KR20240044050A - 업로드 이미지의 노출 여부를 결정 및 전시하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 - Google Patents
업로드 이미지의 노출 여부를 결정 및 전시하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 Download PDFInfo
- Publication number
- KR20240044050A KR20240044050A KR1020220123307A KR20220123307A KR20240044050A KR 20240044050 A KR20240044050 A KR 20240044050A KR 1020220123307 A KR1020220123307 A KR 1020220123307A KR 20220123307 A KR20220123307 A KR 20220123307A KR 20240044050 A KR20240044050 A KR 20240044050A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- image information
- information
- comparison
- account
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000010801 machine learning Methods 0.000 claims abstract description 31
- 230000015654 memory Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 22
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000000052 comparative effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Technology Law (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법에 있어서, 작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신 단계; 상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별 단계; 및 상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정 단계를 포함하는 것을 특징으로 한다. 이 외에도 본 문서를 통해 파악되는 다양한 실시예들이 가능하다.
Description
본 발명은 업로드 이미지의 노출 여부를 결정 및 전시하는 방법에 관한 것으로서, 구체적으로는 작가 계정으로부터 수신되는 이미지 정보를 복수 개의 AI 이미지 판단 플랫폼에 전송하여, 복수 개의 AI 이미지 판단 플랫폼으로 하여금 이미지 정보에 기반한 이미지와 유사한 비교 이미지를 추출하도록 하고, 복수 개의 AI 이미지 판단 플랫폼으로부터 추출된 비교 이미지를 수신 시, 기 저장된 머신러닝 알고리즘을 통해 비교 이미지 간의 평균 유사도 수치를 산출하고, 평균 유사도 수치보다 높은 유사도를 가지는 비교 이미지 중 저작권이 존재하는 저작권 이미지가 식별되는 경우, 이미지가 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 작가 계정으로 하여금 이미지 정보에 대한 소명 가이드를 작성하도록 하고, 작성된 소명 가이드를 통해 이미지의 노출 여부를 결정하는 기술에 관한 것이다.
현재 스마트 폰과 인터넷의 급속한 발전으로 각종 SNS가 급속도로 발전함에 따라 저작권 문제가 빈번하게 발생하고 있다. 대표적으로, SNS를 통해 다른 사람이 촬영하거나 제작한 저작권이 있는 이미지를 쉽게 획득하고, 이를 쉽게 도용하여 사용하거나 제3자에게 배포하는 문제가 빈번하게 발생하고 있다. 통상적으로는 사용자는 저작권이 있는 이미지임을 알고 사용하는 경우도 있으나, 일반인 사용자 대부분은 넷 상에 개시되어 있는 이미지가 저작권이 존재하는지 파악하기 어렵다. 이는, 일반인 사용자뿐만 아니라 전문적인 작품 활동을 하는 작가들도 마찬가지로 작가 본인이 창작한 이미지가 다른 이미지의 저작권을 침해하는지를 구별하는데 어려움이 존재한다.
이에 따라, 저작권 관리 업계에서는 이러한 문제를 해결하기 위한 다양한 기술들을 개발하고 잇다.
일 예로서, 한국등록특허 10-2420199(딥러닝을 이용한 이미지 저작권 판별 시스템 및 방법)에는 저작권 이미지의 특징 정보를 추출하고, 인공지능 모델에 추출한 특징 정보를 적용 및 학습한 후, 이후에 수신되는 저작권 판별 대상 이미지의 특징 정보를 통해 저작권 판별 대상 이미지가 저작권 이미지의 저작권을 침해하는지 여부를 판별하는 기술이 개시되어 있다.
그러나, 상술한 선행기술에서는 단순히 이미지의 특징 정보를 인공지능 모델에 적용해 이미지가 저작권 이미지의 저작권을 침해하는지를 식별하기 위한 기술만이 개시되어 있을 뿐, 작가 계정으로부터 수신되는 이미지 정보를 복수 개의 AI 이미지 판단 플랫폼에 전송하여, 복수 개의 AI 이미지 판단 플랫폼으로 하여금 이미지 정보에 기반한 이미지와 유사한 비교 이미지를 추출하도록 하고, 복수 개의 AI 이미지 판단 플랫폼으로부터 추출된 비교 이미지를 수신 시, 기 저장된 머신러닝 알고리즘을 통해 비교 이미지 간의 평균 유사도 수치를 산출하고, 평균 유사도 수치보다 높은 유사도를 가지는 비교 이미지 중 저작권이 존재하는 저작권 이미지가 식별되는 경우, 이미지가 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 작가 계정으로 하여금 이미지 정보에 대한 소명 가이드를 작성하도록 하고, 작성된 소명 가이드를 통해 이미지의 노출 여부를 결정하는 기술은 개시되어 있지 않아, 이를 해결할 수 있는 기술의 필요성이 대두되고 있다.
이에 본 발명은 업로드 이미지의 노출 여부를 결정 및 전시하는 방법을 통해 작가 계정으로부터 수신되는 이미지 정보를 복수 개의 AI 이미지 판단 플랫폼에 전송하여, 복수 개의 AI 이미지 판단 플랫폼으로 하여금 이미지 정보에 기반한 이미지와 유사한 비교 이미지를 추출하도록 하고, 복수 개의 AI 이미지 판단 플랫폼으로부터 추출된 비교 이미지를 수신 시, 기 저장된 머신러닝 알고리즘을 통해 비교 이미지 간의 평균 유사도 수치를 산출하고, 평균 유사도 수치보다 높은 유사도를 가지는 비교 이미지 중 저작권이 존재하는 저작권 이미지가 식별되는 경우, 이미지가 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 작가 계정으로 하여금 이미지 정보에 대한 소명 가이드를 작성하도록 하고, 작성된 소명 가이드를 통해 이미지의 노출 여부를 결정하도록 함으로써, 작가 계정의 이미지가 다른 이미지의 저작권을 침해하는지 세부적으로 확인한 후, 전시 플랫폼에 전시 및 후원을 받도록 해 작가 계정의 사용자가 다른 작품의 저작권을 침해하지 않고 수익을 획득하도록 하는 것에 그 목적이 있다.
본 발명의 일 실시예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법에 있어서, 작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신 단계; 상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별 단계; 및 상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정 단계;를 포함하는 것을 특징으로 한다.
상기 복수 개의 AI 이미지 판단 플랫폼은, 상기 복수 개의 AI 이미지 판단 플랫폼 각각마다 서로 다른 비전 API를 보유함에 따라, 상기 수신되는 이미지 정보를 분석 시 상기 이미지 정보에 기반한 이미지와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지를 추출하되, 저작권을 보유한 비교 이미지 및 저작권을 보유하지 않은 비교 이미지를 모두 추출하는 것이 바람직하다.
상기 저작권 이미지 식별 단계는, 상기 비교 이미지 정보의 수신이 완료되면, 상기 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여 상기 분석 결과를 통해 상기 이미지 정보에 기반한 이미지에 대한 상기 복수 개의 비교 이미지 각각의 유사도를 산출하여, 상기 산출된 유사도를 통해 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출하는 평균 유사도 산출 단계; 및 상기 평균 유사도 수치의 산출이 완료되면, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 상기 유사 이미지의 존재 여부를 확인하고, 상기 유사 이미지가 존재하는 경우, 상기 유사 이미지에 매칭된 속성 정보를 확인해 저작권이 존재하는 저작권 이미지의 식별을 완료하는 이미지 식별 완료 단계;를 포함하는 것이 가능하다.
상기 기 저장된 머신러닝 알고리즘은, CNN(convolutional neural network) 모델 기반의 알고리즘으로써, 상기 이미지 정보 및 상기 비교 이미지 정보를 분석해 상기 이미지 정보에 기반한 이미지에 대한 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출하기 위한 알고리즘이되, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 상기 유사 이미지를 확인하는 기능을 포함하는 알고리즘인 것이 가능하다.
상기 이미지 노출 결정 단계는, 상기 저작권 이미지의 식별이 완료되면, 상기 기 저장된 머신러닝 알고리즘을 기반으로, 상기 이미지 정보에 기반한 이미지와 상기 저작권 이미지를 분석하여, 상기 분석 결과를 통해 상기 저작권 이미지의 전체 영역 중 상기 이미지와의 유사도가 제2 지정된 유사도 이상인 침해 영역을 식별하는 침해 영역 식별 단계; 상기 침해 영역의 식별이 완료되면, 상기 분석 결과를 통해 상기 침해 영역에 대한 침해 속성을 확인하여, 상기 확인된 침해 속성에 기반한 저작권 침해를 소명하도록 하는 가이드 텍스트를 기 저장된 가이드 테이블에서 추출하여, 상기 작가 계정으로 하여금 상기 가이드 텍스트를 통해 소명 가이드를 작성하도록 요청하는 소명 요청 진행 단계; 및 상기 소명 요청 진행 단계의 기능 수행에 의해 상기 작가 계정에 의해 작성된 소명 가이드를 상기 작가 계정으로부터 수신 시, 관리자 계정에게 상기 소명 가이드를 제공하여, 상기 이미지에 대한 노출 여부를 결정하도록 요청하는 노출 승인 확인 단계;를 포함하는 것이 가능하다.
상기 업로드 이미지의 노출 여부를 결정 및 전시하는 방법은, 작품 등록 단계;를 더 포함하고, 상기 작품 등록 단계는, 상기 노출 승인 확인 단계의 기능 수행에 의해 상기 이미지에 대한 노출 여부가 상기 관리자 계정에 의해 승인되는 경우, 상기 승인된 이미지에 기반한 이미지 정보를 작품 리스트에 반영하여, 상기 전시 플랫폼에 접속하는 복수의 유저 계정에게 상기 작품 리스트를 제공함으로써, 상기 이미지 정보에 기반한 이미지를 상기 전시 플랫폼에 전시하는 것이 가능하다.
상기 작품 등록 단계는, 상기 노출 승인 확인 단계의 기능 수행에 의해 상기 이미지에 대한 노출 여부가 상기 관리자 계정에 의해 승인되는 경우, 상기 작가 계정에 대한 전시 카테고리를 생성 또는 식별하여, 상기 전시 카테고리에 상기 이미지 정보를 저장하는 전시 카테고리 저장 단계; 및 상기 전시 카테고리에 상기 이미지 정보가 저장 완료되면, 상기 저장된 이미지 정보에 대한 작가 정보 및 작품 설명 정보를 상기 작가 계정으로부터 수신하여, 상기 이미지 정보, 상기 작가 정보 및 상기 작품 설명 정보를 전시 작품 정보로 가공해 상기 작품 리스트에 반영하는 작품 정보 생성 단계;를 포함하는 것이 가능하다.
상기 작품 리스트는, 상기 전시 플랫폼에 접속하는 복수의 유저 계정들이 열람 가능한 리스트로써, 상기 전시 플랫폼에 반영된 전시 작품 정보 중 적어도 하나가 상기 복수의 유저 계정 중 제1 유저 계정에 의해 후원되는 경우, 상기 후원된 전시 작품 정보에 기반한 이미지를 고해상도 이미지로 변환하여 상기 제1 유저 계정에게 제공하는 인터페이스인 것이 가능하다.
본 발명의 일 실시예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 장치에 있어서, 작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신부; 상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별부; 및 상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정부;를 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 컴퓨터-판독가능 기록매체로서, 상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은; 작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신 단계; 상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별 단계; 및 상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정 단계;를 포함하는 것을 특징으로 한다.
본 발명인 업로드 이미지의 노출 여부를 결정 및 전시하는 방법을 통해 작가 계정의 사용자인 작가는 창작하는 작품이 다른 작품의 저작권을 침해하는지 여부를 확인 가능하여, 방해 요소 없이 작품 활동을 이어나갈 수 있다.
또한, 저작권 침해 여부 및 전시 플랫폼의 작품 등록의 프로세스를 한 번에 수행 가능하여, 작품 투고에 대한 노동력 및 시간을 절약할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 저작권 이미지 식별 단계를 설명하기 위한 순서도이다.
도 3은 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 이미지 노출 결정 단계를 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 장치의 작품 등록부를 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 작품 등록 단계를 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 저작권 이미지 식별 단계를 설명하기 위한 순서도이다.
도 3은 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 이미지 노출 결정 단계를 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 장치의 작품 등록부를 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 작품 등록 단계를 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 설명하기 위한 도면이다.
이하에서는, 다양한 실시 예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.
본 명세서에서 사용되는 "실시 예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.
또한, 제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
또한, 본 발명의 실시 예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시 예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법을 설명하기 위한 순서도이다.
도 1을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법은 이미지 송수신 단계(S101 단계), 저작권 이미지 식별 단계(S103 단계) 및 이미지 노출 결정 단계(S105 단계)를 포함할 수 있다.
S101 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 수신된 이미지 정보를 전송하여, 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 수신된 이미지 정보를 분석하여, 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 생성된 비교 이미지 정보를 수신할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 작가 계정으로부터 상기 이미지 정보를 수신하는 경우, 상기 전시 플랫폼과 기 연계된 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송할 수 있다.
일 실시예에 따르면, 상기 복수 개의 AI 이미지 판단 플랫폼은 복수 개의 AI 이미지 판단 플랫폼 각각마다 서로 다른 비전(vision) API를 보유함에 따라, 상기 프로세서로부터 수신되는 이미지 정보를 분석 시 이미지 정보에 기반한 이미지와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지를 추출하되, 저작권을 보유한 비교 이미지 및 저작권을 보유하지 않은 비교 이미지를 모두 추출하여, 추출된 비교 이미지를 기반으로 상기 비교 이미지 정보를 생성하는 플랫폼일 수 있다.
상기와 관련하여, 상기 제1 지정된 유사도는 상기 복수 개의 AI 이미지 판단 플랫폼 각각마다 기설정 되어 있는 기준치로써, 상기 이미지 정보에 기반한 이미지와 비교되기 위한 비교 이미지를 탐색 및 추출하기 위한 구성일 수 있다. 이에 따라, 상기 복수 개의 AI 이미지 판단 플랫폼에서 추출되는 비교 이미지 각각의 유사도는 편차가 클 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 비교 이미지 정보를 수신하는 경우, 이미지 식별 단계(S103 단계)를 수행할 수 있다.
S103 단계에서, 상기 프로세서는 상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별할 수 있다.
일 실시예에 따르면, 상기 기 저장된 머신러닝 알고리즘은 CNN(convolutional neural network) 모델 기반의 알고리즘으로써, 상기 이미지 정보 및 상기 비교 이미지 정보를 분석해 상기 이미지 정보에 기반한 이미지에 대한 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출하기 위한 알고리즘이되, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 유사 이미지를 확인하는 알고리즘일 수 있다.
즉, 상기 기 저장된 머신러닝 알고리즘은 이미지를 분석하여, 이미지의 유사도를 측정하기 위한 CNN 모델 기반의 알고리즘으로써, 본원발명에서는 상기 복수 개의 AI 이미지 판단 플랫폼으로부터 수신한 비교 이미지 정보에 기반한 복수 개의 비교 이미지 간의 유사도를 측정할 수 있다. 이 때, 측정되는 유사도는, 상기 복수 개의 비교 이미지 각각이 상기 이미지 정보에 기반한 이미지에 대비 얼마나 유사한지를 수치화한 구성일 수 있다.
상기와 관련하여, 상기 프로세서는 상기 기 저장된 머신러닝 알고리즘을 기반으로 복수 개의 비교 이미지 각각의 유사도의 측정이 완료되면, 상기 측정된 유사도를 기반으로 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출할 수 있다. 이는, 상기 복수 개의 AI 이미지 판단 플랫폼마다 비전 API가 상이하기 때문에, 상기 이미지와 유사한 비교 이미지를 보다 종합적이고 세부적으로 식별하기 위함이다.
즉, 상기 프로세서는 상기 기 저장된 머신러닝 알고리즘을 기반으로 상기 산출된 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링함으로써, 상기 이미지와 저작권 침해 여부를 판단하기 위한 유사 이미지의 식별을 완료하면, 상기 식별된 유사 이미지에 매칭되어 있는 속성 정보를 통해 저작권이 존재하는 저작권 이미지의 식별을 완료할 수 있다. 상기 저작권 이미지는 저작자가 존재하는 이미지로써, 저작권이 존재하는 이미지일 수 있다.
상기와 관련하여, 상기 속성 정보는 상기 비교 이미지마다 매칭되어 있는 정보로써, 상기 비교 이미지 각각의 저작권자의 존재 여부 및 저작권자 식별코드를 포함하는 정보일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 저작권 이미지 식별 단계(S103 단계)가 완료되면, 이미지 노출 결정 단계(S105 단계)를 수행할 수 있다.
S105 단계에서, 상기 프로세서는 상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 작가 계정에게 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 작가 계정에 의해 작성된 소명 가이드를 통해 이미지의 노출 여부를 결정할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 이미지 정보에 기반한 이미지가 상기 저작권 이미지의 저작권을 침해한다고 판단할 수 있다. 상기와 관련하여, 상기 저작권 이미지는 상기 이미지와 유사도가 상기 평균 유사도 수치 이상의 비교 이미지에서 선택된 유사 이미지이기 때문에, 상기 프로세서는 상기 이미지 정보에 기반한 이미지가 상기 저작권이 존재하는 유사 이미지인 저작권 이미지의 저작권을 침해하는 것으로 판단할 수 있다.
이에 따라, 상기 프로세서는 상기 이미지를 비 노출 후보 리스트에 추가할 수 있다. 상기 비 노출 후보 리스트는 저작권을 침해한다고 판단된 이미지가 저장되는 비 노출 데이터베이스에 기반한 리스트일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청할 수 있다. 이 때, 상기 소명 가이드는, 상기 이미지가 상기 저작권 이미지의 저작권을 침해하지 않음을 증명 및 소명하기 위해 작가 계정에 의해 작성되는 구성일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 작가 계정에 의해 작성된 소명 가이드를 상기 업로드 이미지의 노출 여부를 결정 및 전시하는 방법을 수행하는 시스템을 관리하는 관리자 계정에게 제공하여, 상기 관리자 계정으로 하여금 상기 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하도록 요청할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 저작권 이미지 식별 단계를 설명하기 위한 순서도이다.
도 2를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법은 저작권 이미지 식별 단계(예: 도 1의 저작권 이미지 식별 단계(S103 단계))를 포함할 수 있다.
일 실시예에 따르면, 상기 저작권 이미지 식별 단계는 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 단계일 수 있다.
일 실시예에 따르면, 상기 저작권 이미지 식별 단계는 상술한 기능을 수행하기 위한 세부 단계로, 평균 유사도 산출 단계(S201 단계) 및 이미지 식별 단계(S203 단계)를 포함할 수 있다.
S201 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 복수 개의 AI 이미지 판단 플랫폼으로부터 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 비교 이미지 정보를 분석하여 분석 결과를 통해 이미지 정보에 기반한 이미지에 대한 복수 개의 비교 이미지 각각의 유사도를 산출하여, 산출된 유사도를 통해 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출할 수 있다.
일 실시예에 따르면, 상기 기 저장된 머신러닝 알고리즘은 CNN 모델 기반의 알고리즘으로써, 상기 이미지 정보 및 상기 비교 이미지 정보를 분석해 상기 이미지 정보에 기반한 이미지에 대한 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출하기 위한 알고리즘이되, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 상기 유사 이미지를 확인하는 기능을 포함할 수 있다.
상기와 관련하여, 상기 프로세서는 상기 기 저장된 머신러닝 알고리즘의 CNN(convoiutional neural network) 모델에 상기 이미지 정보에 기반한 이미지와 복수 개의 비교 이미지 각각을 적용하여, 상기 이미지에 대한 상기 복수 개의 비교 이미지 각각의 유사도를 산출할 수 있다. 이 후, 상기 프로세서는 상기 산출된 유사도를 통해 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출할 수 있다.
일 실시예에 따르면, 상기 평균 유사도 수치는 상기 복수 개의 비교 이미지 중 상기 이미지가 저작권을 침해하는 저작권 이미지를 식별하기 위하여, 상기 이미지와 유사한 비교 이미지들을 1차적으로 필터링하기 위한 기준 수치일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 평균 유사도 수치의 산출이 완료되면, 이미지 식별 단계(S203 단계)를 수행할 수 있다.
S203 단계에서, 상기 프로세서는 상기 평균 유사도 수치의 산출이 완료되면, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 유사 이미지의 존재 여부를 확인하고, 유사 이미지가 존재하는 경우, 유사 이미지에 매칭된 속성 정보를 확인해 저작권이 존재하는 저작권 이미지의 식별을 완료할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 평균 유사도 수치의 산출이 완료되면, 상기 복수 개의 비교 이미지 각각의 유사도를 확인할 수 있다. 상기 프로세서는 상기 복수 개의 비교 이미지 각각의 유사도의 확인이 완료되면, 상기 복수 개의 비교 이미지를 필터링하여, 상기 확인된 유사도가 상기 평균 유사도 수치 이상인 비교 이미지인 유사 이미지를 식별할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 유사 이미지가 없는 경우, 상기 이미지에 대응되는 이미지 정보를 이후에 후술할 작품 리스트에 등록해 전시 플랫폼에 전시할 수 있다.
일 실시예예 따르면, 상기 프로세서는 상기 유사 이미지를 식별해 상기 유사 이미지의 존재를 확인하면, 상기 유사 이미지 각각에 매칭되어 있는 속성 정보를 확인할 수 있다. 이에 따라, 상기 프로세서는 상기 확인된 속성 정보에 기반하여, 상기 유사 이미지 중 저작권이 존재하는 유사 이미지를 저작권 이미지로 식별할 수 있다.
상기와 관련하여, 상기 속성 정보는 상기 비교 이미지마다 매칭되어 있는 정보로써, 상기 비교 이미지 각각의 저작권자의 존재 여부 및 저작권자 식별코드를 포함하는 정보일 수 있다. 이에 따라, 상기 프로세서는 상기 속성 정보를 기반으로, 상기 유사 이미지에서 저작권 이미지를 식별할 수 있다. 상기 저작권 이미지는 상기 이미지 정보에 기반한 이미지가 저작권을 침해하는 이미지일 수 있다.
도 3은 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 이미지 노출 결정 단계를 설명하기 위한 순서도이다.
도 3을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법은 이미지 노출 결정 단계(예: 도 1의 이미지 노출 결정 단계(S105 단계))를 포함할 수 있다.
일 실시예에 따르면, 상기 이미지 노출 결정 단계는 저작권 이미지의 식별이 완료되면, 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 이미지 정보를 비 노출 후보 리스트에 추가하고, 작가 계정에게 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 단계일 수 있다.
일 실시예에 따르면, 상기 이미지 노출 결정 단계는 상술한 기능을 수행하기 위한 세부 단계로, 침해 영역 식별 단계(S301 단계), 소명 요청 진행 단계(S303 단계) 및 노출 승인 확인 단계(S305 단계)를 포함할 수 있다.
S301 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 이미지 식별 완료 단계(S203 단계)의 기능 수행에 의해 저작권 이미지의 식별이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 이미지 정보에 기반한 이미지와 저작권 이미지를 분석하여, 분석 결과를 통해 저작권 이미지의 전체 영역 중 이미지와의 유사도가 제2 지정된 유사도 이상인 침해 영역을 식별할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 저작권 이미지의 식별이 완료되면, 상기 기 저장된 머신러닝 알고리즘을 기반으로, 상기 이미지 및 상기 저작권 이미지를 분석하여, 상기 이미지의 일부 영역이 상기 저작권 이미지의 전체 영역 중 어느 영역과 유사한지를 식별할 수 있다.
보다 자세하게, 상기 프로세서는 상기 기 저장된 머신러닝 알고리즘의 CNN 모델에 상기 이미지 및 상기 저작권 이미지를 적용하고, 상기 이미지의 일부 영역 및 전체 영역이 상기 저작권 이미지의 전체 영역 중 일부 영역 또는 전체 영역과 유사한지를 확인할 수 있다. 이 때, 상기 프로세서는 상기 이미지의 일부 영역 및 전체 영역이 상기 저작권 이미지의 일부 영역 또는 전체 영역과 유사한지를 확인하기 위하여, 상기 저작권 이미지에 대한 상기 이미지의 유사도가 제2 지정된 유사도 이상인 침해 영역을 식별할 수 있다.
일 실시예에 따르면, 상기 침해 영역은 상기 이미지가 상기 저작권 이미지의 전체 영역 또는 일부 영역을 제2 지정된 유사도 이상만큼 유사한 영역으로, 상기 저작권 이미지의 저작권을 침해하는 영역일 수 있다.
상기와 관련하여, 상기 프로세서는 상기 침해 영역을 상기 기 저장된 머신러닝 알고리즘의 CNN 모델을 통해 식별할 수 있다. 보다 자세하게, 상기 기 저장된 머신러닝 알고리즘은 CNN(convoulutional neural network) 모델 기반의 알고리즘으로써, 상기 이미지를 복수 개의 영역으로 구분하여, 복수 개의 영역에 대한 특징 정보를 추출하고, 추출된 특징 정보에 기반한 패턴과 상기 저작권 이미지의 일부 영역에 대한 특징 정보의 패턴을 비교하여, 비교 결과에 기반한 유사도가 상기 제2 지정된 유사도 이상인지를 식별하는 알고리즘일 수 있다.
이에 따라, 상기 프로세서는 상기 기 저장된 머신러닝 알고리즘을 통해 상기 이미지의 복수 개의 영역에 대한 패턴과 상기 저작권 이미지의 일부 영역에 대한 패턴을 비교하여, 상기 비교 결과에 기반한 유사도가 상기 제2 지정된 유사도 이상인 저작권 이미지의 일부 영역을 식별하고, 상기 식별된 일부 영역을 상기 이미지가 저작권 이미지의 저작권을 침해한 침해 영역으로 식별할 수 있다.
즉, 상기 제2 지정된 유사도는 복수 개의 AI 이미지 판단 플랫폼의 제1 지정된 유사도와는 다른 구성으로, 이미지의 복수 개의 영역이 상기 저작권 이미지의 저작권을 침해하는지 여부를 결정하기 위한 기준 구성일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 침해 영역의 식별이 완료되면, 소명 요청 진행 단계(S303 단계)를 수행할 수 있다.
S303 단계에서, 상기 프로세서는 상기 침해 영역의 식별이 완료되면, 상기 침해 영역 식별 단계(S301 단계)의 기능 수행에 의한 분석 결과를 통해 침해 영역에 대한 침해 속성을 확인하여, 확인된 침해 속성에 기반한 저작권 침해를 소명하도록 하는 가이드 텍스트를 기 저장된 가이드 테이블에서 추출하여, 작가 계정으로 하여금 가이드 텍스트를 통해 소명 가이드를 작성하도록 요청할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 분석 결과를 통해 상기 저작권 이미지의 저작권을 침해하는 이미지의 침해 속성을 식별할 수 있다. 상기와 관련하여, 상기 침해 속성은 객체 이미지 침해 속성, 배경 이미지 침해 속성 및 객체 모션 침해 속성을 포함할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 분석 결과를 통해 상기 침해 영역에 대한 침해 속성을 식별하고, 상기 기 저장된 가이드 테이블에서 상기 식별된 침해 속성에 대응되는 가이드 텍스트를 추출하여, 상기 추출된 가이드 텍스트를 작가 계정에게 제공할 수 있다. 이에 따라, 상기 프로세서는 상기 추출된 가이드 텍스트를 상기 작가 계정에게 제공함으로써, 상기 작가 계정으로 하여금 작가 계정의 이미지가 저작권 이미지의 저작권을 침해하지 않는 이미지임을 소명하는 소명 가이드를 작성하도록 요청할 수 있다.
일 실시예에 따르면, 상기 소명 가이드는 상기 이미지가 침해하는 저작권 이미지의 침해 영역에 대한 침해 속성에 대응하는 가이드 텍스트에 따라 상기 작가 계정에 의해 작성되는 구성으로써, 상기 이미지가 저작권 이미지의 저작권을 침해하지 않는 이미지임을 소명하는 구성일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 작가 계정으로부터 상기 소명 가이드를 수신 시, 상기 노출 승인 확인 단계(S305 단계)를 수행할 수 있다.
S305 단계에서, 상기 프로세서는 상기 소명 요청 진행 단계(S303 단계)의 기능 수행에 의해 작가 계정에 의해 작성된 소명 가이드를 작가 계정으로부터 수신 시, 관리자 계정에게 소명 가이드를 제공하여, 상기 이미지에 대한 노출 여부를 결정하도록 요청할 수 있다.
일 실시예에 따르면, 상기 관리자 계정은 상기 업로드 이미지의 노출 여부를 결정 및 전시하는 방법을 관리 및 운영하는 시스템의 관리자 계정으로써, 상기 작가 계정에 의해 작성된 소명 가이드를 검토하여, 상기 이미지가 상기 저작권 이미지의 저작권을 침해하는지 여부를 판단하는 주체일 수 있다.
일 실시예에 따르면, 상기 관리자 계정에 의해 상기 이미지가 상기 저작권 이미지의 저작권을 침해한다는 판단되는 경우, 상기 프로세서는 상기 이미지를 상기 비 노출 후보 리스트에 보존하여, 상기 이미지의 노출을 금지할 수 있다.
상기와 관련하여, 상기 프로세서는 상기 작가 계정에게 관리자 계정에 의해 작성된 소명 가이드에 대응되는 소명 결과 통지 정보를 제공할 수 있다. 이 때, 상기 작가 계정에게 제공되는 소명 결과 통지 정보는 상기 이미지가 상기 저작권 이미지의 침해 영역을 침해한다고 판단한 결과에 기반해 작성되는 정보일 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 관리자 계쩡에 의해 상기 이미지가 상기 저작권 이미지의 저작권을 침해하지 않는다고 판단된 경우, 상기 프로세서는 상기 비 노출 후보 리스트에 저장된 이미지를 상기 비 노출 후보 리스트에서 삭제하고, 작품 리스트에 저장할 수 있다. 상기 작품 리스트에 대한 자세한 설명은 도 4에서 설명하도록 한다.
상기와 관련하여, 상기 프로세서는 상기 작가 계정에게 관리자 계정에 의해 작성된 소명 가이드에 대응되는 소명 결과 통지 정보를 제공할 수 있다. 이 때, 상기 작가 계정에게 제공되는 소명 결과 통지 정보는 상기 이미지가 상기 저작권 이미지의 침해 영역을 침해하지 않는다고 판단한 결과에 기반해 작성되는 정보일 수 있다.
도 4는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 장치의 작품 등록부를 설명하기 위한 블록도이다.
도 4를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 장치(이하, 노출 전시 장치로 칭함)은 작품 등록부(401)를 더 포함할 수 있다.
상기와 관련하여, 상기 작품 등록부(401)는 이미지 노출 결정 단계(예: 도 1의 이미지 노출 결정 단계(S101 단계)) 이후에 수행되는 작품 등록 단계(미도시)와 동일한 기능을 수행하는 구성일 수 있다.
일 실시예에 따르면, 상기 작품 등록부(401)는 노출 승인 확인부(예: 도 3의 노출 승인 확인 단계(S305 단계)와 동일한 기능 수행)의 기능 수행에 의해 이미지에 대한 노출 여부가 관리자 계정에 의해 승인되는 경우, 승인된 이미지에 기반한 이미지 정보(401a)를 작품 리스트에 반영하여, 전시 플랫폼에 접속하는 복수의 유저 계정에게 작품 리스트를 제공함으로써, 상기 이미지 정보(401a)에 기반한 이미지를 전시 플랫폼에 전시할 수 있다.
일 실시예에 따르면, 상기 작품 리스트는 상기 노출 전시 장치의 작품 데이터베이스(401b)에 저장되는 이미지들을 리스트화하는 구성으로써, 상기 전시 플랫폼에 접속하는 복수의 유저 계정들이 열람 가능한 인터페이스일 수 있다.
보다 자세하게, 상기 작품 리스트는 상기 전시 플랫폼에 접속하는 복수의 유저 계정들이 열람 가능한 리스트로써, 전시 플랫폼에 반영된 전시 작품 정보 중 하나가 상기 복수의 유저 계정 중 제1 유저 계정에 의해 후원되는 경우, 상기 후원된 전시 작품 정보에 기반한 이미지를 고해상도 이미지로 변환하여, 상기 제1 유저 계정에게 제공하기 위한 인터페이스일 수 있다.
상기와 관련하여, 상기 전시 작품 정보는 상기 이미지에 대응되는 이미지 정보(401a)와 더불어 상기 이미지를 창작한 작가의 정보 및 이미지에 대한 작품 설명 정보를 포함하는 정보일 수 있다.
일 실시예에 따르면, 상기 작품 등록부(401)는 상기 관리자 계정에 의해 이미지의 노출 여부가 승인으로 결정되면, 비 노출 후보 리스트에 저장되어 있는 이미지를 삭제하고, 상기 작품 리스트에 상기 이미지를 반영할 수 있다. 이에 따라, 상기 복수의 유저 계정들은 상기 전시 플랫폼에 접속하여, 상기 작품 리스트를 통해 작가 계정의 창작물인 이미지를 관람할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 업로드 이미지의 노출 여부를 결정 및 전시하는 방법의 작품 등록 단계를 설명하기 위한 순서도이다.
도 5를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법은 작품 등록 단계(예: 도 4의 작품 등록부(401)와 동일한 기능 수행)를 더 포함할 수 있다.
일 실시예에 따르면, 상기 작품 등록 단계는 노출 승인 확인 단계(예: 도 3의 노출 승인 확인 단계(S305 단계))의 기능 수행에 의해 이미지에 대한 노출 여부가 관리자 계정에 의해 승인되는 경우, 승인된 이미지에 기반한 이미지 정보를 작품 리스트에 반영하여, 전시 플랫폼에 접속하는 복수의 유저 계정에게 작품 리스트를 제공함으로써, 이미지 정보에 기반한 이미지를 상기 전시 플랫폼에 전시하는 단계일 수 있다.
일 실시예에 따르면, 상기 작품 등록 단계는 상술한 기능을 수행하기 위한 세부 단계로, 전시 카테고리 저장 단계(S501 단계) 및 작품 정보 생성 단계(S503 단계)를 포함할 수 있다.
S501 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 상기 노출 승인 확인 단계의 기능 수행에 의해 이미지에 대한 노출 여부가 관리자 계정에 의해 승인되는 경우, 작가 계정에 대한 전시 카테고리를 생성 또는 식별하여, 상기 전시 카테고리에 상기 이미지 정보를 저장할 수 있다.
일 실시예에 따르면, 상기 전시 카테고리는 작가 계정마다 부여되어 있는 별도의 가상 데이터베이스로써, 작가 계정에 의해 창작된 이미지에 기반한 이미지 정보가 저장되는 작품 데이터베이스(예: 도 4의 작품 데이터베이스(401b))에 저장되어 있는 구성일 수 있다.
상기와 관련하여, 상기 프로세서는 상기 이미지에 대한 노출 여부가 관리자 계정에 의해 승인되는 경우, 상기 작품 데이터베이스에 상기 작가 계정의 전시 카테고리가 존재하는지를 확인할 수 있다. 상기 프로세서는 상기 작가 계정의 전시 카테고리가 존재하는 경우, 상기 이미지 정보를 상기 전시 카테고리에 저장할 수 있다. 또한, 상기 프로세서는 상기 작가 계정의 전시 카테고리가 존재하지 않는 경우, 상기 작가 계정의 전시 카테고리를 생성하고, 상기 생성된 전시 카테고리에 상기 이미지 정보를 저장할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 전시 카테고리에 상기 이미지 정보가 저장 완료되면, 상기 작품 정보 생성 단계(S503 단계)를 수행할 수 있다.
S503 단계에서, 상기 프로세서는 상기 전시 카테고리에 상기 이미지 정보가 저장 완료되면, 저장된 이미지 정보에 대한 작가 정보(예: 작가 이름 또는 작가 id, 작가 성별, 작가 이력, 작가 SNS 등), 작품 설명 정보(예: 작품 창작 목적, 작품 주제, 작품에 사용된 그림 기법 등)를 작가 계정으로부터 수신하여, 상기 이미지 정보, 상기 작가 정보 및 상기 작품 설명 정보를 전시 작품 정보로 가공해 작품 리스트에 반영할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 전시 카테고리에 상기 이미지 정보가 저장되어 있는 상태에서, 상기 작가 계정으로부터 상기 작가 정보 및 작품 설명 정보를 수신하는 경우, 상기 작가 정보 및 상기 작품 설명 정보를 상기 전시 카테고리에 저장하고, 상기 이미지 정보, 상기 작가 정보 및 상기 작품 설명 정보를 상기 작품 설명 정보로 가공할 수 있다.
즉, 상기 프로세서는 상기 전시 카테고리에 저장된 이미지 정보, 작가 정보 및 작품 설명 정보를 전시 작품 정보로 가공함으로써, 상기 작품 리스트에 상기 전시 작품 정보가 반영되어, 상기 전시 플랫폼에 접속하는 복수의 유저 계정들에 의해 관람되도록 할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 5에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.
도 6에 도시한 바와 같이, 컴퓨팅 장치(10000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripEHRal interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 이때, 컴퓨팅 장치(10000)은 촉각 인터페이스 장치에 연결된 유저 단말이기(A) 혹은 전술한 컴퓨팅 장치(B)에 해당될 수 있다.
메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(10000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.
이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.
주변장치 인터페이스(11300)는 컴퓨팅 장치(10000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(10000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.
입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.
전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.
통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.
또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.
이러한 도 6의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 6에 도시된 일부 컴포넌트가 생략되거나, 도 6에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 6에 도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(10000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시 예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 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 기술 분야에서 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 콘트롤러를 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, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시 예에 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 실시 예를 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 광 기록 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 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 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (10)
- 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법에 있어서,
작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신 단계;
상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별 단계; 및
상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정 단계;를 포함하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제1항에 있어서,
상기 복수 개의 AI 이미지 판단 플랫폼은,
상기 복수 개의 AI 이미지 판단 플랫폼 각각마다 서로 다른 비전 API를 보유함에 따라, 상기 수신되는 이미지 정보를 분석 시 상기 이미지 정보에 기반한 이미지와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지를 추출하되, 저작권을 보유한 비교 이미지 및 저작권을 보유하지 않은 비교 이미지를 모두 추출하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제2항에 있어서,
상기 저작권 이미지 식별 단계는,
상기 비교 이미지 정보의 수신이 완료되면, 상기 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여 상기 분석 결과를 통해 상기 이미지 정보에 기반한 이미지에 대한 상기 복수 개의 비교 이미지 각각의 유사도를 산출하여, 상기 산출된 유사도를 통해 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출하는 평균 유사도 산출 단계; 및
상기 평균 유사도 수치의 산출이 완료되면, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 상기 유사 이미지의 존재 여부를 확인하고, 상기 유사 이미지가 존재하는 경우, 상기 유사 이미지에 매칭된 속성 정보를 확인해 저작권이 존재하는 저작권 이미지의 식별을 완료하는 이미지 식별 완료 단계;를 포함하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제3항에 있어서,
상기 기 저장된 머신러닝 알고리즘은,
CNN(convolutional neural network) 모델 기반의 알고리즘으로써, 상기 이미지 정보 및 상기 비교 이미지 정보를 분석해 상기 이미지 정보에 기반한 이미지에 대한 상기 복수 개의 비교 이미지 간의 평균 유사도 수치를 산출하기 위한 알고리즘이되, 상기 평균 유사도 수치 이상의 유사도를 가지는 비교 이미지를 필터링해 상기 유사 이미지를 확인하는 기능을 포함하는 알고리즘인 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제4항에 있어서,
상기 이미지 노출 결정 단계는,
상기 저작권 이미지의 식별이 완료되면, 상기 기 저장된 머신러닝 알고리즘을 기반으로, 상기 이미지 정보에 기반한 이미지와 상기 저작권 이미지를 분석하여, 상기 분석 결과를 통해 상기 저작권 이미지의 전체 영역 중 상기 이미지와의 유사도가 제2 지정된 유사도 이상인 침해 영역을 식별하는 침해 영역 식별 단계;
상기 침해 영역의 식별이 완료되면, 상기 분석 결과를 통해 상기 침해 영역에 대한 침해 속성을 확인하여, 상기 확인된 침해 속성에 기반한 저작권 침해를 소명하도록 하는 가이드 텍스트를 기 저장된 가이드 테이블에서 추출하여, 상기 작가 계정으로 하여금 상기 가이드 텍스트를 통해 소명 가이드를 작성하도록 요청하는 소명 요청 진행 단계; 및
상기 소명 요청 진행 단계의 기능 수행에 의해 상기 작가 계정에 의해 작성된 소명 가이드를 상기 작가 계정으로부터 수신 시, 관리자 계정에게 상기 소명 가이드를 제공하여, 상기 이미지에 대한 노출 여부를 결정하도록 요청하는 노출 승인 확인 단계;를 포함하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제5항에 있어서,
상기 업로드 이미지의 노출 여부를 결정 및 전시하는 방법은,
작품 등록 단계;를 더 포함하고,
상기 작품 등록 단계는,
상기 노출 승인 확인 단계의 기능 수행에 의해 상기 이미지에 대한 노출 여부가 상기 관리자 계정에 의해 승인되는 경우, 상기 승인된 이미지에 기반한 이미지 정보를 작품 리스트에 반영하여, 상기 전시 플랫폼에 접속하는 복수의 유저 계정에게 상기 작품 리스트를 제공함으로써, 상기 이미지 정보에 기반한 이미지를 상기 전시 플랫폼에 전시하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제6항에 있어서,
상기 작품 등록 단계는,
상기 노출 승인 확인 단계의 기능 수행에 의해 상기 이미지에 대한 노출 여부가 상기 관리자 계정에 의해 승인되는 경우, 상기 작가 계정에 대한 전시 카테고리를 생성 또는 식별하여, 상기 전시 카테고리에 상기 이미지 정보를 저장하는 전시 카테고리 저장 단계; 및
상기 전시 카테고리에 상기 이미지 정보가 저장 완료되면, 상기 저장된 이미지 정보에 대한 작가 정보 및 작품 설명 정보를 상기 작가 계정으로부터 수신하여, 상기 이미지 정보, 상기 작가 정보 및 상기 작품 설명 정보를 전시 작품 정보로 가공해 상기 작품 리스트에 반영하는 작품 정보 생성 단계;를 포함하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 제7항에 있어서,
상기 작품 리스트는,
상기 전시 플랫폼에 접속하는 복수의 유저 계정들이 열람 가능한 리스트로써, 상기 전시 플랫폼에 반영된 전시 작품 정보 중 적어도 하나가 상기 복수의 유저 계정 중 제1 유저 계정에 의해 후원되는 경우, 상기 후원된 전시 작품 정보에 기반한 이미지를 고해상도 이미지로 변환하여 상기 제1 유저 계정에게 제공하는 인터페이스인 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 방법.
- 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 업로드 이미지의 노출 여부를 결정 및 전시하는 장치에 있어서,
작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신부;
상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별부; 및
상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정부;를 포함하는 것을 특징으로 하는 업로드 이미지의 노출 여부를 결정 및 전시하는 장치.
- 컴퓨터-판독가능 기록매체로서,
상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은;
작가 계정으로부터 전시 플랫폼에 전시하기 위한 이미지에 기반한 이미지 정보를 수신하는 경우, 복수 개의 AI 이미지 판단 플랫폼에 상기 수신된 이미지 정보를 전송하여, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로 하여금 상기 수신된 이미지 정보를 분석하여, 상기 이미지 정보와 제1 지정된 유사도를 가지는 복수 개의 비교 이미지에 기반한 비교 이미지 정보를 생성하도록 하고, 상기 복수 개의 AI 이미지 판단 플랫폼 각각으로부터 상기 생성된 비교 이미지 정보를 수신하는 이미지 송수신 단계;
상기 비교 이미지 정보의 수신이 완료되면, 기 저장된 머신러닝 알고리즘을 기반으로, 상기 비교 이미지 정보를 분석하여, 상기 복수 개의 비교 이미지의 평균 유사도 수치를 산출하고, 상기 복수 개의 비교 이미지 중 상기 평균 유사도 수치 이상의 유사도를 가지는 유사 이미지가 존재하는지를 확인하되, 상기 확인된 유사 이미지 중 저작권이 존재하는 저작권 이미지를 식별하는 저작권 이미지 식별 단계; 및
상기 저작권 이미지의 식별이 완료되면, 상기 이미지 정보에 기반한 이미지가 상기 식별된 저작권 이미지의 저작권을 침해 가능하다고 판단하여, 상기 이미지 정보를 비 노출 후보 리스트에 추가하고, 상기 작가 계정에게 상기 이미지 정보에 대한 소명 가이드를 작성하도록 요청하여, 상기 작가 계정에 의해 작성된 소명 가이드를 통해 상기 이미지의 노출 여부를 결정하는 이미지 노출 결정 단계;를 포함하는 것을 특징으로 컴퓨터-판독가능 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220123307A KR20240044050A (ko) | 2022-09-28 | 2022-09-28 | 업로드 이미지의 노출 여부를 결정 및 전시하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220123307A KR20240044050A (ko) | 2022-09-28 | 2022-09-28 | 업로드 이미지의 노출 여부를 결정 및 전시하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240044050A true KR20240044050A (ko) | 2024-04-04 |
Family
ID=90637806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220123307A KR20240044050A (ko) | 2022-09-28 | 2022-09-28 | 업로드 이미지의 노출 여부를 결정 및 전시하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240044050A (ko) |
-
2022
- 2022-09-28 KR KR1020220123307A patent/KR20240044050A/ko not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11422814B2 (en) | Automation of sequences of actions | |
| US10521502B2 (en) | Generating a user interface template by combining relevant components of the different user interface templates based on the action request by the user and the user context | |
| US20200111041A1 (en) | System and method for generating and managing workflows | |
| US10216377B2 (en) | Visual regression analysis | |
| CN109564575A (zh) | 使用机器学习模型来对图像进行分类 | |
| JP2020504355A (ja) | メディカルデータのマッピング方法、装置およびコンピュータプログラム | |
| US9317258B2 (en) | Dynamic validation of models using constraint targets | |
| US11902391B2 (en) | Action flow fragment management | |
| US11023625B2 (en) | Computational accelerator architecture for change control in model-based system engineering | |
| US20220114346A1 (en) | Multi case-based reasoning by syntactic-semantic alignment and discourse analysis | |
| US20180095651A1 (en) | Semi-automatic object reuse across application parts | |
| JP2022064214A (ja) | データ管理システム、データ管理方法、および機械学習データ管理プログラム | |
| KR102333642B1 (ko) | 크라우드소싱에서 이미지에 포함된 객체의 윤곽정보에 대한 가이드정보를 제공하는 방법, 컴퓨팅장치 및 컴퓨터-판독가능 매체 | |
| CN113094776A (zh) | 可视化组件模型数据构建的方法、系统及电子设备 | |
| KR20240044050A (ko) | 업로드 이미지의 노출 여부를 결정 및 전시하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 | |
| KR102357381B1 (ko) | 크라우드소싱에서 수집된 복수의 작업을 서브셋 단위로 처리하는 방법, 컴퓨팅장치 및 컴퓨터-판독가능 매체 | |
| US20200174760A1 (en) | Automatic code generation | |
| US11861329B2 (en) | Method and apparatus for codifying user experience designs and managing the codified user experience designs | |
| KR102019752B1 (ko) | 컴퓨터 수행 가능한 ui/ux 전략제공방법 및 이를 수행하는 ui/ux 전략제공장치 | |
| KR102540309B1 (ko) | 저작권 침해 여부가 확인된 이미지를 전시하기 위한 가상 전시 공간을 대여하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 | |
| KR102417677B1 (ko) | 회로 검증을 위한 유사 회로 검색 장치 및 방법 | |
| US11138618B1 (en) | Optimizing in-application purchase items to achieve a developer-specified metric | |
| KR102333644B1 (ko) | 크라우드소싱을 통하여 수집된 작업물을 처리하는 작업자의 신뢰도정보를 반영하여 작업결과를 도출하는 방법, 시스템, 및 컴퓨터-판독가능 매체 | |
| US20220398669A1 (en) | Workflow management system for customer communication solutions | |
| US20230100758A1 (en) | Unique identifier creation and management for elaborated platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |