KR20230029156A - 제품 상세 이미지 자동 생성 장치 - Google Patents

제품 상세 이미지 자동 생성 장치 Download PDF

Info

Publication number
KR20230029156A
KR20230029156A KR1020210111322A KR20210111322A KR20230029156A KR 20230029156 A KR20230029156 A KR 20230029156A KR 1020210111322 A KR1020210111322 A KR 1020210111322A KR 20210111322 A KR20210111322 A KR 20210111322A KR 20230029156 A KR20230029156 A KR 20230029156A
Authority
KR
South Korea
Prior art keywords
information
product
image
detailed
detailed image
Prior art date
Application number
KR1020210111322A
Other languages
English (en)
Inventor
최윤내
Original Assignee
주식회사 아이클레이브
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 아이클레이브 filed Critical 주식회사 아이클레이브
Priority to KR1020210111322A priority Critical patent/KR20230029156A/ko
Publication of KR20230029156A publication Critical patent/KR20230029156A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 실시 예에 따른 제품 상세 이미지 자동 생성 장치는, 사전 구축된 플랫폼 네트워크로부터 제품 상세 이미지 학습 요소 정보를 수집하는 데이터 수집부; 상기 제품 상세 이미지 학습 요소 정보에 기초하여, 프로모션 효과에 대응하는 제품 상세 이미지 요소간 조합 관계 정보를 학습하여 상세 이미지 학습 모델을 구축하는 학습 모델 구축부; 및 대상 플랫폼 정보를 상기 학습 모델에 적용하여, 상기 대상 플랫폼 정보에 대응하는 상기 프로모션 효과가 최적화된 제품 상세 이미지 정보를 출력하는 제품 상세 이미지 자동화부를 포함한다.

Description

제품 상세 이미지 자동 생성 장치{Device of product detail image automatic generation}
본 발명은 제품 상세 이미지 자동 생성 장치에 관한 것이다. 보다 구체적으로, 본 발명은 상세 이미지 학습 모델 기반의 제품 상세 이미지 자동 생성 장치에 관한 것이다.
온라인 전자 상거래(쇼핑몰이라고 부를 수 있음)를 운영하는 과정에서 쇼핑몰의 인지도를 높이고 매출을 증대시키기 위해 해당 쇼핑몰에 대한 홍보는 필수불가결한 활동이다. 이러한 쇼핑몰의 홍보활동은 흔히 "프로모션 (promotion)"이라 불리는데 이는 "특정 주제를 가지고 행하여지는 다양한 홍보활동"으로 이해할 수 있다.
쇼핑몰 운영자는 프로모션의 효과를 높이기 위하여 다양한 홍보 수단을 이용하는데 그 중에서도 프로모션의 컨셉과 관련 정보를 간결하고 임팩트(impact) 있게 보여주는 제품 상세 이미지는 홍보 수단의 핵심이라 할 수 있다. 프로모션의 성과는 제품 상세 이미지의 완성도(quality)에 의해 좌우될 만큼 중요한 요소가 되었지만 완성도 높은 제품 상세 이미지를 만드는 작업은 디자인을 전문적으로 다루는 전문가의 영역으로, 이 분야의 경험이 부족한 일반인들은 많은 비용을 들여가며 전문가에게 제작을 의뢰하고 있는 것이 현실이다.
이에, 전문가에 의존하지 않고, 제품 상세 이미지 디자인을 효율적으로 만들기 위한 자동화 방식들이 제안되고 있다.
일반적인 제품 상세 이미지 자동화 방식들은 템플릿 기반의 방식에 기반하고 있다. 템플릿 방식은 사전 설정된 복수의 템플릿 유형에 따른 제품 상세 이미지 배치 조합을 사용자에게 제공하고, 사용자가 템플릿을 선택하여 편집하게 하는 편집 인터페이스를 제공하는 방식이다.
그러나, 템플릿 기반 방식은 최종적으로 사용자가 특정 템플릿을 선택하고 다시 편집하여야 하는 바, 전문적 지식이 없는 사용자의 경우 아무 템플릿이나 선택하거나 고객과 소비자를 고려하지 않은 템플릿을 선택하여 제품 상세 이미지 자체의 완성도가 낮아지는 문제점이 있다.
또한, 현재까지 제안된 제품 상세 이미지 자동화 방식들은 획일적인 템플릿 기반 구성만 가능할 뿐이며, 각각의 상품이나 인물 등의 이미지 특성을 고려하지 않고 제품 상세 이미지가 단순 상품 정보로 강제되는 바, 전문성이 떨어질 뿐만 아니라 이후의 수작업을 통해 보강하는 데 오히려 더 시간이 많이 소요되기 때문에, 실질적인 자동화를 구현하고 있지 못하고 있는 실정이다.
또한, 획일적인 템플릿 기반 구성으로 인해 전체적으로 모두 유사한 배치 내용의 제품 상세 이미지들만이 반복해서 생성되며, 각각의 개인 사용자가 요구하는 특성들을 반영할 수 없는 바, 마찬가지로 수작업이 수반되는 문제점이 존재하고 있다.
본 발명은 상기한 바와 같은 과제를 해결하고자 안출된 것으로, 제품 상세 이미지 내 상품 객체, 모델, 여백, 크롭, 확대, 해상도 등과 같은 각 배치 요소의 특성 분류에 대응하여, 프로모션 효과를 최대화할 수 있는 제품 상세 이미지 요소간 조합 관계를 추론하는 상세 이미지 학습 모델을 기존의 온라인 쇼핑몰 네트워크 시스템을 통해 수집되는 정보로 구축하고, 이러한 상세 이미지 학습 모델을 기반으로 하여, 자동화된 제품 상세 이미지를 구현함에 따라 전문성을 향상시키고 프로모션 효과를 높일 수 있으며, 상세 이미지 학습에 있어서 세부적인 사용자 성향 반영에 따라 적절한 자동 생성된 제품 상세 이미지의 개인화도 가능하게 되는 상세 이미지 학습 모델 기반의 제품 상세 이미지 자동 생성 장치를 제공하는 데 그 목적이 있다.
상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 장치는, 사전 구축된 플랫폼 네트워크로부터 제품 상세 이미지 학습 요소 정보를 수집하는 데이터 수집부; 상기 제품 상세 이미지 학습 요소 정보에 기초하여, 프로모션 효과에 대응하는 제품 상세 이미지 요소간 조합 관계 정보를 학습하여 상세 이미지 학습 모델을 구축하는 학습 모델 구축부; 및 대상 플랫폼 정보를 상기 학습 모델에 적용하여, 상기 대상 플랫폼 정보에 대응하는 상기 프로모션 효과가 최적화된 제품 상세 이미지 정보를 출력하는 제품 상세 이미지 자동화부를 포함한다.
또한, 상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 방법은, 상기 방법을 컴퓨터에서 실행시키기 위한 컴퓨터 판독가능한 기록매체 및 컴퓨터 프로그램으로 구현될 수 있다.
본 발명의 실시 예에 따르면, 제품 상세 이미지 내 상품 및 인물, 배치, 크롭, 확대 및 시선처리 등과 연관된 제품 상세 이미지 요소의 학습 모델을 기존의 온라인 쇼핑몰 네트워크 시스템을 통해 수집되는 정보로 구축하고, 이러한 상세 이미지 학습 모델을 기반으로 하여, 자동화된 제품 상세 이미지를 구현할 수 있다.
이에 따라, 본 발명의 실시 예예 따르면 제품 상세 이미지 디자인의 자동화 프로세스에 있어서의 전문성을 향상시키고 프로모션 효과를 높일 수 있으며, 상세 이미지 학습에 있어서 세부적인 사용자 성향 반영에 따라 적절한 자동 생성된 제품 상세 이미지의 개인화도 가능하게 되는 상세 이미지 학습 모델 기반의 제품 상세 이미지 자동 생성 장치를 제공할 수 있다.
도 1은 본 발명의 전체 시스템을 개략적으로 도시한 개념도이다.
도 2는 본 발명의 실시 예에 따른 제품 상세 이미지 자동 생성 장치를 보다 구체적으로 도시한 블록도이다.
도 3은 본 발명의 실시 예에 따른 제품 상세 이미지 자동 생성 장치 동작에 의해 구현된 상세 이미지를 나타내는 예시도이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 기능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이다.
본 발명의 일 실시 예에 따른 전체 시스템은 제품 상세 이미지 자동 생성 장치(100), 사용자 단말(200), 상세 이미지 학습 모델(300), 플랫폼 관리 서버(400) 및 타사 플랫폼(500)을 포함할 수 있다.
특히, 제품 상세 이미지 자동 생성 장치(100)는 본 발명의 실시 예에 따른 자동 제품 상세 이미지 배치 정보 생성 및 이에 기초한 자동 제품 상세 이미지 디자인 서비스 제공을 위해, 각 사용자 단말(200), 타사 플랫폼(500), 플랫폼 관리 서버(400), 상세 이미지 학습 모델(300)과 유/무선 네트워크를 통해 연결될 수 있으며, 상호간 통신을 수행할 수 있다.
여기서 상기 각 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 개인 근거리 무선통신(Personal Area Network; PAN), 이동 통신망(mobile radiocommunication network) 또는 위성 통신망 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.
그리고, 사용자 단말(200)은 컴퓨터, 휴대폰, 스마트 폰(smart phone), 스마트 패드(smart pad), 노트북 컴퓨터(laptop computer), PDA(Personal Digital Assistants), PMP(Portable Media Player) 중 어느 하나의 개별적 기기, 또는 특정 장소에 설치되는 키오스크 또는 거치형 디스플레이 장치와 같은 공용화된 디바이스 중 적어도 하나의 멀티 디바이스일 수 있으며, 제품 상세 이미지 자동 생성 장치(100)로 사용자 정보를 제공하고, 제품 상세 이미지 자동 생성 장치(100)로부터 처리된 정보를 수신하여 출력할 수 있다.
이와 같은 시스템 구성에 있어서, 제품 상세 이미지 자동 생성 장치(100)는, 사전 구축된 플랫폼 네트워크가 구성된 타사 플랫폼(500)으로부터 제품 상세 이미지 학습 요소 정보를 수집하고, 상기 제품 상세 이미지 학습 요소 정보에 기초하여, 프로모션 효과에 대응하는 제품 상세 이미지 요소간 조합 관계 정보를 학습하여 상세 이미지 학습 모델을 구축하며, 대상 플랫폼 정보를 상기 학습 모델에 적용하여, 상기 대상 플랫폼 정보에 대응하는 상기 프로모션 효과가 최적화된 제품 상세 이미지 정보를 출력할 수 있다.
그리고, 제품 상세 이미지 자동 생성 장치(100)는, 플랫폼 관리 서버(400)에서 수집되는 플랫폼 정보와 사용자 단말(200)에서 수집되는 사용자 정보에 기초하여, 상기 제품 상세 이미지 정보를 각 사용자 및 플랫폼별로 개인화 및 최적화할 수 있으며, 개인화 및 최적화된 자동 제품 상세 이미지 디자인을 구성하여, 상기 사용자 단말(200) 또는 플랫폼 관리 서버(400)로 제공할 수 있다.
여기서, 타사 플랫폼(500)은 기존의 온라인 쇼핑몰 등으로서, 수많은 다양한 제품 상세 이미지 정보를 보유하고 있으며, 기 구축된 제품 상세 이미지 디자인 정보를 제공할 수 있을 뿐만 아니라, 매출 순위, 판매량 정보를 제공할 수 있으므로, 학습을 위한 프로모션 효과 정보도 동시에 수집될 수 있다. 또한, 타사 플랫폼(500)은 각각의 플랫폼별 디자인 성향 등이 존재하므로, 사전 설정된 기준 테이블에 따라 플랫폼 성향 정보도 함께 수집될 수 있다.
이에 따라 제품 상세 이미지 자동 생성 장치(100)는, 타사 플랫폼(500)에서 수집된 제품 상세 이미지 정보로부터 제품 상세 이미지 특징 정보에 대응하는 제품 상세 이미지 요소 분류 정보를 식별할 수 있으며, 제품 상세 이미지 요소 분류 정보 간 단어 조합 정보가 상세 이미지 학습 모델의 입력으로 사용될 수 있다. 또한, 전술한 플랫폼 성향 정보도 입력으로 사용될 수 있으며, 매출 순위 또는 판매량 정보 등에 기초한 프로모션 효과 정보는 출력의 검증 용도로 사용될 수 있다.
여기서, 상기 제품 상세 이미지 요소 분류 정보는 제품 상세 이미지 페이지로부터 식별되는, 하나 이상의 상품 이미지 특성 정보, 모델 이미지 특성 정보, 확대 정보, 크롭 정보, 시선 이동 정보, 세그먼트 정보, 컬러 정보, 이미지 개수 정보, 여백 배치 정보, 태그 정보, 제품 식별 정보, 텍스트 배치 정보 중 적어도 하나를 포함할 수 있다.
그리고, 제품 상세 이미지 자동 생성 장치(100)는, 수집된 제품 상세 이미지 학습 요소 정보로부터 상세 이미지 학습 모델(300)을 구축한다. 학습 모델에는 알려진 CNN(Convolutional Neural Network) 모델 등이 활용될 수 있으며, 전술한 상기 제품 상세 이미지 요소 분류 정보간 관계 정보와, 플랫폼 성향 정보를 입력으로 하고, 프로모션 효과 정보를 출력으로 하는 학습 상세 이미지 학습 모델이 구축될 수 있다.
이에 따라 상세 이미지 학습 모델은 각각의 제품 상세 이미지 요소 분류들이 상대적으로 어떻게 조합되어 제품 상세 이미지를 형성하는 것이 프로모션 효과를 최적화하는지를 학습 기반으로 출력하는 모델로 구축될 수 있다. 이러한 결과의 예시는 도 3을 참조하여 후술하도록 한다.
이와 같은 처리에 따라, 제품 상세 이미지 자동 생성 장치(100)는 기 구축된 상세 이미지 학습 모델(300)을 기반으로, 플랫폼 관리 서버(400)로부터의 플랫폼 정보와 사용자 단말(200)의 사용자 정보가 입력되면, 이에 대응하는 최적화된 제품 상세 이미지 정보를 획득하고, 제품 상세 이미지 정보에 기초한 자동 제품 상세 이미지 디자인 정보를 플랫폼 관리 서버(400) 또는 사용자 단말(200)로 제공하는 자동 제품 상세 이미지 디자인 서비스를 제공할 수 있다.
도 2는 본 발명의 실시 예에 따른 제품 상세 이미지 자동 생성 장치를 보다 구체적으로 설명하기 위한 블록도이다.
도 2를 참조하면, 본 발명의 실시 예에 따른 제품 상세 이미지 자동 생성 장치(100)는, 데이터 수집부(110), 학습 모델 구축부(120), 플랫폼 정보 관리부(130), 사용자 정보 관리부(140), 제품 상세 이미지 자동화부(150) 및 피드백 정보 처리부(160)를 포함한다.
데이터 수집부(110)는, 사전 구축된 플랫폼 네트워크로부터 제품 상세 이미지 학습 요소 정보를 수집한다.
상기 사전 구축된 플랫폼 네트워크는 타사 플랫폼(500)에서 운영되는 온라인 쇼핑몰 네트워크 등이 예시될 수 있다.
그리고, 상기 제품 상세 이미지 학습 요소는 제품 상세 이미지 요소 특징 정보에 대응하는 제품 상세 이미지 요소 분류 정보를 포함할 수 있으며, 상기 제품 상세 이미지 요소 분류 정보는 하나 이상의 상품 이미지 특성 정보, 모델 이미지 특성 정보, 확대 정보, 크롭 정보, 시선 이동 정보, 세그먼트 정보, 컬러 정보, 이미지 개수 정보, 여백 배치 정보, 태그 정보, 제품 식별 정보, 텍스트 배치 정보 중 적어도 하나를 포함할 수 있다.
또한, 상기 제품 상세 이미지 학습 요소는 플랫폼 성향 정보를 포함할 수 있다. 예를 들어 모던 스타일, 시크 스타일, 모노톤 스타일, 파자마 스타일, 댄디 스타일 등의 다양한 스타일등이 각 플랫폼 성향 정보로 할당될 수 있다.
그리고, 상기 제품 상세 이미지 학습 요소는 제품 상세 이미지 요소 분류 정보간 조합 관계 정보를 포함할 수 있다. 예를 들어, 조합 관계 정보는 제1 제품 상세 이미지 요소에 대응하는 제2 제품 상세 이미지 요소와의 인접성을 나타내는 벡터 정보로서 산출될 수 있다. 또한, 상기 조합 관계 정보는 전체적인 제품 상세 이미지의 분량 길이를 고려한 최적화된 이미지 개수 정보와, 상기 최적화된 이미지 개수 정보 내에서의 제1 제품 상세 이미지 요소 및 제2 제품 상세 이미지 요소간 선택 우선순위 정보, 제거 우선순위 정보 등을 더 포함할 수도 있다.
그리고, 학습 모델 구축부(120)는, 상기 제품 상세 이미지 학습 요소 정보에 기초하여, 프로모션 효과에 대응하는 제품 상세 이미지 요소간 조합 관계 정보를 학습하여 상세 이미지 학습 모델(300)을 구축한다. 상세 이미지 학습 모델은, CNN, RNN, LSTM 등 다양한 학습 모델이 이용될 수 있으며, 오차(LOSS) 함수 처리를 통해 학습 모델의 역전파를 수행하기 위한 출력 정답 값은 전술한 제품 상세 이미지 학습 요소에 더 포함된 프로모션 정보(판매량, 매출순위, 검색순위, 인기도 등)가 이용될 수 있다.
보다 구체적으로 예를 들어, CNN은 제품 상세 이미지 학습 요소의 이미지 분류에 활용될 수 있다( 사진속 코디 분류, 사진속 사람 존재여부 확인). 또한, Semantic Segmentation(Mask RCNN) 방식은 제품 상세 이미지 학습 요소의 이미지속 속성별 영역 분할(상의, 하의, 가방 배경제거)에 이용될 수 있다. 또한, Object Detection(MTCNN) 방식은 제품 상세 이미지 학습 요소의 이미지 얼굴 (눈, 코, 입) 위치 식별에 이용될 수 있다. 또한, Object Detection(Yolo) 방식은 제품 상세 이미지 학습 요소의 이미지속 속성별 박스 ( 사람, 옷걸이, 마네킹) 좌표 추출에 이용될 수 있다.
보다 구체적으로 예를 들어, 상세 이미지 학습 모델은 프로모션 효과가 높은 제품 상세 정보에 대한 제품 상세 이미지의 배치 및 여백 조합을 강화시킬 수 있는 강화 학습 모델로서, 제품 상세 이미지로부터 획득되는 적어도 하나의 조합을 이용하여 프로모션 효과가 높을 것으로 추론되는 확대 이미지, 크롭 이미지, 전신 이미지 등을 추가 조합하거나, 프로모션 효과가 낮아질 것으로 추론되는 특정 이미지를 제거하는 학습 로직이 학습 모델 구축에 따라 형성될 수 있다.
그리고, 제품 상세 이미지 자동화부(150)는, 사용자 정보 및 대상 플랫폼 정보를 상기 학습 모델에 적용하여, 상기 대상 플랫폼 정보에 대응하는 상기 프로모션 효과가 최적화된 제품 상세 이미지 정보를 출력한다. 제품 상세 이미지 자동화부(150)는, 제품 상세 이미지 정보에 기초한 제품 상세 이미지 디자인을 구성하고, 사용자 단말(200) 또는 플랫폼 관리 서버(400)로 제공할 수 있다.
여기서, 상기 대상 플랫폼 정보는, 상기 대상 플랫폼에서 고객에게 제공될 대상 제품 상세 정보를 포함할 수 있다.
제품 상세 이미지 자동화부(150)는, 대상 제품 상세 정보로부터 상기 제품 상세 이미지 학습 요소 정보를 추출하여 상기 학습 모델에 적용하고, 상기 학습 모델의 출력으로부터 프로모션 효과가 가장 높은 상세 이미지 조합 정보를 획득할 수 있다.
여기서, 대상 제품 상세 정보는 사용자가 입력한 복수의 제품 이미지를 포함할 수 있는 바, 제품 이미지가 사전 설정된 최적화 개수(예를 들어 10개)를 초과하는 경우, 상기 제품 상세 이미지 자동화부(150)는 상기 제품 상세 이미지 디자인에 포함될 10개의 이미지를 우선 순위에 따라 선택할 수 있다.
또한, 제품 이미지가 사전 설정된 최적화 개수(예를 들어 10개)에 모자라는 경우(예를 들어 5개 업로드), 상기 제품 상세 이미지 자동화부(150)는 상기 제품 상세 이미지 디자인에 포함될 나머지 5개의 이미지를 현재 업로드된 이미지로부터 변환하여 추가 제품 이미지들을 새로 구성할 수 있으며, 변환된 이미지들을 제품 상세 이미지 디자인에 추가시킬 수 있다.
여기서, 상기 변환은 상기 확대, 축소, 크롭, 회전 등의 연산이 이용될 수 있으며, 제품 상세 이미지 자동화부(150)는 이러한 변환 정보를 획득하기 위해 상기 학습 모델의 출력을 분석할 수 있다. 예를 들어, 제품 상세 이미지 자동화부(150)는, 학습 모델의 출력에서 10개의 이미지 조합을 획득하고, 상기 5개의 업로드 이미지에서 확인되지 않은 나머지 5개의 부족한 이미지 조합 정보를 식별하며, 부족한 이미지 조합 정보에 대응하는 변환 정보(크롭, 확대, 축소, 회전)를 결정하고, 결정된 변환정보를 상기 5개의 업로드 이미지 중 적어도 하나에 적용하여 나머지 5개의 이미지를 산출할 수 있다. 이에 따라 최종 구성된 최적화된 개수인 10개의 이미지가 제품 상세 디자인 이미지 조합으로 구성될 수 있다.
또한, 제품 상세 이미지 자동화부(150)는 상기 제품 상세 이미지 조합 정보에 기초하여 구성된 제품 상세 이미지 정보를 플랫폼 관리 서버(400)로 제공할 수 있다.
그리고, 피드백 정보 처리부(160)는, 상기 플랫폼 관리 서버(400) 또는 사용자 단말(200)로부터의 피드백 정보를 수신하여 상기 상세 이미지 학습 모델의 갱신 학습을 처리할 수 있다.
도 3은본 발명의 실시 예에 따른 제품 상세 이미지 자동 생성 장치의 동작에 따른 제품 상세 이미지를 보다 구체적으로 설명하기 위한 도면들이다.
도 3을 참조하면, 본 발명의 실시 예에 따른 자동 제품 상세 이미지 디자인은, 대상 플랫폼 정보 및 사용자 정보 입력에 따라 제한된 요소 범위 내에서 프로모션 효과를 최대화하는 제품 상세 이미지 요소의 조합 정보를 포함할 수 있다.
도 3은 최적화된 결과에 따른 제품 상세 이미지 기반 상품 정보 페이지를 예시한 것으로, 전체적으로 제품 상세 이미지 페이지는 고객의 시선 이동방향을 고려하여 전신->상체 크롭->부분 확대 등의 순서로 배치되는 것이 바람직하며, 최적화된 개수 이내의 이미지로 구성되는 것이 바람직하다. 또한 여백은 각각의 이미지 사이사이마다 배치되어 충분히 구분되어야 하며, 텍스트 및 문구 등은 이미지 우하단 등에 배치되는 것이 바람직할 수 있다. 또한, 사용자는 이와 같은 전문적인 지식이 없더라도 상세 이미지 학습에 따라 자동화된 제품 상세 이미지 디자인을 활용함으로써, 획일적이지 않으면서도 프로모션 효과가 최적화된 형태의 제품 상세 이미지 디자인을 상시 공급받을 수 있는 바, 플랫폼 서비스 운영에 있어서의 편의성을 극대화할 수 있게 된다.
상술한 본 발명에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다.
컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (6)

  1. 제품 상세 이미지 자동 생성 장치에 있어서,
    사전 구축된 플랫폼 네트워크로부터 제품 상세 이미지 학습 요소 정보를 수집하는 데이터 수집부;
    상기 제품 상세 이미지 학습 요소 정보에 기초하여, 프로모션 효과에 대응하는 제품 상세 이미지 요소간 조합 관계 정보를 학습하여 상세 이미지 학습 모델을 구축하는 학습 모델 구축부; 및
    대상 플랫폼 정보를 상기 학습 모델에 적용하여, 상기 대상 플랫폼 정보에 대응하는 상기 프로모션 효과가 최적화된 제품 상세 이미지 정보를 출력하는 제품 상세 이미지 자동화부를 포함하는
    제품 상세 이미지 자동 생성 장치.
  2. 제1항에 있어서,
    상기 제품 상세 이미지 학습 요소 정보는, 제품 상세 이미지 요소 분류 정보를 포함하고,
    상기 제품 상세 이미지 요소 분류 정보는 상기 제품 상세 이미지 요소 분류 정보는 하나 이상의 상품 이미지 특성 정보, 모델 이미지 특성 정보, 확대 정보, 크롭 정보, 시선 이동 정보, 세그먼트 정보, 컬러 정보, 이미지 개수 정보, 여백 배치 정보, 태그 정보, 제품 식별 정보, 텍스트 배치 정보 중 적어도 하나를 포함할 수 있다.
    제품 상세 이미지 자동 생성 장치.
  3. 제1항에 있어서,
    상기 대상 플랫폼 정보는,
    상기 대상 플랫폼에서 고객에게 제공될 대상 제품 상세 정보를 포함하고,
    상기 제품 상세 이미지 자동화부는, 상기 대상 제품 상세 정보로부터 상기 제품 상세 이미지 학습 요소 정보를 추출하여 상기 학습 모델에 적용하고, 상기 학습 모델의 출력으로부터 프로모션 효과가 가장 높은 상기 제품 상세 이미지 요소간 조합 관계 정보를 획득하는
    제품 상세 이미지 자동 생성 장치.
  4. 제1항에 있어서,
    상기 제품 상세 이미지 정보를 플랫폼 관리 서버로 제공하고, 상기 플랫폼 관리 서버로부터의 피드백 정보를 수신하여 상기 상세 이미지 학습 모델의 갱신 학습을 처리하는 피드백 정보 처리부를 더 포함하는
    제품 상세 이미지 자동 생성 장치.
  5. 제1항에 있어서,
    상기 대상 플랫폼 정보는 사용자가 입력한 복수의 제품 이미지를 포함하고,
    상기 제품 상세 이미지 자동화부는, 상기 복수의 제품 이미지가 사전 설정된 최적화 개수를 초과하는 경우, 상기 제품 상세 이미지 디자인에 포함될 상기 최적화 개수의 이미지를 우선 순위에 따라 선택 조합하는
    제품 상세 이미지 자동 생성 장치.
  6. 제1항에 있어서,
    상기 대상 플랫폼 정보는 사용자가 입력한 복수의 제품 이미지를 포함하고,
    상기 제품 상세 이미지 자동화부는, 상기 복수의 제품 이미지가 사전 설정된 최적화 개수에 미달하는 경우, 상기 제품 상세 이미지 디자인에 포함될 상기 최적화 개수의 이미지가 구성되도록, 상기 사용자가 입력한 복수의 제품 이미지를 변환하여 미달된 개수의 이미지를 새로 구성하는
    제품 상세 이미지 자동 생성 장치.
KR1020210111322A 2021-08-24 2021-08-24 제품 상세 이미지 자동 생성 장치 KR20230029156A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210111322A KR20230029156A (ko) 2021-08-24 2021-08-24 제품 상세 이미지 자동 생성 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210111322A KR20230029156A (ko) 2021-08-24 2021-08-24 제품 상세 이미지 자동 생성 장치

Publications (1)

Publication Number Publication Date
KR20230029156A true KR20230029156A (ko) 2023-03-03

Family

ID=85510268

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210111322A KR20230029156A (ko) 2021-08-24 2021-08-24 제품 상세 이미지 자동 생성 장치

Country Status (1)

Country Link
KR (1) KR20230029156A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102652934B1 (ko) * 2023-06-14 2024-04-01 주식회사 어베어 상품 상세페이지 생성 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102652934B1 (ko) * 2023-06-14 2024-04-01 주식회사 어베어 상품 상세페이지 생성 장치 및 방법
KR102701339B1 (ko) * 2023-06-14 2024-09-02 주식회사 어베어 상품 상세페이지 생성 장치 및 방법

Similar Documents

Publication Publication Date Title
US11842125B2 (en) Space profile interpreter framework for a computer file
CN103377262B (zh) 对用户进行分组的方法和装置
CN111418198A (zh) 提供文本相关图像的电子装置及其操作方法
KR20190000587A (ko) 딥러닝 신경망회로에 의한 번역알고리즘을 구비한 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 및 사용자 장치
CN111243061B (zh) 一种商品图片的生成方法、装置、系统
CN115393486B (zh) 虚拟形象的生成方法、装置、设备及存储介质
EP4220577A1 (en) Prospective object search techniques based on removed objects
KR102132714B1 (ko) 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
CN114187394B (zh) 虚拟形象生成方法、装置、电子设备以及存储介质
CN108447106B (zh) 场馆座位图的生成方法及装置
CN108519901A (zh) 场馆图的生成方法及装置
CN111931708A (zh) 表单生成方法及装置
KR20230029156A (ko) 제품 상세 이미지 자동 생성 장치
JP2021086462A (ja) データ生成方法、データ生成装置、モデル生成方法、モデル生成装置及びプログラム
CN115345669A (zh) 文案生成方法、装置、存储介质及计算机设备
CN113656572B (zh) 一种对话处理方法和系统
KR20230029161A (ko) 프로모션 배너 출력 시스템
KR20230029158A (ko) 쇼핑몰 배너 문장 자동 제작 방법
US20240046329A1 (en) Systems and methods for modeling real-world objects in virtual scenes
KR20230029157A (ko) Ai 기반 상품 정보 이미지 제작 방법
US20230215198A1 (en) Image based command classification and task engine for a computing system
KR20230029564A (ko) 이미지 학습 모델 기반의 커머셜 디자인 생성 방법 및 장치
KR20230029159A (ko) 온라인 쇼핑몰 기반 홍보 배너 제작 프로그램
KR20230029155A (ko) 인공지능 모델 학습 기반 배너 자동 생성 방법
CN113987239A (zh) 图像推送方法、装置、计算机设备、存储介质及产品