WO2019054792A1 - 컨텐트를 제공하는 방법 및 단말기 - Google Patents

컨텐트를 제공하는 방법 및 단말기 Download PDF

Info

Publication number
WO2019054792A1
WO2019054792A1 PCT/KR2018/010823 KR2018010823W WO2019054792A1 WO 2019054792 A1 WO2019054792 A1 WO 2019054792A1 KR 2018010823 W KR2018010823 W KR 2018010823W WO 2019054792 A1 WO2019054792 A1 WO 2019054792A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
image
content
terminal
reaction
Prior art date
Application number
PCT/KR2018/010823
Other languages
English (en)
French (fr)
Inventor
이건희
김경수
최현수
김성진
김주희
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to CN201880060004.5A priority Critical patent/CN111095934B/zh
Priority to EP18857308.3A priority patent/EP3661218A4/en
Priority to US16/643,778 priority patent/US11210525B2/en
Publication of WO2019054792A1 publication Critical patent/WO2019054792A1/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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/4104—Peripherals receiving signals from specially adapted client devices
    • H04N21/4126—The peripheral being portable, e.g. PDAs or mobile phones
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/23614—Multiplexing of additional data and video streams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/2368—Multiplexing of audio and video streams
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
    • H04N21/4307—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen
    • H04N21/43074—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen of additional data with content streams on the same device, e.g. of EPG data or interactive icon with a TV program
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
    • H04N21/4307—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen
    • H04N21/43079—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen of additional data with content streams on multiple devices
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H04N21/4341—Demultiplexing of audio and video streams
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • 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
    • H04N21/81—Monomedia components thereof
    • H04N21/8106—Monomedia components thereof involving special audio data, e.g. different tracks for different languages
    • H04N21/8113—Monomedia components thereof involving special audio data, e.g. different tracks for different languages comprising music, e.g. song in MP3 format
    • 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
    • H04N21/858—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot
    • 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

Definitions

  • the disclosed embodiments relate to a method for providing content, a terminal for providing content, and a recording medium on which a program for performing a method of providing content is recorded.
  • AI Artificial intelligence
  • AI is a computer system that implements human-level intelligence. Unlike existing Rule-based smart systems, AI is a system in which machines learn, judge and become smart. Artificial intelligence systems are increasingly recognized and improving their understanding of user preferences as they are used, and existing rule-based smart systems are gradually being replaced by deep-run-based artificial intelligence systems.
  • Artificial intelligence technology consists of element technologies that utilize deep learning and machine learning.
  • Machine learning is an algorithm technology that classifies / learns the characteristics of input data by itself.
  • Element technology is a technology that simulates functions such as recognition and judgment of human brain using machine learning algorithms such as deep learning. Understanding, reasoning / prediction, knowledge representation, and motion control.
  • Linguistic understanding is a technology for recognizing, applying, and processing human language / characters, including natural language processing, machine translation, dialogue system, query response, speech recognition / synthesis, and the like.
  • Visual understanding is a technology for recognizing and processing objects as human vision, including object recognition, object tracking, image search, human recognition, image understanding, spatial understanding, and image enhancement.
  • Inference prediction is a technique for judging and logically inferring and predicting information, including knowledge / probability based reasoning, optimization prediction, preference base planning, and recommendation.
  • Knowledge representation is a technology for automating human experience information into knowledge data, including knowledge building (data generation / classification) and knowledge management (data utilization).
  • the motion control is a technique for controlling the autonomous travel of the vehicle and the motion of the robot, and includes motion control (navigation, collision, traveling), operation control (behavior control), and the like.
  • the additional content including the reaction information corresponding to at least one image of the content is provided in synchronization with at least one image, whereby the user's immersion degree is lowered when the content is repeatedly reproduced.
  • the present disclosure relates to an artificial intelligence (AI) system and its application that simulate functions such as recognition and judgment of a human brain using a machine learning algorithm such as deep learning.
  • AI artificial intelligence
  • the present disclosure relates to a method of providing content in accordance with an artificial intelligence system and its application, which method comprises obtaining at least one image contained in the content, and based on feature information extracted from the at least one image, And when the reproduction request of the content is received, synchronizes the generated additional content and the at least one image, and reproduces the content and the additional content according to the result of the synchronization .
  • FIG. 1 is a conceptual diagram for explaining a method of providing content by a terminal according to an embodiment.
  • FIG. 2 is a flowchart illustrating a method of providing content by a terminal according to an exemplary embodiment of the present invention.
  • FIG. 3 is a flowchart illustrating a method of generating additional content based on change information of an object obtained from at least one image and location information of an object according to an exemplary embodiment.
  • FIG. 4 is a diagram for explaining a method of determining a scene category of an image using a learning network model based on position information of an object of an image and change information of an object according to an exemplary embodiment.
  • FIG. 5 is a diagram for explaining a method of generating additional content by applying a weight to response information according to a situation where a terminal according to an embodiment provides content.
  • FIG. 6 is a diagram for explaining a method of generating a learning network model in which a terminal according to an embodiment considers a genre of a content.
  • FIG. 7 is a diagram for explaining a method of determining response information using a learning network model based on location information of an object of an image and change information of an object according to an exemplary embodiment.
  • FIG. 8 is a diagram for explaining a method of determining response information using a learning network model based on location information of an object of an image and change information of an object according to another embodiment.
  • FIG. 9 is a flowchart illustrating a method of updating additional content based on feedback information of a user terminal according to an exemplary embodiment of the present invention.
  • FIG. 10 is a flowchart illustrating a method of generating additional content based on profile information of a user terminal according to an exemplary embodiment of the present invention.
  • 11 is a view for explaining a method of providing a supplementary content by applying a speech model to response information of a terminal according to an embodiment.
  • FIG. 12 is a block diagram of a terminal providing content according to one embodiment.
  • FIG. 13 is a diagram for explaining a processor according to an embodiment.
  • FIG. 14 is a block diagram of a data learning unit according to an embodiment.
  • 15 is a block diagram of a data recognition unit according to an embodiment.
  • 16 is a block diagram of a terminal providing content according to another embodiment.
  • 17 is a conceptual diagram illustrating a method by which a terminal provides additional content according to another embodiment.
  • FIG. 18 is a flowchart illustrating a method of providing content by a first terminal and a second terminal according to another embodiment.
  • a method of providing content comprises: obtaining at least one image contained in the content; Generating additional content including reaction information corresponding to the at least one image based on feature information extracted from at least one image; And synchronizing and reproducing the generated additional content and the at least one image when a playback request of the content is received.
  • the step of generating additional content includes: recognizing an object included in at least one image based on the extracted characteristic information; Obtaining positional information of an object recognized in at least one image and change information of an object between at least one image; And determining reaction information corresponding to at least one image based on positional information of the obtained object and change information of the obtained object.
  • the step of generating additional content includes the steps of determining a scene category of at least one image based on extracted characteristic information using a pre-generated learning network model ; And obtaining reaction information corresponding to the scene category determined from the reaction information database.
  • a scene category of at least one image is classified according to at least one of a type of an object included in at least one image and a type of an activity performed by the object .
  • the method of providing content further comprises acquiring information about the genre of the content, and the step of determining a scene category of the at least one image comprises using the pre-generated learning network model, The scene category of the at least one image can be determined based on the extracted characteristic information and information on the genre of the content.
  • the method of providing content further comprises acquiring profile information including at least one of a user's sex, age and preference, and the step of acquiring reaction information corresponding to the determined scene category comprises: It is possible to obtain reaction information corresponding to at least one image based on the recognized category and profile information.
  • a method of providing content wherein the step of generating additional content includes the steps of: determining reaction information corresponding to at least one image based on extracted characteristic information using a pre- .
  • a method for providing content includes: obtaining feedback information of a user for additional content to be reproduced in synchronization with the content; Determining a weight of each of the previously stored plurality of reaction information based on the obtained feedback information; And updating the reaction information corresponding to at least one of the plurality of reaction information based on the determined weight.
  • a method of providing content includes: obtaining history information of response information selected for at least one image; Determining a weight of each of the previously stored plurality of reaction information based on the history information; And updating the response information corresponding to at least one of the plurality of response information based on the determined weight, wherein the weight of the plurality of response information may be set to be lower as the number of times previously selected is larger.
  • the method of providing content further comprises selecting an audio model corresponding to the response information in a speech database including a plurality of speech models when the response information is speech data, ,
  • the additional content to which the selected speech model is applied can be reproduced in synchronization with at least one image.
  • a terminal for providing content comprises: a memory for storing one or more instructions; display; And a processor executing one or more instructions stored in the memory, wherein the processor executes at least one instruction to obtain at least one image contained in the content, and based on the feature information extracted from the at least one image, The additional content including the response information corresponding to one image is generated.
  • the playback request of the content is received, the generated additional content and at least one image are synchronously reproduced, and the display is controlled so that at least one image is displayed can do.
  • first, second, etc. may be used to describe various elements, but the elements are not limited by terms. Terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
  • the term " and / or " includes any combination of a plurality of related items or any of a plurality of related items.
  • part refers to a hardware component such as software, FPGA or ASIC, and “ part " However, “ part “ is not meant to be limited to software or hardware. &Quot; Part " may be configured to reside on an addressable storage medium and may be configured to play back one or more processors.
  • a is intended to be broadly interpreted as encompassing any and all patentable subject matter, including components such as software components, object oriented software components, class components and task components, Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays and variables.
  • components such as software components, object oriented software components, class components and task components, Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays and variables.
  • the functions provided in the components and " parts " may be combined into a smaller number of components and “ parts “ or further separated into additional components and " parts ".
  • FIG. 1 is a conceptual diagram for explaining a method by which a terminal 100 according to an embodiment provides content.
  • a terminal 100 may obtain content 10 including at least one image 12, 14, 16.
  • the content 10 may include, for example, multimedia such as comics, movies, and dramas.
  • the image included in the content represents a part of the content displayed in the screen unit, and can be used in the same sense as the frame in this specification.
  • the scene may be determined based on the type of object included in the image or the activity performed by the object.
  • the scene category of an image may be determined according to the type of object such as a food image and a robot image, or may be determined according to an activity of an object such as a transformation image, a play image, and a song image.
  • the terminal 100 may generate the additional content 20 including the response information for at least one image 12, 14, 16 of the content 10 when the content 10 is reproduced.
  • the reaction information includes contents such as evaluation and empathy for at least one image 12,14 and 16 and provides reaction information when reproducing at least one image 12,14,16 so that the content 10 ) Of the user can be increased. Further, the reaction information may be provided in the form of at least one of voice data, text data, and image data.
  • the terminal 100 may generate additional content including response information in the form of voice data of "cool ⁇ ! For at least one image 12, 14, 16.
  • the terminal 100 also includes at least one image 12,14,16 together with the reaction information so that the reaction information is " cool ⁇ ! &Quot; in synchronization with at least one image 12,14,16.
  • additional content including identification information of the content.
  • the terminal 100 may use a learning network model to determine reaction information corresponding to at least one image 12, 14, 16.
  • the learning network model uses the results of the statistical machine learning to extract and use various characteristics in at least one image 12, 14, A scene category, or a set of algorithms that determine reaction information corresponding to at least one image 12, 14, 16.
  • the learning network model can be implemented by software or an engine for executing the algorithm set described above.
  • the learning network model implemented by software, engine, or the like can be executed by a processor in the terminal 100 or a processor in the server (not shown).
  • the terminal 100 may apply at least one image 12, 14, 16 or a portion of at least one image 12, 14, 16 as input data of the learning network model, 12, 14, and 16 as output data. This will be described later in more detail with reference to FIG. 4 to FIG.
  • the terminal 100 may be a smart phone, a tablet PC, a PC, a smart TV, a mobile phone, a personal digital assistant (PDA), a laptop, a media player, a micro server, , Consumer electronics, and other mobile or non-mobile computing devices.
  • the terminal 100 may be a wearable device such as a watch, a pair of glasses, a hair band, and a ring having a communication function and a data processing function.
  • FIG. 2 is a flowchart illustrating a method of providing content by a terminal according to an exemplary embodiment of the present invention.
  • step S210 the terminal can acquire at least one image included in the content.
  • the terminal may obtain at least one image included in the content stored in the terminal.
  • the terminal may execute a moving image playback application or the like to obtain at least one image included in the stored content.
  • the terminal may receive an image from an external server.
  • the external server may include at least one of a social network server, a cloud server, a web server, and a content providing server.
  • a web application a search application, and a social network service (SNS)
  • SNS social network service
  • the terminal may generate additional content for guiding the reaction of the user corresponding to at least one image, based on the characteristic information extracted from the at least one image.
  • a terminal may determine response information corresponding to at least one image using a learning network model.
  • the terminal can use the learning network model to detect characteristic information of at least one image, and determine reaction information corresponding to at least one image based on the detected characteristic information.
  • the terminal may determine a scene category of at least one image by detecting characteristic information of at least one image using a learning network model. As the scene category of at least one image is determined, the terminal can obtain reaction information corresponding to the scene category of at least one image from the pre-stored reaction information database. In the reaction information database, a plurality of pieces of reaction information can be classified and stored according to scene categories of images.
  • the characteristic information of the image is information that can be applied as an input parameter of the learning network model, and includes at least one of color, edge, polygon, saturation, brightness, Blur, sharpness, contrast, and the like, but the characteristic information of the image is not limited thereto.
  • the characteristic information of the image may include audio data (e.g., theme song or ambassador) in the content corresponding to the image.
  • the terminal can generate additional content including reaction information as reaction information corresponding to at least one image is determined.
  • the additional content may include identification information for at least one image corresponding to the reaction information as synchronization information so that at least one image and additional content can be reproduced in synchronization.
  • the synchronization information may exist in an independent form as the metadata of the supplementary content.
  • step S230 the terminal can synchronize the generated additional content and the at least one image when a playback request of the content is received. After the additional content is generated, as the playback request for the content is received, the terminal can synchronize the playback time of the content and the additional content.
  • step S240 the terminal can reproduce the content and the additional content according to the synchronization result.
  • the at least one image included in the content and the additional content can be synchronously reproduced.
  • the additional content includes voice data of " cool ⁇ ! &Quot;, which is reaction information for at least one image
  • the terminal displays voice data " cool ⁇ ! &Quot; at the time when at least one image is reproduced And can be reproduced in synchronization.
  • the terminal according to the embodiment may update the additional content to prevent the same additional content from being repeatedly played back. This will be described later in more detail with reference to FIG.
  • FIG. 3 is a flowchart illustrating a method of generating additional content based on change information of an object obtained from at least one image and location information of an object according to an exemplary embodiment.
  • step S310 the terminal can recognize at least one object included in each of the plurality of images based on the characteristic information of the plurality of images included in the content.
  • the terminal compares information of colors, polygons, etc. obtained as characteristic information of each of a plurality of images with information of a color, a polygon, and the like of a plurality of previously stored objects to recognize an object included in each of the plurality of images have.
  • the terminal may recognize an object included in each of a plurality of images by applying each of a plurality of images to input learning data to a learning network model of characteristics of objects.
  • the terminal can obtain position information of at least one object in each of the plurality of images.
  • the position information of the object can be obtained as coordinate information on the two-dimensional plane of at least one object, but this is only an example, and the position information of the object is not limited to the above-described example.
  • the positional information of an object may be obtained as a relative positional information value of a plurality of objects included in the image.
  • the terminal may compare the objects included in each of the plurality of images to obtain change information of the object between the plurality of images.
  • the change information of the object may include information on a change in shape, position, color, etc. of the object between specific images.
  • the change information of the object may include information about an event in which a new object is added in a specific image or an object in which a previous image is included disappears.
  • step S340 the terminal may generate additional content corresponding to the plurality of images based on the position information of the object and the change information of the object.
  • the terminal applies the location information of the object and the change information of the object as input data to the learned learning network model so as to output the response information and obtains the response information corresponding to the plurality of images as output data .
  • the terminal applies the position information of the object and the change information of the object to the learned learning network model as the input data so as to determine the scene category of the image so as to obtain the scene category of each of the plurality of images as output data .
  • the terminal may compare the scene category of each of the plurality of images with the pre-stored reaction information database to determine reaction information corresponding to each of the images.
  • step S350 the terminal can synchronize and reproduce the generated additional content and the at least one image when a playback request of the content is received.
  • FIG. 4 is a diagram for explaining a method of determining a scene category of an image using a learning network model based on position information of an object of an image and change information of an object according to an exemplary embodiment.
  • a terminal may obtain location information 412 of an object and change information 414 of an object from a plurality of images 410 included in the content.
  • the manner in which the terminal obtains the location information 412 of the object from the plurality of images 410 and the change information 414 of the object may correspond to those described above with reference to steps S310 to S330 of FIG.
  • the terminal may apply the location information 412 of the object and the change information 414 of the object to the input data of the first learning network model 420.
  • the first learning network model 420 may be generated as a result of learning a criterion on how to determine a scene category of an image from positional information of at least one object and change information of at least one object.
  • the first learning network model 420 may be a pre-built model.
  • the first learning network model 420 may receive basic learning data (e.g., positional information of an object of a sample image and change information of an object), and may be preliminarily constructed Lt; / RTI >
  • the terminal determines the scene category of the plurality of images 410 as a transformed image according to the output data obtained as a result of inputting the position information 412 of the object and the change information 414 of the object in the first learning network model 420 .
  • the terminal can compare the information stored in the pre-stored reaction information database 430 with the scene category of the determined image.
  • the reaction information database 430 a plurality of pieces of reaction information can be classified and stored according to scene categories of images.
  • the terminal can acquire voice data 'ooo transformed ⁇ !' As reaction information corresponding to the transformation image as reaction information.
  • the terminal may generate additional content 440 including the obtained reaction information.
  • audio data in the content corresponding to the image can also be applied as input data.
  • audio data such as a song, voice, or the like set to be reproduced together with at least one image at the time of reproduction of the content may also be applied as audio data of the first learning network model 420.
  • FIG. 5 is a diagram for explaining a method of generating additional content by applying a weight to response information according to a situation where a terminal according to an embodiment provides content.
  • a terminal may obtain position information 512 of an object and change information 514 of an object from a plurality of images 510 included in the content.
  • the manner in which the terminal obtains object location information 512 and object change information 514 from a plurality of images 510 may correspond to those described above with reference to steps S310 through S330 of FIG.
  • the terminal may apply the location information 512 of the object and the change information 514 of the object to the input data of the first learning network model 520.
  • the first learning network model 520 may correspond to the first learning network model 420 described above with reference to FIG.
  • the terminal determines the scene category of the plurality of images 510 as a play image according to the output data obtained as a result of inputting the position information 512 of the object and the change information 514 of the object in the first learning network model 520 . Also, the terminal can acquire a plurality of reaction information corresponding to the play image from the pre-stored reaction information database 530.
  • the terminal can select any one of a plurality of reaction information based on the playback history of the content.
  • the terminal can set the weight of the reaction information that has been reproduced by the additional content among the plurality of reaction information to a low value.
  • the terminal can set the weight of the reaction information that has been previously determined as the additional content to be low so as to prevent the user's immersion level from being lowered when the same additional content is repeatedly reproduced each time the content is reproduced.
  • the terminal can apply weights w1 and w2 to a plurality of pieces of reaction information corresponding to " wow! Wow! &Quot; and " oo wow, wow with ooo " corresponding to the play image.
  • the reaction information " Wow !, " is previously selected as additional content. Accordingly, the weight w1 for the response information "wow! Can be generated to be lower than the weight w2 for the response information "oo, play with ooo?".
  • the terminal can generate additional content 540 including response information such as " oo, play with ooo? &Quot; as a result of selecting any one of the plurality of reaction information based on the set weights.
  • FIG. 6 is a diagram for explaining a method of generating a learning network model in which a terminal according to an embodiment considers a genre of a content.
  • the terminal can determine the scene category of the image by applying the position information of the object of the image and the change information of the object as input to the learning network model as described above with reference to FIGS.
  • the terminal may generate a learning network model that is learned about characteristics of images according to genre of content in order to increase accuracy of scene category determination of images.
  • the content may be plotted by genre.
  • a transform it may be composed of a plot of an introductory part, an occurrence, a transformation, and a solution, while in the case of a robot water, a plot of an introductory part, a danger, a robot appearance and a confrontation may be formed. That is, when there is a unique plot for each genre of the content, if the information on the genre of the content is recognized, the accuracy of the scene category of the image determined by the terminal can be increased.
  • the terminal may input learning images 610 whose genres are determined to a learning network model.
  • the learning images 610 may be images included in each of the plurality of genres g1, g2, and g3.
  • the terminal may detect the properties from the learning images 610 using the learning network model and generate a property space 620 composed of the detected properties.
  • the terminal may learn the criteria (shown as lines at 630) by analyzing the association between the characteristics distributed on the characteristic space 620 and the genres of the learning images 610.
  • the terminal can generate a learning network model for determining scene-by-image scene categories in which the image characteristics of each content of the content are considered.
  • the terminal can acquire the scene category of at least one image as output data by applying the location information of the object of at least one image, the change information of the object, and the genre information of the content to the generated learning network model as input data have.
  • this is only an example, and the input data input to the learning network model is not limited to the above example.
  • FIG. 7 is a diagram for explaining a method of determining response information using a learning network model based on location information of an object of an image and change information of an object according to an exemplary embodiment.
  • a terminal may acquire location information 712 of an object and change information 714 of an object from a plurality of images 710 included in the content.
  • the manner in which the terminal obtains the location information 712 of the object from the plurality of images 710 and the change information 714 of the object may correspond to those described above with reference to steps S310 to S330 in Fig.
  • the terminal may apply the location information 712 of the object and the change information 714 of the object to the input data of the second learning network model 720.
  • the second learning network model 720 may be generated as a result of learning a criterion on how to determine the reaction information from the positional information of at least one object and the change information of at least one object.
  • the second learning network model 720 may be a pre-built model.
  • the second learning network model 720 receives basic learning data (e.g., positional information of an object of a sample image and change information of an object) and outputs a pre-built model Lt; / RTI >
  • the terminal inputs response information corresponding to the image according to the output data obtained as a result of inputting the object location information 712 and the object change information 714 to the second learning network model 720 as 'ooo transform ⁇ !' It can be determined as voice data.
  • the output data may be output as probability values of the position information 712 of the input object and the reaction information of the change information 714 of the object, respectively.
  • the terminal may generate additional content 740 including the determined reaction information.
  • FIG. 8 is a diagram for explaining a method of determining response information using a learning network model based on location information of an object of an image and change information of an object according to another embodiment.
  • the terminal may obtain location information 812 of an object and change information 814 of an object from a plurality of images 810 contained in the content.
  • the manner in which the terminal obtains the location information 812 of the object from the plurality of images 810 and the change information 814 of the object may correspond to those described above with reference to steps S310 to S330 in Fig.
  • the terminal may apply the location information 812 of the object and the change information 814 of the object to the input data of the third learning network model 820.
  • the third learning network model 820 includes a first network 822 including a plurality of layers for determining a scene category of a plurality of images 810 and a plurality of layers for determining reaction information corresponding to scene categories And a second network 824.
  • the terminal may use the first network 822 to detect at least one image characteristic from the location information 812 of the object and the change information 814 of the object.
  • the image characteristics detected in each layer of the first network 822 may be different from each other, but are not limited thereto.
  • the terminal may use at least a plurality of layers of the first network 822 to change at least one of the position of the object, the motion of the object, and the shape change of the object from the object position information 812 and the object change information 814 One can be detected.
  • this is only an embodiment, and the characteristics of the image extracted from the first network 822 are not limited to the above-described examples.
  • the terminal may combine (or concatenate) the location information of the resultant object using the first network 822 and the change information (or the result vector) of the object, and determine the scene category of the image using the pre-stored learning result .
  • the terminal may also verify the scene category of the determined image.
  • the terminal may also use the second network 824 to determine response information corresponding to the scene category of the image. As an input to the second network 824, information indicating the scene category of the determined image may be applied.
  • the terminal can play back the additional content 830 including the response information output from the third learning network 820 configured by the first network 822 and the second network 824 in synchronization with the plurality of images 810.
  • FIG. 9 is a flowchart illustrating a method of updating additional content based on feedback information of a user terminal according to an exemplary embodiment of the present invention.
  • step S910 the terminal can synchronize and reproduce the generated additional content and the at least one image when a playback request of the content is received.
  • step S910 may correspond to step S230 described above with reference to FIG.
  • the terminal can acquire user's feedback information on the supplementary content to be reproduced in synchronization with the content.
  • the terminal can acquire the gesture and utterance of the user while the supplementary content is reproduced as feedback information, but the feedback information is not limited to the above-described example.
  • the terminal may determine a weight for response information corresponding to at least one image based on the obtained feedback information.
  • the terminal can set a higher weight for the response information when the user reacts to the reaction information provided as additional content. For example, if it is confirmed that the user shouts voice data provided as response information as a result of analyzing the feedback information, the terminal can set a high weight for the response information.
  • the terminal may set the weight of the reaction information for the specific object to be higher when it is determined that the response of the user to the reaction information for the specific object in the image is better as a result of analyzing the feedback information. For example, for the characters A and B included in the image, “ Let's play with the character A? Quot; Let's play with the character B " is better than the response of the user of the response information " Let's play with the character B ", the weight can be set higher.
  • the terminal may generate additional content corresponding to at least one image based on the determined weight, when a playback request of the content is received after obtaining the feedback information.
  • the terminal can update the response information having low weight among the response information included in the additional content to the response information having high weight.
  • the terminal may repeatedly perform the above-described steps S910 to S940 on the basis of the collected new feedback information after synchronizing and reproducing the supplementary content and the content including the updated response information.
  • FIG. 10 is a flowchart illustrating a method of generating additional content based on profile information of a user terminal according to an exemplary embodiment of the present invention.
  • the terminal may determine a scene category of at least one image based on the characteristic information extracted from at least one image included in the content.
  • the terminal can determine the scene category of at least one image using the generated learning network model by learning a criterion on how to determine the scene category of the image from the characteristics of the at least one image.
  • at least one image may be applied as input data, or position information of the object obtained from at least one image and change information of the object may be applied as input data.
  • the terminal can acquire the profile information of the user.
  • the user's profile may include information about the user's age, sex, occupation, hobby, and preference.
  • the terminal receives the profile of the user stored in the SNS account or the like by receiving the user's approval, or receives the input directly from the user, thereby obtaining the profile information of the user.
  • the terminal may determine reaction information corresponding to at least one image from the pre-stored reaction information database, based on the scene category of at least one image and the profile information of the user.
  • the reaction information database a plurality of pieces of reaction information can be classified and stored according to scene categories of images.
  • the terminal may obtain a plurality of reaction information corresponding to the scene category of the determined image from the reaction information database. Also, the terminal can select reaction information suitable for a user from a plurality of reaction information based on the profile information of the user. For example, if the user is a woman, if the reaction information for a preferred object is included in the plurality of reaction information, it can be selected as response information corresponding to the image.
  • this is only an embodiment, and the method of determining the reaction information based on the profile information is not limited to the example described above.
  • step S1040 if a request to reproduce a content is received, the terminal can synchronize and reproduce additional content including the determined reaction information with at least one image.
  • step S1040 may correspond to step S230 described above with reference to FIG.
  • 11 is a view for explaining a method of providing a supplementary content by applying a speech model to response information of a terminal according to an embodiment.
  • the terminal may determine reaction information 1120 for a plurality of images 1110, based on any of the methods described above with reference to FIGS.
  • a terminal may apply a particular voice model (e.g., 1132) to the response information 1120 to more effectively provide the determined response information 1120 to the user.
  • a particular voice model e.g., 1132
  • the terminal can apply any of the user's knowledge, the actor's preferred actor, and the user's preferred voice to the reaction information 1120 to provide the additional content 1140.
  • the terminal may be pre-stored with a voice database 1130 including a plurality of voice models 1132, 1134, and 1136.
  • the terminal may provide additional content 1140 using a user's preferred speech model among the plurality of speech models 1132, 1134, and 1136 stored in the speech database 1130. [
  • the terminal can further increase the user's immersion into the content by providing the additional content 1140 using the user's preferred speech model.
  • the information about the voice model preferred by the terminal may be obtained through the feedback information as described above with reference to FIG. 9, or may be acquired through the profile information of the user as described above with reference to FIG.
  • FIG. 12 is a block diagram of a terminal 100 that provides content in accordance with one embodiment.
  • the terminal 100 may include a memory 110, a processor 120, and a display 130.
  • Memory 110 may store programs (one or more instructions) for processing and control of processor 120. Programs stored in the memory 110 may be divided into a plurality of modules according to functions. According to one embodiment, the memory 110 may be configured with a data learning unit and a data recognition unit software module to be described later with reference to FIG. Further, the data learning unit and the data recognition unit may independently include a learning network model or may share one learning network model.
  • the processor 120 may include one or more cores (not shown) and a connection path (e.g., a bus, etc.) to transmit and receive signals to and / or from a graphics processing unit (not shown) .
  • a connection path e.g., a bus, etc.
  • the processor 120 may perform the operations of the terminal described above with reference to FIGS.
  • the processor 120 may obtain at least one image contained in the content.
  • the processor 120 may use the learning network model to obtain property information from at least one image included in the content.
  • the processor 120 may determine the scene category of at least one image by inputting at least one image or at least one image position information and object change information to the learning network model. According to another example, the processor 120 may input at least one image of the learning network model or at least one image of the object's location information and object's change information to determine the reaction information of the at least one image.
  • the processor 120 may obtain user feedback information on additional content that is reproduced in synchronization with the content.
  • the processor 120 may update the response information corresponding to the at least one image based on the feedback information to provide the additional content.
  • the processor 120 may obtain the profile information of the user.
  • the processor 120 may determine reaction information corresponding to at least one image based on the property information extracted from the at least one image and the obtained profile information.
  • the processor 120 may include a random access memory (RAM) (not shown) and a read only memory (ROM) for temporarily and / or permanently storing signals (or data) , Not shown).
  • the processor 120 may be implemented as a system-on-chip (SoC) including at least one of a graphics processing unit, a RAM, and a ROM.
  • SoC system-on-chip
  • Display 130 may display at least one image included in the content. Display 130 may also display additional content synchronized with the content if the generated additional content is in image or text form.
  • FIG. 13 is a diagram for explaining a processor 120 according to an embodiment.
  • the processor 120 may include a data learning unit 1310 and a data recognition unit 1320.
  • the data learning unit 1310 may learn a criterion for determining a scene category of at least one image. Further, according to another embodiment, the data learning unit 1310 may learn a criterion for determining reaction information corresponding to at least one image.
  • the data recognition unit 1320 can determine the scene category of at least one image or determine reaction information corresponding to at least one image based on the learned criterion through the data learning unit 1310.
  • At least one of the data learning unit 1310 and the data recognition unit 1320 may be manufactured in at least one hardware chip form and mounted on the terminal.
  • at least one of the data learning unit 1310 and the data recognition unit 1320 may be fabricated in the form of a dedicated hardware chip for artificial intelligence (AI) or a conventional general purpose processor Or an application processor) or a graphics processor (e.g., a GPU), and may be mounted on various terminals described above.
  • AI artificial intelligence
  • a conventional general purpose processor Or an application processor or a graphics processor (e.g., a GPU)
  • the data learning unit 1310 and the data recognizing unit 1320 may be mounted on one terminal, or Or may be mounted on separate terminals, respectively.
  • one of the data learning unit 1310 and the data recognition unit 1320 may be included in the terminal and the other may be included in the server.
  • the data learning unit 1310 and the data recognition unit 1320 may provide the model information constructed by the data learning unit 1310 to the data recognition unit 1320 via a wire or wireless communication, 1320 may be provided to the data learning unit 1310 as additional learning data.
  • At least one of the data learning unit 1310 and the data recognition unit 1320 may be implemented as a software module.
  • the software module may be a computer-readable, And may be stored in non-transitory computer readable media.
  • at least one software module may be provided by an operating system (OS) or by a predetermined application.
  • OS operating system
  • OS operating system
  • OS operating system
  • FIG. 14 is a block diagram of a data learning unit 1310 according to an embodiment.
  • a data learning unit 1310 includes a data obtaining unit 1410, a preprocessing unit 1420, a learning data selecting unit 1430, a model learning unit 1440, 1450).
  • the data learning unit 1310 may be configured with fewer components than the above-described configurations, or other components other than the above-described configurations may be additionally included in the data learning unit 1310.
  • the data acquisition unit 1410 may acquire at least one image included in the content as learning data.
  • the data acquisition unit 1410 may acquire at least one image from an external terminal capable of communicating with a terminal including the data learning unit 1310 or a data learning unit 1310.
  • At least one image acquired by the data acquisition unit 1410 may be any one of a plurality of images included in the classified content based on the genre.
  • the data acquisition unit 1410 may acquire, for learning, an image included in at least one content classified based on a genre.
  • the preprocessing unit 1420 can preprocess the acquired image so that the acquired image can be used for learning for scene category determination of the image or response information determination of the image.
  • the preprocessing unit 1420 can process the acquired at least one image into a predetermined format so that the model learning unit 1440, which will be described later, can use at least one image obtained for learning.
  • the learning data selection unit 1430 can select an image required for learning from the preprocessed data.
  • the selected image may be provided to the model learning unit 1440.
  • the learning data selection unit 1430 can select an image necessary for learning from among the preprocessed images according to a set criterion.
  • the model learning unit 1440 can learn a criterion for determining the scene category of the image or determining the response information of the image by using any of the characteristic information of the image in the plurality of layers in the learning network model .
  • the model learning unit 1440 may learn a first criterion on which layer of the plurality of layers included in the learning network model should use the extracted characteristic information for determining the scene category of the image.
  • the first criterion may include the type, number or level of characteristics of the image used by the terminal to determine the scene category of the image using the learning network model.
  • the model learning unit 1440 can determine a data recognition model in which the input learning data and the basic learning data are highly relevant, have.
  • the basic learning data may be pre-classified according to the type of data, and the data recognition model may be pre-built for each data type.
  • the basic learning data may be pre-classified by various criteria such as an area where the learning data is generated, a time at which the learning data is generated, a size of the learning data, a genre of the learning data, a creator of the learning data, .
  • model learning unit 1440 can learn the data recognition model through reinforcement learning using, for example, feedback on whether the scene category of the image determined according to the learning or the reaction information of the image is correct have.
  • the model learning unit 1440 can store the learned data recognition model.
  • the model learning unit 1440 can store the learned data recognition model in the memory of the terminal including the data recognition unit 1320.
  • the model learning unit 1440 may store the learned data recognition model in the memory of the terminal including the data recognition unit 1320, which will be described later.
  • the model learning unit 1440 may store the learned data recognition model in a memory of a server connected to the terminal through a wired or wireless network.
  • the memory in which the learned data recognition model is stored may also store instructions or data associated with, for example, at least one other component of the terminal.
  • the memory may also store software and / or programs.
  • the program may include, for example, a kernel, a middleware, an application programming interface (API) and / or an application program (or " application ").
  • the model evaluation unit 1450 inputs evaluation data to the data recognition model, and if the recognition result output from the evaluation data does not satisfy the predetermined criterion, the model evaluation unit 1450 can cause the model learning unit 1440 to learn again.
  • the evaluation data may be predetermined data for evaluating the data recognition model.
  • the evaluation data may include a matching ratio between a scene category of an image identified based on a learning network model and a scene category of an actual image, and the like.
  • the assessment data may include a match rate between the response information of the identified image and the actual response information based on the learning network model.
  • the model evaluating unit 1450 can evaluate whether each learning network model satisfies a predetermined criterion, and determine a model satisfying a predetermined criterion as a final learning network model.
  • At least one of the data acquisition unit 1410, the preprocessing unit 1420, the learning data selection unit 1430, the model learning unit 1440, and the model evaluation unit 1450 in the data learning unit 1310 includes at least one And can be mounted on a terminal.
  • at least one of the data acquisition unit 1410, the preprocessor 1420, the learning data selection unit 1430, the model learning unit 1440, and the model evaluation unit 1450 may be an artificial intelligence (AI) (E.g., a CPU or an application processor) or a graphics processor (e.g., a GPU), and may be mounted on various terminals as described above.
  • AI artificial intelligence
  • a graphics processor e.g., a GPU
  • the data acquisition unit 1410, the preprocessing unit 1420, the learning data selection unit 1430, the model learning unit 1440, and the model evaluation unit 1450 may be installed in one terminal, Respectively.
  • some of the data acquisition unit 1410, the preprocessor 1420, the learning data selection unit 1430, the model learning unit 1440, and the model evaluation unit 1450 are included in the terminal, .
  • At least one of the data acquisition unit 1410, the preprocessor 1420, the learning data selection unit 1430, the model learning unit 1440, and the model evaluation unit 1450 may be implemented as a software module.
  • At least one of the data acquisition unit 1410, the preprocessing unit 1420, the learning data selection unit 1430, the model learning unit 1440, and the model evaluation unit 1450 is a software module (or a program including an instruction) Module), the software module may be stored in a computer-readable, readable non-transitory computer readable media.
  • the at least one software module may be provided by an operating system (OS) or by a predetermined application.
  • OS operating system
  • OS Operating System
  • some of the software module may be provided by an Operating System (OS)
  • some of the software modules may be provided by a predetermined application.
  • 15 is a block diagram of a data recognition unit 1320 according to an embodiment.
  • the data acquisition unit 1510 may acquire at least one image required for determination of the scene category or reaction information of the image, and the preprocessor 1520 may acquire at least one The acquired image can be preprocessed so that the image can be used.
  • the preprocessing unit 1520 can process the acquired image into a predetermined format so that the recognition result providing unit 1540, which will be described later, can use the image obtained for determination of the scene category or reaction information of the image.
  • the recognition data selection unit 1530 can select an image required for determination of scene category or reaction information of the image among the preprocessed data. The selected data may be provided to the recognition result providing unit 1540.
  • the recognition result provider 1540 may apply the selected image to the learning network model according to an embodiment to determine the scene category or response information of the image.
  • the method of inputting at least one image to the learning network model to determine the scene category or response information of the image may correspond to the method described above with reference to Figs.
  • Recognition result providing unit 1540 may provide information about the scene category or reaction information of the image for at least one image.
  • the model updating unit 1550 may update the classification classification network included in the learning network model or the at least one characteristic included in the learning network model based on the evaluation of the result of the determination of the scene category or the reaction information of the image provided by the recognition result providing unit 1540 It is possible to provide the model learning unit 1440 with the information about the evaluation so that the parameter of the extracted layer is updated with reference to FIG.
  • At least one of the data acquiring unit 1510, the preprocessing unit 1520, the recognition data selecting unit 1530, the recognition result providing unit 1540 and the model updating unit 1550 in the data recognizing unit 1320 may be, It can be manufactured in the form of one hardware chip and mounted on the terminal.
  • at least one of the data acquisition unit 1510, the preprocessing unit 1520, the recognition data selection unit 1530, the recognition result providing unit 1540, and the model updating unit 1550 may be a dedicated hardware chip for artificial intelligence Or may be built as part of a conventional general-purpose processor (e.g., a CPU or an application processor) or a graphics-only processor (e.g., a GPU) and mounted on various terminals as described above.
  • the data acquisition unit 1510, the preprocessing unit 1520, the recognition data selection unit 1530, the recognition result providing unit 1540 and the model updating unit 1550 may be installed in one terminal, Or may be mounted on each of the terminals.
  • some of the data acquisition unit 1510, the preprocessing unit 1520, the recognition data selection unit 1530, the recognition result providing unit 1540, and the model updating unit 1550 are included in the terminal, May be included in the server.
  • At least one of the data acquisition unit 1510, the preprocessing unit 1520, the recognition data selection unit 1530, the recognition result providing unit 1540, and the model updating unit 1550 may be implemented as a software module.
  • At least one of the data acquisition unit 1510, the preprocessing unit 1520, the recognition data selection unit 1530, the recognition result providing unit 1540 and the model updating unit 1550 may be a software module (or an instruction) Program modules), the software modules may be stored in a computer-readable, readable non-transitory computer readable media.
  • at least one software module may be provided by an operating system (OS) or by a predetermined application.
  • some of the at least one software module may be provided by an operating system (OS), and some of the software modules may be provided by a predetermined application.
  • 16 is a block diagram of a terminal 1600 that provides content in accordance with another embodiment.
  • a terminal 1600 includes a memory 1660, a processor 1620 and an output unit 1630 corresponding to the memory 110, the processor 120 and the display 130 of FIG. And may further include an input unit 1610, an A / V input unit 1640, and a communication unit 1650.
  • the input unit 1610 means means for the user to input data for controlling the terminal 1600.
  • the input unit 1610 may include a key pad, a dome switch, a touch pad (contact type capacitance type, pressure type resistive type, infrared ray detection type, surface ultrasonic wave conduction type, A measurement method, a piezo effect method, etc.), a jog wheel, a jog switch, and the like, but is not limited thereto.
  • the input unit 1610 may receive a user input requesting playback of content using a touch pad.
  • the input unit 1610 may receive a user input requesting reproduction of the content from the user through an input device such as a remote controller.
  • the processor 1620 typically controls the overall operation of the terminal 1600 and the signal flow between the internal components of the terminal 1000 and performs the function of processing the data.
  • the processor 1620 may include an input 1610, an output 1630, an A / V input 1640, and a communications unit 1650, such as by executing programs (one or more instructions) ) Can be generally controlled.
  • the processor 1620 determines a scene category of an image using a learning network model and performs an action corresponding to a scene category of the image to perform the function of the terminal 100 described above in FIGS. And determine the reaction information corresponding to the image, thereby determining the reaction information corresponding to the image.
  • the processor 1620 corresponds to the processor 120 of FIG. 12, and thus a detailed description thereof will be omitted.
  • the output unit 1630 may output at least one image and additional content included in the content in the form of an audio signal or a video signal and the output unit 1630 may include a display unit 1631 and an audio output unit 1632 .
  • the display unit 1631 displays and outputs information processed by the terminal 1600.
  • the display unit 1631 and the touch pad have a layer structure and are configured as a touch screen
  • the display unit 1631 may be used as an input device in addition to the output device.
  • the sound output unit 1632 outputs audio data received from the communication unit 1650 or stored in the memory 1660.
  • the reaction information included in the additional content is audio data
  • the audio output unit 1632 can output additional content.
  • the A / V (Audio / Video) input unit 1640 is for inputting an audio signal or a video signal, and may include a camera 1641, a microphone 1642, and the like.
  • the camera 1641 captures an image in the camera recognition range.
  • the image captured by the camera 1641 in accordance with one embodiment may be imaged by the processor 1620 and displayed and output through the display portion 1631.
  • the communication unit 1650 may include one or more components for communicating with an external server (e.g., an SNS server, a cloud server, a content providing server, etc.) and other external devices.
  • the communication unit 1650 may include a short-range communication unit 1651, a mobile communication unit 1652, and a broadcast reception unit 1653.
  • the short-range wireless communication unit 1651 includes a Bluetooth communication unit, a Bluetooth low energy (BLE) communication unit, a near field communication unit, a WLAN communication unit, a Zigbee communication unit, IrDA, an infrared data association) communication unit, a WFD (Wi-Fi Direct) communication unit, an UWB (ultra wideband) communication unit, an Ant + communication unit, and the like.
  • BLE Bluetooth low energy
  • the mobile communication unit 1652 transmits and receives a radio signal to at least one of a base station, an external terminal, and a server on a mobile communication network.
  • the radio signal may include various types of data according to the content transmission / reception.
  • the broadcast receiving unit 1653 receives broadcast signals and / or broadcast-related information from outside through a broadcast channel.
  • the terminal 1600 may not include the broadcast receiver 1653 according to the embodiment.
  • communication unit 1650 may receive content from an external server and provide the received content to processor 1620.
  • the memory 1660 may store programs (e.g., one or more instructions, a learning network model) for processing and control of the processor 1620 and may be stored in memory 1660 as input to or output from the terminal 1600 And may store data (e.g., additional content).
  • programs e.g., one or more instructions, a learning network model
  • data e.g., additional content
  • Programs stored in the memory 1660 can be classified into a plurality of modules according to their functions, for example, a UI module 1661 and a touch screen module 1662.
  • the UI module 1661 can provide a specialized UI, a GUI, and the like that are linked with the terminal 1600 for each application.
  • the touchscreen module 1662 can detect a touch gesture on the user's touch screen and pass information to the processor 1620 about the touch gesture.
  • the touch screen module 1662 according to an embodiment of the present invention can recognize and analyze the touch code.
  • the touch screen module 1662 may be configured as separate hardware including a controller.
  • the memory 1660 may be a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (e.g., SD or XD memory), a RAM (RAM), a static random access memory (SRAM), a ROM, an electrically erasable programmable read-only memory (EEPROM), a programmable read-only memory (PROM) Storage media.
  • a card type memory e.g., SD or XD memory
  • RAM random access memory
  • SRAM static random access memory
  • ROM read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • PROM programmable read-only memory
  • the configuration of the terminal 1600 shown in FIG. 16 is an embodiment, and each component of the terminal 1600 may be integrated, added, or omitted according to the specifications of the terminal to be implemented. That is, two or more constituent elements may be combined into one constituent element, or one constituent element may be constituted by two or more constituent elements, if necessary.
  • the functions performed in each configuration (or module) are intended to illustrate embodiments, and the specific operation or apparatus does not limit the scope of the present invention.
  • terminal 17 is a conceptual diagram illustrating how terminal 1740 provides additional content according to another embodiment.
  • terminal 1710 may use the learning network model 1730, based on at least one image 1720, to generate additional content.
  • the manner in which the terminal 1710 generates the additional content may correspond to the method described above with reference to Figs.
  • the terminal 1710 may transmit the generated additional content to another terminal 1740.
  • the additional content may include identification information of at least one image corresponding to the reaction information together with the reaction information.
  • the other terminal 1740 can reproduce the received supplementary content in synchronization with the content. For example, prior to playing the content on the terminal 1710, it may send a control signal to notify the other terminal 1740 of the playback of the content. Accordingly, the other terminal 1740 can confirm that the reproduction of the content is started, and can reproduce the additional content by synchronizing with the content.
  • the other terminal 1740 may be a computing device capable of reproducing additional content, for example, a PC, a laptop, a mobile phone, a micro server, a GPS (global positioning system) device, a smart phone, a wearable terminal, Household appliances, electronic devices in automobiles, and other mobile or non-mobile computing devices.
  • a PC personal computer
  • laptop a laptop
  • mobile phone a mobile phone
  • micro server a micro server
  • GPS (global positioning system) device GPS (global positioning system) device
  • smart phone smart phone
  • a wearable terminal Household appliances
  • electronic devices in automobiles and other mobile or non-mobile computing devices.
  • other terminals 1740 may include all sorts of devices with communication and data processing capabilities.
  • the terminal 1710 may be communicatively coupled to another terminal 1740 via a network.
  • the network may be a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, And may include a wired Internet, a wireless Internet, and a mobile wireless communication network, and is a data communication network having a comprehensive meaning that enables the terminal 1710 and other terminals 1740 to communicate smoothly with each other.
  • FIG. 18 is a flowchart illustrating a method of providing content by a first terminal and a second terminal according to another embodiment.
  • the first terminal may obtain at least one image included in the content.
  • step S1810 may correspond to step S210 described above with reference to FIG.
  • the first terminal may generate additional content corresponding to at least one image based on the characteristic information extracted from the at least one image.
  • step S1820 may correspond to step S220 described above with reference to FIG.
  • the first terminal may transmit the generated additional content to the second terminal.
  • the first terminal may be communicatively coupled to the second terminal through a network.
  • the first terminal may transmit the additional content to the second terminal via the network.
  • the first terminal may store the generated additional content in the cloud server, and may transmit the URL information indicating the location stored in the cloud server to the second terminal.
  • the second terminal can synchronize and reproduce the received additional content to the content.
  • the second terminal can reproduce the additional content in synchronization with the reproduction of the content as the control signal indicating that the content is reproduced at the first terminal is received.
  • the computer readable recording medium may be a magnetic storage medium such as a ROM, a floppy disk, a hard disk, etc., an optical reading medium such as a CD-ROM or a DVD and a carrier wave such as the Internet Lt; / RTI > transmission).

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • User Interface Of Digital Computer (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 개시는 인공지능 시스템 및 그 응용에 따라 컨텐트를 제공하는 방법으로, 컨텐트에 포함된 적어도 하나의 이미지를 획득하고, 적어도 하나의 이미지로부터 추출된 특성(feature) 정보를 기초로, 적어도 하나의 이미지에 대응되는 사용자의 반응을 가이드하기 위한 부가 컨텐트를 생성하며, 컨텐트의 재생 요청이 수신되는 경우, 생성된 부가 컨텐트 및 적어도 하나의 이미지를 동기화하고, 동기화 결과에 따라 컨텐트 및 부가 컨텐트를 재생할 수 있다.

Description

컨텐트를 제공하는 방법 및 단말기
개시된 실시예는 컨텐트를 제공하는 방법, 컨텐트를 제공하는 단말기 및 컨텐트를 제공하는 방법을 수행하는 프로그램이 기록된 기록매체에 관한 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 이미지 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
개시된 실시예는 컨텐트 재생 시, 컨텐트의 적어도 하나의 이미지에 대응되는 반응 정보를 포함한 부가 컨텐트를 적어도 하나의 이미지와 동기화하여 제공함으로써, 컨텐트가 반복 재생되는 경우에 사용자의 몰입도가 낮아지는 점을 방지할 수 있는 컨텐트를 제공하는 방법, 단말기 및 기록매체를 제공할 수 있다.
본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 특히, 본 개시는 인공지능 시스템 및 그 응용에 따라 컨텐트를 제공하는 방법으로, 컨텐트에 포함된 적어도 하나의 이미지를 획득하고, 적어도 하나의 이미지로부터 추출된 특성(feature) 정보를 기초로, 적어도 하나의 이미지에 대응되는 사용자의 반응을 가이드하기 위한 부가 컨텐트를 생성하며, 컨텐트의 재생 요청이 수신되는 경우, 생성된 부가 컨텐트 및 적어도 하나의 이미지를 동기화하고, 동기화 결과에 따라 컨텐트 및 부가 컨텐트를 재생할 수 있다.
도 1은 일 실시예에 따른 단말기가 컨텐트를 제공하는 방법을 설명하기 위한 개념도이다.
도 2는 일 실시예에 따른 단말기가 컨텐트를 제공하는 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 단말기가 적어도 하나의 이미지로부터 획득된 객체의 변화 정보 및 객체의 위치 정보를 기초로 부가 컨텐트를 생성하는 방법을 설명하기 위한 흐름도이다.
도 4는 일 실시예에 따른 단말기가 이미지의 객체의 위치 정보 및 객체의 변화 정보를 기초로 학습 네트워크 모델을 이용하여 이미지의 장면 카테고리를 결정하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 단말기가 컨텐트가 제공되는 상황에 따라 반응 정보에 가중치를 적용하여 부가 컨텐트를 생성하는 방법을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 단말기가 컨텐트의 장르를 고려한 학습 네트워크 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 단말기가 이미지의 객체의 위치 정보 및 객체의 변화 정보를 기초로 학습 네트워크 모델을 이용하여 반응 정보를 결정하는 방법을 설명하기 위한 도면이다.
도 8은 다른 실시예에 따른 단말기가 이미지의 객체의 위치 정보 및 객체의 변화 정보를 기초로 학습 네트워크 모델을 이용하여 반응 정보를 결정하는 방법을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 단말기가 사용자의 피드백 정보를 기초로 부가 컨텐트를 업데이트 하는 방법을 설명하기 위한 흐름도이다.
도 10은 일 실시예에 따른 단말기가 사용자의 프로파일 정보를 기초로 부가 컨텐트를 생성하는 방법을 설명하기 위한 흐름도이다.
도 11은 일 실시예에 따른 단말기가 반응 정보에 음성 모델을 적용하여 부가 컨텐트를 제공하는 방법을 설명하기 위한 도면이다.
도 12는 일 실시예에 따라 컨텐트를 제공하는 단말기의 블록도이다.
도 13은 일 실시예에 따른 프로세서를 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 데이터 학습부의 블록도이다.
도 15는 일 실시예에 따른 데이터 인식부의 블록도이다.
도 16은 다른 실시예에 따른 컨텐트를 제공하는 단말기의 블록도이다.
도 17은 다른 실시예에 따라 단말기가 부가 컨텐트를 제공하는 방법을 나타내는 개념도이다.
도 18은 다른 실시예에 따른 제 1 단말기 및 제 2 단말기가 컨텐트를 제공하는 방법을 설명하기 위한 흐름도이다.
일 실시예에 따라 컨텐트를 제공하는 방법은, 컨텐트에 포함된 적어도 하나의 이미지를 획득하는 단계; 적어도 하나의 이미지로부터 추출된 특성(feature) 정보를 기초로, 상기 적어도 하나의 이미지에 대응되는 반응 정보를 포함한 부가 컨텐트를 생성하는 단계; 및 컨텐트의 재생 요청이 수신되는 경우, 상기 생성된 부가 컨텐트 및 상기 적어도 하나의 이미지를 동기화하여 재생하는 단계를 포함할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법에 있어서, 부가 컨텐트를 생성하는 단계는, 추출된 특성 정보에 기초하여, 적어도 하나의 이미지에 포함된 객체를 인식하는 단계; 적어도 하나의 이미지에서 인식된 객체의 위치 정보 및 적어도 하나의 이미지 간의 객체의 변화 정보를 획득하는 단계; 및 획득된 객체의 위치 정보 및 획득된 객체의 변화 정보에 기초하여, 적어도 하나의 이미지에 대응되는 반응 정보를 결정하는 단계를 포함할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법에 있어서, 부가 컨텐트를 생성하는 단계는, 기 생성된 학습 네트워크 모델을 이용하여, 추출된 특성 정보를 기초로, 적어도 하나의 이미지의 장면 카테고리를 결정하는 단계; 및 반응 정보 데이터베이스로부터 결정된 장면 카테고리에 대응되는 반응 정보를 획득하는 단계를 포함할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법에 있어서, 적어도 하나의 이미지의 장면 카테고리는, 적어도 하나의 이미지에 포함된 객체의 종류 및 객체가 수행하는 액티비티(activity)의 종류 중 적어도 하나에 따라 분류될 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법은, 컨텐트의 장르에 관한 정보를 획득하는 단계를 더 포함하고, 적어도 하나의 이미지의 장면 카테고리를 결정하는 단계는, 기 생성된 학습 네트워크 모델을 이용하여, 추출된 특성 정보 및 컨텐트의 장르에 관한 정보를 기초로, 적어도 하나의 이미지의 장면 카테고리를 결정할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법은, 사용자의 성별, 나이 및 선호도 중 적어도 하나를 포함하는 프로파일 정보를 획득하는 단계를 더 포함하고, 결정된 장면 카테고리에 대응되는 반응 정보를 획득하는 단계는, 인식된 카테고리 및 프로파일 정보를 기초로 적어도 하나의 이미지에 대응되는 반응 정보를 획득할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법에 있어서, 부가 컨텐트를 생성하는 단계는, 기 생성된 학습 네트워크 모델을 이용하여, 추출된 특성 정보를 기초로, 적어도 하나의 이미지에 대응되는 반응 정보를 결정하는 단계를 포함할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법은, 컨텐트와 동기화되어 재생되는 부가 컨텐트에 대한 사용자의 피드백 정보를 획득하는 단계; 획득된 피드백 정보를 기초로, 기 저장된 복수의 반응 정보 각각의 가중치를 결정하는 단계; 및 결정된 가중치에 기초하여, 복수의 반응 정보 중 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트 하는 단계를 더 포함할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법은, 적어도 하나의 이미지에 대해 선택된 반응 정보의 히스토리 정보를 획득하는 단계; 히스토리 정보를 기초로, 기 저장된 복수의 반응 정보 각각의 가중치를 결정하는 단계; 및 결정된 가중치에 기초하여, 복수의 반응 정보 중 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트 하는 단계를 더 포함하고, 복수의 반응 정보의 가중치는, 이전에 선택된 횟수가 많을수록 낮게 설정될 수 있다.
일 실시예에 따라 컨텐트를 제공하는 방법은, 반응 정보가 음성 데이터인 경우, 복수의 음성 모델을 포함한 음성 데이터베이스에서, 반응 정보에 대응되는 음성 모델을 선택하는 단계를 더 포함하고, 재생하는 단계는, 선택된 음성 모델이 적용된 부가 컨텐트를 적어도 하나의 이미지와 동기화하여 재생할 수 있다.
일 실시예에 따라 컨텐트를 제공하는 단말기는, 하나 이상의 인스트럭션을 저장하는 메모리; 디스플레이; 및 메모리에 저장된 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 프로세서는 하나 이상의 인스트럭션을 실행함으로써, 컨텐트에 포함된 적어도 하나의 이미지를 획득하고, 적어도 하나의 이미지로부터 추출된 특성 정보를 기초로, 적어도 하나의 이미지에 대응되는 반응 정보를 포함한 부가 컨텐트를 생성하며, 컨텐트의 재생 요청이 수신되는 경우, 생성된 부가 컨텐트 및 적어도 하나의 이미지를 동기화하여 재생하고, 적어도 하나의 이미지가 표시되도록 디스플레이를 제어할 수 있다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되지는 않는다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 항목들의 조합 또는 복수의 관련된 항목들 중의 어느 하나의 항목을 포함한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 특성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 일 실시예에 따른 단말기(100)가 컨텐트를 제공하는 방법을 설명하기 위한 개념도이다.
도 1을 참조하면, 단말기(100)는 적어도 하나의 이미지(12, 14, 16)을 포함하는 컨텐트(10)를 획득할 수 있다. 일 실시예에 따른 컨텐트(10)는 예를 들어, 만화, 영화 및 드라마 등의 멀티미디어를 포함할 수 있다. 컨텐트에 포함되는 이미지는 화면 단위로 표시되는 컨텐트의 일부분을 나타내는 것으로서, 본 명세서에서 프레임 등의 의미와 동일하게 사용될 수 있다. 또한, 이미지는 이미지에 포함된 객체의 종류 또는 객체가 수행하는 액티비티(activity)에 기초하여 장면 카테고리가 결정될 수 있다. 예를 들어, 이미지의 장면 카테고리는 음식 이미지 및 로봇 이미지 등 객체의 종류에 따라 결정되거나, 변신 이미지, 놀이 이미지, 노래 이미지 등 객체의 액티비티에 따라 결정될 수 있다.
일 실시예에 따른 단말기(100)는 컨텐트(10) 재생 시, 컨텐트(10)의 적어도 하나의 이미지(12, 14, 16)에 대한 반응 정보를 포함한 부가 컨텐트(20)를 생성할 수 있다. 반응 정보란 적어도 하나의 이미지(12, 14, 16)에 대한 평가 및 공감 등의 내용을 포함하는 것으로서, 적어도 하나의 이미지(12, 14, 16) 재생 시, 반응 정보를 제공함으로써, 컨텐트(10)에 대한 사용자의 몰입도를 높일 수 있다. 또한, 반응 정보는 음성 데이터, 텍스트 데이터 및 이미지 데이터 중 적어도 하나의 형태로 제공될 수 있다.
예를 들어, 단말기(100)는 적어도 하나의 이미지(12, 14, 16)에 대해 "멋있다~!"는 음성 데이터 형태의 반응 정보를 포함한 부가 컨텐트를 생성할 수 있다. 또한, 단말기(100)는 "멋있다~!"는 반응 정보가 적어도 하나의 이미지(12, 14, 16)에 동기화되어 재생될 수 있도록, 반응 정보와 함께 적어도 하나의 이미지(12, 14, 16)의 식별 정보를 포함한 부가 컨텐트를 생성할 수도 있다. 다만, 이는 일 실시예일 뿐, 반응 정보에 대응되는 적어도 하나의 이미지(12, 14, 16)의 식별 정보는 독립적인 메타데이터의 형태로 제공될 수도 있다.
한편, 일 실시예에 따른 단말기(100)는 적어도 하나의 이미지(12, 14, 16)에 대응되는 반응 정보를 결정하기 위해, 학습 네트워크 모델을 이용할 수 있다. 여기에서, 학습 네트워크 모델은, 통계학적 기계 학습의 결과를 이용하여, 적어도 하나의 이미지(12, 14, 16) 내의 다양한 특성들을 추출하여 이용함으로써, 적어도 하나의 이미지(12, 14, 16)의 장면 카테고리를 결정하거나, 적어도 하나의 이미지(12, 14, 16)에 대응되는 반응 정보를 결정하는 알고리즘 집합일 수 있다. 또한, 학습 네트워크 모델은 전술한 알고리즘 집합을 실행하기 위한 소프트웨어 또는 엔진(engine) 등으로 구현될 수 있다. 소프트웨어 또는 엔진 등으로 구현된 학습 네트워크 모델은 단말기(100) 내의 프로세서 또는 서버(미도시)의 프로세서에 의해 실행될 수 있다.
예를 들어, 단말기(100)는 적어도 하나의 이미지(12, 14, 16) 또는 적어도 하나의 이미지(12, 14, 16)의 일부를 학습 네트워크 모델의 입력 데이터로 적용함으로써, 적어도 하나의 이미지(12, 14, 16)에 대응되는 반응 정보를 출력 데이터로서 획득할 수 있다. 이에 대해서는 도 4 내지 도 8을 참고하여 보다 구체적으로 후술하도록 한다.
한편, 단말기(100)는 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, 전자책 단말기, 디지털방송용 단말기, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 단말기(100)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 장치일 수 있다.
도 2는 일 실시예에 따른 단말기가 컨텐트를 제공하는 방법을 설명하기 위한 흐름도이다.
단계 S210에서, 단말기는 컨텐트에 포함된 적어도 하나의 이미지를 획득할 수 있다.
단말기는 단말기에 저장된 컨텐트에 포함된 적어도 하나의 이미지를 획득할 수 있다. 예를 들어, 단말기는 동영상 재생 어플리케이션 등을 실행하여, 기 저장된 컨텐트에 포함된 적어도 하나의 이미지를 획득할 수 있다.
다른 예에 따라, 단말기는 외부 서버로부터 이미지를 수신할 수 있다. 여기에서, 외부 서버는 소셜 네트워크 서버(social network server), 클라우드 서버(cloud server), 웹(web) 서버 및 컨텐트 제공 서버 중 적어도 하나를 포함할 수 있다. 예를 들어, 단말기에서 웹 애플리케이션, 검색 애플리케이션 및 SNS(social network service) 중 적어도 하나가 실행되는 경우, 단말기는 실행되는 애플리케이션을 지원하는 외부 서버에 접근하여, 컨텐트에 포함된 적어도 하나의 이미지를 획득할 수 있다.
단계 S220에서, 단말기는 적어도 하나의 이미지로부터 추출된 특성 정보를 기초로, 적어도 하나의 이미지에 대응되는 사용자의 반응을 가이드하기 위한 부가 컨텐트를 생성할 수 있다.
일 실시예에 따른 단말기는 학습 네트워크 모델을 이용하여 적어도 하나의 이미지에 대응되는 반응 정보를 결정할 수 있다.
예를 들어, 단말기는 학습 네트워크 모델을 이용하여, 적어도 하나의 이미지의 특성 정보를 검출하고, 검출된 특성 정보에 기초하여 적어도 하나의 이미지에 대응되는 반응 정보를 결정할 수 있다. 다른 예에 따라, 단말기는 학습 네트워크 모델을 이용하여, 적어도 하나의 이미지의 특성 정보를 검출함으로써, 적어도 하나의 이미지의 장면 카테고리를 결정할 수 있다. 단말기는 적어도 하나의 이미지의 장면 카테고리가 결정됨에 따라, 기 저장된 반응 정보 데이터베이스로부터 적어도 하나의 이미지의 장면 카테고리에 대응되는 반응 정보를 획득할 수 있다. 반응 정보 데이터베이스에는 복수의 반응 정보가 이미지의 장면 카테고리 별로 분류되어 저장될 수 있다.
여기에서 이미지의 특성 정보는 학습 네트워크 모델의 입력 파라미터로서 적용될 수 있는 정보로서, 적어도 하나의 이미지를 구성하는 색상, 엣지(edge), 폴리건(polygon), 채도(saturation), 명도(brightness), 색온도, 블러(blur), 선명도(sharpness) 및 명도비(contrast) 등을 포함할 수 있으나, 이미지의 특성 정보가 이에 한정되는 것은 아니다. 다른 예에 따라, 이미지의 특성 정보에는 이미지에 대응되는 컨텐트 내의 음성 데이터 (예를 들어, 주제가 또는 대사)가 포함될 수 있다.
단말기는 적어도 하나의 이미지에 대응되는 반응 정보가 결정됨에 따라, 반응 정보를 포함한 부가 컨텐트를 생성할 수 있다. 부가 컨텐트에는 적어도 하나의 이미지와 부가 컨텐트가 동기화되어 재생될 수 있도록, 반응 정보에 대응되는 적어도 하나의 이미지에 대한 식별 정보가 동기화 정보로서 포함될 수 있다. 다만 이는 일 실시예일 뿐, 동기화 정보는 부가 컨텐트의 메타데이터로서 독립된 형태로 존재할 수도 있다.
단계 S230에서, 단말기는 컨텐트의 재생 요청이 수신되는 경우, 생성된 부가 컨텐트 및 적어도 하나의 이미지를 동기화 할 수 있다. 부가 컨텐트 생성 이후에, 컨텐트에 대한 재생 요청이 수신됨에 따라, 단말기는 컨텐트 및 부가 컨텐트의 재생 시간을 동기화할 수 있다.
단계 S240에서, 단말기는 동기화 결과에 따라, 컨텐트 및 부가 컨텐트를 재생할 수 있다.
이에 따라, 컨텐트에 포함된 적어도 하나의 이미지와 부가 컨텐트가 동기화되어 재생될 수 있다. 예를 들어, 부가 컨텐트가 적어도 하나의 이미지에 대한 반응 정보인 "멋있다~!"라는 음성 데이터를 포함하는 경우, 단말기는 적어도 하나의 이미지가 재생되는 시점에, "멋있다~!"라는 음성 데이터를 동기화하여 재생할 수 있다.
한편, 일 실시예에 따른 단말기는 동일한 컨텐트에 대한 재생 횟수가 증가하는 경우, 동일한 부가 컨텐트가 반복적으로 재생되는 것을 방지하기 위해, 부가 컨텐트를 업데이트할 수 있다. 이에 대해서는 도 5를 참고하여 보다 구체적으로 후술하도록 한다.
도 3은 일 실시예에 따른 단말기가 적어도 하나의 이미지로부터 획득된 객체의 변화 정보 및 객체의 위치 정보를 기초로 부가 컨텐트를 생성하는 방법을 설명하기 위한 흐름도이다.
단계 S310에서, 단말기는 컨텐트에 포함된 복수의 이미지의 특성 정보에 기초하여, 복수의 이미지 각각에 포함된 적어도 하나의 객체를 인식할 수 있다.
예를 들어, 단말기는 복수의 이미지 각각의 특성 정보로서 획득된 색상, 폴리건 등의 정보와 기 저장된 복수의 객체의 색상, 폴리건 등의 정보를 비교하여 복수의 이미지 각각에 포함된 객체를 인식할 수 있다. 다른 예에 따라, 단말기는 객체의 종류 별 특성에 대해 학습된 학습 네트워크 모델에 복수의 이미지 각각을 입력 데이터로 적용함으로써, 복수의 이미지 각각에 포함된 객체를 인식할 수 있다.
단계 S320에서, 단말기는 복수의 이미지 각각에서 적어도 하나의 객체의 위치 정보를 획득할 수 있다. 객체의 위치 정보는 적어도 하나의 객체의 2차원 평면 상의 좌표 정보로서 획득될 수 있으나, 이는 일 실시예일 뿐, 객체의 위치 정보가 전술한 예에 한정되는 것은 아니다. 다른 예에 따라, 객체의 위치 정보는 이미지에 포함된 복수의 객체의 상대적인 위치 정보 값으로 획득될 수도 있다.
단계 S330에서, 단말기는 복수의 이미지 각각에 포함된 객체를 비교하여, 복수의 이미지 간의 객체의 변화 정보를 획득할 수 있다. 객체의 변화 정보는 특정 이미지들 사이에서의 객체의 형태, 위치 및 색상 등의 변화에 관한 정보를 포함할 수 있다. 또한, 객체의 변화 정보는 특정 이미지에서 새로운 객체가 추가되거나 이전 이미지에 포함되었던 객체가 사라지는 이벤트에 관한 정보를 포함할 수도 있다.
단계 S340에서, 단말기는 객체의 위치 정보 및 객체의 변화 정보를 기초로 복수의 이미지에 대응되는 부가 컨텐트를 생성할 수 있다.
일 실시예에 따른 단말기는 반응 정보를 출력할 수 있도록 학습된 학습 네트워크 모델에 객체의 위치 정보 및 객체의 변화 정보를 입력 데이터로 적용하여, 복수의 이미지에 대응되는 반응 정보를 출력 데이터로 획득할 수 있다.
다른 실시예에 따른 단말기는 이미지의 장면 카테고리를 결정할 수 있도록 학습된 학습 네트워크 모델에 객체의 위치 정보 및 객체의 변화 정보를 입력 데이터로 적용하여, 복수의 이미지 각각의 장면 카테고리를 출력 데이터로 획득할 수 있다. 단말기는, 복수의 이미지 각각의 장면 카테고리와 기 저장된 반응 정보 데이터베이스를 비교하여, 이미지 각각에 대응되는 반응 정보를 결정할 수 있다.
단계 S350에서, 단말기는 컨텐트의 재생 요청이 수신되는 경우, 생성된 부가 컨텐트 및 적어도 하나의 이미지를 동기화하여 재생할 수 있다.
도 4는 일 실시예에 따른 단말기가 이미지의 객체의 위치 정보 및 객체의 변화 정보를 기초로 학습 네트워크 모델을 이용하여 이미지의 장면 카테고리를 결정하는 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 단말기는 컨텐트에 포함된 복수의 이미지(410)으로부터 객체의 위치 정보(412) 및 객체의 변화 정보(414)를 획득할 수 있다. 단말기가 복수의 이미지(410)으로부터 객체의 위치 정보(412) 및 객체의 변화 정보(414)를 획득하는 방법은 도 3의 단계 S310 내지 단계 S330을 참고하여 전술한 바와 대응될 수 있다.
단말기는 객체의 위치 정보(412) 및 객체의 변화 정보(414)를 제 1 학습 네트워크 모델(420)의 입력 데이터로 적용할 수 있다. 여기에서, 제 1 학습 네트워크 모델(420)은 적어도 하나의 객체의 위치 정보 및 적어도 하나의 객체의 변화 정보로부터 이미지의 장면 카테고리를 어떻게 결정할 지에 대한 기준을 학습시킨 결과 생성될 수 있다. 이 경우, 제 1 학습 네트워크 모델(420)은 미리 구축된 모델일 수 있다. 예를 들어, 제 1 학습 네트워크 모델(420)은 기본 학습 데이터(예를 들어, 샘플 이미지의 객체의 위치 정보 및 객체의 변화 정보 등)를 입력 받아, 이미지의 장면 카테고리를 출력할 수 있도록 미리 구축된 모델일 수 있다.
단말기는 제 1 학습 네트워크 모델(420)에 객체의 위치 정보(412) 및 객체의 변화 정보(414)를 입력한 결과 획득된 출력 데이터에 따라 복수의 이미지(410)의 장면 카테고리를 변신 이미지로 결정할 수 있다.
단말기는 기 저장된 반응 정보 데이터베이스(430)에 저장된 정보들과 결정된 이미지의 장면 카테고리를 비교할 수 있다. 반응 정보 데이터베이스(430)에는 복수의 반응 정보가 이미지의 장면 카테고리 별로 분류되어 저장될 수 있다. 단말기는 비교 결과, 변신 이미지에 대응되는 반응 정보로서 'ooo 변신~!'이라는 음성 데이터를 반응 정보로서 획득할 수 있다. 단말기는 획득된 반응 정보를 포함한 부가 컨텐트(440)를 생성할 수 있다.
한편, 도 4에서는, 일 실시예로 객체의 위치 정보(412) 및 객체의 변화 정보(414)가 제 1 학습 네트워크 모델(420)의 입력 데이터로 적용되는 예에 대해 설명하였으나, 이는 일 실시예일 뿐, 이미지에 대응되는 컨텐트 내의 음성 데이터 또한 입력 데이터로 적용될 수 있다. 예를 들어, 컨텐트에서 적어도 하나의 이미지의 재생 시점에 함께 재생되도록 설정된 노래, 음성 등의 음성 데이터 또한 제 1 학습 네트워크 모델(420)의 음성 데이터로 적용될 수 있다.
도 5는 일 실시예에 따른 단말기가 컨텐트가 제공되는 상황에 따라 반응 정보에 가중치를 적용하여 부가 컨텐트를 생성하는 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 단말기는 컨텐트에 포함된 복수의 이미지(510)으로부터 객체의 위치 정보(512) 및 객체의 변화 정보(514)를 획득할 수 있다. 단말기가 복수의 이미지(510)으로부터 객체의 위치 정보(512) 및 객체의 변화 정보(514)를 획득하는 방법은 도 3의 단계 S310 내지 단계 S330을 참고하여 전술한 바와 대응될 수 있다.
단말기는 객체의 위치 정보(512) 및 객체의 변화 정보(514)를 제 1 학습 네트워크 모델(520)의 입력 데이터로 적용할 수 있다. 여기에서, 제 1 학습 네트워크 모델(520)은 도 4를 참고하여, 전술한 제 1 학습 네트워크 모델(420)과 대응될 수 있다.
단말기는 제 1 학습 네트워크 모델(520)에 객체의 위치 정보(512) 및 객체의 변화 정보(514)를 입력한 결과 획득된 출력 데이터에 따라 복수의 이미지(510)의 장면 카테고리를 놀이 이미지로 결정할 수 있다. 또한, 단말기는 기 저장된 반응 정보 데이터베이스(530)로부터 놀이 이미지에 대응되는 복수의 반응 정보를 획득할 수 있다.
한편, 단말기는 컨텐트의 재생 히스토리를 기초로, 복수의 반응 정보 중 어느 하나를 선택할 수 있다. 단말기는 복수의 반응 정보 중 부가 컨텐트로 재생되었던 반응 정보에 대해서는 가중치를 낮게 설정할 수 있다. 단말기는 컨텐트가 재생될 때마다, 동일한 부가 컨텐트가 반복적으로 재생되는 경우 사용자의 몰입도가 떨어지는 것을 방지하기 위해, 이전에 부가 컨텐트로 결정되었던 반응 정보에 대해서는 가중치를 낮게 설정할 수 있다.
예를 들어, 단말기는 놀이 이미지에 대응되는 "와! 신난다" 및 "oo야, ooo랑 같이 놀까"라는 복수의 반응 정보에 대해, 각각 w1 및 w2의 가중치를 적용할 수 있다. 여기에서, "와! 신난다"라는 반응 정보가 이전에 부가 컨텐트로 선택된 것으로 가정한다. 이에 따라, "와! 신난다"라는 반응 정보에 대한 가중치 w1은 "oo야, ooo랑 같이 놀까?"라는 반응 정보에 대한 가중치 w2 보다 낮게 생성될 수 있다.
단말기는 설정된 가중치를 기초로 복수의 반응 정보 중 어느 하나를 선택한 결과, "oo야, ooo랑 같이 놀까?"라는 반응 정보를 포함한 부가 컨텐트(540)를 생성할 수 있다.
도 6은 일 실시예에 따른 단말기가 컨텐트의 장르를 고려한 학습 네트워크 모델을 생성하는 방법을 설명하기 위한 도면이다.
단말기는, 도 4 및 도 5를 참고하여 전술한 바와 같이 이미지의 객체의 위치 정보 및 객체의 변화 정보를 학습 네트워크 모델의 입력으로 적용하여, 이미지의 장면 카테고리를 결정할 수 있다.
한편, 일 실시예에 따른 단말기는 이미지의 장면 카테고리 결정의 정확도를 높이기 위해, 컨텐트의 장르별 이미지의 특성에 대해 학습된 학습 네트워크 모델을 생성할 수도 있다. 컨텐트는 장르별로 플롯(plot)이 상이할 수 있다. 예를 들어, 변신물의 경우, 도입부, 사건 발생, 변신 및 해결의 플롯으로 구성된 반면에, 로봇물의 경우, 도입부, 위험, 로봇 등장 및 대결의 플롯으로 구성될 수 있다. 즉, 컨텐트의 장르 별로 고유의 플롯이 존재함에 따라, 컨텐트의 장르에 관한 정보가 인식되는 경우, 단말기에서 결정되는 이미지의 장면 카테고리의 정확도를 높일 수 있다.
도 6을 참조하면, 단말기는 장르가 정해진 학습 이미지들(610)을 학습 네트워크 모델에 입력할 수 있다. 여기에서, 학습 이미지들(610)은 복수의 장르 g1, g2 및 g3 각각에 포함된 이미지일 수 있다.
단말기는 학습 네트워크 모델을 이용하여, 학습 이미지들(610)로부터 특성들을 검출하고, 검출된 특성들로 구성된 특성 공간(620)을 생성할 수 있다. 단말기는 특성 공간(620) 상에 분포된 특성들과 학습 이미지들(610)의 장르 간의 연관성을 분석함으로써, 기준(630에 선으로 도시됨)을 학습할 수 있다.
전술한 학습 과정을 반복적으로 수행함으로써, 단말기는 컨텐트의 장르별 이미지 특성이 고려된, 이미지 별 장면 카테고리를 결정하기 위한 학습 네트워크 모델을 생성할 수 있다.
한편, 단말기는 생성된 학습 네트워크 모델에 적어도 하나의 이미지의 객체의 위치 정보 및 객체의 변화 정보와 컨텐트의 장르 정보를 입력 데이터로 적용함으로써, 적어도 하나의 이미지의 장면 카테고리를 출력 데이터로 획득할 수 있다. 다만, 이는 일 실시예일 뿐, 학습 네트워크 모델에 입력되는 입력 데이터가 전술한 예에 한정되는 것은 아니다.
도 7은 일 실시예에 따른 단말기가 이미지의 객체의 위치 정보 및 객체의 변화 정보를 기초로 학습 네트워크 모델을 이용하여 반응 정보를 결정하는 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 단말기는 컨텐트에 포함된 복수의 이미지(710)으로부터 객체의 위치 정보(712) 및 객체의 변화 정보(714)를 획득할 수 있다. 단말기가 복수의 이미지(710)으로부터 객체의 위치 정보(712) 및 객체의 변화 정보(714)를 획득하는 방법은 도 3의 단계 S310 내지 단계 S330을 참고하여 전술한 바와 대응될 수 있다.
단말기는 객체의 위치 정보(712) 및 객체의 변화 정보(714)를 제 2 학습 네트워크 모델(720)의 입력 데이터로 적용할 수 있다. 여기에서, 제 2 학습 네트워크 모델(720)은 적어도 하나의 객체의 위치 정보 및 적어도 하나의 객체의 변화 정보로부터 반응 정보를 어떻게 결정할 지에 대한 기준을 학습시킨 결과 생성될 수 있다. 이 경우, 제 2 학습 네트워크 모델(720)은 미리 구축된 모델일 수 있다. 예를 들어, 제 2 학습 네트워크 모델(720)은 기본 학습 데이터(예를 들어, 샘플 이미지의 객체의 위치 정보 및 객체의 변화 정보 등)를 입력 받아, 반응 정보를 출력할 수 있도록 미리 구축된 모델일 수 있다.
단말기는 제 2 학습 네트워크 모델(720)에 객체의 위치 정보(712) 및 객체의 변화 정보(714)를 입력한 결과 획득된 출력 데이터에 따라 이미지에 대응되는 반응 정보를 'ooo 변신~!'이라는 음성 데이터로 결정할 수 있다. 여기에서, 출력 데이터는 입력된 객체의 위치 정보(712) 및 객체의 변화 정보(714)에 대한 반응 정보 각각의 확률값으로 출력될 수 있다. 단말기는 결정된 반응 정보를 포함한 부가 컨텐트(740)를 생성할 수 있다.
한편, 도 7에서는, 일 실시예로 객체의 위치 정보(712) 및 객체의 변화 정보(714)가 제 2 학습 네트워크 모델(720)의 입력 데이터로 적용되는 예에 대해 설명하였으나, 이는 일 실시예일 뿐, 이미지에 대응되는 컨텐트 내의 음성 데이터 또한 입력 데이터로 적용될 수 있다.
도 8은 다른 실시예에 따른 단말기가 이미지의 객체의 위치 정보 및 객체의 변화 정보를 기초로 학습 네트워크 모델을 이용하여 반응 정보를 결정하는 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 단말기는 컨텐트에 포함된 복수의 이미지(810)으로부터 객체의 위치 정보(812) 및 객체의 변화 정보(814)를 획득할 수 있다. 단말기가 복수의 이미지(810)으로부터 객체의 위치 정보(812) 및 객체의 변화 정보(814)를 획득하는 방법은 도 3의 단계 S310 내지 단계 S330을 참고하여 전술한 바와 대응될 수 있다.
단말기는 객체의 위치 정보(812) 및 객체의 변화 정보(814)를 제 3 학습 네트워크 모델(820)의 입력 데이터로 적용할 수 있다. 제 3 학습 네트워크 모델(820)은 복수의 이미지(810)의 장면 카테고리를 결정하기 위한 복수의 레이어를 포함한 제 1 네트워크(822) 및 장면 카테고리에 대응되는 반응 정보를 결정하기 위한 복수의 레이어를 포함한 제 2 네트워크(824)로 구성될 수 있다.
일 실시예에 따라 단말기는 제 1 네트워크(822)를 이용하여, 객체의 위치 정보(812) 및 객체의 변화 정보(814)로부터 적어도 하나의 이미지 특성을 검출할 수 있다. 이 때, 제 1 네트워크(822)의 각 레이어에서 검출되는 이미지 특성은 서로 상이할 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 단말기는 제 1 네트워크(822)의 복수의 레이어를 이용하여, 객체의 위치 정보(812) 및 객체의 변화 정보(814)로부터 객체의 위치, 객체의 움직임 및 객체의 형태 변화 중 적어도 하나를 검출할 수 있다. 다만, 이는 일 실시예일 뿐, 제 1 네트워크(822)에서 추출되는 이미지의 특성이 전술한 예에 한정되는 것은 아니다.
단말기는 제1 네트워크(822)를 이용한 결과 객체의 위치 정보 및 객체의 변화 정보(또는, 결과 벡터)를 조합(또는, 연결)하여, 기 저장된 학습 결과를 이용하여 이미지의 장면 카테고리를 결정할 수 있다. 또한, 단말기는 결정된 이미지의 장면 카테고리를 검증할 수도 있다.
또한, 단말기는 제2 네트워크(824)를 이용하여 이미지의 장면 카테고리에 대응되는 반응 정보를 결정할 수 있다. 제 2 네트워크(824)에 대한 입력으로, 결정된 이미지의 장면 카테고리를 나타내는 정보들이 적용될 수 있다.
단말기는 제 1 네트워크(822) 및 제 2 네트워크(824)로 구성된 제 3 학습 네트워크(820)로부터 출력된 반응 정보를 포함한 부가 컨텐트(830)를 복수의 이미지(810)과 동기화시켜 재생할 수 있다.
도 9는 일 실시예에 따른 단말기가 사용자의 피드백 정보를 기초로 부가 컨텐트를 업데이트 하는 방법을 설명하기 위한 흐름도이다.
단계 S910에서, 단말기는 컨텐트의 재생 요청이 수신되는 경우, 생성된 부가 컨텐트 및 적어도 하나의 이미지를 동기화하여 재생할 수 있다.
한편, 단계 S910은 도 2를 참고하여 전술한 단계 S230과 대응될 수 있다.
단계 S920에서, 단말기는 컨텐트와 동기화되어 재생되는 부가 컨텐트에 대한 사용자의 피드백 정보를 획득할 수 있다. 예를 들어, 단말기는 부가 컨텐트가 재생되는 동안의 사용자의 제스쳐 및 발언 등을 피드백 정보로서 획득할 수 있으나, 피드백 정보가 전술한 예에 한정되는 것은 아니다.
단계 S930에서, 단말기는 획득된 피드백 정보를 기초로 적어도 하나의 이미지에 대응되는 반응 정보에 대한 가중치를 결정할 수 있다.
단말기는 피드백 정보를 분석한 결과, 사용자가 부가 컨텐트로서 제공된 반응 정보와 유사한 반응을 보이는 경우 반응 정보에 대한 가중치를 높게 설정할 수 있다. 예를 들어, 단말기는 피드백 정보를 분석한 결과, 사용자가 반응 정보로 제공된 음성 데이터를 따라서 외치는 것이 확인된 경우, 해당 반응 정보에 대한 가중치를 높게 설정할 수 있다.
또한, 단말기는 피드백 정보를 분석한 결과, 이미지 내의 특정 객체에 대한 반응 정보에 사용자의 호응이 더 좋은 것으로 판단된 경우, 특정 객체에 대한 반응 정보의 가중치를 높게 설정할 수 있다. 예를 들어, 이미지 내에 포함된 캐릭터 A 및 캐릭터 B에 대해, "캐릭터 A와 함께 놀까?" 라는 반응 정보의 사용자의 호응 보다 "캐릭터 B와 함께 놀까?"라는 반응 정보의 사용자의 호응이 더 좋은 경우, "캐릭터 B와 함께 놀까?"라는 반응 정보에 가중치를 더 높게 설정할 수 있다.
다만, 이는 일 실시예일 뿐, 단말기에서 반응 정보에 대한 가중치를 결정하는 방법이 전술한 예에 한정되는 것은 아니다.
단계 S940에서, 단말기는 피드백 정보 획득 이후에 컨텐트의 재생 요청이 수신되는 경우, 결정된 가중치를 기초로 적어도 하나의 이미지에 대응되는 부가 컨텐트를 생성할 수 있다. 단말기는 부가 컨텐트에 포함된 반응 정보 중 가중치가 낮은 반응 정보를 가중치가 높은 반응 정보로 업데이트 할 수 있다.
단말기는 업데이트 된 반응 정보를 포함한 부가 컨텐트와 컨텐트를 동기화하여 재생한 후, 새로운 피드백 정보가 수집됨에 따라, 이를 기초로 전술한 단계 S910 내지 단계 S940을 반복적으로 수행할 수 있다.
도 10은 일 실시예에 따른 단말기가 사용자의 프로파일 정보를 기초로 부가 컨텐트를 생성하는 방법을 설명하기 위한 흐름도이다.
단계 S1010에서, 단말기는 컨텐트에 포함된 적어도 하나의 이미지로부터 추출된 특성 정보를 기초로 적어도 하나의 이미지의 장면 카테고리를 결정할 수 있다.
단말기는 적어도 하나의 이미지의 특성으로부터 이미지의 장면 카테고리를 어떻게 결정할 지에 대한 기준을 학습시킨 결과 생성된 학습 네트워크 모델을 이용하여, 적어도 하나의 이미지의 장면 카테고리를 결정할 수 있다. 이 경우, 적어도 하나의 이미지가 입력 데이터로 적용되거나, 적어도 하나의 이미지로부터 획득된 객체의 위치 정보 및 객체의 변화 정보가 입력 데이터로 적용될 수 있다.
단계 S1020에서, 단말기는 사용자의 프로파일 정보를 획득할 수 있다. 여기에서, 사용자의 프로파일은 사용자의 나이, 성별, 직업, 취미 및 선호도 등에 관한 정보를 포함할 수 있다. 단말기는 사용자의 승인을 받아, SNS 계정 등에 저장된 사용자의 프로파일을 수신하거나, 사용자로부터 직접 입력을 받음으로써 사용자의 프로파일 정보를 획득할 수 있다.
다만, 이는 일 실시예일 뿐, 단말기가 사용자의 프로파일 정보를 획득하는 방법이 전술한 예에 한정되는 것은 아니다.
단계 S1030에서, 단말기는 적어도 하나의 이미지의 장면 카테고리 및 사용자의 프로파일 정보에 기초하여, 기 저장된 반응 정보 데이터베이스로부터 적어도 하나의 이미지에 대응되는 반응 정보를 결정할 수 있다. 반응 정보 데이터베이스에는 복수의 반응 정보가 이미지의 장면 카테고리 별로 분류되어 저장될 수 있다.
단말기는 반응 정보 데이터베이스로부터 결정된 이미지의 장면 카테고리에 대응되는 복수의 반응 정보를 획득할 수 있다. 또한, 단말기는 사용자의 프로파일 정보를 기초로, 복수의 반응 정보 중 사용자에게 적합한 반응 정보를 선택할 수 있다. 예를 들어, 사용자가 여성인 경우, 복수의 반응 정보에 여성이 선호하는 객체에 대한 반응 정보가 포함된 경우, 이를 이미지에 대응되는 반응 정보로서 선택할 수 있다. 다만, 이는 일 실시예일 뿐, 프로파일 정보에 기초하여 반응 정보를 결정하는 방법이 전술한 예에 한정되는 것은 아니다.
단계 S1040에서, 단말기는 컨텐트의 재생 요청이 수신되는 경우, 결정된 반응 정보를 포함한 부가 컨텐트를 적어도 하나의 이미지와 동기화하여 재생할 수 있다.
한편, 단계 S1040은 도 2를 참고하여 전술한 단계 S230과 대응될 수 있다.
도 11은 일 실시예에 따른 단말기가 반응 정보에 음성 모델을 적용하여 부가 컨텐트를 제공하는 방법을 설명하기 위한 도면이다.
도 11을 참조하면, 단말기는 도 1 내지 도 1을 참고하여 전술한 방법들 중 어느 하나에 기초하여, 복수의 이미지(1110)에 대한 반응 정보(1120)를 결정할 수 있다.
일 실시예에 따른 단말기는 결정된 반응 정보(1120)를 보다 효과적으로 사용자에게 제공하기 위해, 반응 정보(1120)에 특정 음성 모델(예를 들어, 1132)을 적용할 수 있다. 예를 들어, 단말기는 사용자의 지인, 사용자가 선호하는 배우 및 사용자가 선호하는 캐릭터 등의 음성 모델 중 어느 하나를 반응 정보(1120)에 적용하여 부가 컨텐트(1140)로 제공할 수 있다.
단말기에는 복수의 음성 모델(1132, 1134, 1136)을 포함하고 있는 음성 데이터베이스(1130)가 미리 저장될 수 있다. 단말기는 음성 데이터베이스(1130)에 저장된 복수의 음성 모델(1132, 1134, 1136) 중 사용자가 선호하는 음성 모델을 이용하여 부가 컨텐트(1140)를 제공할 수 있다. 단말기는 사용자가 선호하는 음성 모델을 이용하여 부가 컨텐트(1140)를 제공함으로써, 컨텐트에 대한 사용자의 몰입도를 보다 증가시킬 수 있다.
한편, 단말기가 선호하는 음성 모델에 관한 정보는 도 9를 참고하여 전술한 바와 같이 피드백 정보를 통해 획득될 수도 있고, 도 10을 참고하여 전술한 바와 같이 사용자의 프로파일 정보를 통해 획득될 수도 있다.
도 12는 일 실시예에 따라 컨텐트를 제공하는 단말기(100)의 블록도이다.
도 12를 참조하면, 단말기(100)는 메모리(110), 프로세서(120) 및 디스플레이(130)를 포함할 수 있다.
메모리(110)는 프로세서(120)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(110)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다. 일 실시예에 따라 메모리(110)는 도 13을 참고하여 후술할 데이터 학습부 및 데이터 인식부가 소프트웨어 모듈로 구성될 수 있다. 또한, 데이터 학습부 및 데이터 인식부는 각각 독립적으로 학습 네트워크 모델을 포함하거나, 하나의 학습 네트워크 모델을 공유할 수 있다.
프로세서(120)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따라 프로세서(120)는 도 1 내지 도 11을 참고하여 전술한 단말기의 동작을 수행할 수 있다.
예를 들어, 프로세서(120)는 컨텐트에 포함된 적어도 하나의 이미지를 획득할 수 있다. 프로세서(120)는 학습 네트워크 모델을 이용하여, 컨텐트에 포함된 적어도 하나의 이미지로부터 특성 정보를 획득할 수 있다.
또한, 프로세서(120)는 학습 네트워크 모델에 적어도 하나의 이미지 또는 적어도 하나의 이미지의 객체의 위치 정보 및 객체의 변화 정보를 입력하여, 적어도 하나의 이미지의 장면 카테고리를 결정할 수 있다. 다른 예에 따라, 프로세서(120)는 학습 네트워크 모델에 적어도 하나의 이미지 또는 적어도 하나의 이미지의 객체의 위치 정보 및 객체의 변화 정보를 입력하여, 적어도 하나의 이미지의 반응 정보를 결정할 수도 있다.
일 실시예에 따른 프로세서(120)는 컨텐트와 동기화되어 재생되는 부가 컨텐트에 대한 사용자의 피드백 정보를 획득할 수 있다. 프로세서(120)는 피드백 정보를 기초로, 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트하여, 부가 컨텐트를 제공할 수 있다.
일 실시예에 따른 프로세서(120)는 사용자의 프로파일 정보를 획득할 수 있다. 프로세서(120)는 적어도 하나의 이미지로부터 추출된 특성 정보 및 획득된 프로파일 정보를 기초로, 적어도 하나의 이미지에 대응되는 반응 정보를 결정할 수 있다.
한편, 프로세서(120)는 프로세서(120) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(120)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
디스플레이(130)는 컨텐트에 포함된 적어도 하나의 이미지를 표시할 수 있다. 또한, 디스플레이(130)는 생성된 부가 컨텐트가 이미지 형태 또는 텍스트 형태인 경우, 컨텐트와 동기화된 부가 컨텐트를 표시할 수도 있다.
도 13은 일 실시예에 따른 프로세서(120)를 설명하기 위한 도면이다.
도 13을 참조하면, 일 실시예에 따른 프로세서(120)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 적어도 하나의 이미지의 장면 카테고리를 결정하기 위한 기준을 학습할 수 있다. 또한, 다른 실시예에 따라, 데이터 학습부(1310)는 적어도 하나의 이미지에 대응되는 반응 정보를 결정하기 위한 기준을 학습할 수 있다.
데이터 인식부(1320)는 데이터 학습부(1310)를 통해 학습된 기준에 기초하여, 적어도 하나의 이미지의 장면 카테고리를 결정하거나 적어도 하나의 이미지에 대응되는 반응 정보를 결정할 수 있다.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 단말기에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 단말기에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 단말기에 탑재될 수도 있으며, 또는 별개의 단말기들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 단말기에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 어플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 어플리케이션에 의해 제공될 수 있다.
도 14는 일 실시예에 따른 데이터 학습부(1310)의 블록도이다.
도 14를 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450)를 포함할 수 있다. 다만, 이는 일 실시예일 뿐, 전술한 구성 들 보다 적은 구성 요소로 데이터 학습부(1310)가 구성되거나, 전술한 구성들 이외에 다른 구성 요소가 추가적으로 데이터 학습부(1310)에 포함될 수 있다.
데이터 획득부(1410)는 컨텐트에 포함된 적어도 하나의 이미지를 학습 데이터로 획득할 수 있다. 일 예로, 데이터 획득부(1410)는 데이터 학습부(1310)를 포함하는 단말기 또는 데이터 학습부(1310)를 포함하는 단말기와 통신 가능한 외부의 단말기로부터 적어도 하나의 이미지를 획득할 수 있다.
한편, 일 실시예에 따른 데이터 획득부(1410)에서 획득하는 적어도 하나의 이미지는 장르에 기초하여 분류된 컨텐트에 포함된 복수의 이미지 중 어느 하나일 수 있다. 예를 들어, 데이터 획득부(1410)는 학습을 위해, 장르에 기초하여 분류된 적어도 하나의 컨텐트에 포함된 이미지를 학습을 위해 획득할 수 있다.
전처리부(1420)는 이미지의 장면 카테고리 결정 또는 이미지의 반응 정보 결정을 위한 학습에 획득된 이미지가 이용될 수 있도록, 획득된 이미지를 전처리할 수 있다. 전처리부(1420)는 후술할 모델 학습부(1440)가 학습을 위하여 획득된 적어도 하나의 이미지를 이용할 수 있도록, 획득된 적어도 하나의 이미지를 기 설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1430)는 전처리된 데이터 중에서 학습에 필요한 이미지를 선택할 수 있다. 선택된 이미지는 모델 학습부(1440)에 제공될 수 있다. 학습 데이터 선택부(1430)는 설정된 기준에 따라, 전처리된 이미지 중에서 학습에 필요한 이미지를 선택할 수 있다.
모델 학습부(1440)는 학습 네트워크 모델 내의 복수의 레이어에서 이미지의 특성 정보들 중 어떠한 정보를 이용하여, 이미지의 장면 카테고리를 결정하거나, 이미지의 반응 정보를 결정하는지에 대한 기준을 학습할 수 있다. 예를 들어, 모델 학습부(1440)는 이미지의 장면 카테고리 결정을 위하여 학습 네트워크 모델에 포함된 복수의 레이어 중 어떤 레이어로부터 추출된 특성 정보를 이용해야 하는지에 대한 제 1 기준을 학습할 수도 있다. 여기에서, 제1 기준은, 단말기가 학습 네트워크 모델을 이용하여, 이미지의 장면 카테고리를 결정하는데 이용되는 이미지의 특성의 종류, 개수 또는 수준 등을 포함할 수 있다.
다양한 실시예에 따르면, 모델 학습부(1440)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 객체의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 모델 학습부(1440)는, 예를 들어, 학습에 따라 결정된 이미지의 장면 카테고리 또는 이미지의 반응 정보가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1440)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1440)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 단말기의 메모리에 저장할 수 있다. 또는, 모델 학습부(1440)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 단말기의 메모리에 저장할 수 있다. 또는, 모델 학습부(1440)는 학습된 데이터 인식 모델을 단말기와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 단말기의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 애플리케이션 프로그래밍 인터페이스(API) 및/또는 애플리케이션 프로그램(또는 "애플리케이션") 등을 포함할 수 있다.
모델 평가부(1450)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1440)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다. 여기에서, 평가 데이터는 학습 네트워크 모델을 기반으로 식별된 이미지의 장면 카테고리와 실제의 이미지의 장면 카테고리 간의 일치 비율 등을 포함할 수 있다. 다른 예에 따라, 평가 데이터는 학습 네트워크 모델을 기반으로 식별된 이미지의 반응 정보와 실제 적합한 반응 정보 간의 일치 비율 등을 포함할 수 있다.
한편, 학습 네트워크 모델이 복수 개 존재하는 경우, 모델 평가부(1450)는 각각의 학습 네트워크 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 학습 네트워크 모델로서 결정할 수 있다.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 단말기에 탑재될 수 있다. 예를 들어, 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 단말기 에 탑재될 수도 있다.
또한, 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450)는 하나의 단말기에 탑재될 수도 있으며, 또는 별개의 단말기들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450) 중 일부는 단말기에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1410), 전처리부(1420), 학습 데이터 선택부(1430), 모델 학습부(1440) 및 모델 평가부(1450) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 15는 일 실시예에 따른 데이터 인식부(1320)의 블록도이다.
도 15를 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550)를 포함할 수 있다.
데이터 획득부(1510)는 이미지의 장면 카테고리 또는 반응 정보의 결정에 필요한 적어도 하나의 이미지를 획득할 수 있으며, 전처리부(1520)는 이미지의 장면 카테고리 또는 반응 정보의 결정을 위해 획득된 적어도 하나의 이미지가 이용될 수 있도록, 획득된 이미지를 전처리할 수 있다. 전처리부(1520)는 후술할 인식 결과 제공부(1540)가 이미지의 장면 카테고리 또는 반응 정보의 결정을 위하여 획득된 이미지를 이용할 수 있도록, 획득된 이미지를 기 설정된 포맷으로 가공할 수 있다. 인식 데이터 선택부(1530)는 전처리된 데이터 중에서 이미지의 장면 카테고리 또는 반응 정보의 결정에 필요한 이미지를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1540)에게 제공될 수 있다.
인식 결과 제공부(1540)는 선택된 이미지를 일 실시예에 따른 학습 네트워크 모델에 적용하여 이미지의 장면 카테고리 또는 반응 정보를 결정할 수 있다. 학습 네트워크 모델에 적어도 하나의 이미지를 입력하여 이미지의 장면 카테고리 또는 반응 정보를 결정하는 방법은 도 1 내지 11을 참고하여 전술한 방법과 대응될 수 있다.
인식 결과 제공부(1540)는 적어도 하나의 이미지에 대해 이미지의 장면 카테고리 또는 반응 정보에 관한 정보를 제공할 수 있다.
모델 갱신부(1550)는 인식 결과 제공부(1540)에 의해 제공되는 이미지의 장면 카테고리 또는 반응 정보의 결정의 결과에 대한 평가에 기초하여, 학습 네트워크 모델에 포함된 종분류 네트워크 또는 적어도 하나의 특성 추출 레이어의 파라미터 등이 갱신되도록 평가에 대한 정보를 도 14를 참고하여 전술한 모델 학습부(1440)에게 제공할 수 있다.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 단말기에 탑재될 수 있다. 예를 들어, 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550) 중 적어도 하나는 인공 지능을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 단말기에 탑재될 수도 있다.
또한, 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550)는 하나의 단말기에 탑재될 수도 있으며, 또는 별개의 단말기들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550) 중 일부는 단말기에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1510), 전처리부(1520), 인식 데이터 선택부(1530), 인식 결과 제공부(1540) 및 모델 갱신부(1550) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 어플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 어플리케이션에 의해 제공될 수 있다.
도 16은 다른 실시예에 따른 컨텐트를 제공하는 단말기(1600)의 블록도이다.
도 16을 참조하면, 일 실시예에 따른 단말기(1600)는 도 12의 메모리(110), 프로세서(120) 및 디스플레이(130)에 대응되는 메모리(1660), 프로세서(1620) 및 출력부(1630) 이외에, 입력부(1610), A/V 입력부(1640) 및 통신부(1650)를 더 포함할 수 있다.
입력부(1610)는 사용자가 단말기(1600)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 입력부(1610)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
일 실시예에 따라 입력부(1610)는 터치 패드를 이용하여, 컨텐트의 재생을 요청하는 사용자 입력을 수신할 수 있다. 다만, 이는 일 실시예일 뿐, 입력부(1610)는 리모컨 등의 입력 장치를 통해 사용자로부터 컨텐트의 재생을 요청하는 사용자 입력을 수신할 수도 있다.
프로세서(1620)는 통상적으로 단말기(1600)의 전반적인 동작 및 단말기(1000)의 내부 구성 요소들 사이의 신호 흐름을 제어하고, 데이터를 처리하는 기능을 수행한다. 예를 들어, 프로세서(1620)는, 메모리(1660)에 저장된 프로그램들(하나 이상의 인스트럭션들)을 실행함으로써, 입력부(1610), 출력부(1630), A/V 입력부(1640) 및 통신부(1650) 등을 전반적으로 제어할 수 있다.
일 실시예에 따라 프로세서(1620)는, 도 1 내지 도 11에서 전술한 단말기(100)의 기능을 수행하기 위하여, 학습 네트워크 모델을 이용하여 이미지의 장면 카테고리를 결정하고, 이미지의 장면 카테고리에 대응되는 반응 정보를 결정함으로써, 이미지에 대응되는 반응 정보를 결정하도록 단말기(1600)의 구성 요소들을 제어할 수 있다. 프로세서(1620)는 도 12의 프로세서(120)에 대응되므로, 자세한 설명은 생략한다.
출력부(1630)는 컨텐트에 포함된 적어도 하나의 이미지 및 부가 컨텐트를 오디오 신호 또는 비디오 신호의 형태로 출력할 수 있으며, 출력부(1630)는 디스플레이부(1631) 및 음향 출력부(1632)를 포함할 수 있다.
디스플레이부(1631)는 단말기(1600)에서 처리되는 정보를 표시 출력한다. 디스플레이부(1631)와 터치 패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1631)는 출력 장치 이외에 입력 장치로도 사용될 수 있다.
음향 출력부(1632)는 통신부(1650)로부터 수신되거나 메모리(1660)에 저장된 오디오 데이터를 출력한다. 한편, 부가 컨텐트에 포함된 반응 정보가 음성 데이터 형태인 경우, 음향 출력부(1632)는 부가 컨텐트를 출력할 수 있다.
A/V(Audio/Video) 입력부(1640)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1641)와 마이크로폰(1642) 등이 포함될 수 있다.
카메라(1641)는 카메라 인식 범위에서 이미지를 캡처한다. 일 실시예에 따라 카메라(1641)에 의해 캡처된 이미지는, 프로세서(1620)에 의해 이미지 처리되어 디스플레이부(1631)를 통해 표시 출력될 수 있다.
통신부(1650)는 외부 서버(예를 들어, SNS 서버, 클라우드 서버, 콘텐트 제공 서버 등) 및 기타 외부 장치와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1650)는 근거리 통신부(1651), 이동 통신부(1652), 방송 수신부(1653)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(1651)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1652)는 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 컨텐트 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1653)는 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 실시예에 따라서 단말기(1600)가 방송 수신부(1653)를 포함하지 않을 수도 있다.
일 실시예에 따라 통신부(1650)는 외부 서버로부터 컨텐트를 수신하고, 수신된 컨텐트를 프로세서(1620)로 제공할 수 있다.
메모리(1660)는 프로세서(1620)의 처리 및 제어를 위한 프로그램들(예를 들어, 하나 이상의 인스트럭션들, 학습 네트워크 모델)을 저장할 수 있고, 단말기(1600)로 입력되거나 단말기(1600)로부터 출력되는 데이터(예를 들어, 부가 컨텐트)를 저장할 수도 있다.
메모리(1660)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1661) 및 터치 스크린 모듈(1662) 등으로 분류될 수 있다.
UI 모듈(1661)은, 애플리케이션 별로 단말기(1600)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1662)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1620)로 전달할 수 있다. 본 발명의 일 실시예에 따른 터치 스크린 모듈(1662)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1662)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
메모리(1660)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM), SRAM(Static Random Access Memory), 롬(ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
한편, 도 16에 도시된 단말기(1600)의 구성은 일 실시예이며, 단말기(1600)의 각 구성요소는 구현되는 단말기의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나, 혹은 하나의 구성요소가 2 이상의 구성요소로 세분되어 구성될 수 있다. 또한, 각 구성(또는, 모듈)에서 수행하는 기능은 실시예들을 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
도 17은 다른 실시예에 따라 단말기(1740)가 부가 컨텐트를 제공하는 방법을 나타내는 개념도이다.
도 17을 참조하면, 다른 실시예에 따라 단말기(1710)는 적어도 하나의 이미지(1720)를 기초로, 학습 네트워크 모델(1730)을 이용하여, 부가 컨텐트를 생성할 수 있다. 여기에서, 단말기(1710)가 부가 컨텐트를 생성하는 방법은 도 1 내지 도 11을 참고하여 전술한 방법과 대응될 수 있다.
단말기(1710)는 생성된 부가 컨텐트를 다른 단말기(1740)에 전송할 수 있다. 여기에서, 부가 컨텐트에는 컨텐트와의 동기화를 위해, 반응 정보에 대응되는 적어도 하나의 이미지의 식별 정보가 반응 정보와 함께 포함될 수 있다.
다른 단말기(1740)는 단말기(1710)에서 컨텐트가 재생되는 경우, 수신한 부가 컨텐트를 컨텐트에 동기화시켜 재생할 수 있다. 예를 들어, 단말기(1710)에서 컨텐트를 재생하기에 앞서, 다른 단말기(1740)에 컨텐트의 재생을 알리는 제어 신호를 전송할 수 있다. 이에 따라, 다른 단말기(1740)는 컨텐트의 재생이 시작됨을 확인하고, 컨텐트에 동기화시켜 부가 컨텐트를 재생할 수 있다.
한편, 다른 단말기(1740)는 부가 컨텐트를 재생 가능한 컴퓨팅 장치일 수 있으며, 예를 들어, PC, 랩톱, 휴대폰, 마이크로 서버, GPS(global positioning system) 장치, 스마트 폰, 웨어러블 단말기, 전자책 단말기, 가전기기, 자동차 내의 전자 장치 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있다. 그러나, 이에 제한되지 않으며, 다른 단말기(1740)는 통신 기능 및 데이터 프로세싱 기능을 구비한 모든 종류의 기기를 포함할 수 있다.
또한, 단말기(1710)는 다른 단말기(1740)와 네트워크를 통해 통신 연결될 수 있다. 이 경우, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함할 수 있으며, 단말기(1710) 및 다른 단말기(1740)가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다.
도 18은 다른 실시예에 따른 제 1 단말기 및 제 2 단말기가 컨텐트를 제공하는 방법을 설명하기 위한 흐름도이다.
단계 S1810에서, 제 1 단말기는 컨텐트에 포함된 적어도 하나의 이미지를 획득할 수 있다.
한편, 단계 S1810은 도 2를 참고하여 전술한 단계 S210과 대응될 수 있다.
단계 S1820에서, 제 1 단말기는 적어도 하나의 이미지로부터 추출된 특성 정보를 기초로, 적어도 하나의 이미지에 대응되는 부가 컨텐트를 생성할 수 있다.
한편, 단계 S1820은 도 2를 참고하여 전술한 단계 S220과 대응될 수 있다.
단계 S1830에서, 제 1 단말기는 생성된 부가 컨텐트를 제 2 단말기에 전송할 수 있다. 제 1 단말기는 제 2 단말기와 네트워크를 통해 통신 연결될 수 있다. 제 1 단말기는 네트워크를 통해 제 2 단말기에 부가 컨텐트를 전송할 수 있다.
다만, 이는 일 실시예일 뿐, 제 1 단말기는 생성된 부가 컨텐트를 클라우드 서버에 저장하고, 클라우드 서버 내에 저장된 위치를 나타내는 URL 정보를 제 2 단말기에 전송할 수도 있다.
단계 S1840에서, 제 2 단말기는 수신된 부가 컨텐트를 컨텐트에 동기화하여 재생할 수 있다. 제 2 단말기는 제 1 단말기에서 컨텐트가 재생됨을 나타내는 제어 신호가 수신됨에 따라, 컨텐트의 재생에 동기화하여 부가 컨텐트를 재생할 수 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.
이상과 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (15)

  1. 컨텐트에 포함된 적어도 하나의 이미지를 획득하는 단계;
    상기 적어도 하나의 이미지로부터 추출된 특성(feature) 정보를 기초로, 상기 적어도 하나의 이미지에 대응되는, 사용자의 반응을 가이드하기 위한 부가 컨텐트를 생성하는 단계;
    상기 컨텐트의 재생 요청이 수신되는 경우, 상기 생성된 부가 컨텐트 및 상기 적어도 하나의 이미지를 동기화하는 단계; 및
    상기 동기화 결과에 따라, 상기 컨텐트 및 상기 부가 컨텐트를 재생하는 단계를 포함하는, 컨텐트를 제공하는 방법.
  2. 제 1항에 있어서, 상기 부가 컨텐트를 생성하는 단계는,
    상기 추출된 특성 정보에 기초하여, 상기 적어도 하나의 이미지에 포함된 객체를 인식하는 단계;
    상기 적어도 하나의 이미지에서 상기 인식된 객체의 위치 정보 및 상기 적어도 하나의 이미지 간의 객체의 변화 정보를 획득하는 단계; 및
    상기 획득된 객체의 위치 정보 및 상기 획득된 객체의 변화 정보에 기초하여, 상기 적어도 하나의 이미지에 대응되는 반응 정보를 결정하는 단계를 포함하는, 컨텐트를 제공하는 방법.
  3. 제 1항에 있어서, 상기 부가 컨텐트를 생성하는 단계는,
    기 생성된 학습 네트워크 모델을 이용하여, 상기 추출된 특성 정보를 기초로, 상기 적어도 하나의 이미지의 장면 카테고리를 결정하는 단계; 및
    반응 정보 데이터베이스로부터 상기 결정된 장면 카테고리에 대응되는 반응 정보를 획득하는 단계를 포함하는, 컨텐트를 제공하는 방법.
  4. 제 1항에 있어서, 상기 부가 컨텐트를 생성하는 단계는,
    기 생성된 학습 네트워크 모델을 이용하여, 상기 추출된 특성 정보를 기초로, 상기 적어도 하나의 이미지에 대응되는 반응 정보를 결정하는 단계를 포함하는, 컨텐트를 제공하는 방법.
  5. 제 1항에 있어서,
    상기 컨텐트와 동기화되어 재생되는 상기 부가 컨텐트에 대한 사용자의 피드백 정보를 획득하는 단계;
    상기 획득된 피드백 정보를 기초로, 기 저장된 복수의 반응 정보 각각의 가중치를 결정하는 단계; 및
    상기 결정된 가중치에 기초하여, 상기 복수의 반응 정보 중 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트 하는 단계를 더 포함하는, 컨텐트를 제공하는 방법.
  6. 제 1항에 있어서,
    상기 적어도 하나의 이미지에 대해 선택된 반응 정보의 히스토리 정보를 획득하는 단계;
    상기 히스토리 정보를 기초로, 기 저장된 복수의 반응 정보 각각의 가중치를 결정하는 단계; 및
    상기 결정된 가중치에 기초하여, 상기 복수의 반응 정보 중 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트 하는 단계를 더 포함하고,
    상기 복수의 반응 정보의 가중치는, 이전에 선택된 횟수가 많을수록 낮 게 설정되는, 컨텐트를 제공하는 방법.
  7. 제 1항에 있어서,
    상기 반응 정보가 음성 데이터인 경우, 복수의 음성 모델을 포함한 음성 데이터베이스에서, 상기 반응 정보에 대응되는 음성 모델을 선택하는 단계를 더 포함하고,
    상기 재생하는 단계는,
    상기 선택된 음성 모델이 적용된 부가 컨텐트를 상기 적어도 하나의 이미지와 동기화하여 재생하는, 컨텐트를 제공하는 방법.
  8. 하나 이상의 인스트럭션을 저장하는 메모리;
    디스플레이; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    컨텐트에 포함된 적어도 하나의 이미지를 획득하고,
    상기 적어도 하나의 이미지로부터 추출된 특성 정보를 기초로, 상기 적어도 하나의 이미지에 대응되는 반응 정보를 포함한 부가 컨텐트를 생성하며,
    상기 컨텐트의 재생 요청이 수신되는 경우, 상기 생성된 부가 컨텐트 및 상기 적어도 하나의 이미지를 동기화하여 재생하고,
    상기 적어도 하나의 이미지가 표시되도록 상기 디스플레이를 제어하는, 컨텐트를 제공하는 단말기.
  9. 제 8항에 있어서,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 추출된 특성 정보에 기초하여, 상기 적어도 하나의 이미지에 포함된 객체를 인식하고,
    상기 적어도 하나의 이미지에서 상기 인식된 객체의 위치 정보 및 상기 적어도 하나의 이미지 간의 객체의 변화 정보를 획득하며,
    상기 획득된 객체의 위치 정보 및 상기 획득된 객체의 변화 정보에 기초하여, 상기 적어도 하나의 이미지에 대응되는 반응 정보를 결정하는, 컨텐트를 제공하는 단말기.
  10. 제 8항에 있어서,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    기 생성된 학습 네트워크 모델을 이용하여, 상기 추출된 특성 정보를 기초로, 상기 적어도 하나의 이미지의 장면 카테고리를 결정하고,
    반응 정보 데이터베이스로부터 상기 결정된 장면 카테고리에 대응되는 반응 정보를 획득하는, 컨텐트를 제공하는 단말기.
  11. 제 8항에 있어서,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    기 생성된 학습 네트워크 모델을 이용하여, 상기 추출된 특성 정보를 기초로, 상기 적어도 하나의 이미지에 대응되는 반응 정보를 결정하는, 컨텐트를 제공하는 단말기.
  12. 제 8항에 있어서,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 컨텐트와 동기화되어 재생되는 상기 부가 컨텐트에 대한 사용자의 피드백 정보를 획득하고,
    상기 획득된 피드백 정보를 기초로, 기 저장된 복수의 반응 정보 각각의 가중치를 결정하며,
    상기 결정된 가중치에 기초하여, 상기 복수의 반응 정보 중 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트 하는, 컨텐트를 제공하는 단말기.
  13. 제 8항에 있어서,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 적어도 하나의 이미지에 대해 선택된 반응 정보의 히스토리 정보를 획득하고,
    상기 히스토리 정보를 기초로, 기 저장된 복수의 반응 정보 각각의 가중치를 결정하며,
    상기 결정된 가중치에 기초하여, 상기 복수의 반응 정보 중 적어도 하나의 이미지에 대응되는 반응 정보를 업데이트 하고,
    상기 복수의 반응 정보의 가중치는, 이전에 선택된 횟수가 많을수록 낮 게 설정되는, 컨텐트를 제공하는 단말기.
  14. 제 8항에 있어서,
    상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 반응 정보가 음성 데이터인 경우, 복수의 음성 모델을 포함한 음성 데이터베이스에서, 상기 반응 정보에 대응되는 음성 모델을 선택하고,
    상기 선택된 음성 모델이 적용된 부가 컨텐트를 상기 적어도 하나의 이미지와 동기화하여 재생하는, 컨텐트를 제공하는 단말기.
  15. 제 1항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
PCT/KR2018/010823 2017-09-15 2018-09-14 컨텐트를 제공하는 방법 및 단말기 WO2019054792A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201880060004.5A CN111095934B (zh) 2017-09-15 2018-09-14 用于提供内容的方法和终端
EP18857308.3A EP3661218A4 (en) 2017-09-15 2018-09-14 METHOD AND DEVICE FOR PROVIDING CONTENT
US16/643,778 US11210525B2 (en) 2017-09-15 2018-09-14 Method and terminal for providing content

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0118850 2017-09-15
KR1020170118850A KR102449877B1 (ko) 2017-09-15 2017-09-15 컨텐트를 제공하는 방법 및 단말기

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/643,778 Continuation US11210525B2 (en) 2017-09-15 2018-09-14 Method and terminal for providing content

Publications (1)

Publication Number Publication Date
WO2019054792A1 true WO2019054792A1 (ko) 2019-03-21

Family

ID=65722908

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/010823 WO2019054792A1 (ko) 2017-09-15 2018-09-14 컨텐트를 제공하는 방법 및 단말기

Country Status (5)

Country Link
US (1) US11210525B2 (ko)
EP (1) EP3661218A4 (ko)
KR (1) KR102449877B1 (ko)
CN (1) CN111095934B (ko)
WO (1) WO2019054792A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102243275B1 (ko) * 2019-07-18 2021-04-22 주식회사 누아 오프라인 오브젝트에 관한 콘텐츠 자동 생성 방법, 장치 및 컴퓨터 판독가능 저장 매체
WO2021029497A1 (en) * 2019-08-14 2021-02-18 Samsung Electronics Co., Ltd. Immersive display system and method thereof
KR102281298B1 (ko) * 2020-04-22 2021-07-23 이정현 인공지능 기반 동영상 합성을 위한 시스템 및 방법
KR20210144443A (ko) 2020-05-22 2021-11-30 삼성전자주식회사 인공지능 가상 비서 서비스에서의 텍스트 출력 방법 및 이를 지원하는 전자 장치
KR20210153386A (ko) * 2020-06-10 2021-12-17 삼성전자주식회사 멀티미디어 컨텐츠를 생성하는 디스플레이 장치 및 그 동작방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011077758A (ja) * 2009-09-30 2011-04-14 Nec Personal Products Co Ltd 再生装置、コンテンツの再生方法
US20140351838A1 (en) * 2013-05-22 2014-11-27 Andrew Dunmore System and method for providing a secure access-controlled enterprise content repository
CN104333809A (zh) * 2013-12-24 2015-02-04 乐视网信息技术（北京）股份有限公司 一种节目信息交流方法、装置及系统
KR101523349B1 (ko) * 2013-09-16 2015-05-28 오드컨셉 주식회사 피사체의 시각적 정보 기반 소셜 네트워크 서비스 시스템
JP2015115892A (ja) * 2013-12-13 2015-06-22 シャープ株式会社 コメント作成装置およびその制御方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020042920A1 (en) 2000-10-11 2002-04-11 United Video Properties, Inc. Systems and methods for supplementing on-demand media
US8856641B2 (en) * 2008-09-24 2014-10-07 Yahoo! Inc. Time-tagged metainformation and content display method and system
JP5609160B2 (ja) 2010-02-26 2014-10-22 ソニー株式会社 情報処理システム、コンテンツ合成装置および方法、並びに記録媒体
JP2011217197A (ja) 2010-03-31 2011-10-27 Sony Corp 電子機器、再生制御システム、再生制御方法及びプログラム
JP5406813B2 (ja) 2010-10-05 2014-02-05 株式会社ソニー・コンピュータエンタテインメント パノラマ画像表示装置およびパノラマ画像表示方法
KR101516995B1 (ko) 2013-08-22 2015-05-15 주식회사 엘지유플러스 컨텍스트 기반 브이오디 검색 시스템 및 이를 이용한 브이오디 검색 방법
US9363551B2 (en) 2013-10-31 2016-06-07 Tencent Technology (Shenzhen) Company Limited TV program identification method, apparatus, terminal, server and system
JP5646033B2 (ja) 2013-11-01 2014-12-24 株式会社ソニー・コンピュータエンタテインメント 画像表示装置および画像表示方法
US20150271571A1 (en) * 2014-03-18 2015-09-24 Vixs Systems, Inc. Audio/video system with interest-based recommendations and methods for use therewith
CN104113768A (zh) 2014-06-26 2014-10-22 小米科技有限责任公司 关联信息生成方法和装置
CN105303904A (zh) 2014-06-27 2016-02-03 江苏睿泰数字产业园有限公司 一种移动学习方法及系统
US10318575B2 (en) * 2014-11-14 2019-06-11 Zorroa Corporation Systems and methods of building and using an image catalog
KR101968908B1 (ko) 2015-01-22 2019-04-15 한국전자통신연구원 시각지식 제공 장치 및 방법
JP2016189158A (ja) 2015-03-30 2016-11-04 富士フイルム株式会社 画像処理装置、画像処理方法、プログラムおよび記録媒体
US10127945B2 (en) * 2016-03-15 2018-11-13 Google Llc Visualization of image themes based on image content
CN105898561B (zh) 2016-04-13 2019-06-18 腾讯科技（深圳）有限公司 一种视频图像处理方法和装置
KR101900471B1 (ko) * 2017-03-23 2018-09-19 주식회사 아이티엑스엠투엠 반응 효과가 삽입된 방송 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011077758A (ja) * 2009-09-30 2011-04-14 Nec Personal Products Co Ltd 再生装置、コンテンツの再生方法
US20140351838A1 (en) * 2013-05-22 2014-11-27 Andrew Dunmore System and method for providing a secure access-controlled enterprise content repository
KR101523349B1 (ko) * 2013-09-16 2015-05-28 오드컨셉 주식회사 피사체의 시각적 정보 기반 소셜 네트워크 서비스 시스템
JP2015115892A (ja) * 2013-12-13 2015-06-22 シャープ株式会社 コメント作成装置およびその制御方法
CN104333809A (zh) * 2013-12-24 2015-02-04 乐视网信息技术（北京）股份有限公司 一种节目信息交流方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3661218A4 *

Also Published As

Publication number Publication date
KR102449877B1 (ko) 2022-10-04
EP3661218A1 (en) 2020-06-03
CN111095934A (zh) 2020-05-01
US20200210710A1 (en) 2020-07-02
US11210525B2 (en) 2021-12-28
EP3661218A4 (en) 2020-07-15
CN111095934B (zh) 2022-04-19
KR20190031033A (ko) 2019-03-25

Similar Documents

Publication Publication Date Title
WO2019031714A1 (ko) 객체를 인식하는 방법 및 장치
WO2020145596A1 (ko) 추천 컨텐츠 리스트 제공 방법 및 그에 따른 전자 장치
WO2020141924A1 (en) Apparatus and method of generating map data of cleaning space
WO2019054792A1 (ko) 컨텐트를 제공하는 방법 및 단말기
WO2019059505A1 (ko) 객체를 인식하는 방법 및 장치
WO2018117704A1 (en) Electronic apparatus and operation method thereof
WO2018128362A1 (en) Electronic apparatus and method of operating the same
WO2019098573A1 (en) Electronic device and method for changing chatbot
WO2020080773A1 (en) System and method for providing content based on knowledge graph
EP3545436A1 (en) Electronic apparatus and method of operating the same
WO2019093819A1 (ko) 전자 장치 및 그 동작 방법
WO2019027141A1 (en) ELECTRONIC DEVICE AND METHOD FOR CONTROLLING THE OPERATION OF A VEHICLE
WO2019054791A1 (ko) 컨텐트를 실행하는 방법 및 장치
EP3539056A1 (en) Electronic apparatus and operation method thereof
WO2019112342A1 (en) Voice recognition apparatus and operation method thereof cross-reference to related application
WO2021112631A1 (en) Device, method, and program for enhancing output content through iterative generation
EP3523710A1 (en) Apparatus and method for providing sentence based on user input
EP3254209A1 (en) Method and device for searching for image
WO2018101671A1 (en) Apparatus and method for providing sentence based on user input
WO2020130262A1 (ko) 컴퓨팅 장치 및 그 동작 방법
WO2019088692A1 (ko) 영상 표시 장치 및 그 동작 방법
WO2021060728A1 (ko) 사용자 발화를 처리하는 전자 장치 및 그 작동 방법
WO2021206221A1 (en) Artificial intelligence apparatus using a plurality of output layers and method for same
WO2020171567A1 (en) Method for recognizing object and electronic device supporting the same
WO2020060151A1 (en) System and method for providing voice assistant service

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18857308

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018857308

Country of ref document: EP

Effective date: 20200225

NENP Non-entry into the national phase

Ref country code: DE