KR20240031706A - 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버 - Google Patents

포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버 Download PDF

Info

Publication number
KR20240031706A
KR20240031706A KR1020220110760A KR20220110760A KR20240031706A KR 20240031706 A KR20240031706 A KR 20240031706A KR 1020220110760 A KR1020220110760 A KR 1020220110760A KR 20220110760 A KR20220110760 A KR 20220110760A KR 20240031706 A KR20240031706 A KR 20240031706A
Authority
KR
South Korea
Prior art keywords
poster
user
image
video content
content
Prior art date
Application number
KR1020220110760A
Other languages
English (en)
Inventor
조윤희
김일영
Original Assignee
주식회사 알티미디어
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 알티미디어 filed Critical 주식회사 알티미디어
Priority to KR1020220110760A priority Critical patent/KR20240031706A/ko
Publication of KR20240031706A publication Critical patent/KR20240031706A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4758—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for providing answers, e.g. voting

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Graphics (AREA)
  • Human Computer Interaction (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

본 발명은 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버에 관한 것으로, 본 발명의 일 실시예에 의한 콘텐츠 배포 서버의 포스터 이미지 자동생성방법은 상기 콘텐츠 배포 서버에 로그인한 각각의 사용자 단말에 대응하는 사용자 프로파일과, 상기 콘텐츠 배포 서버에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 수신하는 단계; 분석모델을 이용하여, 각각의 사용자가 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출하는 단계; 상기 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성하는 단계; 및 상기 포스터 설정 정보에 따라, 상기 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출하고, 상기 오브젝트들을 조합하여 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하는 단계를 포함할 수 있다.

Description

포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버 {Method for generating poster image and contents distribution server using the same}
본 발명은 사용자에게 개인화된 포스터 이미지를 자동으로 생성할 수 있는 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버에 관한 것이다.
일반적으로 IPTV 서비스에서는 사용자가 콘텐츠를 선택할 수 있도록 콘텐츠 리스트를 제공하고 있으며, 최근에는 포스터 이미지보다는 실제 화면의 스틸컷인 섬네일을 제공하는 것이 추세이다. 하나의 콘텐츠에서는 수십개에서 수천개의 섬네일이 추출될 수 있으나, 콘텐츠 리스트에는 대표 섬네일이 노출되고 있다. 이러한 대표 섬네일은 섬네일 추출 시스템에서 임의로 선정되거나, 또는 관리자에 의해 수동으로 선택될 수 있다.
대표 섬네일은 해당 콘텐츠를 대표하는 이미지이므로, 사용자가 한눈에 어떠한 콘텐츠인지를 확인할 수 있어야 하고, 사용자가 해당 콘텐츠에 대해 흥미를 가질 수 있는 장면을 표시함으로써 해당 콘텐츠에 대한 선택확률을 높일 수 있어야 한다.
다만, 종래의 섬네일 추출 방법에 의하면, 고객이 좋아하는 장면을 선택할 수 없고, 관리자가 수동으로 선정하는 경우에는 비용이 많이 들 뿐 아니라, 관리자의 개인적인 성향에 의하여 정확도가 떨어지는 등의 문제점이 있었다.
또한, 최근 콘텐츠에 대한 유인력을 높이고 및 사용자의 신속한 콘텐츠 검색을 지원하기 위하여, 개인화된 썸네일 큐레이션 서비스 등도 제안되고 있다. 즉, 동일한 콘텐츠에 대한 복수의 섬네일을 생성한 후, 사용자의 취향에 적합한 것을 선별하여 제공하는 것이다.
그러나, 사용자의 국적, 언어, 이용시간, 취향 등을 종합하여 최적의 섬네일을 사용자에게 노출하기 위해서는, 평균적으로 하나의 작품에 5700여개의 아트워크를 만들어야 하므로, 섬네일을 제작하기 위해 상당수의 아티스트와 디자이너 인력 등이 동원될 필요가 있다. 따라서, 개인화된 썸네일 큐레이션 서비스를 제공하기 위해서는 인력활용과 비용 측면에서 불합리한 문제점이 존재한다.
대한민국 공개특허공보 제10-2020-0120050호
본 발명은, 사용자의 취향이나 성향 등을 반영한 포스터 이미지를 자동으로 생성할 수 있는 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버를 제공하기 위한 것이다.
본 발명은, 영상 콘텐츠로부터 추출한 오브젝트들을 조합하여 다양한 형태의 포스터 이미지를 생성할 수 있는 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버를 제공하기 위한 것이다.
본 발명의 일 실시예에 의한 콘텐츠 배포 서버의 포스터 이미지 자동생성방법은, 상기 콘텐츠 배포 서버에 로그인한 각각의 사용자 단말에 대응하는 사용자 프로파일과, 상기 콘텐츠 배포 서버에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 수신하는 단계; 분석모델을 이용하여, 각각의 사용자가 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출하는 단계; 상기 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성하는 단계; 및 상기 포스터 설정 정보에 따라, 상기 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출하고, 상기 오브젝트들을 조합하여 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하는 단계를 포함할 수 있다.
여기서, 본 발명의 일 실시예에 의한 포스터 이미지 자동생성방법은, 각각의 영상 콘텐츠에 대한 샘플 포스터 이미지를 배포하고, 상기 샘플 포스터 이미지에 대한 사용자 단말의 선택입력을 이용하여, 상기 분석모델을 생성하는 단계를 더 포함할 수 있다.
여기서 상기 분석모델을 생성하는 단계는, 미리 설정된 생성규칙에 따라, 영상 콘텐츠들에 대한 샘플 포스터 이미지를 생성하는 단계; 상기 샘플 포스터 이미지가 표시된 영상 콘텐츠를 배포하고, 상기 샘플 포스터 이미지에 대응하여 상기 영상 콘텐츠에 입력된 사용자 단말의 선택입력을 수신하는 단계; 및 각각의 영상 콘텐츠에 대한 상기 선택입력의 빈도수를 측정하고, 상기 빈도수가 높을수록 사용자의 선호도가 높은 것으로 설정하여 상기 분석모델을 학습하는 단계를 더 포함할 수 있다.
여기서 상기 샘플 포스터 이미지를 생성하는 단계는, 상기 영상 콘텐츠에 포함되는 등장인물, 배경장소 및 제목 중 적어도 어느 하나의 오브젝트를 추출하고, 상기 오브젝트들의 위치, 크기 및 배열 중 적어도 어느 하나를 지정한 상기 생성규칙에 따라, 상기 샘플 포스터 이미지를 생성하는 것일 수 있다.
여기서 상기 학습하는 단계는, 상기 분석모델이 각각의 사용자에 대해 영상 콘텐츠별로 상기 샘플 포스터 이미지들에 대한 선호도 정보를 추출하도록 학습하는 것일 수 있다.
여기서 상기 학습하는 단계는, 분석모델이, 동일한 영상 콘텐츠에 대해 배포된 상이한 종류의 샘플 포스터 이미지 중에서 사용자들이 선호하는 샘플 포스터 이미지에 대한 선호도 정보를 추출하도록 학습하는 것일 수 있다.
여기서 상기 사용자 프로파일은, 상기 사용자의 연령, 거주국가 및 성별 중 적어도 어느 하나를 포함하는 개인정보와, 상기 사용자의 구매 이력, 시청 이력 및 북마크 이력 중 적어도 어느 하나를 이용하여 추출한 사용자의 취향정보를 포함하는 것으로, 상기 취향정보는 상기 사용자가 선호하는 장르, 출연배우, 배경장소, 제작국가 및 시대배경 중 적어도 어느 하나를 포함하는 것일 수 있다.
여기서 상기 콘텐츠 프로파일은, 상기 영상 콘텐츠의 장르, 출연배우, 배경장소, 제작국가 및 시대배경 중 적어도 어느 하나를 포함하는 것일 수 있다.
여기서 상기 포스터 설정 정보를 생성하는 단계는, 상기 사용자 프로파일과 상기 콘텐츠 프로파일을 비교하여, 상기 콘텐츠 프로파일 중에서 사용자의 취향정보와 매칭되는 매칭항목을 추출하고, 상기 매칭항목과 상기 선호도 정보를 비교하여 상기 포스터 설정 정보를 생성하는 것일 수 있다.
여기서 상기 포스터 설정 정보를 생성하는 단계는, 상기 선호도 정보에서 설정된 오브젝트 및 생성규칙 중에서, 상기 오브젝트를 상기 매칭항목에서 설정된 오브젝트로 치환하여 상기 포스터 설정 정보를 생성하는 것일 수 있다.
본 발명의 일 실시예에 의하면, 하드웨어와 결합하여, 상술한 포스터 이미지 자동생성방법을 수행하기 위하여 매체에 저장된 컴퓨터 프로그램이 존재할 수 있다.
본 발명의 일 실시예에 의한 포스터(poster) 이미지를 자동생성하는 콘텐츠 배포 서버는, 로그인한 각각의 사용자 단말에 대응하는 사용자 프로파일과, 상기 콘텐츠 배포 서버에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 생성하는 프로파일 관리부; 분석모델을 이용하여 각각의 사용자의 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출하는 분석부; 상기 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성하는 설정부; 및 상기 포스터 설정 정보에 따라, 상기 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출하고, 상기 오브젝트들을 조합하여 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하는 이미지생성부를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 의한 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버에 의하면, 사용자의 취향이나 성향 등을 반영한 포스터 이미지를 자동으로 생성하는 것이 가능하다. 즉, 사용자의 취향을 반영한 포스터 이미지로 영상 콘텐츠들에 대한 리스트를 제공할 수 있으므로, 사용자는 자신이 흥미를 가질 수 있는 영상 콘텐츠를 보다 빠르고 편리하게 발견할 수 있다. 또한, 콘텐츠 배포 서버 측에서는 하나의 영상 콘텐츠의 배포에 필요한 다양한 포스터 이미지를 효율적으로 생성할 수 있으므로, 인력 및 비용을 절감하는 효과를 얻을 수 있다.
도1은 본 발명의 일 실시예에 의한 콘텐츠 배포시스템을 나타내는 개략도이다.
도2는 본 발명의 일 실시예에 의한 콘텐츠 배포 서버를 나타내는 블록도이다.
도3은 본 발명의 일 실시예에 의한 복수의 포스터 이미지 생성을 나타내는 예시도이다.
도4는 본 발명의 일 실시예에 의한 콘텐츠 배포 서버가 생성한 포스터 이미지를 나타내는 예시도이다.
도5는 본 발명의 다른 실시예에 의한 콘텐츠 배포 서버를 나타내는 개략도이다.
도6 및 도7은 본 발명의 일 실시예에 의한 포스터 이미지 자동생성방법을 나타내는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 "~부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도1은 본 발명의 일 실시예에 의한 콘텐츠 배포시스템을 나타내는 개략도이다.
도1을 참조하면, 본 발명의 일 실시예에 의한 콘텐츠 배포시스템은, 사용자 단말(1), 콘텐츠 제공자(C) 및 콘텐츠 배포 서버(100)를 포함할 수 있다.
이하 도1을 참조하여 본 발명의 일 실시예에 의한 콘텐츠 배포시스템을 설명한다.
사용자 단말(1)은 유선 또는 무선 통신망을 이용하여 콘텐츠 배포 서버(100)에 접속할 수 있으며, 사용자는 콘텐츠 배포 서버(100)에게 영상 콘텐츠 등 다양한 콘텐츠의 제공을 요청할 수 있다. 여기서, 사용자는 영상 콘텐츠 등을 제공받기 위하여 콘텐츠 배포 서버(100)에 회원가입 등을 수행할 수 있으며, 회원가입시 이름, 주소, 나이, 성별, 거주국가, ID, 비밀번호 등의 개인정보를 입력할 수 있다.
사용자 단말(1)은 정보의 송수신을 위한 프로그램 및 프로토콜을 저장하는 메모리, 각종 프로그램을 실행하여 연산 및 제어하기 위한 프로세서 등을 구비할 수 있으며, 실시예에 따라 다양한 형태로 구현될 수 있다. 예를들어, 사용자 단말(1)은 스마트 폰(smart phone), 타블렛 PC(Tablet PC), 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등의 무선 통신 기술이 적용되는 이동 단말기나, PC, IPTV, 스마트 TV 등과 같이 휴대하기 어려운 디지털 기기일 수 있다.
사용자 단말(1)과 콘텐츠 배포 서버(100)는 통신 네트워크를 통해 서로 연결될 수 있다. 통신 네트워크는 유선 네트워크와 무선 네트워크를 포함할 수 있으며, 구체적으로, 근거리 네트워크(LAN: Local Area Network), 도시권 네트워크(MAN: Metropolitan Area Network), 광역 네트워크(WAN: Wide Area Network) 등 다양한 네트워크를 포함할 수 있다. 또한, 통신 네트워크는 공지의 월드 와이드 웹(WWW: World Wide Web)을 포함할 수도 있다. 그러나, 본 발명에 따른 통신 네트워크는 상기 열거된 네트워크에 국한되지 않고, 공지의 무선 데이터 네트워크, 공지의 전화 네트워크, 공지의 유/무선 텔레비전 네트워크 중 적어도 하나를 포함할 수도 있다.
콘텐츠 배포 서버(100)는 콘텐츠 제공자(C, Contents Provider)로부터 수집한 복수의 영상 콘텐츠 등을 저장하고 있을 수 있으며, 사용자 단말(1)의 요청에 따라 각각의 사용자 단말(1)에게 영상 콘텐츠를 스트리밍(streaming) 또는 다운로드(download) 방식으로 제공할 수 있다.
콘텐츠 배포 서버(100)는 사용자가 사용자 단말(1)을 이용하여 영상 콘텐츠를 선택할 수 있도록, 추천 콘텐츠들의 리스트를 제공하는 추천 기능이나, 원하는 콘텐츠를 검색할 수 있는 검색기능 등을 제공할 수 있다.
여기서, 콘텐츠 배포 서버(100)는 각각의 영상 콘텐츠를 표시하기 위하여, 해당 영상 콘텐츠의 포스터 이미지 등을 표시할 수 있으며, 실시예에 따라서는 해당 영상 콘텐츠의 제목 등을 함께 표시할 수 있다. 즉, 포스터 이미지를 통하여 사용자들이 해당 영상 콘텐츠의 내용을 유추하거나, 흥미를 느끼게 하여 해당 영상 콘텐츠에 대한 선택을 유도할 수 있다.
각각의 영상 콘텐츠들에 대한 포스터 이미지는 사용자의 영상 콘텐츠의 선택에 많은 영향을 미칠 수 있으므로, 최근 사용자의 콘텐츠 시청 이력이나 취향 등을 참조하여, 동일한 콘텐츠에 대한 복수의 포스터 이미지 중에서 사용자의 취향에 적합한 것을 선별하여 제공하는 등 큐레이션 서비스도 제공되고 있다.
예를들어, 도3에 도시한 바와 같이, 동일한 영상 콘텐츠인 "다크 나이트"에 대하여, 상이한 종류의 포스터 이미지를 구비할 수 있으며, 각각의 사용자의 취향을 반영하여 어느 하나의 포스터 이미지를 사용자에게 제공할 수 있다. 즉, 사용자 A에게는 도3(a)의 포스터 이미지를 제공하고, 사용자 B에 에게는 도3(b)의 포스터 이미지를 제공하며, 사용자 C에게는 도3(c)의 포스터 이미지를 각각 제공할 수 있다. 이를 통하여, 서로 다른 취향이나 성향을 가진 사용자 A, B, C가 모두 "다크 나이트"라는 영상 콘텐츠에 주의를 기울일 수 있또록 유도할 수 있다.
다만, 각각의 사용자에게 개인화된 포스터 이미지 등을 제공하기 위해서는, 하나의 콘텐츠에 대한 복수의 포스터 이미지들을 생성할 필요가 있다. 다양한 사용자들에 대한 취향을 고려한 포스터 이미지들을 생성하기 위해서는, 평균적으로 하나의 작품에 5700여개의 아트워크를 만들어야 하므로, 상당수의 아티스트와 디자이너 인력 등이 동원될 필요가 있다. 즉, 큐레이션 서비스를 제공하기 위해서는, 인력 및 비용이 급증하게 되므로, 일반적으로 큐레이션 서비스를 적용하기에는 어려움이 존재한다.
이를 해결하기 위하여, 본 발명의 일 실시예에 의한 콘텐츠 배포 서버(100)는, 각각의 사용자들의 취향이나 성향 등을 고려하여, 개별 영상 콘텐츠들에 대한 개인화된 포스터 이미지를 자동으로 생성하도록 할 수 있다. 이를 통하여, 사용자는 자신이 흥미를 가질 수 있는 영상 콘텐츠를 보다 빠르고 편리하게 발견할 수 있으며, 콘텐츠 배포 서버(100) 측에서는 하나의 영상 콘텐츠의 배포에 필요한 다양한 포스터 이미지를 효율적으로 생성할 수 있으므로, 인력 및 비용 절감의 효과를 얻을 수 있다. 이하, 본 발명의 일 실시예에 의한 콘텐츠 배포 서버(100)를 설명한다.
도2를 참조하면, 본 발명의 일 실시예에 의한 콘텐츠 배포 서버(100)는, 프로파일 관리부(110), 분석부(120), 설정부(130) 및 이미지생성부(140)를 포함할 수 있다.
프로파일 관리부(110)는 콘텐츠 배포 서버(100)에 로그인(log-in)한 각각의 사용자 단말(1)에 대응하는 사용자 프로파일과, 콘텐츠 배포 서버(100)에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 생성할 수 있다.
여기서 사용자 프로파일은 사용자의 연령, 거주국가, 성별 등을 포함하는 개인정보와, 사용자의 구매 이력, 시청 이력, 북마크 이력 등으로부터 추출한 사용자의 취향정보를 포함할 수 있다.
사용자 단말(1)이 콘텐츠 배포 서버(100)에 로그인하기 위해서는 회원가입 등의 절차가 필요할 수 있으며, 이때 콘텐츠 배포 서버(100)는 사용자에게 개인정보 등에 대한 입력을 요청할 수 있다. 이에 따라, 사용자는 자신의 개인정보를 사용자 단말(1)을 통하여 입력할 수 있으며, 프로파일 관리부(110)는 회원가입시 회득한 사용자의 개인정보를 이용하여 사용자 프로파일을 생성할 수 있다.
또한, 콘텐츠 배포 서버(100)에 로그인한 사용자 단말(1)은, 자신이 원하는 영상 콘텐츠 등을 선택하여 요청할 수 있으며, 이때 사용자 단말(1)이 선택한 영상 콘텐츠들에 대한 이력은 콘텐츠 배포 서버(100) 내에 저장될 수 있다.
예를들어, 사용자가 콘텐츠 배포 서버(100)에서 구매한 영상 콘텐츠들의 목록인 구매 이력, 사용자가 콘텐츠 배포 서버(100)에서 시청한 영상 콘텐츠들의 목록인 시청 이력, 사용자가 콘텐츠 배포 서버(100) 내에서 차후 구매하거나 시청하기 위하여 북마크를 표시한 영상 콘텐츠들의 목록인 북마크 이력 등이 저장될 수 있다. 여기서, 사용자가 영상 콘텐츠를 구매한 후 아직 시청은 하지 않은 경우가 있을 수 있으므로, 구매 이력과 시청 이력은 상이할 수 있다. 또한, 주기적으로 일정한 비용을 결제하면 개별 영상 콘텐츠들은 전부 무료로 시청할 수 있는 서비스의 경우에는, 구매 이력은 생성되지 않고 시청 이력만 생성될 수 있다. 이외에도, 북마크 이력에 포함된 영상 콘텐츠들은 실제 사용자가 구매하거나 시청한 것은 아니므로, 북마크 이력은 구매 이력이나 시청 이력과 상이하게 생성될 수 있다.
여기서, 프로파일 관리부(110)는 각각의 사용자들의 구매 이력, 시청 이력, 북마크 이력 등을 이용하여, 개별 사용자들이 선호하는 장르, 출연배우, 배경장소, 제작국가, 시대배경 등에 대한 취향정보를 생성할 수 있다. 예를들어, 사용자의 시청 이력에 포함된 전체 영상 콘텐츠들의 장르를 확인한 후, 그 중에서 가장 많이 시청한 장르를 사용자가 선호하는 장르로 설정할 수 있다. 여기서는, 장르를 예로 들었으나, 출연배우, 배경장소, 제작국가, 시대배경 등에 대하여도 각각 확인하여 사용자의 취향정보로 생성할 수 있다. 이외에도, 취향정보는 다양한 방식으로 설정할 수 있으며, 예를들어 최근 3개월동안 사용자가 시청한 영상 콘텐츠들을 기준으로 취향정보를 생성함으로써, 최근 사용자의 취향을 반영하도록 하는 등의 실시예도 가능하다.
이후, 프로파일 관리부(110)는 사용자의 개인정보와 취향정보를 포함하여 각각의 사용자들에 대한 사용자 프로파일을 생성할 수 있다. 여기서, 사용자 정보나 취향정보에는 다양한 정보들이 포함될 수 있으나, 프로파일 관리부(110)는 미리 설정된 기준항목들을 포함하도록 사용자 프로파일을 정의할 수 있다. 실시예에 따라서는, 개인정보에서 사용자의 거주국가, 연령, 성별 등을 기준항목으로 포함시키고, 취향정보에서 출연배우, 장르, 배경정소, 제작국가, 시대배경 등을 기준항목으로 포함시켜, 사용자 프로파일을 정의할 수 있다.
또한, 콘텐츠 프로파일은 콘텐츠 제공자(C)로부터 수신한 각각의 영상 콘텐츠들에 대한 메타데이터로부터 생성할 수 있다. 메타데이터에는 제목, 시놉시스, 장르, 출연배우, 배경장소, 제작국가, 시대배경 등에 대한 정보가 포함될 수 있으며, 프로파일 관리부(110)는 이 중에서 미리 설정된 기준항목들을 추출하여 콘텐츠 프로파일을 생성할 수 있다. 예를들어, 영상 콘텐츠의 장르, 출연배우, 배경장소, 제작국가, 시대배경 등을 기준항목으로 설정하여, 콘텐츠 프로파일을 생성할 수 있다.
한편, 실시예에 따라서는, 메타데이터 이외에 해당 영상 콘텐츠에 대한 연관뉴스로부터 기준항목들을 추출하여 콘텐츠 프로파일에 추가하는 것도 가능하다. 즉, 프로파일 관리부(110)는 해당 영상 콘텐츠에 대한 연관뉴스 등을 수신할 수 있으며, 연관뉴스의 텍스트에 대한 자연어처리(NLP: Natural Language Processing)을 통하여, 개체명 인식(NER: Named Entity Recognition)을 수행할 수 있다. 따라서, 프로파일 관리부(110)는 연관뉴스로부터 출연배우, 배경장소, 장르 등 미리 설정된 기준항목들에 해당하는 개체명들을 추출할 수 있으며, 추출한 개체명들을 포함하여 콘텐츠 프로파일을 생성할 수 있다. 실시예에 따라서는, 메타데이터에서 추출할 기준항목과 연관뉴스에서 추출할 기준항목들이 각각 설정되어 있을 수 있다.
분석부(120)는 분석모델을 이용하여 각각의 사용자가 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출할 수 있다. 여기서, 각각의 포스터 이미지에는 복수의 오브젝트들이 표시될 수 있으며, 표시되는 오브젝트들의 종류와, 각각의 오브젝트들의 위치나 크기 등에 따라, 각각 상이한 타입의 포스터 이미지가 생성될 수 있다.
이때, 각각의 사용자들은 취향에 따라 선호하는 타입의 포스터 이미지가 상이할 수 있으며, 분석부(120)는 분석모델을 이용하여 각각의 사용자가 선호하는 타입의 포스터 이미지에 대한 선호도 정보를 생성할 수 있다. 즉, 분석모델은 각각의 포스터 이미지 내에 포함되는 오브젝트의 종류와 각각의 오브젝트의 위치나 크기 등에 따른 사용자의 선호도를 판별하여, 각각의 포스터 이미지의 타입에 따른 선호도 정보를 제공할 수 있다.
여기서, 분석모델은 콘텐츠 배포 서버(100)가 생성할 수 있으며, 실시예에 따라서는 별도의 장치에서 분석모델을 생성한 후, 콘텐츠 배포 서버(100) 내에 저장하는 것도 가능하다.
한편, 분석모델은 각각의 영상 콘텐츠에 대한 샘플 포스터 이미지를 배포한 후, 샘플 포스터 이미지에 대한 사용자 단말(1)의 선택입력을 이용하는 방식으로, 분석모델을 생성할 수 있다.
구체적으로, 미리 설정된 생성규칙에 따라, 영상 콘텐츠들에 대한 샘플 포스터 이미지를 생성할 수 있다. 즉, 등장인물, 배경장소, 제목, 주요소품 등의 오브젝트는 각각의 영상 콘텐츠로부터 추출할 수 있으며, 추출한 오브젝트들의 위치, 크기, 배열 등은 미리 설정된 생성규칙에 따라 배치하여, 샘플 포스터 이미지를 생성할 수 있다. 즉, 도4를 참조하면, 샘플 포스터 이미지(P) 내에 출연배우(O1), 주요소품(O2), 제목(O3) 및 배경장소(O4)의 오브젝트들이 포함될 수 있으며, 주요소품(O2)을 배경으로 출연배우(O1)가 위치하고 제목(O3)이 전체 샘플 포스터 이미지(P)의 중간 하단에 위치하도록 위치와 크기 등의 생성규칙이 설정됨을 확인할 수 있다.
한편, 실시예에 따라서는, 각각의 영상콘텐츠들의 장르별로 샘플 포스터 이미지의 타입을 미리 설정해둘 수 있다. 예를들어, 영상콘텐츠의 장르가 "뮤지컬"인 경우, 오브젝트로 출연배우, 해당 출연배우의 춤을 추는 동작 및 무대배경을 포함하도록 설정하고, 각각의 오브젝트들의 위치, 크기 등을 생성규칙에 따라 조합하여, 샘플 포스터 이미지를 생성할 수 있다. 또한, 영상콘텐츠의 장르가 "전쟁"인 경우, 오브젝트로 출연배우, 총 및 전쟁터가 선택되도록 설정하고, 각각의 오브젝트들이 위치, 크기 등을 조합하여 샘플 포스터 이미지를 생성할 수 있다. 여기서, 생성규칙은 다양하게 설정될 수 있으며, 실시예에 따라서는 위치, 크기 등을 임의로 설정하도록 하는 것도 가능하다.
이후, 샘플 포스터 이미지가 표시된 영상 콘텐츠를 사용자 단말(1)들에게 배포할 수 있으며, 샘플 포스터 이미지에 대응하여 영상 콘텐츠에 입력된 사용자 단말(1)의 선택입력을 수신할 수 있다. 즉, 각각의 사용자들은 샘플 포스터 이미지를 통하여 각각의 영상 콘텐츠들을 인식할 수 있으며, 샘플 포스터 이미지를 바탕으로 자신이 시청이나 구매, 또는 북마크할 영상 콘텐츠를 선택하는 선택입력을 인가할 수 있다. 실시예에 따라서는, 하나의 영상 콘텐츠에 대하여 복수의 샘플 포스터 이미지들을 생성할 수 있으며, 그 중에서 어떤 샘플 포스터 이미지에 대하여 각각의 사용자 단말(1)이 선택입력을 인가하는지 확인하는 것이 가능하다.
이후, 각각의 영상 콘텐츠에 대한 선택입력의 빈도수를 측정하고, 빈도수가 높을수록 사용자의 선호도가 높은 것으로 설정하여 분석모델을 학습할 수 있다. 사용자는 해당 샘플 포스터 이미지를 기반으로 선택입력을 인가하는 것이므로, 해당 샘플 포스터 이미지에 대한 선택입력의 빈도수가 높으면 사용자가 해당 샘플 포스터 이미지를 선호하는 것으로 해석할 수 있다. 따라서, 선택입력의 빈도수가 높을수록, 해당 샘플 포스터 이미지에 대한 사용자의 선호도가 높은 것으로 판별하도록 분석모델을 학습시킬 수 있다. 여기서, 분석모델은 기계학습 등을 이용하여 생성할 수 있으며, CNN(Convolutional Neural Network), DNN(Depp Neural Network), RNN(Recurrent Neural Network) 등 다양한 종류의 신경망 모델 등으로 구현하는 것도 가능하다.
여기서, 분석모델은 각각의 사용자에 대해 영상 콘텐츠별로 샘플 포스터 이미지들에 대한 개별 선호도 정보를 추출하도록 학습할 수 있다. 이 경우, 각각의 개인별로 개별 선호도 정보를 생성하는 것이 가능하다. 예를들어, 사용자 A가 제1 영상 콘텐츠를 선택할 때 사용한 샘플 포스터 이미지 P1과, 사용자 A가 제2 영상 콘텐츠를 선택할 때 사용한 샘플 포스터 이미지 P2를 각각 학습데이터로 하여 분석모델을 학습시킬 수 있다. 이 경우, 분석모델은 사용자 A가 제3 영상 콘텐츠를 선택하도록 하기 위한 샘플 포스터 이미지 P3에 대한 오브젝트와 생성규칙을 포함하는 개별 선호도 정보를 추출하는 것이 가능하다.
또한, 실시예에 따라서는, 분석모델이 동일한 영상 콘텐츠에 대해 배포된 상이한 종류의 샘플 포스터 이미지 중에서 사용자들이 선호하는 샘플 포스터 이미지에 대한 선호도 정보를 추출하도록 학습하는 것도 가능하다. 즉, 전체 사용자들에 대하여 단체 선호도 정보를 추출하도록 할 수 있다. 이때, 각각의 사용자들의 사용자 프로파일을 참조하면, 성별이나 연령, 선호하는 장르 등에 따라 각각의 사용자들의 그룹을 형성할 수 있으며, 각 그룹별로 단체 선호도 정보를 생성하는 것도 가능하다.
설정부(130)는 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성할 수 있다.
구체적으로, 설정부(130)는 사용자 프로파일과 콘텐츠 프로파일을 비교하여, 콘텐츠 프로파일 중에서 사용자의 취향정보와 매칭되는 매칭항목을 추출할 수 있다. 예를들어, 사용자의 취향정보 중에서 사용자가 선호하는 출연배우, 선호하는 장르, 선호하는 배경장소 등이 콘텐츠 프로파일 내에 포함되는 확인할 수 있으며, 확인결과 선호하는 장르와 출연배우가 일치하면, 해당 장르와 출연배우를 매칭항목으로 추출할 수 있다. 이후, 설정부(130)는 매칭항목과 선호도 정보를 비교하여 포스터 설정 정보를 생성할 수 있다.
구체적으로, 설정부(130)는 선호도 정보에서 설정된 오브젝트 및 생성규칙 중에서, 오브젝트를 매칭항목에서 설정된 오브젝트로 치환하여 포스터 설정 정보를 생성할 수 있다. 예를들어, 선호도 정보에서 해당 사용자는 출연배우, 해당 출연배우의 춤을 추는 동작 및 무대배경의 오브젝트를, 미리 설정된 생성규칙에 따라 생성한 포스트 이미지를 선호하는 것으로 설정되어 있을 수 있다. 다만, 매칭항목에 배경장소 및 시대배경이 포함되어 있는 경우에는, 매칭항목을 우선하여 배경장소와 시대배경을 나타내는 오브젝트를 우선하여 표시하도록, 포스터 설정 정보를 생성할 수 있다.
즉, 매칭항목과 선호도 정보가 충돌하는 경우에는, 매칭항목과 선호도 정보 사이에 설정된 우선순위에 따라 포스터 설정 정보를 생성하도록 할 수 있다. 실시예에 따라서는 매칭항목의 우선순위를 더 높게 설정할 수 있다. 또한, 각각의 매칭항목들 사이에도 우선순위가 설정될 수 있으며, 예를들어, 선호하는 출연배우, 배경장소, 장르, 시대배경 등의 순서로 우선순위가 설정될 수 있다. 선호도 정보는 개별 선호도 정보와 단체 선호도 정보로 구별할 수 있으며, 개별 선호도 정보와 단체 선호도 정보 중에서 우선순위를 설정하는 것도 가능하다. 여기서는, 개별 선호도 정보가 단체 선호도 정보에 비하여 우선순위가 높은 것으로 설정할 수 있다.
실시예에 따라서는, 매칭항목과 선호도 정보가 모두 존재하지 않는 경우가 있을 수 있으며, 이 경우 우선순위가 가장 높은 순서의 매칭항목과 단체 선호도 정보를 기반으로 포스터 설정 정보를 생성할 수 있다.
이미지생성부(140)는 포스터 설정 정보에 따라, 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출할 수 있다. 즉, 영상 콘텐츠를 일정한 시간간격으로 캡쳐링한 캡쳐 이미지들을 생성할 수 있으며, 해당 캡쳐 이미지에서 포스터 설정 정보에서 설정된 각각의 오브젝트들을 추출할 수 있다. 여기서, 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트를 추출하기 위하여, 이미지생성부(140)는 다양한 객체 탐지 알고리즘 등을 활용할 수 있다. 예를들어, Object Detection API, YOLO(You Only Look Once) 등의 객체 탐지 알고리즘을 활용할 수 있으나 이에 한정되는 것은 아니며, 오브젝트를 추출할 수 있는 것이면 어떠한 것도 활용할 수 있다.
이후, 이미지생성부(140)는 추출한 각각의 오브젝트들을 조합하여 영상 콘텐츠에 대한 포스터 이미지를 생성할 수 있다. 여기서, 이미지생성부(140)는 포스터 설정 정보에 포함된 생성규칙에 따라 각각의 오브젝트들을 조합하여, 포스터 이미지를 생성할 수 있다. 즉, 이미지생성부(140)는 사용자별로 각각의 영상 콘텐츠들에 대응하는 포스터 이미지들을 새롭게 생성하는 것이므로, 사용자들에게 개인화된 포스터 이미지를 제공하는 것이 가능하다.
추가적으로, 이미지생성부(140)는 오브젝트들을 조합한 포스터 이미지를 생성하기 위하여, 각각의 오브젝트들에 대한 선행 기계학습을 수행하여 이미지 모델을 생성할 수 있다. 즉, 영상 콘텐츠로부터 추출한 출연배우나 주요소품 등을 포스터 이미지 내에 표시하는 이미지 모델을 학습할 수 있다. 또한, 각각의 주요소품 등의 분위기를 표시하기 위한 이미지 모델을 학습할 수 있다. 예를들어, 공포, 폭력 등의 분위기를 나타내기 위하여, 칼이나 쇠파이프, 폭탄, 붕대 등의 오브젝트를 표시하거나, 사랑, 달콤 등의 분위기를 나타내기 위하여 풍선, 하트, 잡인 손, 강변, 해변, 커피 등의 오브젝트를 표시하도록 이미지 모델을 학습시킬 수 있다.
이외에도, 오브젝트들의 행위나 행동 등을 표시하기 위하여, 출연배우들 사이의 댄스 장면이나, 격투 장면, 요리 장면 등을 이미지 모델에 학습시키거나, 포스터 이미지 전체의 배경 색상을 표시하기 위하여, 다양한 분위기를 나타내는 포스터 이미지의 배경색상을 이미지 모델에 학습시킬 수 있다.
도5는 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 본 발명의 실시예들에 따른 콘텐츠 배포 서버(100)일 수 있다. 컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
도6 및 도7은 본 발명의 일 실시예에 의한 포스터 이미지 자동생성방법을 나타내는 순서도이다. 여기서, 도5 및 도6의 각 단계들은 본 발명의 일 실시예에 의한 콘텐츠 배포 서버에 의하여 수행될 수 있다.
도5를 참조하면, 콘텐츠 배포 서버는, 각각의 영상 콘텐츠에 대한 샘플 포스터 이미지를 배포하고, 샘플 포스터 이미지에 대한 사용자 단말의 선택입력을 이용하여, 분석모델을 생성할 수 있다(S10). 즉, 각각의 사용자들은 취향에 따라 선호하는 타입의 포스터 이미지가 상이하므로, 분석모델을 이용하여 각각의 사용자가 선호하는 타입의 포스터 이미지에 대한 선호도 정보를 생성하도록 할 수 있다.
구체적으로, 도6을 참조하면, 콘텐츠 배포 서버는 미리 설정된 생성규칙에 따라, 영상 콘텐츠들에 대한 샘플 포스터 이미지를 생성할 수 있다(S11). 즉, 등장인물, 배경장소, 제목, 주요소품 등의 오브젝트는 각각의 영상 콘텐츠로부터 추출할 수 있으며, 추출한 오브젝트들의 위치, 크기, 배열 등은 미리 설정된 생성규칙에 따라 배치하여, 샘플 포스터 이미지를 생성할 수 있다.
이후, 콘텐츠 배포 서버는 샘플 포스터 이미지가 표시된 영상 콘텐츠를 사용자 단말들에게 배포할 수 있으며, 샘플 포스터 이미지에 대응하여 영상 콘텐츠에 입력된 사용자 단말의 선택입력을 수신할 수 있다(S12). 즉, 각각의 사용자들은 샘플 포스터 이미지를 통하여 각각의 영상 콘텐츠들을 인식할 수 있으며, 샘플 포스터 이미지를 바탕으로 자신이 시청이나 구매, 또는 북마크할 영상 콘텐츠를 선택하는 선택입력을 인가할 수 있다.
이후, 콘텐츠 배포 서버는 각각의 영상 콘텐츠에 대한 선택입력의 빈도수를 측정하고, 빈도수가 높을수록 사용자의 선호도가 높은 것으로 설정하여 분석모델을 학습할 수 있다(S13). 사용자는 해당 샘플 포스터 이미지를 기반으로 선택입력을 인가하는 것이므로, 해당 샘플 포스터 이미지에 대한 선택입력의 빈도수가 높으면 사용자가 해당 샘플 포스터 이미지를 선호하는 것으로 해석할 수 있다. 따라서, 선택입력의 빈도수가 높을수록, 해당 샘플 포스터 이미지에 대한 사용자의 선호도가 높은 것으로 판별하도록 분석모델을 학습시킬 수 있다. 여기서, 분석모델은 기계학습 등을 이용하여 생성할 수 있으며, CNN(Convolutional Neural Network), DNN(Depp Neural Network), RNN(Recurrent Neural Network) 등 다양한 종류의 신경망 모델 등으로 구현하는 것도 가능하다.
여기서, 분석모델은 각각의 사용자에 대해 영상 콘텐츠별로 샘플 포스터 이미지들에 대한 개별 선호도 정보를 추출하도록 학습할 수 있다. 이 경우, 각각의 개인별로 개별 선호도 정보를 생성하는 것이 가능하다. 또한, 실시예에 따라서는, 분석모델이 동일한 영상 콘텐츠에 대해 배포된 상이한 종류의 샘플 포스터 이미지 중에서 사용자들이 선호하는 샘플 포스터 이미지에 대한 선호도 정보를 추출하도록 학습하는 것도 가능하다. 즉, 전체 사용자들에 대하여 단체 선호도 정보를 추출하도록 할 수 있다. 이때, 각각의 사용자들의 사용자 프로파일을 참조하면, 성별이나 연령, 선호하는 장르 등에 따라 각각의 사용자들의 그룹을 형성할 수 있으며, 각 그룹별로 단체 선호도 정보를 생성하는 것도 가능하다.
분석모델이 생성되면, 콘텐츠 배포 서버는 콘텐츠 배포 서버에 로그인한 각각의 사용자 단말에 대응하는 사용자 프로파일과, 콘텐츠 배포 서버에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 수신할 수 있다(S20).
여기서 사용자 프로파일은 사용자의 연령, 거주국가, 성별 등을 포함하는 개인정보와, 사용자의 구매 이력, 시청 이력, 북마크 이력 등으로부터 추출한 사용자의 취향정보를 포함할 수 있다. 사용자의 개인정보는 콘텐츠 배포 서버에 회원가입시 입력받을 수 있으며, 취향정보는 사용자의 구매 이력, 시청 이력, 북마크 이력 등으로부터 생성할 수 있다.
여기서, 사용자 정보나 취향정보에는 다양한 정보들이 포함될 수 있으나, 콘텐츠 배포 서버는 미리 설정된 기준항목들을 포함하도록 사용자 프로파일을 정의할 수 있다. 실시예에 따라서는, 개인정보에서 사용자의 거주국가, 연령, 성별 등을 기준항목으로 포함시키고, 취향정보에서 출연배우, 장르, 배경정소, 제작국가, 시대배경 등을 기준항목으로 포함시켜, 사용자 프로파일을 정의할 수 있다.
또한, 콘텐츠 프로파일은 콘텐츠 제공자로부터 수신한 각각의 영상 콘텐츠들에 대한 메타데이터로부터 생성한 것일 수 있다. 메타데이터에는 제목, 시놉시스, 장르, 출연배우, 배경장소, 제작국가, 시대배경 등에 대한 정보가 포함될 수 있으며, 콘텐츠 배포 서버는 이 중에서 미리 설정된 기준항목들을 추출하여 콘텐츠 프로파일을 생성할 수 있다. 예를들어, 영상 콘텐츠의 장르, 출연배우, 배경장소, 제작국가, 시대배경 등을 기준항목으로 설정하여, 콘텐츠 프로파일을 생성할 수 있다.
콘텐츠 배포 서버는, 분석모델을 이용하여, 각각의 사용자가 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출할 수 있다(S30). 여기서, 각각의 포스터 이미지에는 복수의 오브젝트들이 표시될 수 있으며, 표시되는 오브젝트들의 종류와, 각각의 오브젝트들의 위치나 크기 등에 따라, 각각 상이한 타입의 포스터 이미지가 생성될 수 있다. 이때, 각각의 사용자들은 취향에 따라 선호하는 타입의 포스터 이미지가 상이할 수 있으며, 콘텐츠 배포 서버는 분석모델을 이용하여 각각의 사용자가 선호하는 타입의 포스터 이미지에 대한 선호도 정보를 생성할 수 있다. 즉, 분석모델은 각각의 포스터 이미지 내에 포함되는 오브젝트의 종류와 각각의 오브젝트의 위치나 크기 등에 따른 사용자의 선호도를 판별하여, 각각의 포스터 이미지의 타입에 따른 선호도 정보를 제공할 수 있다.
콘텐츠 배포 서버는, 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성할 수 있다(S40). 여기서, 콘텐츠 배포 서버는 사용자 프로파일과 콘텐츠 프로파일을 비교할 수 있으며, 콘텐츠 프로파일 중에서 사용자의 취향정보와 매칭되는 매칭항목을 추출할 수 있다. 예를들어, 사용자의 취향정보 중에서 사용자가 선호하는 출연배우, 선호하는 장르, 선호하는 배경장소 등이 콘텐츠 프로파일 내에 포함되는 확인할 수 있으며, 확인결과 선호하는 장르와 출연배우가 일치하면, 해당 장르와 출연배우를 매칭항목으로 추출할 수 있다. 이후, 콘텐츠 배포 서버는 매칭항목과 선호도 정보를 비교하여 포스터 설정 정보를 생성할 수 있다.
구체적으로, 콘텐츠 배포 서버는 선호도 정보에서 설정된 오브젝트 및 생성규칙 중에서, 오브젝트를 매칭항목에서 설정된 오브젝트로 치환하여 포스터 설정 정보를 생성할 수 있다. 예를들어, 선호도 정보로부터 해당 사용자는 출연배우, 해당 출연배우의 춤을 추는 동작 및 무대배경의 오브젝트를, 미리 설정된 생성규칙에 따라 생성한 포스트 이미지를 선호하는 것을 확인할 수 있다. 다만, 매칭항목에 배경장소 및 시대배경이 포함되어 있는 경우에는, 매칭항목에 나타난 배경장소와 시대배경을 나타내는 오브젝트가 우선하여 표시되도록, 포스터 설정 정보를 생성할 수 있다. 즉, 매칭항목과 선호도 정보가 충돌하는 경우에는, 매칭항목과 선호도 정보 사이에 설정된 우선순위에 따라 포스터 설정 정보를 생성하도록 할 수 있으며, 실시예에 따라서는 매칭항목의 우선순위가 더 높게 설정될 수 있다.
콘텐츠 배포 서버는, 포스터 설정 정보에 따라, 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출하고, 오브젝트들을 조합하여 영상 콘텐츠에 대한 포스터 이미지를 생성할 수 있다(S50). 즉, 영상 콘텐츠를 일정한 시간간격으로 캡쳐링한 캡쳐 이미지들을 생성할 수 있으며, 해당 캡쳐 이미지에서 포스터 설정 정보에서 설정된 각각의 오브젝트들을 추출할 수 있다. 여기서, 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트를 추출하기 위하여, 콘텐츠 배포 서버는 다양한 객체 탐지 알고리즘 등을 활용할 수 있다. 예를들어, Object Detection API, YOLO(You Only Look Once) 등의 객체 탐지 알고리즘을 활용할 수 있으나 이에 한정되는 것은 아니며, 오브젝트를 추출할 수 있는 것이면 어떠한 것도 활용할 수 있다.
이후, 콘텐츠 배포 서버는 추출한 각각의 오브젝트들을 조합하여 영상 콘텐츠에 대한 포스터 이미지를 생성할 수 있다. 여기서, 콘텐츠 배포 서버는 포스터 설정 정보에 포함된 생성규칙에 따라 각각의 오브젝트들을 조합하여, 포스터 이미지를 생성할 수 있다. 즉, 사용자별로 각각의 영상 콘텐츠들에 대응하는 포스터 이미지들을 새롭게 생성하는 것이므로, 사용자들에게 개인화된 포스터 이미지를 제공하는 것이 가능하다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
1: 사용자 단말 100: 콘텐츠 배포서버
110: 프로파일 관리부 120: 분석부
130: 설정부 140: 이미지생성부

Claims (12)

  1. 콘텐츠 배포 서버의 포스터(poster) 이미지 자동생성방법에 있어서,
    상기 콘텐츠 배포 서버에 로그인한 각각의 사용자 단말에 대응하는 사용자 프로파일과, 상기 콘텐츠 배포 서버에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 수신하는 단계;
    분석모델을 이용하여, 각각의 사용자가 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출하는 단계;
    상기 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성하는 단계; 및
    상기 포스터 설정 정보에 따라, 상기 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출하고, 상기 오브젝트들을 조합하여 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하는 단계를 포함하는, 포스터 이미지 자동생성방법.
  2. 제1항에 있어서,
    각각의 영상 콘텐츠에 대한 샘플 포스터 이미지를 배포하고, 상기 샘플 포스터 이미지에 대한 사용자 단말의 선택입력을 이용하여, 상기 분석모델을 생성하는 단계를 더 포함하는 것인, 포스터 이미지 자동생성방법.
  3. 제2항에 있어서, 상기 분석모델을 생성하는 단계는
    미리 설정된 생성규칙에 따라, 영상 콘텐츠들에 대한 샘플 포스터 이미지를 생성하는 단계;
    상기 샘플 포스터 이미지가 표시된 영상 콘텐츠를 배포하고, 상기 샘플 포스터 이미지에 대응하여 상기 영상 콘텐츠에 입력된 사용자 단말의 선택입력을 수신하는 단계; 및
    각각의 영상 콘텐츠에 대한 상기 선택입력의 빈도수를 측정하고, 상기 빈도수가 높을수록 사용자의 선호도가 높은 것으로 설정하여 상기 분석모델을 학습하는 단계를 더 포함하는 것인, 포스터 이미지 자동생성방법.
  4. 제3항에 있어서, 상기 샘플 포스터 이미지를 생성하는 단계는
    상기 영상 콘텐츠에 포함되는 등장인물, 배경장소 및 제목 중 적어도 어느 하나의 오브젝트를 추출하고, 상기 오브젝트들의 위치, 크기 및 배열 중 적어도 어느 하나를 지정한 상기 생성규칙에 따라, 상기 샘플 포스터 이미지를 생성하는 것인, 포스터 이미지 자동생성방법.
  5. 제3항에 있어서, 상기 학습하는 단계는
    상기 분석모델이 각각의 사용자에 대해 영상 콘텐츠별로 상기 샘플 포스터 이미지들에 대한 선호도 정보를 추출하도록 학습하는 것인, 포스터 이미지 자동생성방법.
  6. 제3항에 있어서, 상기 학습하는 단계는
    분석모델이, 동일한 영상 콘텐츠에 대해 배포된 상이한 종류의 샘플 포스터 이미지 중에서 사용자들이 선호하는 샘플 포스터 이미지에 대한 선호도 정보를 추출하도록 학습하는 것인, 포스터 이미지 자동생성방법.
  7. 제1항에 있어서, 상기 사용자 프로파일은
    상기 사용자의 연령, 거주국가 및 성별 중 적어도 어느 하나를 포함하는 개인정보와, 상기 사용자의 구매 이력, 시청 이력 및 북마크 이력 중 적어도 어느 하나를 이용하여 추출한 사용자의 취향정보를 포함하는 것으로,
    상기 취향정보는
    상기 사용자가 선호하는 장르, 출연배우, 배경장소, 제작국가 및 시대배경 중 적어도 어느 하나를 포함하는 것인, 포스터 이미지 자동생성방법.
  8. 제1항에 있어서, 상기 콘텐츠 프로파일은
    상기 영상 콘텐츠의 장르, 출연배우, 배경장소, 제작국가 및 시대배경 중 적어도 어느 하나를 포함하는 것인, 포스터 이미지 자동생성방법.
  9. 제1항에 있어서, 상기 포스터 설정 정보를 생성하는 단계는
    상기 사용자 프로파일과 상기 콘텐츠 프로파일을 비교하여, 상기 콘텐츠 프로파일 중에서 사용자의 취향정보와 매칭되는 매칭항목을 추출하고, 상기 매칭항목과 상기 선호도 정보를 비교하여 상기 포스터 설정 정보를 생성하는 것인, 포스터 이미지 자동생성방법.
  10. 제9항에 있어서, 상기 포스터 설정 정보를 생성하는 단계는
    상기 선호도 정보에서 설정된 오브젝트 및 생성규칙 중에서, 상기 오브젝트를 상기 매칭항목에서 설정된 오브젝트로 치환하여 상기 포스터 설정 정보를 생성하는 것인, 포스터 이미지 자동생성방법.
  11. 하드웨어와 결합하여, 제1항 내지 제10항 중 어느 하나의 항에 따른 포스터 이미지 자동생성방법을 수행하기 위하여 매체에 저장된 컴퓨터 프로그램.
  12. 포스터(poster) 이미지를 자동생성하는 콘텐츠 배포 서버에 있어서,
    로그인한 각각의 사용자 단말에 대응하는 사용자 프로파일과, 상기 콘텐츠 배포 서버에 등록된 각각의 영상 콘텐츠에 대응하는 콘텐츠 프로파일을 생성하는 프로파일 관리부;
    분석모델을 이용하여 각각의 사용자의 선호하는 타입의 포스터 이미지를 나타내는 선호도 정보를 추출하는 분석부;
    상기 사용자 프로파일, 콘텐츠 프로파일 및 선호도 정보를 이용하여, 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하기 위한 포스터 설정 정보를 생성하는 설정부; 및
    상기 포스터 설정 정보에 따라, 상기 영상 콘텐츠에 대한 캡쳐 이미지로부터 각각의 오브젝트들을 추출하고, 상기 오브젝트들을 조합하여 상기 영상 콘텐츠에 대한 포스터 이미지를 생성하는 이미지생성부를 포함하는, 콘텐츠 배포 서버.
KR1020220110760A 2022-09-01 2022-09-01 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버 KR20240031706A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220110760A KR20240031706A (ko) 2022-09-01 2022-09-01 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220110760A KR20240031706A (ko) 2022-09-01 2022-09-01 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버

Publications (1)

Publication Number Publication Date
KR20240031706A true KR20240031706A (ko) 2024-03-08

Family

ID=90235857

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220110760A KR20240031706A (ko) 2022-09-01 2022-09-01 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버

Country Status (1)

Country Link
KR (1) KR20240031706A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200120050A (ko) 2019-04-11 2020-10-21 주식회사 케이티 섬네일 선정장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200120050A (ko) 2019-04-11 2020-10-21 주식회사 케이티 섬네일 선정장치

Similar Documents

Publication Publication Date Title
CN111143610B (zh) 一种内容推荐方法、装置、电子设备和存储介质
KR101777242B1 (ko) 동영상 컨텐츠의 하이라이트 영상을 추출하여 제공하는 방법과 시스템 및 기록 매체
US9715731B2 (en) Selecting a high valence representative image
US10198498B2 (en) Methods and systems for updating database tags for media content
CN110139162B (zh) 媒体内容的共享方法和装置、存储介质、电子装置
US9100701B2 (en) Enhanced video systems and methods
US20160378762A1 (en) Methods and systems for identifying media assets
JP7223056B2 (ja) 画像審査方法、装置、電子機器及び記憶媒体
CN111309200B (zh) 一种扩展阅读内容的确定方法、装置、设备及存储介质
US20150189384A1 (en) Presenting information based on a video
CN111432282B (zh) 一种视频推荐方法及装置
US11250468B2 (en) Prompting web-based user interaction
CN112487242A (zh) 用于识别视频的方法、装置、电子设备及可读存储介质
CN104102683A (zh) 用于增强视频显示的上下文查询
CN110019800A (zh) 分发内容处理方法、装置、计算机设备和存储介质
EP3910496A1 (en) Search method and device
US20170013309A1 (en) System and method for product placement
KR20240031706A (ko) 포스터 이미지 자동생성방법 및 이를 이용하는 콘텐츠 배포 서버
CN115309487A (zh) 显示方法、装置、电子设备和可读存储介质
US11249823B2 (en) Methods and systems for facilitating application programming interface communications
KR20150031918A (ko) 영상자료에 대한 광고 영상 제작방법, 이를 이용한 제작 시스템 및 제작된 영상데이터에 대한 상영방법
US10990456B2 (en) Methods and systems for facilitating application programming interface communications
US10733491B2 (en) Fingerprint-based experience generation
CN112199553A (zh) 一种信息资源的处理方法、装置、设备及存储介质
CN113438532A (zh) 视频处理、视频播放方法、装置、电子设备及存储介质