WO2019066231A1 - 대표 이미지 생성 - Google Patents

대표 이미지 생성 Download PDF

Info

Publication number
WO2019066231A1
WO2019066231A1 PCT/KR2018/008402 KR2018008402W WO2019066231A1 WO 2019066231 A1 WO2019066231 A1 WO 2019066231A1 KR 2018008402 W KR2018008402 W KR 2018008402W WO 2019066231 A1 WO2019066231 A1 WO 2019066231A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
representative image
recognition result
content
computer
Prior art date
Application number
PCT/KR2018/008402
Other languages
English (en)
French (fr)
Inventor
박지은
Original Assignee
네이버웹툰 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 네이버웹툰 주식회사 filed Critical 네이버웹툰 주식회사
Priority to JP2020538507A priority Critical patent/JP7038218B2/ja
Publication of WO2019066231A1 publication Critical patent/WO2019066231A1/ko
Priority to US16/831,019 priority patent/US11462018B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • 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
    • G06V20/47—Detecting features for summarising video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables

Definitions

  • the service provider providing the webtoons to the users must generate representative images for each of the webtoons provided through the service.
  • the cost for creating representative images is increased. For example, when new episodes of dozens of web tokens are registered and serviced each day, it is very time consuming for the service provider to identify all of the contents of each of the dozens of web tokens and to generate representative images for each of the plurality of times And effort.
  • the size of the representative image is limited, and thus it is difficult to use the cut image of the webtoon as a representative image.
  • the generation of the representative image requires not only the selection of one of the plurality of images, but the additional cost to select one of the images and to select and extract the main part in the selected image .
  • a representative image generation method capable of providing a tool capable of automatically generating and managing a representative image by utilizing an image matching model, a computer device performing the representative image generation method, and a computer coupled to the representative image generation method
  • a computer program stored in a computer-readable recording medium and a recording medium therefor.
  • FIG. 2 is a block diagram illustrating an internal configuration of an electronic device and a server according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating an example of a process of outputting a final image in a target image in an embodiment of the present invention.
  • FIGS. 5-8 illustrate examples of tools for generating and managing representative images in one embodiment of the present invention.
  • the electronic device 1 110 and the server 150 may include memories 211 and 221, processors 212 and 222, communication modules 213 and 223 and input / output interfaces 214 and 224.
  • the memories 211 and 221 may be a computer-readable recording medium and may include a permanent mass storage device such as a random access memory (RAM), a read only memory (ROM), and a disk drive.
  • the non-decaying mass storage device such as the ROM and the disk drive may be included in the electronic device 1 110 or the server 150 as a separate persistent storage device different from the memory 211 or 221.
  • FIG. 4 illustrates an example of a primary image 440 extracted through an image size selection process 330 and an object position guide selection process 340 according to sizes.
  • the primary image 440 has a size of '120 pixels ⁇ 120 pixels', and the object is positioned at the upper center of the primary image 440.
  • FIG. 9 is a flowchart showing an example of a representative image generating method in an embodiment of the present invention.
  • the representative image generating method according to the present embodiment may be performed by a computer apparatus such as the server 150 described above.
  • the processor 222 of the server 150 may be implemented to execute a control instruction according to a code of an operating system included in the memory 221 or a code of at least one program.
  • the processor 222 may be configured to cause the server 150 to perform steps 910 to 950 that the server 150 includes in the representative image generation method of FIG. 9, according to the control command provided by the code stored in the server 150. [ Can be controlled.
  • the system or apparatus described above may be implemented as a hardware component, a software component or a combination of hardware components and software components.
  • the apparatus and components described in the embodiments may be implemented within a computer system, such as, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA) , A programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • OS operating system
  • the processing device may also access, store, manipulate, process, and generate data in response to execution of the software.

Abstract

대표 이미지 생성 기술을 제공한다. 본 발명의 실시예들에 따른 대표 이미지 생성 방법은 웹툰이나 일러스트, 특정 상품과 관련된 복수의 이미지들 또는 사용자의 사진 앨범 등과 같이 적어도 하나의 이미지를 포함하는 컨텐츠에서 오브젝트를 인식하여 해당 컨텐츠를 위한 대표 이미지를 자동으로 생성할 수 있다.

Description

대표 이미지 생성
아래의 설명은 대표 이미지 생성 기술에 관한 것으로, 보다 자세하게는 웹툰이나 일러스트, 특정 상품과 관련된 복수의 이미지들 또는 사용자의 사진 앨범 등과 같이 적어도 하나의 이미지를 포함하는 컨텐츠에서 오브젝트를 인식하여 해당 컨텐츠를 위한 대표 이미지를 자동으로 생성할 수 있는 대표 이미지 생성 방법, 상기 대표 이미지 생성 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 대표 이미지 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체에 관한 것이다.
웹툰(webtoon)은 인터넷을 뜻하는 웹(web)과 만화를 의미하는 카툰(cartoon)이 합쳐져 만들어진 용어이다. 이러한 웹툰은 웹사이트에 게재된 세로로 긴 이미지 파일 형식의 만화뿐만 아니라, 화면에 표시되는 컷(cut) 단위의 장면을 전환하는 형식의 만화 등과 같이 다양한 형식으로 서비스되고 있다.
또한, 이러한 웹툰들을 사용자들에게 서비스하기 위한 다양한 기술들이 존재한다. 예를 들어, 한국공개특허 제10-2014-0040875호는 카툰 제공 시스템, 카툰 제공 장치 및 카툰 제공 방법에 관한 것으로, 카툰(cartoon)을 구성하는 복수개의 컷 이미지(cut image)를 제공하는 기술을 개시하고 있다.
이때, 웹툰들을 사용자들에게 서비스하기 위한 기술들 대부분은 웹툰들을 사용자들에게 소개함에 있어서 웹툰들의 대표 이미지를 생성 및 활용한다. 예를 들어, 웹툰들은 다양한 조건(일례로, 게재 요일, 완결 여부, 조회 순위, 제목 순서 등)에 따라 웹사이트나 모바일 페이지 등을 통해 사용자들에게 노출될 수 있으며, 이때, 웹툰들 각각은 웹툰의 대표 이미지와 웹툰의 제목 등과 같이 사용자들이 해당 웹툰을 식별하기 위한 정보 및/또는 사용자들의 해당 웹툰에 대한 관심을 유도하기 위한 정보들을 포함하여 노출될 수 있다. 여기서, 대표 이미지는 하나의 웹툰 전체를 대표하는 이미지와 해당 웹툰의 각 회차를 대표하는 이미지를 포함할 수 있다.
웹툰들을 사용자들에게 제공하는 서비스 제공자는 서비스를 통해 제공되는 웹툰들 각각을 위한 대표 이미지를 생성해야 한다. 이때, 서비스하는 웹툰들의 수가 많아질수록 대표 이미지의 생성을 위해 많은 비용이 들어가게 된다. 예를 들어, 하루에 수십 개의 웹툰들의 새로운 회차들이 등록 및 서비스되는 경우, 서비스 제공자가 수십 개의 웹툰들 각각의 회차들의 내용을 모두 확인하고 각각의 회차들마다 알맞은 대표 이미지들을 생성하는 것은 매우 많은 시간과 노력이 들어가게 된다. 또한, 다수의 웹툰들이나 다수의 회차들을 위한 정보들이 하나의 화면을 통해 노출되기 때문에 대표 이미지의 크기에는 제한이 있으며, 따라서 웹툰의 컷 이미지를 그대로 대표 이미지로 활용하기 어렵다. 다시 말해, 대표 이미지의 생성은 단순히 다수의 이미지들 중 하나의 이미지를 선택하는 것이 아니라, 수많은 이미지들 중 하나의 이미지를 선택하고, 선택된 이미지에서 주요 부분을 선정 및 추출하기 위한 추가적인 비용이 요구된다.
또한, 사용자들은 다양한 특징별 대표 이미지를 기대하고 있으나, 이러한 기대를 충족시키기 위해서는 더 많은 리소스가 요구된다. 예를 들어, 웹툰들은 게재 요일이나 웹툰의 랭킹, 웹툰의 장르 등과 같이 다양한 조건에 따라 분류된 리스트의 형태로 사용자들에게 노출될 수 있다. 그러나, 이미 설명한 바와 같이, 단순히 웹툰별, 그리고 웹툰마다의 회차별 대표 이미지를 생성하는 것만으로도 매우 많은 리소스가 요구되기 때문에, 리스트 및/또는 사용자 인터페이스마다의 특색을 고려하여 다양한 대표 이미지를 다양한 비율 및/또는 크기로 생성 및 활용하기 어렵다는 문제점이 있다.
또한, 상술한 웹툰뿐만 아니라, 일러스트나 사용자의 사진 앨범, 혹은 특정한 상품에 대한 제공되는 복수의 이미지들 등과 같이 특정 컨텐츠와 관련하여 대표 이미지를 선택해야 할 필요성이 존재한다.
웹툰이나 일러스트, 특정 상품과 관련된 복수의 이미지들 또는 사용자의 사진 앨범 등과 같이 적어도 하나의 이미지를 포함하는 컨텐츠에서 오브젝트를 인식하여 해당 컨텐츠를 위한 대표 이미지를 자동으로 생성할 수 있는 대표 이미지 생성 방법, 상기 대표 이미지 생성 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 대표 이미지 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
이미지 매칭 모델을 활용하여 대표 이미지를 자동으로 생성 및 관리 가능한 툴을 제공할 수 있는 대표 이미지 생성 방법, 상기 대표 이미지 생성 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 대표 이미지 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
컨텐츠에 포함된 적어도 하나의 이미지로부터 오브젝트를 인식하는 단계; 상기 적어도 하나의 이미지에서 상기 인식된 오브젝트가 포함된 영역을 추출하여 인식 결과 이미지를 생성하는 단계; 및 상기 생성된 인식 결과 이미지에 기반하여 상기 컨텐츠와 연관된 대표 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법을 제공한다.
컴퓨터와 결합되어 상기 대표 이미지 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 대표 이미지 생성 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체를 제공한다.
컴퓨터 장치에 있어서, 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 컨텐츠에 포함된 적어도 하나의 이미지로부터 오브젝트를 인식하고, 상기 적어도 하나의 이미지에서 상기 인식된 오브젝트가 포함된 영역을 추출하여 인식 결과 이미지를 생성하고, 상기 생성된 인식 결과 이미지에 기반하여 상기 컨텐츠와 연관된 대표 이미지를 생성하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
웹툰이나 일러스트, 특정 상품과 관련된 복수의 이미지들 또는 사용자의 사진 앨범 등과 같이 적어도 하나의 이미지를 포함하는 컨텐츠에서 오브젝트를 인식하여 해당 컨텐츠를 위한 대표 이미지를 자동으로 생성할 수 있다.
이미지 매칭 모델을 활용하여 대표 이미지를 자동으로 생성 및 관리 가능한 툴을 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 일실시예에 있어서, 대표 이미지 생성 과정의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 있어서, 대상 이미지에서 최종 이미지가 출력되는 과정의 예를 도시한 도면이다.
도 5 내지 도 8은 본 발명의 일실시예에 있어서, 대표 이미지의 생성 및 관리를 위한 툴의 예들을 도시한 도면들이다.
도 9는 본 발명의 일실시예에 있어서, 대표 이미지 생성 방법의 예를 도시한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 대표 이미지 생성 방법은 이후 설명될 서버와 같은 컴퓨터 장치를 통해 수행될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 일실시예에 따른 대표 이미지 생성 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 대표 이미지 생성 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기 1(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기 1(110)은 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)과 관련된 제1 서비스를 제공하는 시스템일 수 있으며, 서버(160) 역시 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)과 관련된 제2 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(150)는 웹툰 서비스를 제1 서비스로서 제공할 수 있다. 이 경우, 서버(150)는 본 발명의 실시예에 따른 대표 이미지 생성 방법을 이용하여 웹툰 서비스를 통해 노출될 웹툰들의 대표 이미지를 생성 및 활용할 수 있다.
도 2는 본 발명의 일실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 2에서는 전자 기기에 대한 예로서 전자 기기 1(110), 그리고 서버(150)의 내부 구성을 설명한다. 또한, 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 상술한 전자 기기 1(110) 또는 서버(150)와 동일한 또는 유사한 내부 구성을 가질 수 있다.
전자 기기 1(110)과 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 저장 장치는 메모리(211, 221)와는 구분되는 별도의 영구 저장 장치로서 전자 기기 1(110)나 서버(150)에 포함될 수도 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기 1(110)에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 전자 기기 1(110)에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.
프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(213, 223)은 네트워크(170)를 통해 전자 기기 1(110)과 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기 1(110) 및/또는 서버(150)가 다른 전자 기기(일례로 전자 기기 2(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기 1(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 전자 기기 1(110)의 통신 모듈(213)을 통해 전자 기기 1(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기 1(110)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(215)는 전자 기기 1(110)과 하나의 장치로 구성될 수도 있다. 또한, 서버(150)의 입출력 인터페이스(224)는 서버(150)와 연결되거나 서버(150)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 보다 구체적인 예로, 전자 기기 1(110)의 프로세서(212)가 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 전자 기기 2(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.
또한, 다른 실시예들에서 전자 기기 1(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기 1(110)은 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기 1(110)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기 1(110)에 더 포함되도록 구현될 수 있다.
도 3은 본 발명의 일실시예에 있어서, 대표 이미지 생성 과정의 예를 도시한 도면이다. 도 3은 컨텐츠로서 하나의 웹툰에 대한 대표 이미지를 생성하는 예를 설명한다.
대상 컨텐츠 입력 과정(310)은 웹툰이 포함하는 적어도 하나의 대상 이미지들을 입력받는 과정의 예일 수 있다. 이때, 입력 받은 대상 이미지들 각각에 대해 다음의 오브젝트 인식 과정(320)이 수행될 수 있다. 예를 들어, 웹툰은 하나의 에피소드가 하나의 대상 이미지로 구현될 수도 있고, 컷 별로 구별된 복수의 대상 이미지들로 구현될 수도 있다. 이 경우, 각각의 대상 이미지들에 대해 오브젝트 인식 과정(320)이 수행될 수 있다.
오브젝트 인식 과정(320)은 입력 받은 대상 이미지 내에서 오브젝트를 인식하는 과정의 예일 수 있다. 오브젝트 인식 과정(320)은 오브젝트 인식기(321)에 의해 수행될 수 있다. 오브젝트 인식기(321)는 일례로, 캐릭터 얼굴 인식기(322), 말풍선 인식기(323) 및 텍스트 인식기(324)를 포함할 수 있다.
캐릭터 얼굴 인식기(322)는 대상 이미지 내에서 오브젝트로서 캐릭터의 얼굴을 인식할 수 있고, 말풍선 인식기(323)는 대상 이미지 내에서 오브젝트로서 말풍선을 인식할 수 있으며, 텍스트 인식기(324)는 대상 이미지 내에서 오브젝트로서 텍스트를 인식할 수 있다. 본 실시예에서는 인식하고자 하는 오브젝트의 패턴으로서 캐릭터 얼굴, 말풍선 및 텍스트를 인식하는 예들을 설명하나 오브젝트의 패턴은 사람의 형성이나 동물의 형상 및/또는 자동차나 비행기 등과 같은 탈 것의 형상 등과 같이 필요에 따라 다양하게 활용될 수 있다.
각각의 패턴들의 인식을 위해 패턴별 학습용 데이터(325)가 활용될 수 있다. 패턴별 학습용 데이터(325)는 오브젝트 인식기(321)를 학습하는데 활용되거나 및/또는 이미지에서 추출하고자 하는 오브젝트의 기준 데이터로서의 역할로서 활용될 수 있다.
학습의 예로서, 캐릭터 얼굴 인식기(322)에는 다양한 캐릭터들의 얼굴이 포함된 이미지들이 학습용 데이터로서 입력될 수 있으며, 말풍선 인식기(323)에는 다양한 말풍선들이 포함된 이미지들이, 텍스트 인식기(324)에는 텍스트들이 학습용 데이터로서 각각 입력될 수 있다. 이때, 캐릭터 얼굴 인식기(322), 말풍선 인식기(323) 및 텍스트 인식기(324) 각각은 입력된 학습용 데이터를 이용한 머신러닝(machine learning)을 통해 각각 요구된 패턴의 인식을 위한 기능을 학습할 수 있다. 이러한 머신러닝을 통한 인식기들의 학습 및 학습된 인식기들의 활용 방법은 머신러닝과 관련하여 이미 잘 알려진 기술들을 통해 해당 기술분야의 통상의 기술자가 쉽게 이해할 수 있을 것이다.
기준 데이터의 예로서, 캐릭터 얼굴 인식기(322)에는 인식하고자 하는 오브젝트의 기준이 되는 캐릭터 얼굴이 포함된 이미지가 기준 데이터로서 입력될 수 있다. 이 경우, 캐릭터 얼굴 인식기(322)는 학습용 데이터로서 입력된 이미지의 캐릭터 얼굴을 기준으로 대상 이미지에서 캐릭터 얼굴을 인식할 수 있다. 이와 유사하게 말풍선 인식기(323)에는 인식하고자 하는 오브젝트의 기준이 되는 말풍선이 포함된 이미지가 기준 데이터로서, 텍스트 인식기(324)에는 인식하고자 하는 오브젝트의 기준이 되는 텍스트가 기준 데이터로서 각각 입력될 수 있다. 보다 구체적인 예로, 텍스트 인식기(324)는 기준 데이터로서 텍스트 "자동차"가 입력되는 경우, 대상 이미지에서 텍스트 "자동차"가 포함되어 있는지 여부를 검색할 수 있다.
이미 설명한 바와 같이, 대상 컨텐츠 입력 과정(310)을 통해 입력된 대상 이미지들 각각에 대해 오브젝트 인식 과정(320)이 수행될 수 있다. 이때, 복수의 대상 이미지들이 존재하는 경우, 오브젝트가 인식되는 대상 이미지가 존재할 수도 있고, 역으로 오브젝트가 인식되지 않는 대상 이미지가 존재할 수도 있다. 또한, 하나의 대상 이미지에서 복수의 오브젝트가 인식되는 경우도 존재할 수 있다. 이때, 오브젝트 인식기(321)는 대상 이미지에서 인식된 오브젝트가 포함된 영역을 추출하여 인식된 오브젝트별로 인식 결과 이미지를 생성할 수 있다. 예를 들어, 캐릭터 얼굴 인식기(322)는 대상 이미지에서 인식된 캐릭터 얼굴이 포함된 영역을 추출하고, 추출된 영역에 대한 기설정된 크기의 인식 결과 이미지를 생성할 수 있다.
이미지 사이즈 선택 과정(330)은 인식 결과 이미지에서 추출하고자 하는 대표 이미지의 크기(일례로, 120 픽셀 × 120 픽셀 또는 96 픽셀 × 96 픽셀)를 결정하는 과정의 예일 수 있다.
사이즈별 오브젝트 위치 가이드 선택 과정(340)은 대표 이미지에서 오브젝트의 위치를 결정하는 과정의 예일 수 있다. 예를 들어, 도 3에서는 대표 이미지에서 오브젝트의 위치를 대표 이미지의 좌측, 우측 및 센터 중 하나로 정렬하여 자르기 위한 예시(341), 상단, 중단 및 하단 중 하나로 정렬하여 자르기 위한 예시(342), 그리고 오브젝트의 위치를 확대 혹은 축소 후에 자르기 위한 예시(343)를 나타내고 있다. 실시예에 따라 오브젝트의 위치는 좌측 상단, 우측 하단, 좌측 중단으로 정렬 후 확대, 우측 상단으로 정렬 후 축소 등과 같이 보다 다양한 가이드에 따라 결정될 수도 있다.
1차 이미지 출력 과정(350)은 인식 결과 이미지에서 추출된 대표 이미지를 출력하는 과정의 예일 수 있으며, 운영자 검수 편집 과정(360)은 출력된 대표 이미지를 운영자가 검수 및/또는 편집하는 과정일 수 있다. 또한, 최종 이미지 출력 과정(370)은 운영자에 의해 검수 및/또는 편집된 대표 이미지를 출력하는 과정일 수 있다. 최종 이미지는 웹툰을 사용자에게 제공하기 위한 사이트를 통해 노출될 수 있다. 이때, 1차 이미지 출력 과정(350)과 운영자 검수 편집 과정(360)은 실시예에 따라 생략될 수도 있다. 이 경우, 1차 이미지 출력 과정(350)은 최종 이미지 출력 과정(370)에서와 같이 인식 결과 이미지에서 추출된 대표 이미지를, 웹툰을 사용자에게 제공하기 위한 사이트를 통해 노출하는 과정이 될 수 있다. 예를 들어, 오브젝트 인식 과정(320), 이미지 사이즈 선택 과정(330) 및 사이즈별 오브젝트 위치 가이드 선택 과정(340)을 서버(150)가 자동적으로 처리할 수 있도록 학습하기 위한 기간이 요구될 수 있다. 다시 말해, 서버(150)가 입력되는 대상 컨텐츠에 알맞은 대표 이미지를 자동적으로 생성하기 위한 학습 기간이 요구되고, 이러한 학습 기간이 완료되기 전에는 운영자가 직접 생성된 대표 이미지를 검수 및/또는 편집할 필요성이 있다. 또한, 운영자의 검수 및/또는 편집에 따라 수집되는 데이터들이 학습 기간 동안 서버(150)의 대표 이미지 생성을 위한 학습 데이터로서 활용될 수도 있다.
도 4는 본 발명의 일실시예에 있어서, 대상 이미지에서 최종 이미지가 출력되는 과정의 예를 도시한 도면이다. 도 4는 도 3의 대상 컨텐츠 입력 과정(310)을 통해 입력되는 대상 이미지(410)의 예를 나타내고 있으며, 오브젝트 인식 과정(320)에서 캐릭터 얼굴 인식기(322)가 기준 데이터로서 입력된 이미지(420)를 이용하여 대상 이미지(410)에서 객체를 인식하는 예를 나타내고 있다. 이때, 도 4의 대상 이미지(410) 내에 표시된 실선 원(430)은 대상 이미지(410)에서 인식된 객체의 예를 나타내고 있다.
또한, 도 4는 이미지 사이즈 선택 과정(330)과 사이즈별 오브젝트 위치 가이드 선택 과정(340)을 통해 추출되는 1차 이미지(440)의 예를 나타내고 있다. 이때, 1차 이미지(440)는 '120 픽셀 × 120 픽셀'의 크기를 갖고, 오브젝트가 1차 이미지(440)의 상단 센터에 위치한 예를 나타내고 있다.
또한, 도 4는 1차 이미지(440)가 운영자에 의해 편집되어 최종 이미지(450)가 생성된 예를 나타내고 있다. 최종 이미지(450)는 운영자가 1차 이미지(440)에서 오브젝트 부분을 확대하여 생성된 예를 나타내고 있다. 생성된 최종 이미지(450)는 대상 컨텐츠를 위한 대표 이미지로 활용될 수 있다. 예를 들어, 최종 이미지(450)가 웹툰의 특정 에피소드(특정 회차)에 대해 출력된 경우, 최종 이미지(450)는 해당 웹툰의 특정 에피소드(특정 회차)를 위한 대표 이미지로서 웹툰을 서비스하기 위한 사이트에 노출될 수 있다. 운영자에 의한 검수 및/또는 편집이 필요치 않은 경우에는 최종 이미지(450)의 생성 없이 1차 이미지(440)가 대표 이미지로서 웹툰을 서비스하기 위한 사이트에 노출될 수도 있다.
도 5 내지 도 8은 본 발명의 일실시예에 있어서, 대표 이미지의 생성 및 관리를 위한 툴의 예들을 도시한 도면들이다. 도 5 내지 도 8은 대표 이미지 생성 및 관리를 위한 툴(이하, 이미지 생성 관리 툴(500))의 화면 예를 나타내고 있다. 이러한 이미지 생성 관리 툴(500)은 운영자를 위해 제공될 수 있다.
도 5의 제1 점선 박스(510)는 대표 이미지의 생성을 위한 단계들을 나타내고 있으며, 이때 도 5는 '인식 대상 및 패턴 선택' 단계를 나타내고 있다. 여기서 단계별 자동 설정 버튼(520)은 제1 점선 박스(510)에 나타난 단계들 중 자동으로 처리하기 위한 단계를 설정하기 위한 기능으로의 링크가 설정된 사용자 인터페이스일 수 있다. 예를 들어, 운영자가 단계별 자동 설정 버튼(520)을 누르면, 제1 점선 박스(510)에 나타난 네 가지 단계들('인식 대상 및 패턴 선택' 단계, '인식 결과 선택' 단계, '가이드 선택' 단계 및 '생성 이미지 확인' 단계) 각각에 대한 자동 처리를 설정할 수 있는 사용자 인터페이스가 운영자에게 제공될 수 있다. 자동 처리가 설정된 단계들은 서버(150)가 학습된 사항에 따라 자동으로 해당 단계에 따른 처리들을 수행할 수 있다.
이미지 생성 관리 툴(500)은 복수의 웹툰들 중 어느 하나의 웹툰을 선택하거나 또는 모든 웹툰을 선택하기 위한 작품 선택 버튼(531)과 선택된 어느 하나의 웹툰의 에피소드(또는 회차)를 선택하기 위한 에피소드 선택 버튼(532), 그리고 선택된 작품이나 에피소드의 미리보기를 위한 제1 미리보기 창(533)을 포함할 수 있다. 또한, 이미지 생성 관리 툴(500)은 매칭 기준 이미지를 입력 받기 위한 파일 선택 및 추가 버튼(541)과 선택된 파일의 이미지의 미리보기를 위한 제2 미리보기 창(542)을 더 포함할 수 있다. 여기서 매칭 기준 이미지는 앞서 설명한 기준 데이터의 일례일 수 있다.
또한, 이미지 생성 관리 툴(500)은 인식 패턴을 선택받기 위한 버튼들(551, 552, 553, 554)을 포함할 수 있다. 캐릭터 버튼(551)은 도 3을 통해 설명한 캐릭터 얼굴 인식기(322)를 선택하기 위한 사용자 인터페이스일 수 있으며, 말풍선 버튼(552)은 도 3을 통해 설명한 말풍선 인식기(323)를 선택하기 위한 사용자 인터페이스일 수 있다. 또한, 텍스트 버튼(553)은 도 3을 통해 설명한 텍스트 인식기(324)를 선택하기 위한 사용자 인터페이스일 수 있으며, 자동 버튼(554)은 서버(150)가 학습된 사항에 따라 자동으로 패턴을 선택하도록 설정하기 위한 사용자 인터페이스일 수 있다. 도 5에서는 캐릭터 버튼(551)이 선택된 예를 나타내고 있다.
또한, 이미지 생성 관리 툴(500)은 오브젝트의 인식을 진행하기 위한 패턴 인식 버튼(560)을 포함할 수 있다. 도 5의 실시예에서는 운영자가 패턴 인식 버튼(560)을 선택하는 경우, 선택된 웹툰 작품 'AAA'의 대상 이미지로부터 캐릭터 얼굴을 인식하기 위한 처리가 진행될 수 있다. 이때, 서버(150)는 매칭 기준 이미지 'AAAtitle.jpg'를 기준 데이터로 이용하여 대상 이미지로부터 캐릭터 얼굴을 인식할 수 있다.
'인식 대상 및 패턴 선택' 단계에 대한 자동 처리가 설정되어 있는 경우, 서버(150)는 학습된 사항에 따라 작품 및/또는 에피소드, 패턴 및 기준 데이터를 선택하여 오브젝트의 인식을 자동으로 진행할 수 있다.
도 6은 '인식 결과 선택' 단계를 위한 이미지 생성 관리 툴(500)의 표시 예를 나타내고 있다. 이때, 제3 미리보기 창(610)은 실선 박스들(611, 612, 613)과 같이 인식된 오브젝트들이 표시된 작품 또는 에피소드의 미리보기를 표시할 수 있다. 또한, 제4 미리보기 창(620)은 인식된 오브젝트들의 미리보기를 표시할 수 있다. 이때, 제4 미리보기 창(620)에 표시된 오브젝트들 중 적어도 하나의 오브젝트를 운영자가 직접 설정할 수 있다. 또는 작품별 이미지 자동 선택 버튼(630)을 통해 작품에 대한 오브젝트를 자동으로 설정하거나 또는 회차별 이미지 자동 선택 버튼(640)을 통해 에피소드별 오브젝트를 자동으로 설정할 수도 있다. 예를 들어, 웹툰 'AAA'가 대상 컨텐츠로 선택된 경우, 웹툰 'AAA'로부터 오브젝트들이 인식될 수 있다. 이때, 회차별 이미지 자동 선택 버튼(640)이 선택되는 경우, 웹툰 'AAA'가 포함하는 에피소드들 각각을 위한 오브젝트들이 인식된 오브젝트들에서 선택될 수 있다. 예를 들어, 웹툰 'AAA'에서 에피소드별로 선택된 오브젝트들 'AAA_E1_01', 'AAA_E2_01', 'AAA_E3_01'이 존재한다고 가정할 때, 서버(150)는 에피소드 'AAA_E1'에 대해 오브젝트 'AAA_E1_01'를, 에피소드 'AAA_E2'를 위해 오브젝트 AAA_E2_01'를, 에피소드 'AAA_E3'를 위해 오브젝트 'AAA_E3_01'를 각각 자동으로 선택할 수 있다. 인식 결과 적용 버튼(650)은 작품이나 에피소드를 위해 선택된 오브젝트를 적용하기 위한 사용자 인터페이스일 수 있다. 여기서 오브젝트의 적용은 작품이나 에피소드를 선택된 오브젝트의 이미지와 연관 짓는 것을 의미할 수 있다.
'인식 결과 선택' 단계에 대한 자동 처리가 설정되어 있는 경우, 서버(150)는 학습된 사항에 따라 작품 및/또는 에피소드에 대한 오브젝트의 이미지를 자동으로 선택하여 적용할 수 있다.
도 7은 '가이드 선택' 단계를 위한 이미지 생성 관리 툴(500)의 표시 예를 나타내고 있다. 이때, 제5 미리보기 창(710)은 도 6의 '인식 결과 선택' 단계에서 선택 및 적용된 오브젝트의 이미지들(720, 730)의 미리보기를 표시하고 있다. 운영자는 이러한 오브젝트의 이미지들(720, 730)에 대해 가이드를 이용하여 원하는 이미지를 추출할 수 있다. 도 7에서는 96 픽셀 × 96 픽셀 크기의 정방형 가이드들(740, 750)이 오브젝트의 이미지들(720, 730)의 센터 상단에 배치된 예를 나타내고 있다. 운영자는 '가이드 선택' 단계를 통해 가이드의 모양(정방형, 가로형, 세로형 등), 가이드의 크기(사이즈), 가이드의 인식영역 정렬의 위치 등을 선택하여 오브젝트의 이미지들(720, 730)에서 원하는 1차 이미지를 추출할 수 있다. 예를 들어, 운영자가 가이드를 선택한 후 가이드 적용하여 이미지 생성 버튼(760)을 누르면 선택된 가이드가 적용되고, 적용된 가이드에 따라 1차 이미지가 추출 및 생성될 수 있다.
이러한 '가이드 선택' 단계 역시 자동 처리가 설정되어 있는 경우, 서버(150)는 학습된 사항에 따라 자동으로 가이드의 모양, 크기 위치 등을 선택하여 1차 이미지를 생성할 수 있다.
도 8은 '생성 이미지 확인' 단계를 위한 이미지 생성 관리 툴(500)의 표시 예를 나타내고 있다. '생성 이미지 확인' 단계에서는 도 7에서 생성된 1차 이미지들이 표시될 수 있다. 도 8은 기준 이미지와 120 픽셀 × 120 픽셀 크기의 정방형 가이드를 통해 선택된 1차 이미지들의 예를 나타내고 있다. 운영자가 검수 및/또는 편집 후 이미지 생성 버튼(810)을 누르면 최종 이미지(대표 이미지)가 생성될 수 있다.
도 5 내지 도 8은 운영자에게 제공되는 이미지 생성 관리 툴(500)에 대해 설명하고 있으나, 이는 각 단계들이 진행되는 과정을 설명함으로써 발명의 이해를 돕기 위한 예를 든 것이며, 실질적으로 '인식 대상 및 패턴 선택' 단계, '인식 결과 선택' 단계 및 '가이드 선택' 단계 중 적어도 하나는 머신러닝(machine learning)을 통해 학습된 서버(150)에 의해 자동적으로 수행될 수 있다.
예를 들어, 서버(150)는 인식된 오브젝트의 이미지들 중 기준 데이터와의 매칭 정도를 이용하여 선택되는 오브젝트의 이미지를 이용하여 대표 이미지를 생성할 수 있다. 또한, 서버(150)는 사용자 체류시간, 이미지 클릭률, 사용자의 댓글이나 추천 등과 같은 사용자들의 반응을 더 이용하여 대표 이미지를 생성할 수 있다. 예를 들어, 서버(150)는 웹사이트에 게재된 세로로 긴 이미지 파일 형식의 웹툰에서 사용자들의 단말기 화면에 표시되는 장면별로 표시시간(상술한 사용자 체류시간)을 측정 및 관리할 수 있다. 다수의 사용자들에 대해 측정된 사용자 체류시간이 길수록 해당 장면의 인기가 높은 것으로 판단할 수 있으며, 해당 장면에서 추출된 오브젝트의 이미지가 선택될 확률을 높일 수 있다. 또한, 컷 단위의 장면들을 전환하는 형식의 웹툰에서는 컷 단위로 추천이나 댓글을 달 수 있는 기능이 제공될 수 있다. 이 경우, 컷 단위별 추천수나 댓글수 등을 이용하여 인기가 높은 컷을 설정할 수 있으며, 해당 컷에서 추출된 오브젝트의 이미지가 선택될 확률을 높일 수 있다. 또 다른 예로, 사용자들이 클릭이 많이 발생하는 장면을 인기가 높은 장면으로 결정할 수도 있다. 서버(150)는 이러한 사용자들의 반응들 각각을 정량화하여 장면별 또는 컷별 인기도를 계산할 수 있고, 계산된 인기도에 기반하여 오브젝트의 이미지를 선택함에 있어 인기도가 높은 장면이나 컷에서 추출된 오브젝트의 이미지에 가중치를 부여할 수 있다.
이상의 실시예들에서는 웹툰에 대한 대표 이미지를 생성하는 방법을 설명하였으나, 일러스트, 특정 상품과 관련된 복수의 이미지들 또는 사용자의 사진 앨범 등과 같이 적어도 하나의 이미지를 포함하는 컨텐츠라면, 앞서 설명한 대표 이미지 생성 방법을 통해 대표 이미지를 추출할 수 있음을 해당 기술분야의 통상의 기술자가 쉽게 이해할 수 있을 것이다.
도 9는 본 발명의 일실시예에 있어서, 대표 이미지 생성 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 대표 이미지 생성 방법은 앞서 설명한 서버(150)와 같은 컴퓨터 장치에 의해 수행될 수 있다. 이때, 서버(150)의 프로세서(222)는 메모리(221)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(222)는 서버(150)에 저장된 코드가 제공하는 제어 명령에 따라 서버(150)가 도 9의 대표 이미지 생성 방법이 포함하는 단계들(910 내지 950)을 수행하도록 서버(150)를 제어할 수 있다.
단계(910)에서 서버(150)는 등록된 복수의 컨텐츠들 중에서 선택된 대상 컨텐츠를 입력받을 수 있다. 일례로, 등록된 복수의 컨텐츠들은 등록된 복수의 웹툰들을 포함할 수 있고, 대상 컨텐츠는 하나의 웹툰 또는 하나의 웹툰이 포함하는 하나의 에피소드를 포함할 수 있으며, 생성된 대표 이미지는 하나의 웹툰의 대표 이미지 또는 하나의 에피소드의 대표 이미지를 포함할 수 있다. 이미 설명한 바와 같이 컨텐츠가 웹툰으로 한정되는 것은 아니며, 복수의 이미지들(또는 복수의 장면들이 연결된 하나의 이미지)을 포함하는 컨텐츠라면 컨텐츠의 대표 이미지를 생성하기 위해 본 실시예에 따른 대표 이미지 생성 방법이 이용될 수 있다.
단계(920)에서 서버(150)는 입력 받은 대상 컨텐츠에 포함된 적어도 하나의 대상 이미지로부터 기설정된 패턴의 오브젝트를 인식할 수 있다. 앞서 설명한 바와 같이, 기설정된 패턴은 캐릭터의 얼굴 패턴, 말풍선 패턴 및 텍스트 패턴 중 적어도 하나를 포함할 수 있다. 또한, 실시예에 따라 기설정된 패턴은 사람의 형성이나 동물의 형상 및/또는 자동차나 비행기 등과 같은 탈 것의 형상 등과 같이 필요에 따라 다양하게 설정 및/또는 학습될 수 있다.
텍스트 패턴은 특정 대사나 특정 키워드를 텍스트를 의미할 수 있으며, 이러한 텍스트가 오브젝트로 인식될 수 있다. 이러한 텍스트 인식은 추후 컨텐츠 내에서의 텍스트 검색이나 이미지 검색을 위해 활용될 수도 있다. 예를 들어, 텍스트 인식을 위해 대상 컨텐츠가 포함하는 대상 이미지들에 포함된 텍스트들이 특정 대사나 특정 키워드와의 비교를 위해 모두 인식될 수 있다. 이때, 인식된 텍스트들은 해당 대상 이미지와 연계하여 저장될 수 있으며, 저장된 데이터들이 컨텐츠 내에서의 텍스트 검색이나 이미지 검색에 활용될 수 있다. 보다 구체적인 예로, 웹툰의 장면 A와 관련하여 "비율이 다르다"라는 텍스트가 인식되어 장면 A와 연계하여 저장된 경우를 고려할 수 있다. 이 경우, "비율"이라는 키워드를 통한 텍스트 검색을 통해 컨텐츠 내에서 "비율이 다르다"라는 텍스트가 검색되어 제공되거나 또는 장면 A에 대한 이미지가 검색되어 제공될 수 있다. 혹은 쿼리로서 입력되는 이미지와 유사한 이미지를 제공하기 위해 서로 연계하여 저장된 텍스트들과 대상 이미지들이 활용될 수도 있다. 예를 들어, 비율과 관련된 이미지나 또는 텍스트 "비율"이 포함된 이미지가 쿼리로서 입력되는 경우 장면 A가 유사 이미지로서 제공될 수 있다. 또한, 인식되는 텍스트는 시각 장애인을 위한 서브텍스트(subtext)를 생성하기 위해 활용될 수도 있다. 예를 들어, 장면 A에서 인식된 텍스트를 이용하여 시각 장애인에게 장면 A를 설명하기 위한 서브텍스트가 생성될 수 있다.
또한, 서버(150)는 오브젝트의 인식을 위해 기준 데이터를 활용할 수 있다. 예를 들어, 서버(150)는 단계(920)에서 기설정된 패턴별 기준 데이터를 입력받고, 기준 데이터와의 매칭에 기반하여 적어도 하나의 대상 이미지로부터 오브젝트를 인식할 수 있다. 만약, 복수의 오브젝트들이 인식되는 경우, 기준 데이터와 매칭도가 가장 높은 오브젝트가 선정 및 활용될 수 있다.
단계(930)에서 서버(150)는 적어도 하나의 대상 이미지에서 인식된 오브젝트가 포함된 기설정된 크기의 영역을 추출하여 인식 결과 이미지를 생성할 수 있다. 이때, 기설정된 크기의 영역은 다각형이나 원, 타원 등과 같이 다양한 모양을 가질 수 있다.
서버(150)는 적어도 하나의 대상 이미지에서 복수의 인식 결과 이미지들이 생성되는 경우, 대상 컨텐츠의 장면 또는 컷에 대한 사용자 반응에 기초하여 복수의 인식 결과 이미지들 중 적어도 하나의 인식 결과 이미지를 선택할 수 있다. 여기서 사용자 반응은 대상 컨텐츠의 장면 또는 컷에 대한 사용자 체류시간, 클릭률, 추천수 및 댓글수 중 적어도 하나를 포함할 수 있다.
사용자 체류시간은 사용자의 단말에서 해당 장면이나 컷이 표시되는 시간을 측정하여 얻어질 수 있다. 또한, 클릭률은 사용자의 단말에서 해당 장면이나 컷이 선택되는 횟수를 측정하여 얻어질 수 있다.
단계(940)에서 서버(150)는 생성된 인식 결과 이미지에 기반하여 대상 컨텐츠와 연관된 대표 이미지를 생성할 수 있다. 예를 들어, 서버(150)는 단계(940)에서 가이드의 모양, 크기 및 정렬 위치를 결정하고, 결정된 모양 및 크기의 가이드를 정렬 위치에 따라 생성된 인식 결과 이미지에 반영하고, 반영된 가이드에 의해 인식되는 인식영역을 추출하며, 추출된 인식영역을 포함하는 이미지를 대표 이미지로서 생성할 수 있다. 이러한 가이드의 활용에 대해서는 도 7을 통해 자세히 설명한 바 있다.
단계(950)에서 서버(150)는 대상 컨텐츠를 사용자들에게 제공하기 위한 사이트를 통해 생성된 대표 이미지를 노출할 수 있다. 도 9에서는 하나의 대상 컨텐츠에 대해 대표 이미지를 생성 및 노출하는 실시예를 설명하였으나, 이러한 대표 이미지의 생성 및 노출을 복수의 대상 컨텐츠들에 대해 실행함으로써, 다수의 대상 컨텐츠들(일례로, 금일 업로드 될 복수의 웹툰들 각각의 에피소드들) 각각에 대해 대표 이미지가 자동으로 생성 및 노출될 수 있음을 쉽게 이해할 수 있을 것이다.
이처럼 본 발명의 실시예들에 따르면, 웹툰이나 일러스트, 특정 상품과 관련된 복수의 이미지들 또는 사용자의 사진 앨범 등과 같이 적어도 하나의 이미지를 포함하는 컨텐츠에 대한 대표 이미지를 자동으로 생성할 수 있다. 또한, 이미지 매칭 모델을 활용하여 대표 이미지를 자동으로 생성 및 관리 가능한 툴을 제공할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (17)

  1. 컨텐츠에 포함된 적어도 하나의 이미지로부터 오브젝트를 인식하는 단계;
    상기 적어도 하나의 이미지에서 상기 인식된 오브젝트가 포함된 영역을 추출하여 인식 결과 이미지를 생성하는 단계; 및
    상기 생성된 인식 결과 이미지에 기반하여 상기 컨텐츠와 연관된 대표 이미지를 생성하는 단계
    를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  2. 제1항에 있어서,
    상기 오브젝트를 인식하는 단계는,
    상기 적어도 하나의 이미지로부터 적어도 하나의 패턴에 대응하는 오브젝트를 인식하고,
    상기 적어도 하나의 패턴은 캐릭터의 얼굴 패턴, 말풍선 패턴 및 텍스트 패턴 중 적어도 하나를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  3. 제1항에 있어서,
    상기 오브젝트를 인식하는 단계는,
    적어도 하나의 패턴별로 기준 데이터를 입력받는 단계; 및
    상기 기준 데이터와의 매칭에 기반하여 상기 적어도 하나의 이미지로부터 오브젝트를 인식하는 단계
    를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  4. 제1항에 있어서,
    상기 대표 이미지를 생성하는 단계는,
    가이드의 모양, 크기 및 정렬 위치를 결정하는 단계;
    상기 결정된 모양 및 크기의 가이드를 상기 정렬 위치에 따라 상기 생성된 인식 결과 이미지에 반영하고, 상기 반영된 가이드에 의해 인식되는 인식영역을 추출하는 단계; 및
    상기 추출된 인식영역을 포함하는 이미지를 대표 이미지로서 생성하는 단계
    를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  5. 제1항에 있어서,
    상기 적어도 하나의 이미지에서 복수의 인식 결과 이미지들이 생성되는 경우, 상기 컨텐츠의 장면 또는 컷에 대한 사용자 반응에 기초하여 상기 복수의 인식 결과 이미지들 중 적어도 하나의 인식 결과 이미지를 선택하는 단계
    를 더 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  6. 제1항에 있어서,
    상기 컨텐츠의 장면 또는 컷에 대한 사용자 반응의 변화에 기초하여 상기 대표 이미지를 재생성하는 단계
    를 더 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  7. 제5항 또는 제6항에 있어서,
    상기 사용자 반응은 상기 장면 또는 컷에 대한 사용자 체류시간, 클릭률, 추천수 및 댓글수 중 적어도 하나를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  8. 제1항에 있어서,
    상기 컨텐츠는 등록된 웹툰 컨텐츠 또는 상기 웹툰 컨텐츠가 포함하는 적어도 하나의 에피소드를 포함하며,
    상기 생성된 대표 이미지는 상기 웹툰 컨텐츠의 대표 이미지 또는 상기 에피소드의 대표 이미지를 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  9. 제1항에 있어서,
    상기 컨텐츠를 사용자들에게 제공하기 위한 사이트를 통해 상기 생성된 대표 이미지를 노출하는 단계
    를 더 포함하는 것을 특징으로 하는 대표 이미지 생성 방법.
  10. 컴퓨터와 결합되어 제1항 내지 제9항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  11. 제1항 내지 제9항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체.
  12. 컴퓨터 장치에 있어서,
    컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    컨텐츠에 포함된 적어도 하나의 이미지로부터 오브젝트를 인식하고,
    상기 적어도 하나의 이미지에서 상기 인식된 오브젝트가 포함된 영역을 추출하여 인식 결과 이미지를 생성하고,
    상기 생성된 인식 결과 이미지에 기반하여 상기 컨텐츠와 연관된 대표 이미지를 생성하는 것
    을 특징으로 하는 컴퓨터 장치.
  13. 제12항에 있어서,
    상기 오브젝트를 인식하는 단계는,
    상기 적어도 하나의 이미지로부터 적어도 하나의 패턴에 대응하는 오브젝트를 인식하고,
    상기 적어도 하나의 패턴은 캐릭터의 얼굴 패턴, 말풍선 패턴 및 텍스트 패턴 중 적어도 하나를 포함하는 것을 특징으로 하는 컴퓨터 장치.
  14. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 오브젝트를 인식하기 위해, 적어도 하나의 패턴별로 기준 데이터를 입력받고, 상기 기준 데이터와의 매칭에 기반하여 상기 적어도 하나의 대상 이미지로부터 오브젝트를 인식하는 것
    을 특징으로 하는 컴퓨터 장치.
  15. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 대표 이미지를 생성하기 위해, 가이드의 모양, 크기 및 정렬 위치를 결정하고, 상기 결정된 모양 및 크기의 가이드를 상기 정렬 위치에 따라 상기 생성된 인식 결과 이미지에 반영하고, 상기 반영된 가이드에 의해 인식되는 인식영역을 추출하고, 상기 추출된 인식영역을 포함하는 이미지를 대표 이미지로서 생성하는 것
    을 특징으로 하는 컴퓨터 장치.
  16. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 이미지에서 복수의 인식 결과 이미지들이 생성되는 경우, 상기 컨텐츠의 장면 또는 컷에 대한 사용자 반응에 기초하여 상기 복수의 인식 결과 이미지들 중 적어도 하나의 인식 결과 이미지를 선택하는 것
    을 특징으로 하는 컴퓨터 장치.
  17. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 컨텐츠의 장면 또는 컷에 대한 사용자 반응의 변화에 기초하여 상기 대표 이미지를 재생성하는 것
    을 특징으로 하는 컴퓨터 장치.
PCT/KR2018/008402 2017-09-26 2018-07-25 대표 이미지 생성 WO2019066231A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020538507A JP7038218B2 (ja) 2017-09-26 2018-07-25 代表イメージの生成
US16/831,019 US11462018B2 (en) 2017-09-26 2020-03-26 Representative image generation

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0124444 2017-09-26
KR1020170124444A KR102035531B1 (ko) 2017-09-26 2017-09-26 대표 이미지 생성

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/831,019 Continuation US11462018B2 (en) 2017-09-26 2020-03-26 Representative image generation

Publications (1)

Publication Number Publication Date
WO2019066231A1 true WO2019066231A1 (ko) 2019-04-04

Family

ID=65903417

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/008402 WO2019066231A1 (ko) 2017-09-26 2018-07-25 대표 이미지 생성

Country Status (4)

Country Link
US (1) US11462018B2 (ko)
JP (1) JP7038218B2 (ko)
KR (1) KR102035531B1 (ko)
WO (1) WO2019066231A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220001759A (ko) 2020-06-30 2022-01-06 (주)뉴로파 인터넷을 이용한 이미지 생성 인공지능 시스템
US11620350B2 (en) * 2020-08-24 2023-04-04 Snap Inc. Vehicle recognition system
KR20230130364A (ko) * 2022-03-03 2023-09-12 네이버웹툰 유한회사 콘텐츠 제공 방법 및 시스템
KR102527129B1 (ko) * 2022-03-15 2023-04-28 박연조 수익 창출을 위한 참여형 웹툰 컨텐츠를 생성 및 제공하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193590A (ja) * 2006-01-19 2007-08-02 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置、受付端末及び画像処理プログラム
JP2011100240A (ja) * 2009-11-05 2011-05-19 Nippon Telegr & Teleph Corp <Ntt> 代表画像抽出方法，代表画像抽出装置および代表画像抽出プログラム
JP2012530287A (ja) * 2009-06-15 2012-11-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 代表的な画像を選択するための方法及び装置
JP2013089199A (ja) * 2011-10-21 2013-05-13 Fujifilm Corp 電子コミック編集装置、方法及びプログラム
KR20150116677A (ko) * 2014-04-08 2015-10-16 에스케이플래닛 주식회사 사이트의 대표 이미지 추천 장치 및 방법

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5612974B2 (ja) * 2010-09-14 2014-10-22 株式会社Ｋａｄｏｋａｗａ セリフチェック装置、セリフチェック方法、及びプログラム
KR101508977B1 (ko) * 2012-08-16 2015-04-08 네이버 주식회사 이미지 분석에 의한 이미지 자동 편집 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
JP2014049883A (ja) * 2012-08-30 2014-03-17 Toshiba Corp 情報処理装置及び情報処理方法及びデジタルテレビジョン受信装置及び記憶媒体
JP5757279B2 (ja) * 2012-09-19 2015-07-29 辰巳電子工業株式会社 遊戯用撮影装置、遊戯用撮影方法及びコンピュータプログラム
KR101968977B1 (ko) 2012-09-26 2019-04-15 네이버웹툰 주식회사 카툰 제공 시스템, 카툰 제공 장치 및 카툰 제공 방법
WO2016043320A1 (ja) * 2014-09-19 2016-03-24 株式会社コティレドン・テクノロジー 縮小画像の生成方法及び装置
JP6684475B2 (ja) * 2017-03-13 2020-04-22 オムロン株式会社 画像処理装置、画像処理方法及びプログラム
US10860854B2 (en) * 2017-05-16 2020-12-08 Google Llc Suggested actions for images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193590A (ja) * 2006-01-19 2007-08-02 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置、受付端末及び画像処理プログラム
JP2012530287A (ja) * 2009-06-15 2012-11-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 代表的な画像を選択するための方法及び装置
JP2011100240A (ja) * 2009-11-05 2011-05-19 Nippon Telegr & Teleph Corp <Ntt> 代表画像抽出方法，代表画像抽出装置および代表画像抽出プログラム
JP2013089199A (ja) * 2011-10-21 2013-05-13 Fujifilm Corp 電子コミック編集装置、方法及びプログラム
KR20150116677A (ko) * 2014-04-08 2015-10-16 에스케이플래닛 주식회사 사이트의 대표 이미지 추천 장치 및 방법

Also Published As

Publication number Publication date
KR102035531B1 (ko) 2019-10-24
KR20190035351A (ko) 2019-04-03
US11462018B2 (en) 2022-10-04
JP2020535570A (ja) 2020-12-03
US20200226387A1 (en) 2020-07-16
JP7038218B2 (ja) 2022-03-17

Similar Documents

Publication Publication Date Title
WO2019066231A1 (ko) 대표 이미지 생성
WO2018174314A1 (ko) 스토리영상 제작 방법 및 시스템
WO2019017582A1 (ko) 클라우드 소싱 기반의 ar 컨텐츠 템플릿을 수집하여 ar 컨텐츠를 자동으로 생성하는 방법 및 시스템
CN108416003A (zh) 一种图片分类方法和装置、终端、存储介质
KR101823464B1 (ko) 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템
CN108780453A (zh) 提供内容选择的系统和方法
CN112215171B (zh) 目标检测方法、装置、设备及计算机可读存储介质
CN115061679B (zh) 离线rpa元素拾取方法及系统
CN104838420A (zh) 基于图像内容进行图像旋转以修正图像取向
WO2019027070A1 (ko) 웹 사이트 제작 지원 서버 및 이에 의한 웹 사이트 제작 지원 방법
WO2019059435A1 (ko) 위치 데이터가 포함된 컨텐츠를 이용한 추천 방법 및 그 시스템
JP2021068455A (ja) 写真に基づいてユーザの顔を認識して活用する方法およびコンピュータシステム
WO2023043270A1 (ko) 머신러닝 기반의 웹 페이지 템플릿 추천 방법 및 이를 위한 장치
CN109542757A (zh) 接口测试环境确定方法、装置、电子设备及存储介质
WO2016125997A1 (ko) 인터넷 만화 컨텐츠의 유통을 위한 방법과 시스템 및 기록 매체
KR20210121515A (ko) 이미지 내 텍스트 색상과 배경 색상을 추출하여 제공하는 방법, 시스템, 및 컴퓨터 프로그램
CN111428522A (zh) 翻译语料生成方法、装置、计算机设备及存储介质
KR20200014108A (ko) 대화 내용에서 텍스트를 이용하여 비텍스트를 검색하는 방법과 시스템 및 비-일시적인 컴퓨터 판독 가능한 기록 매체
CN109863746A (zh) 交互式数据可视化环境
WO2019172463A1 (ko) 프로필 사진을 추천하는 방법과 시스템 및 비-일시적인 컴퓨터 판독 가능한 기록 매체
WO2015069083A9 (ko) 통신 시스템에서 컨텐츠 제공 시스템 및 방법
KR102026475B1 (ko) 시각적 입력의 처리
WO2019142957A1 (ko) 결제내역 정보를 이용하여 로컬 데이터를 검색하는 방법과 시스템 및 비-일시적인 컴퓨터 판독 가능한 기록 매체
KR101796506B1 (ko) 기종 정보를 활용한 이미지 검색 결과 제공 방법 및 시스템
KR20200110889A (ko) 복수의 소셜 네트워크 서비스 내 채널을 그룹핑 하는 방법, 시스템, 및 비-일시적인 컴퓨터 판독가능한 기록 매체

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2020538507

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18863471

Country of ref document: EP

Kind code of ref document: A1