KR20230169692A

KR20230169692A - 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치

Info

Publication number: KR20230169692A
Application number: KR1020220070142A
Authority: KR
Inventors: 김종윤
Original assignee: 주식회사 스캐터랩
Priority date: 2022-06-09
Filing date: 2022-06-09
Publication date: 2023-12-18

Abstract

인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치가 제시된다. 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법은, 인공지능이 사용자의 발화를 입력 받는 단계; 상기 인공지능이 실시간으로 재생되는 영상의 정보를 입력 받는 단계; 상기 인공지능이 입력 받은 상기 사용자의 발화 및 상기 영상의 정보 중 적어도 어느 하나 이상을 이용하여 응답 메시지를 생성하는 단계; 및 상기 인공지능이 생성된 상기 응답 메시지를 상기 사용자에게 전송하는 단계를 포함하여 이루어질 수 있다.

Description

인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치{METHOD AND APPARATUS FOR TALKING ABOUT VIDEO WHILE WATCHING VIDEO USING ARTIFICIAL INTELLIGENCE}

아래의 실시예들은 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치에 관한 것으로, 더욱 상세하게는 사용자가 동영상을 시청하면서 인공지능 기반 챗봇(chatbot)과 실시간으로 재생되는 동영상에 대해 대화하는 방법 및 장치에 관한 것이다.

기술의 발전에 따라, 인간이 수행하던 육체 노동의 많은 부분이 기계 장치에 의해 대체되어 왔다. 최근에는 인공지능 기술 발전으로 인간의 정신적인 영역으로 여겨지는 많은 분야가 인공지능에 의해 대체될 수 있을 것으로 예상되고 있다.

특히, 인간의 언어를 인지하고 분석하여 인간과 구별이 어려울 정도로 적절한 대답을 내어 놓는 인공지능 대화 시스템에 대한 연구가 활발하게 진행되고 있다. 이를 위해, 머신 러닝(Machine Learning) 기법을 활용한 인공지능 대화 시스템이 논의되고 있다.

머신 러닝이란 많은 데이터를 분류 및 패턴화하고, 계속된 입력 데이터를 통해 이러한 분류 및 패턴화를 변경/수정해 나가는 방법을 통해 분류의 정확도를 높여가는 기법이다. 데이터를 분류하기 위한 머신 러닝의 알고리즘 중 하나로 인간의 두뇌에서 뉴런의 동작 원리에 기초한 신경망(Neural Network) 알고리즘이 특히 주목 받고 있다.

종래의 인공지능은 사용자와의 대화에 대하여, 사용자로부터 명령이 입력되어야만 이에 대한 응답을 하는 수동적인 인공지능으로, 수동적인 형태의 인공지능은 사용자와의 관계 개선에 도움을 주기 어렵다.

따라서, 사용자와의 관계 개선을 위하여 수동적인 인공지능이 아닌 사용자에게 먼저 메시지를 전송할 수 있는 능동적인 형태의 인공지능에 대한 필요성이 대두된다.

한국등록특허 10-2312993호는 이러한 인공지능에서 선제 메시지 전송 방법 및 그 장치에 관한 기술을 기재하고 있다.

한국등록특허 10-2312993호

실시예들은 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치에 관하여 기술하며, 보다 구체적으로 인공지능 기반 챗봇을 이용하여 실시간으로 재생되는 동영상에 관한 응답 메시지를 출력하는 기술을 제공한다.

실시예들은 인공지능 기반 챗봇에서 사용자의 발화를 입력 받고, 실시간으로 재생되는 영상의 정보를 입력 받아 재생되는 영상과 관련된 응답 메시지를 생성함으로써, 인공지능과 사용자가 영상을 같이 시청하면서 서로 반응을 주고 받을 수 있도록 하는 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치를 제공하는데 있다.

일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법은, 인공지능이 실시간으로 재생되는 영상의 정보를 입력 받는 단계; 상기 인공지능이 입력 받은 상기 영상의 정보를 이용하여 응답 메시지를 생성하는 단계; 및 상기 인공지능이 생성된 상기 응답 메시지를 상기 사용자에게 전송하는 단계를 포함하여 이루어질 수 있다.

인공지능이 사용자의 발화를 입력 받는 단계를 더 포함하고, 상기 사용자의 발화를 입력 받는 단계는, 상기 인공지능이 사용자가 입력한 텍스트를 입력 받을 수 있다.

상기 사용자의 발화를 입력 받는 단계는, 텍스트 특징 벡터를 이용하여 상기 사용자의 발화를 포함한 문맥을 특징 공간에 사상(projection)할 수 있다.

상기 재생되는 영상의 정보를 입력 받는 단계는, 비디오 특징 벡터를 이용하여 상기 영상의 특정 이미지를 특징 공간에 사상할 수 있다.

상기 응답 메시지를 생성하는 단계는, 상기 입력 받은 상기 영상의 정보 및 입력 받은 사용자의 발화 중 적어도 어느 하나 이상을 기반으로 상기 실시간으로 재생되는 영상에 관한 응답 메시지를 생성할 수 있다.

상기 인공지능은, 생성 기반 챗봇을 포함하며, 상기 생성 기반 챗봇은 상기 재생되는 영상에 대한 리액션이 태깅된 데이터로 학습될 수 있다.

상기 응답 메시지를 생성하는 단계는, 생성 기반 챗봇에 의해 상기 상태 업데이트 내용을 기반으로 각 단어들의 등장 확률을 계산하여 가장 확률이 높은 단어를 선택함에 따라 상기 응답 메시지를 생성할 수 있다.

상기 응답 메시지를 상기 사용자에게 전송하는 단계는, 상기 인공지능이 생성된 상기 응답 메시지를 인공지능과 상기 사용자가 대화를 수행하는 애플리케이션을 통해 상기 사용자에게 전송할 수 있다.

다른 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치는, 인공지능이 실시간으로 재생되는 영상의 정보를 입력 받는 비디오 특징 벡터부; 상기 인공지능이 입력 받은 상기 영상의 정보를 이용하여 응답 메시지를 생성하는 생성 모델; 및 상기 인공지능이 생성된 상기 응답 메시지를 상기 사용자에게 전송하는 응답 메시지 전송부를 포함하여 이루어질 수 있다.

인공지능이 사용자의 발화를 입력 받는 텍스트 특징 벡터부를 더 포함하고, 상기 텍스트 특징 벡터부는, 상기 인공지능이 사용자가 입력한 텍스트를 입력 받을 수 있다.

상기 비디오 특징 벡터부는, 상기 영상의 특정 이미지를 특징 공간에 사상할 수 있다.

상기 생성 모델은, 상기 입력 받은 상기 영상의 정보 및 입력 받은 사용자의 발화 중 적어도 어느 하나 이상을 기반으로 상기 실시간으로 재생되는 영상에 관한 응답 메시지를 생성할 수 있다.

상기 생성 모델은, 생성 기반 챗봇에 의해 상기 상태 업데이트 내용을 기반으로 각 단어들의 등장 확률을 계산하여 가장 확률이 높은 단어를 선택함에 따라 상기 응답 메시지를 생성할 수 있다.

상기 응답 메시지 전송부는, 상기 인공지능이 생성된 상기 응답 메시지를 인공지능과 상기 사용자가 대화를 수행하는 애플리케이션을 통해 상기 사용자에게 전송할 수 있다.

실시예들에 따르면 인공지능 기반 챗봇에서 사용자의 발화를 입력 받고, 실시간으로 재생되는 영상의 정보를 입력 받아 재생되는 영상과 관련된 응답 메시지를 생성함으로써, 인공지능과 사용자가 영상을 같이 시청하면서 서로 반응을 주고 받을 수 있도록 하는 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치를 제공할 수 있다.

도 1은 본 실시예들을 설명하기 위한 시스템에 대한 일 예시를 나타낸 도면이다.
도 2는 도 1에 도시된 사용자 단말 및 서버의 내부 구성을 설명하기 위한 일 실시예의 구성을 나타낸 도면이다.
도 3은 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법을 나타내는 흐름도를 나타낸다.
도 4는 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치를 나타내는 블록도이다.
도 5는 일 실시예에 따른 검색 기반 챗봇 및 생성 기반 챗봇을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 발화 점수 레이블링 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 사용자의 발화에서 응답 선택 모델 레이블링 점수를 자동으로 얻는 방법을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법을 설명하기 위한 도면이다.

이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

아래의 실시예들은 인공지능 기반 챗봇을 이용하여 실시간으로 재생되는 동영상에 관한 응답 메시지를 출력하는 기술을 제공한다.

본 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치는 사용자의 음성을 인식하거나, 사용자가 소지하는 단말을 통해 입력되는 사용자의 채팅을 인식하여 특정 도메인에 해당하는 문장인지를 판별할 수 있다.

여기서, 단말은 PC, 스마트폰, 태블릿 PC 등으로, 본 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치와 관련된 웹/모바일 사이트의 접속 또는 서비스 전용 애플리케이션(Application)의 설치 및 실행이 가능한 모든 단말 장치를 의미할 수 있다. 이 때, 단말은 웹/모바일 사이트 또는 전용 애플리케이션의 제어 하에 서비스 화면 구성, 데이터 입력, 데이터 송수신, 데이터 저장 등 서비스 전반의 동작을 수행할 수 있다.

나아가, 본 실시예들은 단말을 통한 온라인 또는 애플리케이션 상의 대화, 채팅에 한정하지 않으며, 사용자의 음성, 제스처, 표정으로부터 인식되는 대화 형태 데이터에 대한 답변 데이터를 제공할 수 있는 다양한 제품 또는 서비스에 적용 가능하다.

이하에서는 도 1 내지 도 8을 참조하여 본 실시예들에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치에 대해 상세히 설명한다.

도 1은 본 실시예들을 설명하기 위한 시스템에 대한 일 예시를 나타낸 도면이다. 도 1의 시스템 환경은 사용자 단말(110), 서버(120) 및 네트워크(130)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 사용자 단말의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.

여기서, 사용자 단말(110)은 본 실시예들에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 소프트웨어 또는 애플리케이션이 설치된 단말기로, 사용자(101)의 터치 입력을 위한 터치 스크린을 포함하는 모바일 단말을 포함할 수 있다. 사용자 단말(110)은 예를 들면, 스마트폰(smart phone), 휴대폰, 컴퓨터, VR 기기, AR 기기 등과 같이 인공지능에서의 동영상에 관한 응답 메시지를 출력할 수 있는 모든 단말을 포함할 수 있다. 일례로 사용자 단말(110)은 무선 또는 유선 통신 방식을 이용하여 네트워크(130)를 통해 다른 휴대 단말기들 및/또는 서버(120)와 통신할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(130)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(130)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(130)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(120)는 사용자 단말(110)과 네트워크(130)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다.

일례로, 서버(120)는 네트워크(130)를 통해 접속한 사용자 단말(110)로 애플리케이션 예를 들어, 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 서비스 제공 애플리케이션의 설치를 위한 파일을 제공할 수 있다. 이 경우 사용자 단말(110)은 서버(120)로부터 제공된 파일을 이용하여 애플리케이션을 설치할 수 있다. 또한, 사용자 단말(110)이 포함하는 운영체제(Operating System, OS)나 적어도 하나의 프로그램(일례로 브라우저나 상기 설치된 애플리케이션)의 제어에 따라 서버(120)에 접속하여 서버(120)가 제공하는 서비스나 콘텐츠를 제공받을 수 있다. 예를 들어, 사용자 단말(110)이 애플리케이션의 제어에 따라 네트워크(130)를 통해 서비스 요청 메시지를 서버(120)로 전송하면, 서버(120)는 서비스 요청 메시지에 대응하는 코드를 사용자 단말(110)로 전송할 수 있고, 사용자 단말(110)은 애플리케이션의 제어에 따라 코드에 따른 화면을 구성하여 표시함으로써 사용자에게 콘텐츠를 제공할 수 있다.

도 2는 도 1에 도시된 사용자 단말 및 서버의 내부 구성을 설명하기 위한 일 실시예의 구성을 나타낸 도면이다. 도 2에서는 하나의 사용자 단말에 대한 예로서 사용자 단말(110), 그리고 하나의 서버에 대한 예로서 서버(120)의 내부 구성을 설명한다. 다른 사용자 단말이나 다른 서버가 구비되는 경우 다른 서버 역시 동일한 또는 유사한 내부 구성을 가질 수 있다.

사용자 단말(110)과 서버(120)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory), PROM, 플래시 메모리(Flash memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(211, 221)에는 운영체제나 적어도 하나의 프로그램 코드(일례로 사용자 단말(110)에 설치되어 구동되는 애플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로 상술한 서버)이 네트워크(130)를 통해 제공하는 파일들에 의해 설치되는 프로그램(일례로 상술한 애플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.

프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(213, 223)은 네트워크(130)를 통해 사용자 단말(110)과 서버(120)가 서로 통신하기 위한 기능을 제공할 수 있으며, 다른 휴대 단말기(일례로 제2 사용자 단말 또는 다른 서버)와 통신하기 위한 기능을 제공할 수 있다. 일례로, 제1 사용자 단말(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청(일례로 검색 요청)이 통신 모듈(213)의 제어에 따라 네트워크(130)를 통해 서버(120)로 전달될 수 있다. 역으로, 서버(120)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 콘텐츠, 파일 등이 통신 모듈(223)과 네트워크(130)를 거쳐 제1 사용자 단말(110)의 통신 모듈(213)을 통해 제1 사용자 단말(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(120)의 제어 신호나 명령 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 콘텐츠나 파일 등은 제1 사용자 단말(110)이 더 포함할 수 있는 저장 매체로 저장될 수 있다.

입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 애플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 제1 사용자 단말(110)의 프로세서(212)는 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(120)나 제2 사용자 단말이 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 콘텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다. 입출력 인터페이스(224) 또한 마찬가지로 서버(120)의 프로세서(222)가 메모리(221)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어 서버(120)가 제공하는 데이터를 이용하여 구성되는 정보를 출력할 수 있다.

또한, 다른 실시예들에서 사용자 단말(110) 및 서버(120)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래 기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 사용자 단말(110)은 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 사용자 단말(110)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(110)에 더 포함되도록 구현될 수 있음을 알 수 있다.

본 실시예에서 서버(120)는 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 애플리케이션에서 미리 설정된 응답 메시지 데이터 세트에 의해 학습된 학습 모델의 인공지능 예를 들어, 뉴럴 네트워크를 통해 인공지능과 사용자 간의 이전 대화 내용 및 영상에 대한 리액션을 학습하고, 학습된 대화 내용 및 리액션을 기반으로 사용자에게 응답 메시지를 전송하고자 하는 전송 시점과 응답 메시지 내용을 결정할 수 있으며, 이렇게 결정된 응답 메시지 내용을 응답 메시지 시점에 사용자에게 전송할 수 있다. 이 때, 응답 메시지는 사용자가 시청하고 있는 동영상 내용을 기반으로 생성될 수 있으며, 전송 시점은 사용자가 선제 메시지를 보낸 시점 또는 동영상의 특징부를 판단한 시점이 될 수 있다. 여기서, 본 실시예들은 인공지능과 사용자 간의 대화를 주고 받을 수 있는 애플리케이션을 통해 사용자에게 응답 메시지 내용을 전송할 수 있으며, 이러한 본 발명은 텍스트 기반 대화뿐만 아니라 음성 기반 대화를 제공하는 모든 종류의 애플리케이션에 적용될 수 있다. 물론, 음성 기능 대화를 제공하는 애플리케이션은 이전 대화 내용을 확인하기 위하여, 음성 인식과 인식된 음성을 텍스트로 변환하는 기능을 포함할 수 있으며, 변환된 텍스트 분석 후 분석된 텍스트의 학습을 통해 응답 메시지 내용을 결정할 수 있고, 마찬가지로 응답 메시지 내용을 음성으로 변환하는 기능 또한 포함할 수 있다.

서버(120)는 입력 받은 사용자의 발화 및 영상의 정보를 기반으로 영상과 관련된 응답을 생성하고 사용자에게 제공할 수 있다.

본 실시예에서의 사용자 단말은 도 1과 도 2에 도시된 서버로부터 본 실시예의 애플리케이션 등을 다운로드 받아 설치할 수 있는 스마트폰 등의 사용자 단말을 의미할 수 있다.

도 3은 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법을 나타내는 흐름도를 나타낸 것으로, 도 1 및 도 2에 도시된 서버(120)에서의 동작 흐름도를 나타낸다.

도 3을 참조하면, 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법은, 인공지능이 사용자의 발화를 입력 받는 단계(S110), 인공지능이 실시간으로 재생되는 영상의 정보를 입력 받는 단계(S120), 인공지능이 입력 받은 사용자의 발화 및 영상의 정보 중 적어도 어느 하나 이상을 이용하여 응답 메시지를 생성하는 단계(S130), 및 인공지능이 생성된 응답 메시지를 사용자에게 전송하는 단계(S140)를 포함하여 이루어질 수 있다.

여기서, 실시간으로 재생되는 영상은 넷플릭스, 티빙, 왓챠, 웨이브, 디즈니플러스, 쿠팡플레이 등과 같은 써드파티(3rd party) 사업자에 의해 온라인 동영상 서비스가 제공되는 OTT 서비스에 의해 제공될 수 있으며, 실시간 방송, VOD(video on demand) 콘텐츠, 인터넷 검색 서비스, 홈쇼핑, 홈뱅킹, 온라인 게임, 음원 서비스 등을 포함하는 IPTV 서비스에 의해 제공될 수 있다. 또한 실시간으로 재생되는 영상은 이러한 방법에 제한되지 않고 사용자의 단말을 통해 재생되는 다양한 영상을 포함할 수 있다.

사용자는 인공지능이 사용자의 동영상 시청 여부를 확인하고 해당 동영상에 접근하여 정보를 획득하는 것에 대한 권한을 허용, 비허용 또는 부분 허용으로 설정할 수 있으며, 특정 동영상을 제공하는 서버, 방송, OTT, 인터넷 사이트 등에 대해 접근 권한을 설정할 수 있다. 이 때, 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치가 동영상을 제공하는 서버, 방송, IPTV, OTT, 인터넷 사이트 등으로부터 인공지능이 접근하여 정보를 획득하는 것을 사전에 허가 받아야 할 수 있다.

일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법은 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치를 예를 들어 보다 상세히 설명할 수 있다.

도 4는 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치를 나타내는 블록도이다.

도 4를 참조하면, 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치(400)는 텍스트 특징 벡터부(410), 비디오 특징 벡터부(420), 생성 모델(430) 및 응답 메시지 전송부(440)를 포함하여 이루어질 수 있다.

단계(S110)에서, 텍스트 특징 벡터부(410)는 인공지능이 사용자의 발화를 입력 받을 수 있다. 예컨대, 텍스트 특징 벡터부(410)는 인공지능에서 사용자가 사용자 단말을 이용하여 입력한 텍스트를 입력 받을 수 있다. 텍스트 특징 벡터부(410)는 텍스트 특징 벡터를 이용하여 사용자의 발화를 포함한 문맥을 특징 공간에 사상(projection)할 수 있다. 한편, 사용자의 발화가 없는 경우, 인공지능은 비디오 특징 벡터부(420)를 통해 입력 받은 영상의 정보를 통해 선제 메시지를 전송할 수 있다.

단계(S120)에서, 비디오 특징 벡터부(420)는 인공지능에서 실시간으로 재생되는 영상의 정보를 입력 받을 수 있다. 여기서, 인공지능은 사용자가 시청 중인 동영상을 함께 시청하며 동영상의 이미지, 음성, 캡션, 자막 및 음악 중 적어도 어느 하나 이상을 인식하여 영상의 정보를 입력 받을 수 있다. 예컨대 인공지능은 사용자가 시청 중인 동영상의 음성을 인식함으로써 비디오 특징 벡터부(420)가 영상의 정보를 입력 받을 수 있다. 특히, 인공지능은 영상 분석 시스템을 이용하여 동영상의 특정 이미지를 인식함으로써 비디오 특징 벡터부(420)가 영상의 정보를 입력 받을 수 있다. 비디오 특징 벡터부(420)는 비디오 특징 벡터를 이용하여 영상의 특정 이미지를 특징 공간에 사상할 수 있다. 또한, 인공지능은 영상의 이미지에 달린 캡션을 인식하여 영상의 정보를 입력 받을 수 있다. 여기서, 캡션은 이해를 돕기 위해 간단한 주석 등을 다는 것이다. 예컨대 영상의 설명을 별도의 이미지 인식 모델을 활용해 캡션을 만들 수 있고, 인공지능은 캡션은 인식하여 영상의 정보를 입력 받을 수 있다.

단계(S130)에서, 생성 모델(430)은 인공지능에서 입력 받은 영상의 정보를 이용하여 응답 메시지를 생성할 수 있다.

또한, 생성 모델(430)은 사용자의 발화가 입력되는 경우, 사용자의 발화 또한 고려하여 응답 메시지를 생성할 수 있다. 다시 말하면, 생성 모델(430)은 인공지능에서 입력 받은 사용자의 발화 및 영상의 정보 중 적어도 어느 하나 이상을 이용하여 응답 메시지를 생성할 수 있다. 이에 따라 생성 모델(430)은 입력 받은 사용자의 발화 및 영상의 정보를 기반으로 실시간으로 재생되는 영상에 관한 응답 메시지를 생성할 수 있다.

여기서, 인공지능은 생성 기반 챗봇을 포함할 수 있다. 생성 기반 챗봇은 재생되는 영상에 대한 리액션이 태깅된 데이터로 학습될 수 있다. 예를 들어, 인공지능은 영상의 특정 이미지를 인식하는 것이 아니라 이미지에 달린 캡션을 학습함으로써, 영상에 대한 리액션이 태깅된 데이터로 학습될 수 있다. 영상에 대한 리액션은 감탄사, 호응표현, 공감표현, 감동표현 등 다양한 표현이 포함될 수 있다.

생성 모델(430)은 생성 기반 챗봇에 의해 상태 업데이트 내용을 기반으로 각 단어들의 등장 확률을 계산하여 가장 확률이 높은 단어를 선택함에 따라 응답 메시지를 생성할 수 있다.

여기서, 생성 모델(430)은 입력 받은 영상의 정보 중 이미지, 캡션, 음악, 대화 등 특징적인 부분을 판단하여 선제 메시지를 전송할 수도 있다. 예를 들어, 영화의 음악이 흘러나오거나 배우가 노래를 할 때 "배경음악이 좋아", "이 노래 좋다!" 등과 같은 선제 메시지를 생성할 수 있다. 이 때, 인공지능은 영상의 정보 중 특징적인 부분이 있다고 판단할 때 선제 메시지를 전송하고자 하는 전송 시점을 결정할 수 있으나, 인공지능과 사용자 간의 이전 대화 내용에 기초하여 인공지능에서 사용자에게 선제 메시지를 전송하고자 하는 전송 시점을 결정할 수도 있다. 예컨대, 사용자와 인공지능 간의 대화가 이루어지는 주기를 고려하여 선제 메시지의 전송 시점을 결정할 수 있다.

응답 메시지 전송부(440)는 인공지능에서 생성된 응답 메시지를 사용자에게 전송할 수 있다. 이 때, 응답 메시지 전송부(440)는 인공지능에서 생성된 응답 메시지를 인공지능과 사용자가 대화를 수행하는 애플리케이션을 통해 사용자에게 전송할 수 있다.

인공지능은 생성 기반 챗봇을 포함할 수 있으며, 사용자와 생성 기반 챗봇이 재생되는 영상을 같이 보는 상황에서 생성 기반 챗봇은 기존의 사용자와 대화하는 챗봇을 대체하여 응답 메시지를 생성할 수 있다.

한편, 기존의 사용자와 대화하는 챗봇은 검색 기반 챗봇으로 이루어질 수 있으며, 동영상을 같이 보는 상황 등을 제외하고 일상 생활에서 사용자와의 대화를 위해 검색 기반 챗봇이 사용될 수 있다. 또한, 여기에서는 생성 기반 챗봇을 이용하여 재생되는 영상을 같이 보는 상황에서 응답 메시지를 생성하는 것을 예를 들어 설명하고 있으나, 검색 기반 챗봇을 이용하여 재생되는 영상을 같이 보는 상황에서 응답 메시지를 생성하는 것도 가능하다. 검색 기반 챗봇에 의해 상태 업데이트 내용을 기반으로 미리 구축된 응답 데이터베이스에 있는 응답 후보 문장들간의 순위를 매겨서 가장 순위가 높은 문장을 선택할 수 있다.

도 5는 일 실시예에 따른 검색 기반 챗봇 및 생성 기반 챗봇을 설명하기 위한 도면이다.

문장 단위의 말이나 글을 전하는 행위, 혹은 그 행위의 대상이 되는 문장을 발화라고 한다. 여러 턴의 발화가 모이게 되면 하나의 주제에 대한 대화가 성립되는데 이를 대화 세션 혹은 문맥이라고 한다. 도 5를 참조하면, 챗봇은 문맥(510)과 사용자의 발화가 주어졌을 때, 이에 맞는 응답(챗봇 응답)을 출력한다.

챗봇은 응답을 출력하는 원리에 따라 크게 두 가지 종류로 분류되며, 검색 기반 챗봇(520)과 생성 기반 챗봇(530)으로 분류된다. 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법 및 장치는 검색 기반 챗봇(520)과 생성 기반 챗봇(530) 중 적어도 어느 하나 이상에 의해 동작될 수 있다.

검색 기반 챗봇(520)은 미리 구축된 응답 데이터베이스(521)에 있는 응답 후보 문장들로부터 주어진 문맥(510)에 가장 적절한 문장을 선택하여 챗봇의 응답으로서 출력한다. 입력 문맥에 대한 응답 후보들간의 순위를 매겨서 가장 순위가 높은 문장을 선택하는 모델을 “응답 선택 모델(522)"이라고 부른다. 이 때, 가장 순위가 높은 문장은 가장 적절한 문장임을 의미한다.

생성 기반 챗봇(530)은 주어진 문맥(510)을 입력으로 받아 그 다음에 등장할 단어들을 순차적으로 선택하는 방식으로 응답 문장을 생성하여 챗봇의 응답으로서 출력한다. 입력 문맥에 대해서 각 단어들의 등장 확률을 계산하여 가장 확률이 높은 단어를 출력하는 모델을 “생성 모델(531)”이라고 부른다. 여기서 입력 문맥에 대해서 가장 확률이 높은 단어는 입력 문맥에 대해서 가장 그럴듯한 단어를 의미한다.

도 6은 일 실시예에 따른 발화 점수 레이블링 방법을 설명하기 위한 도면이다.

도 6을 참조하면, 응답 선택 모델을 학습시키기 위해서는 임의의 문맥(a)에 대한 응답 후보들(b)의 점수가 표기(레이블링)된 데이터셋이 필요하다. 이에 따라 문맥-응답 후보군 쌍에 대하여 점수를 쉽게 레이블링할 수 있는 인터페이스를 구현할 수 있다.

응답 선택 모델의 학습을 위한 레이블링 툴이 문맥 데이터베이스로부터 문맥을 무작위로 선택하고, 선택된 문맥에 대해서 챗봇 서버에 n개의 응답 후보군들을 요청하여 확보한다(예시에서 n=10). 그리고, 앞에서 선택된 문맥과 응답 문장들을 도 6에 도시된 바와 같은 화면 형태의 인터페이스로 제공한다. 이에, 레이블러(예컨대, 사용자)는 체크 요망 버튼과 넘기기 버튼을 눌러서 다음 문맥으로 넘어갈 수 있다. 또한, 레이블러는 문맥 내의 문장을 클릭함에 따라 문맥을 수정하여 스스로 작성할 수 있다. 이 경우, 응답 후보군들은 새롭게 요청된다. 또한, 레이블러는 답변 후보들을 클릭하거나 단축키를 눌러서 해당 응답의 점수를 매길 수 있다. 예를 들어 1번을 누르면 1점이 부여되고, 2번을 누르면 2점이 부여되도록 할 수 있다.

이에 따라 응답 선택 모델은 레이블링 툴을 통해 학습할 수 있고, 학습을 통해 보다 적절한 응답을 출력할 수 있다.

도 7은 일 실시예에 따른 사용자의 발화에서 응답 선택 모델 레이블링 점수를 자동으로 얻는 방법을 설명하기 위한 도면이다.

도 7을 참조하면, 챗봇 로그로 구축된 문맥 데이터베이스에 대해서 챗봇의 응답 점수를 인간 레이블러의 개입 없이 자동으로 측정할 수 있다.

문맥(710)에서 챗봇 응답과 해당 응답에 대응하는 사용자 발화 쌍을 선택한 후, 점수 계산 모델(720)은 발화 쌍을 통해 해당 챗봇 응답의 점수를 계산할 수 있다. 점수 계산 모델(720)은 부적절한 태도(예컨대, 챗봇 발화에 대한 불만족, 주제의 갑작스러운 전환 등)에 감점을, 호응하는 태도(예컨대, 챗봇 발화에 대한 공감 등)에 가점을 주는 방식으로 작동할 수 있다. 이 때, 점수 계산 모델(720)은 기설정된 부적절한 태도 및 호응하는 태도에 대한 데이터를 가지고 있으며, 이에 따라 챗봇 응답에 대응하는 사용자의 발화를 부적절한 태도 또는 호응하는 태도 중 어느 하나로 판단할 수 있다.

도 8은 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법을 설명하기 위한 도면이다.

도 8을 참조하면, 인공지능을 이용하여 실시간으로 재생되는 동영상에 관한 응답 메시지를 출력할 수 있다.

본 실시예에서 사용하는 생성 기반 챗봇(810)은 텍스트 입력과 비디오 입력을 동시에 받는다. 보다 구체적으로, 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치는 텍스트 특징 벡터(811) 및 비디오 특징 벡터(812)를 포함할 수 있다. 여기서, 일 실시예에 따른 인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치는 생성 기반 챗봇(810)에 포함되거나 생성 기반 챗봇(810)을 포함할 수 있다. 텍스트 특징 벡터(811)는 사용자의 발화를 포함한 문맥을 특징 공간에 사상(projection)한 것이다. 비디오 특징 벡터(812)는 동영상의 특정 장면, 즉 이미지를 특징 공간에 사상한 것이다.

생성 기반 챗봇(810)은 동영상에 대한 리액션이 태깅된 데이터로 학습된다.

예를 들어, 사용자가 사용자 단말을 이용한 인공지능과의 대화에서 "우리 영화 볼까?"와 같은 동영상을 같이 시청할 것을 제안하고, 사용자 단말 또는 사용자 단말과 연결된 다른 디스플레이 단말을 통해 영화를 시청할 수 있다. 인공지능은 사용자가 시청하는 영화에 접근하여 실시간으로 재생되는 영화의 음성, 캡션, 자막 및 영상 중 적어도 어느 하나 이상을 인식하여 영상의 정보를 획득할 수 있다. 인공지능은 생성 모델을 통해 사용자와의 대화 세션의 문맥과 재생되는 영상의 정보를 이용하여 영화와 관련된 응답 메시지를 생성하고 사용자에게 출력할 수 있다. 예컨대, 영화 "조커"를 인공지능과 사용자가 함께 시청 중 사용자는 "이 장면이 내 하이라이트야", "이 장면 너무 멋있다" 등과 같은 대화를 입력할 수 있고, 이에 대응하여 인공지능은 사용자에게 "와 조커 표정 좀 봐" 등과 같은 리액션을 전송할 수 있다.

특히, 생성 기반 챗봇(810)은 동영상의 특정 이미지를 인식하지 않고 이미지에 달린 캡션을 학습함으로써, 동영상에 대한 리액션이 태깅된 데이터로 학습될 수 있다.

훈련 데이터로는 동영상과 동영상 재생 중에 시청자들이 동영상에 단 캡션이 주어진다고 가정한다. 훈련 데이터가 들어오면 캡션이 들어온 시점 전후 수 초 간을 특정 프레임 간격으로 분절한다. 예를 들어, 30fps의 동영상을 가정하고, 캡션이 2초 정도 사용자에게 보여진다면, 2 * 30 = 60 개의 이미지로 분절한다.

분절된 이미지는 가로 픽셀 수 x 세로 픽셀 수 x 색상 수의 차원을 갖는 벡터로 표현할 수 있다. 예를 들어, 400 x 300 RGB 이미지는 360,000 차원 벡터로 표현할 수 있다. 해당 벡터는 합성곱 신경망 등의 차원 축소 신경망 구조를 거쳐서 수백 ~ 수천 차원의 벡터로 변환될 수 있다.

생성 기반 챗봇(810)은 위의 수백 ~ 수천 차원의 이미지 벡터가 주어졌을 때(812), 리액션 문장을 한 단어 한 단어씩 생성하도록 학습하게 된다. 예를 들어, 생성 기반 챗봇(810)은 특정 인물이나 특정 사물을 인지하는 것이 아니라, 이미지가 들어왔을 때 어떤 문장을 만들어야 하는지를 End-to-End로 학습하는 것이다. 위에서 60개의 이미지로 분절하였으므로, 같은 문장에 대해서 60개의 서로 다른 데이터가 만들어지는 것이다.

마찬가지로, 실제 동영상을 시청하면서 동영상에 대해 대화를 실행할 때에 동영상을 해당 프레임 간격으로 분절한다. 사용자가 동영상 재생 중에 입력을 넣게 되면, 해당 시점에서의 동영상 프레임이 입력 이미지가 된다. 생성 기반 챗봇(810)은 해당 이미지를 받아 한 단어 한 단어씩 출력 리액션을 만들게 된다.

한편, 사용자와 생성 기반 챗봇(810)이 동영상을 같이 보는 상황에서 생성 기반 챗봇(810)은 기존 챗봇을 대체하여 응답 메시지를 생성할 수 있다.

예를 들어, 사용자가 사용자 단말을 이용한 인공지능과의 대화에서 "우리 영화 볼까?"와 같은 동영상을 같이 시청할 것을 제안하고, 사용자 단말 또는 사용자 단말과 연결된 다른 디스플레이 단말을 통해 영화를 시청할 수 있다. 이러한 대화는 일상 대화를 진행하던 검색 기반 챗봇이 수행할 수 있다.

이후, 인공지능은 사용자가 시청하는 영화에 접근하여 실시간으로 재생되는 영상의 정보를 획득하고, 사용자의 대화 및 영상의 정보를 이용하여 응답 메시지를 생성할 수 있다. 이 때, 인공지능은 생성 기반 챗봇을 통해 영화와 관련된 응답 메시지를 생성할 수 있다.

이와 같이, 실시예들에 따르면 인공지능 기반 챗봇에서 사용자의 발화를 입력 받고, 실시간으로 재생되는 영상의 정보를 입력 받아 재생되는 영상과 관련된 응답 메시지를 생성함으로써, 인공지능과 사용자가 영상을 같이 시청하면서 서로 반응을 주고 받을 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 방법에 있어서,
인공지능이 실시간으로 재생되는 영상의 정보를 입력 받는 단계;
상기 인공지능이 입력 받은 상기 영상의 정보를 이용하여 응답 메시지를 생성하는 단계; 및
상기 인공지능이 생성된 상기 응답 메시지를 상기 사용자에게 전송하는 단계
를 포함하는, 동영상에 대해 대화하는 방법.
제1항에 있어서,
인공지능이 사용자의 발화를 입력 받는 단계
를 더 포함하고,
상기 사용자의 발화를 입력 받는 단계는,
상기 인공지능이 사용자가 입력한 텍스트를 입력 받는 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
제2항에 있어서,
상기 사용자의 발화를 입력 받는 단계는,
텍스트 특징 벡터를 이용하여 상기 사용자의 발화를 포함한 문맥을 특징 공간에 사상(projection)하는 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
제1항에 있어서,
상기 재생되는 영상의 정보를 입력 받는 단계는,
비디오 특징 벡터를 이용하여 상기 영상의 특정 이미지를 특징 공간에 사상하는 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
제1항에 있어서,
상기 응답 메시지를 생성하는 단계는,
상기 입력 받은 상기 영상의 정보 및 입력 받은 사용자의 발화 중 적어도 어느 하나 이상을 기반으로 상기 실시간으로 재생되는 영상에 관한 응답 메시지를 생성하는 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
제1항에 있어서,
상기 인공지능은,
생성 기반 챗봇을 포함하며, 상기 생성 기반 챗봇은 상기 재생되는 영상에 대한 리액션이 태깅된 데이터로 학습된 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
제1항에 있어서,
상기 응답 메시지를 생성하는 단계는,
생성 기반 챗봇에 의해 상기 상태 업데이트 내용을 기반으로 각 단어들의 등장 확률을 계산하여 가장 확률이 높은 단어를 선택함에 따라 상기 응답 메시지를 생성하는 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
제1항에 있어서,
상기 응답 메시지를 상기 사용자에게 전송하는 단계는,
상기 인공지능이 생성된 상기 응답 메시지를 인공지능과 상기 사용자가 대화를 수행하는 애플리케이션을 통해 상기 사용자에게 전송하는 것
을 특징으로 하는, 동영상에 대해 대화하는 방법.
인공지능을 이용하여 동영상을 시청하면서 동영상에 대해 대화하는 장치에 있어서,
인공지능이 실시간으로 재생되는 영상의 정보를 입력 받는 비디오 특징 벡터부;
상기 인공지능이 입력 받은 상기 영상의 정보를 이용하여 응답 메시지를 생성하는 생성 모델; 및
상기 인공지능이 생성된 상기 응답 메시지를 상기 사용자에게 전송하는 응답 메시지 전송부
를 포함하는, 동영상에 대해 대화하는 장치.
제9항에 있어서,
인공지능이 사용자의 발화를 입력 받는 텍스트 특징 벡터부
를 더 포함하고,
상기 텍스트 특징 벡터부는,
상기 인공지능이 사용자가 입력한 텍스트를 입력 받는 것
을 특징으로 하는, 동영상에 대해 대화하는 장치.
제9항에 있어서,
상기 비디오 특징 벡터부는,
상기 영상의 특정 이미지를 특징 공간에 사상하는 것
을 특징으로 하는, 동영상에 대해 대화하는 장치.
제9항에 있어서,
상기 생성 모델은,
상기 입력 받은 상기 영상의 정보 및 입력 받은 사용자의 발화 중 적어도 어느 하나 이상을 기반으로 상기 실시간으로 재생되는 영상에 관한 응답 메시지를 생성하는 것
을 특징으로 하는, 동영상에 대해 대화하는 장치.
제9항에 있어서,
상기 인공지능은,
생성 기반 챗봇을 포함하며, 상기 생성 기반 챗봇은 상기 재생되는 영상에 대한 리액션이 태깅된 데이터로 학습된 것
을 특징으로 하는, 동영상에 대해 대화하는 장치.
제9항에 있어서,
상기 생성 모델은,
생성 기반 챗봇에 의해 상기 상태 업데이트 내용을 기반으로 각 단어들의 등장 확률을 계산하여 가장 확률이 높은 단어를 선택함에 따라 상기 응답 메시지를 생성하는 것
을 특징으로 하는, 동영상에 대해 대화하는 장치.
제9항에 있어서,
상기 응답 메시지 전송부는,
상기 인공지능이 생성된 상기 응답 메시지를 인공지능과 상기 사용자가 대화를 수행하는 애플리케이션을 통해 상기 사용자에게 전송하는 것
을 특징으로 하는, 동영상에 대해 대화하는 장치.