영상 제작부(360)는 복수의 영상 중 영상 효과의 차이가 존재하는 영상 간의 차이를 기반으로 우선순위를 결정한다. 영상 제작부(360)는 날씨 정보, 지역 온라인 및 오프라인 이벤트 정보 또는 사용자 위치 정보를 포함하는 외부 영상 영향 정보를 생성한다. 영상 제작부(360)는 외부 영상 영향 정보와 복수의 영상 각각과의 관련도를 판단한다.
영상 제작부(360)는 기존 영상 정보에 포함된 상품과 직접적으로 관련이 없는 정보를 추출하여 관련도를 결정한다. 영상 제작부(360)는 기존 영상에 포함되는 날씨 정보, 지역 온라인 및 오프라인 이벤트 정보 또는 사용자 위치 정보에 대한 분석을 기반으로 관련도를 결정한다. 영상 제작부(360)는 관련도의 크기를 고려하여 관련도가 임계값 이상인 경우, 외부 영상 영향 정보를 고려하여 영상을 생성한다.
영상 제작부(360)는 레퍼런스 영상과 맞춤 영상을 조합하여 제1 영상, 제2 영상을 생성한다.
영상 제작부(360)는 영상 결과 정보를 머신 러닝한 결과를 기반으로 영상에 대한 영상 결과 예측을 수행한다. 영상 제작부(360)는 영상에 따라 생성된 영상 클릭률에 대한 확률 분포 정보를 포함하는 영상 결과 예측을 생성한다.
영상 제작부(360)는 제1 대상 타겟팅 정보를 포함하는 제1 영상 및 제2 대상 타겟팅 정보를 포함하는 제2 영상을 생성한다. 영상 제작부(360)는 머신 러닝을 기반으로 한 확률 분포 정보를 기반으로 상대적으로 높은 영상 클릭률이 상대적으로 높은 확률로 예측되도록 제1 대상 타겟팅 정보에 포함되는 적어도 하나의 제1 하위 플랫폼 대상 타겟팅 정보의 설정을 변화시켜 제2 대상 타겟팅 정보를 생성한다.
영상 제작부(360)는 대상 타겟팅 정보에 포함되는 복수의 하위 대상 타겟팅 정보를 기반으로 형성된 데이터 세트에 대한 클러스터링을 수행하여 임계 거리 데이터 세트를 통해 영상 효과를 예측한다. 영상 제작부(360)는 영상 효과가 상대적으로 낮은 경우, 복수의 하위 대상 타겟팅 정보의 조합을 변경하여 최대 영상 효과 클러스터를 탐색한다.
영상 제작부(360)는 복수의 하위 대상 타겟팅 정보의 조합을 변경으로 영상 효과가 상대적으로 낮은 경우, 2차적으로 영상 상에서 대상 객체를 분석하고 대상 객체의 우선순위를 설정하여 우선순위 별로 대상 객체를 변경하여 영상 효과에 대한 피드백을 추가적으로 수신하도록 한다. 영상 제작부(360)는 기존에 대상 타겟팅 정보의 설정 값의 범위를 기준으로 영상 효과의 차이를 가진 영상 간의 차이를 기반으로 우선순위를 결정한다.
영상 제작부(360)는 외부 영상 영향 정보와 영상과의 관련도를 결정하며, 관련도의 크기가 임계값 이상인 경우, 외부 영상 영향 정보를 고려하여 복수의 영상을 생성하도록 한다.
영상 데이터 수집부(370)는 제작자 단말기(110)로부터 타겟 연령층 정보를 포함하는 제작자 정보를 수신한다. 영상 데이터 수집부(370)는 영상 제작부(360)에서 생성한 제1 영상, 제2 영상 및 제3 영상에 대한 제작자 단말기(110)의 선택 결과를 수집한다. 영상 데이터 수집부(370)는 영상 제작부(360)에서 생성한 영상에 대한 영상 결과 정보를 제작자 단말기(110)로부터 수신한다.
영상 데이터 수집부(370)는 인공 지능 챗봇 상에 입력된 제작자 웹 페이지 상의 정보의 스크랩핑, 인공 지능 챗봇을 이용하여 제작자 단말기(110)로의 질의를 전송하고, 질의에 대한 답변을 기반으로 제작자 정보를 수집한다.
영상 데이터 수집부(370)는 우선순위 별로 대상 객체를 변경하여 영상 효과에 대한 피드백을 제작자 단말기(110)로부터 수신한다. 영상 데이터 수집부(370)는 영상 제작부(360)에서 생성한 제1 영상에 대한 제1 영상 결과 정보, 제2 영상에 대한 제2 영상 결과 정보를 제작자 단말기(110)로부터 수신한다. 영상 데이터 수집부(370)는 데이터 수집 기술을 기반으로 영상 효과에 영향을 줄 수 있는 외부 영상 영향 정보를 수집한다.
영상 학습부(380)는 제1 머신 러닝부, 제2 머신 러닝부, 제3 머신 러닝부를 포함한다. 제1 머신 러닝부는 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려하지 않은 학습 데이터를 기반으로 한 제1 머신 러닝을 수행한다. 제2 머신 러닝부는 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려한 학습 데이터를 기반으로 한 제2 머신 러닝을 수행한다. 제3 머신 러닝부는 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려하지 않은 학습 데이터 및 동영상 제공장치(140)에 대한 멀티 플랫폼을 고려한 학습 데이터를 기반으로 한 제3 머신 러닝을 수행한다.
영상 학습부(380)는 영상 학습부(380)에서 수행한 제3 머신 러닝을 위한 멀티 플랫폼을 고려하지 않은 학습 데이터 및 멀티 플랫폼을 고려한 학습 데이터의 비율을 변화시킨다. 영상 학습부(380)는 레퍼런스 영상 및 맞춤 영상에 포함된 대상 객체를 입력 정보로서 입력하여 머신 러닝을 수행한다.
영상 학습부(380)는 영상에 포함된 대상 객체에 대한 사람의 시선 관련 정보를 입력 정보로서 수신하여 머신 러닝을 수행한다. 영상 학습부(380)는 영상에 포함된 대상 객체에 대해 사람이 우선적으로 관심을 가지고 보는 객체 우선 인식 영역에 대한 정보 및 대상 객체에서 사람이 순차적으로 관심을 가지고 보는 시선 이동 영역에 대한 정보를 포함한 시선 관련 정보를 생성한다.
영상 학습부(380)는 영상에 포함된 대상 객체 정보, 대상 객체에 대한 시선 정보를 포함하는 제1 시선 데이터 세트를 기반으로 한 기계 학습을 이용하여 객체 우선 인식 영역에 대한 정보를 획득한다. 영상 학습부(380)는 영상에 포함된 대상 객체 정보, 대상 객체에 대한 시선 이동 정보를 포함하는 제2 시선 데이터 세트를 기반으로 한 기계 학습을 이용하여 시선 이동 영역에 대한 정보를 획득한다.
영상 학습부(380)는 대상 객체와 기존 대상 객체의 유사도를 기반으로 결정한 적합도를 기반으로 제작자에 의해 제공된 상품 이미지의 활용도가 상대적으로 높은 플랫폼 영상(제작자 베이스)을 사용할지 제작자에 의해 제공된 상품 이미지의 활용도가 상대적으로 낮은 플랫폼 영상(인공지능 베이스)을 사용할지 여부를 결정한다.
영상 학습부(380)는 제1 영상, 제1 영상 결과 정보, 제2 영상, 제2 영상 결과 정보를 입력 정보로 머신 러닝을 수행한다.
영상 학습부(380)는 확률 분포 정보가 특정 영상 클릭률에 대한 첨도(kurtosis)가 임계값 이상으로 높으며, 특정 영상 클릭률이 상대적으로 높은값을 갖도록 학습한다. 영상 학습부(380)는 확률 분포 정보를 결정하기 위해 플랫폼 영상 및 플랫폼 대상 타겟팅 정보를 기반으로 머신 러닝을 수행한다.
도 4는 본 실시예에 따른 영상 데이터 거래 방법을 설명하기 위한 순서도이다.
영상 소스 거래 플랫폼(160)은 사용자 단말기(150)로부터 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 영상 소스 데이터를 수신한다(S410). 단계 S410에서, 영상 소스 거래 플랫폼(160)은 영상 소스 데이터를 자체적으로 업로드한 업로드 영상 소스 데이터로 저장한다.
영상 소스 거래 플랫폼(160)은 제작자 단말기(110)로부터 영상 소스 데이터에 대한 거래 요청 신호를 수신한다(S420). 영상 소스 거래 플랫폼(160)은 자체적으로 저장한 업로드 영상 소스 데이터 중 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제1 후보 영상 소스 정보를 추출한다(S430).
영상 소스 거래 플랫폼(160)은 동영상 제공장치(140)로부터 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제2 후보 영상 소스 정보를 추출한다(S440).
영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 가치값을 부여한다(S450). 단계 S450에서, 영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터에 대한 조회수, 좋아요, 댓글수, 공유 횟수를 기반으로 제1 가중치를 산출한다. 영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터에 대한 CF 수상실적에 따른 제2 가중치를 산출한다. 영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터에 제1 가중치와 제2 가중치를 반영하여 제1 후보 영상 소스 가치값을 산출한다.
영상 소스 거래 플랫폼(160)은 제2 후보 영상 소스 데이터에 대한 조회수, 좋아요, 댓글수, 공유 횟수를 기반으로 제3 가중치를 산출한다. 영상 소스 거래 플랫폼(160)은 제2 후보 영상 소스 데이터에 대한 CF 수상실적에 따른 제4 가중치를 산출한다. 영상 소스 거래 플랫폼(160)은 제2 후보 영상 소스 데이터에 제3 가중치와 제4 가중치를 반영하여 제2 후보 영상 소스 가치값을 산출한다.
영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 부여된 가치값에 대응하는 비용을 결제하는 단말기로 해당 영상 소스 데이터를 전송한다(S460).
단계 S460에서, 영상 소스 거래 플랫폼(160)은 제작자 단말기(110)로부터 수신된 거래 요청 신호에 포함된 영상 소스 데이터를 제1 후보 영상 소스 데이터 및 제2 후보 영상 소스 데이터 중 어느 하나의 영상 소스 데이터와 서로 간에 맞교환하는 거래를 제공한다.
영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 데이터, 제2 후보 영상 소스 데이터 각각에 부여된 가치값 중 거래 요청 신호에 포함된 영상 소스 데이터에 대한 가치값과 임계 범위내에서 차이값을 갖는 데이터 중 어느 하나와 서로 간에 맞교환하는 거래를 제공한다.
영상 소스 거래 플랫폼(160)은 제1 후보 영상 소스 가치값 각각에 대응하는 제1 가격을 산출하고, 제1 후보 영상 소스 데이터 각각에 제1 가격을 매칭한다. 영상 소스 거래 플랫폼(160)은 제2 후보 영상 소스 가치값 각각에 대응하는 제2 가격을 산출하고, 제2 후보 영상 소스 데이터 각각에 제2 가격을 매칭한다. 영상 소스 거래 플랫폼(160)은 제1 가격과 제2 가격 중 비용을 결제된 영상 소스 데이터를 제작자 단말기(110)로 전송한다.
도 4에서는 단계 S410 내지 단계 S460을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 4에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 4는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 4에 기재된 본 실시예에 따른 영상 데이터 거래 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 영상 데이터 거래 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 5는 본 실시예에 따른 AI 기반의 영상 제작 방법을 설명하기 위한 순서도이다.
영상 제작장치(130)는 제작자 단말기(110)로부터 키워드를 입력받는다(S510).
영상 제작장치(130)는 AI를 이용하여 복수의 동영상 제공장치(140)로부터 키워드에 대응하는 배경화면, 음악, 텍스트 중 적어도 하나 이상을 추출하여 레퍼런스 영상을 생성한다(S520). 단계 S520에서, 영상 제작장치(130)는 제작자가 제작하고자 하는 영상의 레퍼런스 영상 검색하고 소개한다. 영상 제작장치(130)는 제작자가 만들고자 하는 예시 영상들의 레퍼런스들을 최적화시킨다. 영상 제작장치(130)는 제작자 단말기(110)로부터 ‘뷰티화장품’이란 키워드를 입력받으면, 기존에 제작이 되었던 뷰티화장품에 관련된 상품, 홍보 등의 영상들이 좋아요, 댓글, 조회수 등 신뢰할 수 있는 데이터로 정렬되어 TOP 100을 선별하여 제작자 단말기(110)로 출력한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 제작자가 마음에 드는 영상들을 선택하면, AI를 이용하여 선택된 영상들의 공통점을 파악하여, 다시 제작자 단말기(110)로 전송한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 몇 번의 과정을 거쳐 제작자가 만들고자 하는 예시 영상 레퍼런스를 최적화한다. 영상 제작장치(130)는 예시 영상 레퍼런스를 최적화하는 과정에서 AI를 학습시켜서, 비슷한 성향을 가진 타사용자에게 예시 영상 레퍼런스를 소개하여 데이터를 축적한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 영상 정보를 입력받는다(S530). 영상 제작장치(130)는 영상 정보를 분석한 분석 결과를 생성하고, AI를 이용하여 복수의 동영상 제공장치(140)로부터 분석 결과에 대응하는 데이터를 추출하여 맞춤 영상을 생성한다(S540).
단계 S540에서, 영상 제작장치(130)는 제작자가 만들고자 하는 영상의 필요정보를 입력하면, 머신러닝으로 학습된 AI 알고리즘에 의해 알맞은 영상 데이터를 매칭시켜가면서, AI 영상을 쉽고 빠르게 제작한다.
예컨대, 영상 제작장치(130)는 제작자 단말기(110)로부터 원하는 영상 정보를 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 제작분량으로 30초, 45초, 60초, 2분, 5분, 10분 중 하나를 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 영상 타입으로 인포그래픽, 실사영상 데이터, 인포그래픽과 실사영상 데이터 중 하나를 입력받는다.
영상 제작장치(130)는 제작자 단말기(110)로부터 영상 톤으로 잔잔한 톤, 역동적인 톤, 드라마타입 톤, 트랜디한 톤, 감성적인 톤 중 하나를 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 영상소스로 인포그래픽인 경우 여러 개의 예시 영상소스를 입력받고, 실사촬영인 경우 예시 실사영상을 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 원하는 영상 속도로 잔잔하게, 보통, 빠르게 중 하나를 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 BGM을 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 영상 자막을 사용자가 넣고 싶은 영상자막을 입력받는다. 영상 제작장치(130)는 제작자 단말기(110)로부터 로고로 첨부파일을 삽입받고 첨부 파일 내용을 영상 처음 또는 끝에 노출할지 선택받는다.
단계 S540 이후 영상 제작장치(130)는 AI를 이용하여 레퍼런스 영상과 맞춤 영상으로부터 배경 영상과 대상 객체(제품)를 구분한다. 영상 제작장치(130)는 레퍼런스 영상과 맞춤 영상 중 대상 객체(제품)를 미포함하는 영상을 배경 영상으로 구분한다. 영상 제작장치(130)는 레퍼런스 영상과 맞춤 영상 중 대상 객체(제품)를 포함하는 영상으로부터 대상 객체(제품)만을 분리한다. 영상 제작장치(130)는 AI를 이용하여 레퍼런스 영상과 맞춤 영상으로부터 배경 음악만을 추출한다. 영상 제작장치(130)는 AI를 이용하여 레퍼런스 영상과 맞춤 영상에 포함된 텍스트를 인지한다. 영상 제작장치(130)는 텍스트 중 키워드와 문구와 연관성을 갖는 단어 또는 문장을 추출하여 마케팅 문구로 재조합한다.
영상 제작장치(130)는 레퍼런스 영상과 맞춤 영상을 조합하여 영상을 제작한다(S550). 단계 S550에서, 영상 제작장치(130)는 배경영상 내에 대상 객체를 삽입하는 형태로 영상을 제작한다. 영상 제작장치(130)는 배경 음악을 배경영상에 따라 삽입하는 형태로 영상을 제작한다. 영상 제작장치(130)는 마케팅 문구를 배경영상에 따라 삽입하는 형태로 영상을 제작한다.
영상 제작장치(130)는 영상제작이 완료된 후, 수정구간을 사용자가 직접 선택하게 하여, 재제작이 가능하도록 하여 몇 번의 과정을 거쳐 사용자가 만들고자 하는 영상을 제작할 수 있도록 한다. 영상 제작장치(130)는 AI를 학습시켜서 비슷한 영상을 만들고자 하는 타사용자에게 접목시켜 AI 기반 영상을 제작한다.
도 5에서는 단계 S510 내지 단계 S550을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 5에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 5는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 5에 기재된 본 실시예에 따른 AI 기반의 영상 제작 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 AI 기반의 영상 제작 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 6은 본 실시예에 따른 복수의 영상 제작하는 방법을 나타낸 도면이다.
영상 제작장치(130)는 제작자 정보를 기반으로 복수의 영상을 제작한다. 영상 제작장치(130)는 제작자 정보를 기반으로 복수의 동영상 제공장치(140) 각각에 대한 영상을 제작한다.
영상 제작장치(130)는 제작자 단말기(110)로부터 제작자 정보를 수신한다. 영상 제작장치(130)는 제작자 정보에 포함된 이미지 정보, 회사 상표 정보, 카피 문구 정보 중 하나 이상의 정보를 추출한다. 영상 제작장치(130)는 이미지 정보, 회사 상표 정보, 카피 문구 정보 중 하나 이상의 정보를 기반으로 영상을 제작한다.
영상 제작장치(130)는 복수의 동영상 제공장치(140)별로 서로 다른 영상을 제작한다. 예컨대, 영상 제작장치(130)는 제1 동영상 제공장치(예컨대, 트위터)과 제2 동영상 제공장치(예컨대, 유튜브)에 대해 서로 다른 영상을 제작할 수 있다.
영상 제작장치(130)는 영상 데이터 수집부(370), 영상 데이터 가공부, 영상 학습부(380)를 포함한다. 영상 학습부(380)는 제1 머신 러닝부, 제2 머신 러닝부, 제3 머신 러닝부를 포함한다.
제1 머신 러닝부는 멀티 플랫폼별 구분이 없이 기존 영상의 수집, 가공, 학습을 수행하는 제1 머신 러닝을 수행한다. 제2 머신 러닝부는 멀티 플랫폼을 구분하여 멀티 플랫폼별 영상에 대한 수집, 가공, 학습을 수행하는 제2 머신 러닝을 수행한다. 제3 머신 러닝부는 서로 다른 학습 데이터 세트(예컨대, 상품별로 구분된 기존 상품 이미지, 동영상 제공장치별 상품 이미지)을 이용한 제3 머신 러닝을 수행한다.
제1 머신 러닝부와 제2 머신 러닝부는 지도 학습, 비지도 학습, 딥 러닝을 포함을 이용하여 제1 머신 러닝, 제2 머신 러닝을 수행한다.
제1 머신 러닝부는 지도 학습을 위한 라벨링을 수행되는 경우, 기존 대상 객체에 포함된 상품의 위치, 보조 객체의 위치, 회사 상표의 위치, 카피 문구에 대한 위치에 대한 라벨링된 데이터를 제1 머신 러닝을 위해 입력되는 학습 데이터로서 입력받아 제1 머신 러닝을 수행한다.
제2 머신 러닝부는 라벨링된 플랫폼별 기존 대상 객체를 제2 머신 러닝을 위해 입력되는 학습 데이터로서 입력받아 제2 머신 러닝을 수행한다. 제2 머신 러닝부는 플랫폼 별 기존 대상 객체에 포함된 상품의 위치, 보조 객체의 위치, 회사 상표의 위치, 카피 문구에 대한 위치에 대한 라벨링된 데이터를 제2 머신 러닝을 위해 입력되는 학습 데이터로서 입력받아 제2 머신 러닝을 수행한다.
영상 제작장치(130)는 제1 머신 러닝부에서 수행하는 제1 머신 러닝과 제2 머신 러닝부에서 수행하는 제2 머신 러닝을 기반으로 플랫폼별 영상을 각각 생성할 수 있다.
영상 제작장치(130)는 제1 머신 러닝부에서 수행하는 제1 머신 러닝과 제2 머신 러닝부에서 수행하는 제2 머신 러닝을 합쳐져 하나의 영상을 생성할 수 있다.
영상 제작장치(130)는 제1 머신 러닝부에서 수행하는 제1 머신 러닝을 기반으로 제1 영상을 제작한다. 영상 제작장치(130)는 제2 머신 러닝부에서 수행하는 제2 머신 러닝을 기반으로 제2 영상을 제작한다. 영상 제작장치(130)는 제3 머신 러닝부에서 수행하는 제3 머신 러닝을 기반으로 제3 영상을 제작한다.
영상 제작장치(130)는 제1 영상, 제2 영상, 제3 영상을 제작자 단말기(110)로 전송한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 제1 영상, 제2 영상, 제3 영상 중 하나를 선택받을 수 있다.
영상 제작장치(130)는 머신 러닝을 이용하여 학습한 AI을 기반으로 동영상 제공장치(140)별 영상을 제작하여 동영상 제공장치(140)별 성향에 맞는 영상을 제작한다. 예컨대, 영상 제작장치(130)는 AI을 기반으로 상품의 위치/크기, 회사 상표의 위치/크기, 카피 문구의 위치/크기, 배경, 글씨 폰트, 상품 이미지의 해상도 및 크기 등이 결정하여 동영상 제공장치(140)로 영상을 상이하게 제작할 수 있다.
영상 데이터 수집부(370)는 기존 영상에 대해 수집할 때, 영상 효과에 대한 정보도 함께 수집한다. 영상 데이터 수집부(370)는 동영상 제공장치(140)에서 영상 반응 정보('좋아요'의 개수, 댓글의 개수, 영상 클릭률 등)를 기반으로 영상 효과도 함께 수집하여 기존 상품 이미지와 영상 효과에 대한 기계 학습을 수행한다.
영상 데이터 수집부(370)는 복수의 머신 러닝 결과 각각을 기반으로 한 영상 각각에 대한 제작자 장치의 선택 결과를 수집하여 학습 패턴을 변화시킬 수 있다.
제3 머신 러닝부는 제1 영상, 제2 영상, 제3 영상 중 제2 영상의 선택 비율이 다른 제1 영상과 제3 영상의 선택 비율과 비교하여 설정된 임계 비율을 넘어가는 경우, 제2 영상의 학습을 위해 사용되었던 입력 데이터의 비율을 상대적으로 높여서 제3 머신 러닝을 수행할 수 있다.
영상 제작장치(130)는 서로 다른 영상의 선택 비율과 비교하여 특정 영상의 선택 비율이 설정된 임계 비율을 넘어가는 경우, 제작자 단말기(110)로부터 별도의 선택 절차 없이 선택 비율이 높은 영상만을 제공할 수 있다.
도 7은 본 실시예에 따른 영상 결과에 따라 대상 타겟팅 방법을 나타낸 도면 이다.
영상 제작장치(130)는 영상을 제작하여 동영상 제공장치(140)에 등록한다. 이후, 영상 제작장치(130)는 동영상 제공장치(140)로부터 영상에 대한 영상 결과 정보를 수신한다. 영상 제작장치(130)는 자체적으로 영상 결과 정보를 머신 러닝 결과에 대한 피드백으로 이용한다.
영상 제작장치(130)는 특정 영상에 대한 영상 결과 정보(예를 들어, 영상 클릭률, 좋아요 수, 댓글 수 등)을 수집한다.
영상 제작장치(130)는 영상과 영상 결과 정보를 매칭하여 영상 학습부(380)로 입력한다. 영상 학습부(380)는 효과적인 영상 효과를 가지는 영상에 대한 머신 러닝을 수행한다.
영상 제작장치(130)는 영상 결과 정보를 반영하여 영상에 포함되는 상품 디자인을 변화시킬 수 있다. 예컨대, 영상 제작장치(130)는 제1 영상에서 상품 이미지가 크고 카피 문구는 상대적으로 작을수록 영상 클릭률이 높고, 제2 영상에서 상품 이미지가 작고 카피 문구는 상대적으로 클수록 영상 클릭률이 높은 것으로 확인하면, 영상 결과 정보를 반영하여 영상 내 포함되는 상품 이미지, 문구의 디자인 방식을 변화시킬 수 있다.
영상 제작장치(130)는 대상 객체 또는 영상 결과 정보에 대한 데이터 세트를 입력으로 한 머신 러닝을 수행할 수 있다. 영상 제작장치(130)는 머신 러닝 결과를 기반으로 이후 제작자 정보를 기반으로 영상을 제작할 때, 대상 객체, 상품 이미지, 로고, 카피 문구 등의 위치를 결정할 수 있다.
영상 제작장치(130)는 피드백 결과를 기반으로 영상 제작 예산 분배 결정 및/또는 영상 배포 기간 결정할 수 있다. 영상 제작장치(130)는 영상 제작 금액이 기 설정된 금액(예컨대, 100만원)인 경우, 기 설정된 금액(예컨대, 100만원)으로 특정 동영상 제공장치에 특정 플랫폼을 타겟팅하여 설정하고, 특정 기간동안 특정 영상이 공급될 동안 얼마큼 효과적인지를 분석한 분석 결과를 생성한다.
영상 제작장치(130)는 대상 타겟팅 설정에 따른 기존 동일/유사한 물품/서비스의 영상 효과를 동영상 제공장치(140) 별로 분석한다. 영상 제작장치(130)는 소분류(화장품), 중분류(미용 용품), 대분류(생활 용품) 등과 같은 물품 분류를 기반으로 제품의 동일 또는 유사 여부를 결정한다.
영상 제작장치(130)는 쇼핑 카테고리에 대한 AI 기반의 학습으로 제품의 동일 또는 유사 여부를 결정한다. 영상 제작장치(130)는 영상 효과가 높은 것으로 판단되는 기존 동일/유사한 물품/서비스에서 설정된 동영상 제공장치(140)별 영상 제작 금액의 비율 정보, 영상 배포 기간 정보, 플랫폼 대상 타겟팅 정보를 추출한다.
영상 제작장치(130)는 동영상 제공장치(140)별 영상 제작 금액의 비율 정보, 영상 배포 기간 정보, 대상 타겟팅 정보의 산술 평균값, 중간값 또는 영상 효과 우선순위로 가중치를 부여한 값을 제작자 단말기(110)로 전송한다.
도 8은 본 실시예에 따른 제작자 정보와 대상 타겟팅 정보를 대응시키기 위해 클러스터링 방법을 나타낸 도면이다.
영상 제작장치(130)는 제작자 정보 중 타겟 연령층 정보에 대해 클러스터링을 수행한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 입력받은 타겟 연령층 정보와 복수의 영상 각각의 영상 화질 카테고리, 영상 타입 카테고리, 영상 톤 카테고리가 입력되어 클러스터링이 수행될 수 있다.
영상 제작장치(130)는 영상 화질 카테고리 정보를 기반으로 한 제1 클러스터링을 수행할 수 있다. 영상 제작장치(130)는 영상 화질 카테고리 각각을 하나의 클러스터 중심으로 설정하고, 타겟 정보로서 입력될 수 있는 데이터들에 대한 클러스터링을 수행할 수 있다.
영상 제작장치(130)는 4K 화질, UHD 화질, UWQHD 화질, WQHD 화질, QHD 화질, WFHD 화질, FHD 화질, HD 화질 등과 같은 해상도를 구분하는 단어를 타겟 정보로서 입력할 수 있다. 영상 제작장치(130)는 해상도 구분 단어와 클러스터 중심과의 거리는 언어 인접도를 기반으로 구분할 수 있다.
영상 제작장치(130)는 화질 관련된 문서(또는 웹 페이지)를 추출하고, 각 단어 간의 인접도가 얼마나 가까운지를 판단하여 클러스터 중심과의 거리가 결정될 수 있다.
영상 제작장치(130)는 4096×2160, 3840×2160, 3440×1440, 2560×1440, 2560×1080, 1920×1080, 1280×720 등과 같은 집합을 추출하고, 집합 추출 빈도 및 단어 간 밀접도를 고려하여 클러스터 중심과 해당 단어의 언어 인접도를 추출하여, 클러스터를 생성할 수 있다.
영상 제작장치(130)는 'FHD'와 '1920×1080' 간의 단어 거리가 가까울수록 단어 간 밀집도가 상대적으로 높고, 단어 밀집도가 높은 문서가 많이 추출될수록 단어 집합 추출 빈도가 높게 결정할 수 있다.
영상 제작장치(130)는 클러스터링을 기반으로 분류가 어렵거나 분류는 되나 클러스터 중심과 멀어질 경우, 인공 지능 챗봇을 통해 제작자 단말기(110)로 추가적으로 질의하여 보다 정확한 답변을 들어 분류를 영상 화질 카테고리에 대한 분류를 수행할 수 있다.
도 9는 본 실시예에 따른 영상 제작장치의 영상 최적화 방법을 나타낸 도면이다.
영상 제작장치(130)는 피드백받은 영상 효과를 능동적으로 학습한다. 영상 제작장치(130)는 제1 영상 설정 정보, 제2 영상 설정 정보, 제3 영상 설정 정보에 따른 영상 클릭률에 대한 확률 분포(이하, 영상 클릭률 확률 분포)를 확인한다.
영상 제작장치(130)는 복수의 영상 각각에 설정된 영상 설정에 따라 영상 클릭률 확률 분포가 결정되어 영상 클릭률에 대한 예측이 가능하다. 영상 제작장치(130)는 복수의 영상 중 대상 타겟팅 정보의 설정에 따른 영상 클릭률 확률 분포의 예측을 수행한다.
영상 제작장치(130)는 기존 영상에 따른 기존 영상 효과에 대한 머신 러닝을 수행하고, 머신 러닝 결과를 기반으로 새로운 영상이 입력되는 경우, 영상에 따른 예측 영상 효과(예를 들어, 영상 클릭률 확률 분포)를 결정한다.
영상 제작장치(130)는 다양한 제작자 단말기(110)로부터 상품K에 대하여 A라는 세팅의 영상을 입력받고, 영상 효과X를 획득할 수 있다. 영상 제작장치(130)는 머신 러닝 결과를 기반으로 새로운 제작자 단말기(110)로부터 상품K 또는 유사 상품K'에 대하여 A라는 세팅의 영상을 입력받는 경우, 유사한 영상 효과X를 가질 것이라고 예측할 수 있다.
영상 제작장치(130)는 다양한 제작자 단말기(110)로부터 특정 상품에 대하여 B라는 세팅의 영상을 입력받으면, 영상 효과X를 얻은 것으로 가정할 수 있다. 영상 제작장치(130)는 머신 러닝 결과를 기반으로 새로운 제작자 단말기(110)로부터 특정 상품에 대하여 B에서 약간 변화된 B'라는 세팅의 영상을 입력받을 경우, 영상 효과 X를 영상 효과 Y로 변화시킬 것이라고 예측할 수 있다. 영상 제작장치(130)는 지속적인 영상에 따른 영상 효과에 대한 학습으로 예측 정확도를 향상시킬 수 있다.
영상 제작장치(130)는 제1 영상 설정 정보를 이용하여 영상 클릭률에 대한 상대적으로 낮은 예측 정확도를 산출한다. 영상 제작장치(130)는 제1 영상 설정 정보를 이용하는 경우, 특정 영상 클릭률에 대한 확률값에 대한 예측이 어렵다. 구체적으로 영상 제작장치(130)는 제1 영상 설정 정보를 이용하는 경우, 영상 클릭률 확률 분포에 있어서 특정 영상 클릭률에 대한 첨도(kurtosis)가 높지 않으므로 영상 클릭률에 대한 예측의 정확도가 상대적으로 높지 않다.
영상 제작장치(130)는 제2 영상 설정 정보를 이용하여 제1 영상 설정 정보보다 영상 클릭률에 대한 높은 예측 정확도를 산출하나, 제3 영상 설정 정보보다 낮은 영상 클릭률에 대한 예측 정확도를 산출한다. 영상 제작장치(130)는 제2 영상 설정 정보를 이용하는 경우, 영상 클릭률 확률 분포에 있어서 특정 영상 클릭률에 대한 첨도(kurtosis)가 상대적으로 높지만, 첨도가 높은 부분의 영상 클릭률이 상대적으로 높은값이 아닌 확률 분포를 예측한다.
구체적으로 영상 제작장치(130)는 제2 영상 설정 정보를 이용하는 경우, 특정 영상 클릭률에 대한 확률값이 다른 영상 클릭률과 비교하여 상대적으로 높지만, 높은 확률값을 가지는 영상 클릭률이 제3 영상 설정 정보와 비교하여 상대적으로 작은 값을 갖는 확률 분포를 예측한다. 다시 말해, 영상 제작장치(130)는 중간 정도의 영상 클릭률이 높은 확률로 예측되는 경우로서 예측이 된 것이기는 하나, 영상 효과가 높지 않게 예측된 확률 분포를 예측한다.
영상 제작장치(130)는 제3 영상 설정 정보를 이용하여 제1 영상 설정 정보, 제2 영상 설정 정보보다 높은 영상 클릭률에 대한 예측 정확도를 산출한다. 영상 제작장치(130)는 제3 영상 설정 정보를 이용하는 경우, 특정 영상 클릭률에 대한 확률값이 다른 영상 클릭률과 비교하여 상대적으로 높고, 높은 확률값을 가지는 영상 클릭률이 제2 영상 설정 정보와 비교하여 상대적으로 큰 값으로 확률 분포를 예측한다. 다시 말해, 영상 제작장치(130)는 높은 영상 클릭률이 높은 확률로 예측되는 경우로서 제3 영상 설정 정보를 사용하는 홍보 전략을 제1 영상 설정 정보, 제2 영상 설정 정보와 비교하여 상대적으로 최적의 홍보 전략으로 선택한다.
따라서, 영상 제작장치(130)는 최적의 홍보 전략에 대한 학습으로 제작자 단말기(110)로 최적의 영상을 제안한다. 영상 제작장치(130)는 제작자 단말기(110)로부터 별도의 대상 타겟팅 정보에 대한 설정이 없이도 영상 제작장치(130)에 의해 결정된 최적의 대상 타겟팅 정보를 기반으로 한 영상을 제작할 수 있다.
영상 제작장치(130)는 지속적인 영상과 영상 효과에 대한 피드백이 진행될수록 영상 클릭률 확률 분포의 형태가 개선되어(예측력이 개선되어), 특정 영상 클릭률에 대한 첨도(Kurtosis)가 높은 형태로 변화될 수 있다.
확률 분포의 첨도(kurtosis)가 임계 첨도값 이상으로 충분히 높다고 판단되는 경우, 영상 제작장치(130)는 머신 러닝 결과를 기반으로 영상에 포함되는 하위 정보 중 특정 하위 정보를 변화시킬 경우(예컨대, 대상 타겟팅 정보 중 특정 하위 정보의 설정을 변화시킬 경우), 더욱 높은 성과의 영상 결과를 낼 것으로 예측되는 홍보 전략을 선택하여 영상을 제작할 수 있다.
도 10은 본 실시예에 따른 영상 제작장치의 영상 클릭률 확률 분포의 예측 방법을 나타낸 도면이다.
영상 제작장치(130)는 영상 제작장치(130)는 제작한 영상에 대해 지속적으로 피드백받아 학습을 수행한다. 영상 제작장치(130)는 피드백된 정보를 머신 러닝하여 영상에 따른 영상 효과를 예측한다. 영상 제작장치(130)는 대상 객체 및 대상 타겟팅 정보를 포함한 영상을 제작한다.
영상 제작장치(130)는 대상 객체 및 대상 타겟팅 정보를 기반으로 머신 러닝을 수행한다. 영상 제작장치(130)는 하위 대상 타겟팅 정보로서 제1 하위 대상 타겟팅 정보, 제2 하위 대상 타겟팅 정보, 제3 하위 대상 타겟팅 정보를 포함하는 대상 타겟팅 정보를 머신 러닝한다.
영상 제작장치(130)는 대상 타겟팅 정보에 포함되는 하위 대상 타겟팅 정보(제1 하위 대상 타겟팅 정보, 제2 하위 대상 타겟팅 정보 및 제3 하위 대상 타겟팅 정보)를 하나의 데이터 세트로 규정한다. 영상 제작장치(130)는 데이터 세트를 기반으로 클러스터링이 수행한다(S1010).
영상 제작장치(130)는 정보 간의 유사도를 기반으로 데이터 간의 거리를 규정한다. 영상 제작장치(130)는 제1 하위 대상 타겟팅 정보에 포함된 상품에 대한 쇼핑 카테고리를 기반으로 상품 간의 유사 거리를 결정한다.
영상 제작장치(130)는 제2 하위 대상 타겟팅 정보에 포함된 나이에 대한 카테고리를 기반으로 나이 간의 유사 거리를 결정한다. 영상 제작장치(130)는 제3 하위 대상 타겟팅 정보에 포함된 성별에 대한 카테고리, 직업 카테고리를 기반으로 성별, 직업 간의 유사 거리가 결정한다.
영상 제작장치(130)는 새로운 대상 타겟팅 정보에 대한 클러스터 결정 및 임계 거리 데이터 세트 추출한다(S1020). 영상 제작장치(130)는 영상 효과(영상 클릭률 확률 분포)에 대한 예측을 수행한다(S1030).
영상 제작장치(130)는 데이터 세트를 기반으로 클러스터링이 수행되는 경우, 특정 대상 타겟팅 정보에 대한 예측을 수행한다. 영상 제작장치(130)는 새로운 대상 타겟팅 정보가 입력될 경우, 대상 타겟팅 정보를 포함하는 클러스터 및 임계 거리 이내의 인접한 데이터 세트를 추출하여 영상 효과에 대한 예측을 수행하고 영상 클릭률 확률 분포를 결정한다.
영상 제작장치(130)는 영상 클릭률 확률 분포를 기반으로 대상 타겟팅 정보 최적화 절차를 수행한다(S1040).
영상 제작장치(130)는 클러스터 및 인접 데이터 세트를 기반으로 예측된 영상 효과(또는 영상 결과 정보)가 좋지 않은 경우, 제1 하위 대상 타겟팅 정보, 제2 하위 대상 타겟팅 정보 및 제3 하위 대상 타겟팅 정보 중 적어도 하나를 변경할 수 있다.
영상 제작장치(130)는 제1 하위 대상 타겟팅 정보, 제2 하위 대상 타겟팅 정보 및 제3 하위 대상 타겟팅 정보 각각 또는 제1 하위 대상 타겟팅 정보, 제2 하위 대상 타겟팅 정보 및 제3 하위 대상 타겟팅 정보의 조합을 변경하여 새롭게 클러스터링을 수행한다.
영상 제작장치(130)는 영상 효과가 최대인 클러스터에 대한 탐색을 수행하여 최대 영상 효과 클러스터인 하위 대상 타겟팅 정보(제1 하위 대상 타겟팅 정보, 제2 하위 대상 타겟팅 정보 및 제3 하위 대상 타겟팅 정보)를 홍보 전략으로 선택한다.
영상 제작장치(130)는 1차적으로 대상 타겟팅 정보가 최적의 값으로 설정되는 경우에도 영상 효과가 높지 않은 경우, 2차적으로 대상 객체를 수정한다.
영상 제작장치(130)는 해당 클러스터의 영상의 특성을 분석한다(S1050). 영상 제작장치(130)는 영상을 최적화한다(S1060).
영상 제작장치(130)는 영상 상에서 대상 객체(예컨대, 상품의 크기/위치, 상표의 크기/위치, 카피 문구의 크기/위치, 가격 정보의 크기/위치 등)을 분석하여 영상을 변경시킨다. 영상 제작장치(130)는 대상 객체의 우선순위를 설정하여 우선순위 별로 대상 객체를 변경하여 영상 효과에 대해 추가적인 피드백을 받는다.
영상 제작장치(130)는 대상 객체의 변경 우선순위를 결정하기 위해 동일 및/또는 유사 범위(대상 타겟팅 정보의 설정 값의 범위를 기준으로 정의)의 대상 타겟팅 정보를 설정하였으나, 복수의 동영상 제공장치(140) 상에서 영상 효과의 차이가 존재하는 대상 객체 간의 차이(예를 들어, 객체 위치 크기 등)를 분석한다.
영상 제작장치(130)는 대상 객체 간의 차이를 분석하여 어떠한 대상 객체 이미지 상에서 차이가 영상 효과의 차이를 불러왔는지를 결정하여 이미지 요소의 변경 우선순위를 결정한다.
도 10에서는 S1010 내지 S1060을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 10에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 8은 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 10에 기재된 본 실시예에 따른 영상 클릭률 확률 분포의 예측 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 영상 클릭률 확률 분포의 예측 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 11은 본 실시예에 따른 영상 소스 추출을 위한 데이터베이스 구성도를 나타낸 도면이다.
영상 소스 거래 플랫폼(160)은 윈도우 마켓, 안드로이드 마켓 또는 엡스토어에 배포할 영상 소스 데이터에 대한 분류 정보를 등록한다. 영상 소스 거래 플랫폼(160)은 동영상 제공 장치(140) 별로 운영되고 있는 인터페이스를 이용하여 영상 소스 데이터에 대한 분류 정보를 등록한다. 영상 소스 거래 플랫폼(160)은 도 11에 도시된 바와 같이, 수집된 영상 소스 데이터를 기준으로 소스 분류, 영상 소스 출처, 타겟 연령대 등을 데이터베이스에 저장한다.
영상 소스 거래 플랫폼(160)은 영상 소스 데이터를 수집할 때, 인터페이스 시스템을 이용하여 기본적인 데이터를 자동으로 입력한다. 영상 소스 거래 플랫폼(160)은 인터페이스 시스템상에서 입력해야 할 영상 소스 데이터의 분류를 더욱 구체적으로 세분화하여 제작자에게 타케팅 영상에 대한 효과를 높일 수 있으며, 정산 시스템에 의하여 노출된 영상에 대하여 더욱 세분화된 영상 제작 비용을 책정받을 수 있도록 한다.
도 12는 본 실시예에 따른 영상 소스 거래를 위한 데이터베이스 구성도를 나타낸 도면이다.
영상 소스 거래 플랫폼(160)은 서비스가입시스템을 이용하여 서비스에 가입한 사용자 계정 및 제작자 계정을 회원으로 관리한다. 영상 소스 거래 플랫폼(160)은 거래할 영상 소스 데이터로 사용할 영상 소스의 크기 및 요금을 사용자 계정에 매칭하여 저장한다.
영상 소스 거래 플랫폼(160)은 복수의 영상 소스 데이터 중 제작자에 의해 선택된 데이터를 제작자 단말기(110)에서 요청한 프로그램 또는 템플릿에 맞춰서 영상 소스 데이터의 양식을 변환하거나 사이즈를 변환한다. 영상 소스 거래 플랫폼(160)은 복수의 영상 소스 데이터 중 제작자에 의해 선택된 데이터를 제작자 계정을 매칭시켜서 저장한다.
영상 소스 거래 플랫폼(160)은 거래된 영상 소스 데이터를 템플릿 내 영상블럭의 크기에 맞추어 영상 소스 데이터를 변환하고, 업로드 계정에 거래 계정을 매칭하여 저장한다. 영상 소스 거래 플랫폼(160)은 거래가 완료된 영상 소스 데이터에 대해 업로드 계정에 대상 분류, 플랫폼 종류, 타겟 연령, 거래 계정 정보를 매칭하여 저장한다.
영상 소스 거래 플랫폼(160)은 영상 소스 데이터를 상세히 분류할 수 있으며, 내부 영상엔진을 이용하여 제작자 단말기(110)가 요청한 영상 정보와 데이터베이스를 매칭할 때, 더욱 세분화된 분류로 타케팅된 영상 소스 데이터를 추출할 수 있다.
영상 소스 거래 플랫폼(160)은 영상엔진을 이용하여 기 저장된 프로그램 및 영상 정보를 일정 조건식에 대입하여 우선순위를 결정한다. 영상 소스 거래 플랫폼(160)은 결정된 우선순위를 기반으로 영상 정보에 매칭된 영상 소스를 제작자 단말기(110)로 전송한다. 영상 소스 거래 플랫폼(160)은 영상엔진을 이용하여 일정 조건식에 영상 정보를 대입하면, 영상 정보에 포함된 데이터와 데이터베이스를 비교한다. 영상 소스 거래 플랫폼(160)은 영상 소스 데이터를 대상 분류, 플랫폼 종류, 타겟 연령대 등에 의하여 분류하고 있으나, 향후 서비스의 확장으로, 분류 내용이 더욱 세분화될 수 있다.
영상 소스 거래 플랫폼(160)은 영상 소스 데이터에 대한 거래가 완료되면, 정산시스템을 이용하여 카운트한다. 영상 소스 거래 플랫폼(160)은 사용자 단말기(150)에 대응하는 사용자 계정으로 실시간으로 정산된 비용을 처리한다. 영상 소스 거래 플랫폼(160)은 사용자 단말기(150)가 접속한 경우 정산 내역을 제공한다. 영상 소스 거래 플랫폼(160)은 접속한 사용자 단말기(150)로 실시간으로 거래된 소스 데이터 내역을 제공하며, 문자 메시지, 이메일을 이용하여 리포트 형식으로 제공한다.
영상 소스 거래 플랫폼(160)은 정산시스템을 이용하여 실시간으로 리포팅되는 정산자료를 기반으로 각 사용자 단말기(150)에 대응하는 사용자 계정으로 영상 제작 비용을 정산한다. 영상 소스 거래 플랫폼(160)은 정산 시스템을 이용하여 영상 제작 비용을 현금, 바우처, 포인트 등으로 각 사용자 단말기(150)에 대응하는 사용자 계정으로 정산한다.
도 13은 본 실시예에 따른 거래된 영상 소스 데이터의 가상 조합 예시를 나타낸 도면이다.
영상 소스 거래 플랫폼(160)은 제작자 단말기(110)가 선택한 영상 소스 정보를 구매하기 전에 후부 영상 소스 정보들을 조합하여 하나의 영상을 가상으로 생성한 후 미리보기할 수 있도록 한다. 먼저, 영상 소스 거래 플랫폼(160)은 제작자 단말기(110)가 선택한 후보 영상 소스 정보를 문구 선택창, 영상/이미지 선택창, 배경음악 선택창에 각각 리스트 형태로 출력한다.
영상 소스 거래 플랫폼(160)은 전체 프레임에 제작자가 선택한 순서로 영상, 문구, 배경음악을 배치하여 하나의 영상을 가상으로 생성한 후 미리보기할 수 있도록 한다.
영상 소스 거래 플랫폼(160)은 전체 프레임 중 제작자의 선택에 따라 영상, 문구, 배경음악을 삽입하거나 삭제할 수 있도록 한다. 영상 소스 거래 플랫폼(160)은 별도의 광구문구에 대한 글자체, 색깔, 크기 변환 탭을 제공한다. 영상 소스 거래 플랫폼(160)은 영상에 대한 영상 톤 변경 탭을 제공한다. 영상 소스 거래 플랫폼(160)은 배경 음악에 대한 이퀄라이져를 제공한다.
영상 소스 거래 플랫폼(160)은 제작자가 선택한 영상, 문구, 배경음악을 가상으로 조합하여 제작자가 영상 소스 데이터를 구매하기 전에 자신이 선택한 영상 소스 데이터를 배치 및 편집하여 영상을 미리보기할 수 있도록 한다.
영상 소스 거래 플랫폼(160)은 영상 미리보기 상에 ‘회사명’, ‘상품명’, ‘영상 배포 기간’, ‘영상 배포 조건’을 별도의 탭으로 출력한다. 영상 소스 거래 플랫폼(160)은 제작자의 홈페이지 정보, 회사 주소 정보 또는 전화번호 정보를 별도의 탭으로 출력하고, 제작자의 선택에 의해 해당 정보를 가상의 영상에 미리 삽입해 볼 수 있도록 한다.
영상 소스 거래 플랫폼(160)은 영상, 문구, 배경음악을 미리 조합한 후 조합된 영상 소스를 일괄 결제할 수 있도록 한다. 영상 소스 거래 플랫폼(160)은 복수의 영상 소스 데이터를 가상으로 조합하여 가상의 영상을 미리 제작할 수 있도록 하고, 제작자가 조합된 영상을 제작하고자 하는 경우, 영상 포함된 영상 소스 데이터를 일괄적으로 구매할 수 있도록 한다.
영상 소스 거래 플랫폼(160)은 제작자가 복수의 영상 소스 데이터의 조합을 변경할 때마다 총 영상 소스 비용을 변경하여 출력한다. 영상 소스 거래 플랫폼(160)은 선택된 영상 소스 데이터에 따라 영상 배포 기간에 따라 영상 소스 비용을 다시 계산하여 출력한다.
영상 소스 거래 플랫폼(160)은 영상, 문구, 배경음악을 조합할 때, 제작자 단말기(110)가 입력한 영상 정보를 기반으로 우선순위를 결정하고, 우선순위에 따라 임의로 영상, 문구, 배경음악을 최적으로 조합할 수 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 제작자 단말기
120: 네트워크
130: 영상 제작장치
140: 동영상 제공장치
150: 사용자 단말기
160: 영상 소스 거래 플랫폼

Claims (5)

  1. 영상 소스 데이터를 업로드하는 사용자 단말기;
    상기 영상 소스 데이터에 대한 거래 요청 신호를 전송하는 제작자 단말기;
    복수의 동영상을 제공하는 동영상 제공장치; 및
    상기 영상 소스 데이터를 수신하여 자체적으로 업로드한 업로드 영상 소스 데이터로 저장하다가 상기 업로드 영상 소스 데이터 중 상기 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제1 후보 영상 소스 정보를 추출하고, 상기 동영상 제공장치로부터 상기 거래 요청 신호에 대응하는 영상, 이미지, 배경화면, 음악, 텍스트 중 적어도 하나 이상을 포함하는 제2 후보 영상 소스 정보를 추출하고, 상기 제1 후보 영상 소스 데이터, 상기 제2 후보 영상 소스 데이터 각각에 가치값을 부여하고, 상기 가치값에 대응하는 비용을 결제하는 단말기로 해당 영상 소스 데이터를 전송하는 영상 소스 거래 플랫폼;
    을 포함하는 것을 특징으로 하는 영상 소스 데이터 거래 시스템.
  2. 제1항에 있어서,
    상기 영상 소스 거래 플랫폼은,
    상기 거래 요청 신호에 포함된 영상 소스 데이터를 상기 제1 후보 영상 소스 데이터 및 상기 제2 후보 영상 소스 데이터 중 어느 하나의 영상 소스 데이터와 서로 간에 맞교환하는 거래를 제공하는 것을 특징으로 하는 영상 소스 데이터 거래 시스템.
  3. 제2항에 있어서,
    상기 영상 소스 거래 플랫폼은,
    상기 제1 후보 영상 소스 데이터, 상기 제2 후보 영상 소스 데이터 각각에 부여된 가치값 중 상기 거래 요청 신호에 포함된 영상 소스 데이터에 대한 가치값과 임계 범위내에서 차이값을 갖는 데이터 중 어느 하나와 서로 간에 맞교환하는 거래를 제공하는 것을 특징으로 하는 영상 소스 데이터 거래 시스템.
  4. 제1항에 있어서,
    상기 영상 소스 거래 플랫폼은,
    상기 제1 후보 영상 소스 데이터에 대한 조회수, 좋아요, 댓글수, 공유 횟수를 기반으로 제1 가중치를 산출하고, 상기 제1 후보 영상 소스 데이터에 대한 CF 수상실적에 따른 제2 가중치를 산출하고, 상기 제1 후보 영상 소스 데이터에 상기 제1 가중치와 상기 제2 가중치를 반영하여 제1 후보 영상 소스 가치값을 산출하고,
    상기 제2 후보 영상 소스 데이터에 대한 조회수, 좋아요, 댓글수, 공유 횟수를 기반으로 제3 가중치를 산출하고, 상기 제2 후보 영상 소스 데이터에 대한 CF 수상실적에 따른 제4 가중치를 산출하고, 상기 제2 후보 영상 소스 데이터에 상기 제3 가중치와 상기 제4 가중치를 반영하여 제2 후보 영상 소스 가치값을 산출하는 것을 특징으로 하는 영상 소스 데이터 거래 시스템.
  5. 제4항에 있어서,
    상기 영상 소스 거래 플랫폼은,
    상기 제1 후보 영상 소스 가치값 각각에 대응하는 제1 가격을 산출하고, 상기 제1 후보 영상 소스 데이터 각각에 상기 제1 가격을 매칭하고, 상기 제2 후보 영상 소스 가치값 각각에 대응하는 제2 가격을 산출하고, 상기 제2 후보 영상 소스 데이터 각각에 상기 제2 가격을 매칭하고, 상기 제1 가격과 상기 제2 가격 중 비용을 결제된 영상 소스 데이터를 상기 제작자 단말기로 전송하는 것을 특징으로 하는 영상 소스 데이터 거래 시스템.
KR1020210038493A 2021-02-05 2021-03-25 영상 소스 데이터 거래 방법 및 시스템 KR20220113221A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210016441 2021-02-05
KR1020210016441 2021-02-05

Publications (1)

Publication Number Publication Date
KR20220113221A true KR20220113221A (ko) 2022-08-12

Family

ID=82803936

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210038493A KR20220113221A (ko) 2021-02-05 2021-03-25 영상 소스 데이터 거래 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20220113221A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545629B1 (ko) 2022-08-16 2023-06-21 주식회사 루카스에듀테인먼트 온라인 강의 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545629B1 (ko) 2022-08-16 2023-06-21 주식회사 루카스에듀테인먼트 온라인 강의 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램

Similar Documents

Publication Publication Date Title
CN108509465B (zh) 一种视频数据的推荐方法、装置和服务器
JP5581309B2 (ja) 放送サービスシステムの情報処理方法、その情報処理方法を実施する放送サービスシステム及びその情報処理方法に関する記録媒体
Bogdanov et al. Semantic audio content-based music recommendation and visualization based on user preference examples
US11455465B2 (en) Book analysis and recommendation
KR100962691B1 (ko) 멀티미디어 콘텐츠 서비스 시스템에서의 광고 정보 처리 방법 및 그 시스템
KR102340963B1 (ko) Ai 기반의 영상 제작 방법 및 장치
CN106062730A (zh) 用于主动构成内容以便在连续社交通信中使用的系统和方法
KR20120088650A (ko) 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체
CN102598039A (zh) 多模式在线广告和在线广告交换
US20220122147A1 (en) Emotion calculation device, emotion calculation method, and program
CN113010701A (zh) 以视频为中心的融媒体内容推荐方法及装置
US20220351236A1 (en) System and methods to predict winning tv ads, online videos, and other audiovisual content before production
KR20220113221A (ko) 영상 소스 데이터 거래 방법 및 시스템
CN116980665A (zh) 一种视频处理方法、装置、计算机设备、介质及产品
WO2009120004A2 (ko) 디지털 콘텐츠 관련 메타 정보 활용 키워드 광고 방법 및 그 관련 시스템
Matsumoto et al. Music video recommendation based on link prediction considering local and global structures of a network
Wen et al. Visual background recommendation for dance performances using dancer-shared images
Ghosh et al. A comprehensive survey of personalized music identifier system
US20240015370A1 (en) Information processing apparatus, information processing method, and information processing program
Deldjoo Video recommendation by exploiting the multimedia content
KR101070741B1 (ko) 유무선 네트워크를 이용한 디지털 콘텐츠의 전달 과정에 참여하는 콘텐츠 신디케이션 시스템을 이용하는 광고 방법
CN116955657A (zh) 评论数据处理方法、装置、设备、存储介质及产品
Sheth et al. A Content-Based Music Recommendation System Using RapidMiner
Li Music depth recommendation algorithm based on user data mining
Lubos et al. An overview of video recommender systems: state-of-the-art and research issues

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right