WO2021230485A1 - 영상을 제공하는 방법 및 장치 - Google Patents

영상을 제공하는 방법 및 장치 Download PDF

Info

Publication number
WO2021230485A1
WO2021230485A1 PCT/KR2021/003435 KR2021003435W WO2021230485A1 WO 2021230485 A1 WO2021230485 A1 WO 2021230485A1 KR 2021003435 W KR2021003435 W KR 2021003435W WO 2021230485 A1 WO2021230485 A1 WO 2021230485A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
electronic device
class
editing
user
Prior art date
Application number
PCT/KR2021/003435
Other languages
English (en)
French (fr)
Inventor
김범수
도원준
최지환
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 EP21804845.2A priority Critical patent/EP4138380A4/en
Publication of WO2021230485A1 publication Critical patent/WO2021230485A1/ko
Priority to US17/986,834 priority patent/US20230076342A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2621—Cameras specially adapted for the electronic generation of special effects during image pickup, e.g. digital cameras, camcorders, video cameras having integrated special effects capability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image

Abstract

본 개시의 다양한 실시예들은 전자 장치에서의 영상 제공 방법 및 장치에 관하여 개시한다. 다양한 실시예들에 따른 전자 장치는, 카메라 모듈, 디스플레이, 메모리, 및 프로세서를 포함하고, 상기 프로세서는, 상기 디스플레이를 통해 프리뷰 영상을 표시하고, 상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하고, 촬영된 영상에 기반하여 영상 분석을 수행하고, 영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하고, 상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하고, 및 상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이를 통해 제공하도록 할 수 있다. 다양한 실시예들이 가능하다.

Description

영상을 제공하는 방법 및 장치
본 개시의 다양한 실시예들은 전자 장치에서의 영상 제공 방법 및 장치에 관한 것이다.
최근에는, 카메라 기능을 구비하는 전자 장치(예: 이동통신 단말기, 스마트폰(smart phone), 태블릿(tablet) PC(personal computer), 노트북(notebook), 및/또는 디지털 카메라)가 보급되고 있다. 따라서, 사용자가 전자 장치를 이용하여 일상 생활에서 영상(예: 정지 영상, 동영상)을 촬영하는 빈도가 증가하고 있다. 예를 들면, 전자 장치의 보급에 따라 대부분의 사용자가 일상 생활에서 카메라를 휴대할 수 있으며, 공간 및/또는 시간에 구애받지 않고 영상을 촬영할 수 있다.
사용자는 다양한 방식으로 다양한 주제(예: 클래스(class) 또는 카테고리(category))의 영상을 촬영할 수 있다. 사용자는 영상 촬영 시에 촬영하는 주제에 따라 카메라 기능의 다양한 옵션 설정(예: 설정 메뉴를 이용한 설정)과 같은 선보정(예: image filter, color tone curve, contrast, brightness, sharpness, crop, 및/또는 rotation 변경과 같은 편집) 후 촬영할 수 있다. 또는 사용자는 다양한 편집 툴을 이용하여 촬영된 영상을 대응하는 주제와 사용자 선호도에 기반하여 후보정(예: image filter, color tone curve, contrast, brightness, sharpness, crop, 및/또는 rotation 변경과 같은 편집) 할 수 있다. 예를 들면, 사용자가 촬영하는 영상은 전자 장치를 사용하여 다양한 방식으로 편집될 수 있다.
이와 같이, 사용자는 영상을 촬영할 때, 또는 영상을 촬영한 후, 사용자 자신의 취향에 대응하여 편집하고 있다. 예를 들면, 사용자는 영상 촬영 시마다 선보정 또는 후보정을 통해 사용자의 선호도에 대응하게 영상 편집을 수행할 수 있다.
사용자의 선호도에 따른 최종 결과물을 획득하기 위한 필요한 편집 요소는, 영상의 주제(또는 내용)에 따라 달라질 수 있다. 또한, 사용자는 영상의 주제에 따라 대부분 동일 또는 유사한 편집 요소로서 영상을 편집할 수 있다. 하지만, 사용자는 영상 촬영 시에 또는 촬영 후에 사용자 선호도에 대응하는 최종 결과물을 얻기 위해서 매번 반복적인 편집 동작을 수행해야 하는 불편함이 있다. 예를 들면, 사용자는 사용자 선호도에 따른 촬영 결과물을 위해, 영상 촬영 시에 또는 영상 촬영 후에, 동일 또는 유사한 패턴의 영상 편집 동작을 반복적으로 수행함에 따라, 영상 편집을 위한 반복되는 작업 및 시간을 필요로 할 수 있다.
다양한 실시예들에서는, 전자 장치(또는 온-디바이스(on-device))에서 영상에 대한 사용자 선호도를 사용자의 직접적인 인터랙션(interaction) 없이 사용자의 평소 패턴에 기반하여 분석 및 처리할 수 있는 방법 및 장치에 관하여 개시한다.
다양한 실시예들에서는, 영상 촬영 시에, 자동으로 사용자 선호도에 대응하도록 편집된 추천 영상을 제공할 수 있는 방법 및 장치에 관하여 개시한다.
다양한 실시예들에서는, 인공지능(AI, artificial intelligent) 네트워크(또는 알고리즘, 시스템)을 이용하여 학습된 학습 모델(learning model)을 이용하여, 촬영 영상과 관련된 사용자 선호도 기반의 추천 영상을 제공하고, 이를 위한 사용자 선호도를 분석 및 처리할 수 있는 방법 및 장치에 관하여 개시한다.
다양한 실시예들에서는, 전자 장치에서 사용자의 영상 편집 및/또는 촬영 옵션 설정 변경에 기반하여, 백그라운드로 사용자의 영상 선호도를 자동으로 분석하여 영상의 클래스(또는 주제) 별 사용자 선호도를 생성하고, 영상 촬영 시에 사용자 선호도 기반의 편집 요소가 적용된(또는 자동 편집된) 추천 영상을 함께 제공할 수 있는 방법 및 장치에 관하여 개시한다.
본 개시에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 실시예에 따른 전자 장치는, 카메라 모듈, 디스플레이, 메모리, 및 상기 카메라 모듈, 상기 디스플레이, 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 디스플레이를 통해 프리뷰 영상을 표시하고, 상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하고, 촬영된 영상에 기반하여 영상 분석을 수행하고, 영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하고, 상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하고, 및 상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이를 통해 제공하도록 할 수 있다.
본 개시의 실시예에 따른 전자 장치는, 카메라 모듈, 디스플레이, 상기 카메라 모듈 및 상기 디스플레이와 작동적으로 연결된 프로세서, 및 상기 프로세서와 작동적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 전자 장치에서 영상 편집과 관련된 영상 편집 트리거를 감지하고, 상기 영상 편집 트리거에 기반하여 대응하는 영상의 영상 분석을 수행하고, 상기 영상 분석의 결과에 기반하여 상기 영상에 관련된 클래스를 분류하고, 상기 영상 편집 트리거에 따라 상기 영상의 편집에 사용된 적어도 하나의 편집 요소를 추정하고, 및 상기 분류된 클래스 및 상기 추정된 편집 요소에 적어도 기반하여, 데이터베이스에 적어도 하나의 사용자 선호도를 업데이트 하도록 할 수 있다.
본 개시의 실시예에 따른 전자 장치의 동작 방법은, 상기 전자 장치의 디스플레이를 통해 프리뷰 영상을 표시하는 동작, 상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하는 동작, 촬영된 영상에 기반하여 영상 분석을 수행하는 동작, 영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하는 동작, 상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하는 동작, 및 상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이를 통해 제공하는 동작을 포함할 수 있다.
상기와 같은 과제를 해결하기 위하여 본 개시의 다양한 실시예들에서는, 상기 방법을 프로세서에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 포함할 수 있다.
본 개시의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 개시의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 개시의 바람직한 실시예와 같은 특정 실시예는 단지 예시로 주어진 것으로 이해되어야 한다.
다양한 실시예들에 따른 전자 장치 및 그의 동작 방법에 따르면, 전자 장치 내(또는 on device)에서 영상에 대한 사용자의 선호도를 사용자의 직접적인 인터랙션(interaction) 없이 사용자의 평소 패턴을 기반으로 분석하고, 사용자가 영상을 촬영할 때 자동으로 사용자 선호도에 기반하여 편집된 영상을 추천할 수 있다.
일 실시예에 따르면, 전자 장치는 사용자 선호도를 분석하는데 있어서 개인 정보가 포함된 사용자의 영상(예: 사진)을 외부 장치(예: 클라우드, 소셜 네트워크, 또는 다른 전자 장치)로 전송하는 대신, 전자 장치 내에서 사용자가 생성(또는 편집)하는 여러 편집 요소를 분석하여 전자 장치 내의 메모리(예: 데이터베이스)에 저장 및/또는 관리할 수 있다.
일 실시예에 따르면, 전자 장치는 사용자가 영상을 촬영 시에, 자동으로 촬영하는 영상의 클래스(또는 주제, 내용)을 파악한 후 사용자 선호도에 대응하는 편집 요소로 편집된(예: 선보정 처리된) 영상을 추천하여, 원본 영상과 추천 영상을 함께 사용자에게 제공할 수 있다.
일 실시예에 따르면, 전자 장치는 사용자 선호도 및/또는 의도를 사용자에게 직접적으로 선택하도록 하는 인터랙션 없이, 백그라운드(background)에서 자동적으로 분석할 수 있다. 예를 들면, 전자 장치는 사용자가 영상을 편집(예: 후보정)하거나 특정 카메라 설정 값(예: 이미지 필터 적용)을 이용(예: 선보정)하여 촬영을 수행하는 경우, 사용자가 편집에 사용한 편집 요소를 백그라운드에서 자동으로 분석하여, 해당 영상의 클래스에서의 사용자 선호도를 생성할 수 있다.
일 실시예에 따르면, 전자 장치는 사용자 선호도를 데이터베이스에 저장할 수 있고, 영상 촬영 시에 사용자 선호도에 대응하는 편집 요소를 데이터베이스로부터 호출하여 자동으로 사용자 선호도를 고려한 추천 영상을 사용자에게 제공할 수 있다. 이를 통해, 사용자는 영상에 대한 선보정 및/또는 후보정과 같은 편집 동작 없이도, 사용자 선호도에 대응하는 최종 결과물(예: 사용자 선호도의 편집 요소로 편집된 영상)을 확인하여 획득할 수 있다.
도면 설명과 관련하여, 동일 또는 유사한 구성 요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시예들에 따른 전자 장치의 구성을 개략적으로 도시하는 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치의 동작을 도시하는 흐름도이다.
도 4는 다양한 실시예들에 따른 전자 장치에서 추천 영상을 제공하는 예를 설명하기 위한 도면이다.
도 5는 다양한 실시예들에 따른 전자 장치에서 사용자 선호도 기반 촬영 및 사용자 선호도를 업데이트 하는 동작을 도시하는 흐름도이다.
도 6은 다양한 실시예들에 따른 전자 장치에서 사용자 선호도를 생성하는 예를 도시하는 흐름도이다.
도 7은 다양한 실시예들에 따른 전자 장치에서 사용자 선호도에 기반한 데이터베이스를 구성하는 예를 설명하기 위한 도면이다.
도 8a, 도 8b 및 도 8c는 다양한 실시예들에 따른 전자 장치에서 사용자의 영상 편집 트리거의 예를 설명하기 위한 도면들이다.
도 9는 다양한 실시예들에 따른 전자 장치의 데이터베이스에 사용자 선호도를 구성하는 예를 설명하기 위한 도면이다.
도 10은 다양한 실시예들에 따른 전자 장치에서 편집 요소를 추출하는 예를 설명하기 위한 도면이다.
도 11은 다양한 실시예들에 따른 전자 장치에서 사용자 선호도를 위한 영상 분석의 예를 설명하기 위한 도면이다.
도 12는 다양한 실시예들에 따른 전자 장치에서 영상으로부터 편집 요소를 구분하는 예를 설명하기 위한 도면이다.
도 13a 및 도 13b는 다양한 실시예들에 따른 전자 장치의 동작을 도시하는 흐름도이다.
도 14는 다양한 실시예들에 따른 전자 장치에서 추천 영상을 제공하고 추천 영상에 기반한 사용자 선호도를 업데이트 하는 예를 설명하기 위한 도면이다.
도 1은 다양한 실시예들에 따른 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치(CPU, central processing unit) 또는 어플리케이션 프로세서(AP, application processor)) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치(GPU, graphic processing unit), 신경망 처리 장치(NPU, neural processing unit), 이미지 시그널 프로세서(ISP, image signal processor), 센서 허브 프로세서(sensor hub processor), 또는 커뮤니케이션 프로세서(CP, communication processor))를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(inactive)(예: 슬립(sleep)) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(OS, operating system)(142), 미들 웨어(middleware)(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD(secure digital) 카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN(wide area network))와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB, enhanced mobile broadband), 단말 전력 최소화와 다수 단말의 접속(mMTC, massive machine type communications), 또는 고신뢰도와 저지연(URLLC, ultra-reliable and low-latency communications)을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO, full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC, mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱(heuristic)하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는 다양한 실시예들에 따른 전자 장치의 구성을 개략적으로 도시하는 도면이다.
도 2는 다양한 실시예들에 따른 전자 장치(101)에서 사용자 선호도에 기반하여 영상을 제공하는 것과 관련된 구성의 예를 나타낼 수 있다. 일 실시예 따르면, 전자 장치(101)는 카메라 기능을 구비하는 다양한 형태의 장치를 포함할 수 있다. 예를 들면, 전자 장치(101)는 이동통신 단말기, 스마트폰(smart phone), 태블릿(tablet) PC(personal computer), 노트북(notebook), 및/또는 디지털 카메라를 포함할 수 있다.
도 2를 참조하면, 일 실시예에 따른 전자 장치(101)는 카메라 모듈(180), 디스플레이(220)(예: 도 1의 디스플레이 모듈(160)), 메모리(130), 및 프로세서(120)를 포함할 수 있다.
일 실시예에 따라, 카메라 모듈(180)은 정지 영상 및/또는 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 전자 장치(101)의 하우징의 제1 면(예: 전면(front surface), 디스플레이(220)가 배치된 면과 실질적으로 동일한 면)에 배치되는 적어도 하나의 제1 카메라 모듈(211)(예: 전면 카메라 모듈)과 하우징의 제2 면(예: 후면(rear surface), 디스플레이(220)가 배치된 면과 반대면)에 배치되는 적어도 하나의 제2 카메라 모듈(213)(예: 후면 카메라 모듈)을 포함할 수 있다. 일 실시예에 따르면, 하우징은, 제1 방향(예: 전면 방향)을 향하는 제1 면 및 제1 면과 대향되는 제2 방향(예: 후면 방향)을 향하는 제2 면을 포함할 수 있다.
일 실시예에 따라, 디스플레이(220)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 일 실시예에 따라, 디스플레이(220)는 터치 회로(또는 터치 센서)(미도시)를 포함할 수 있고, 터치 회로에 기반하여 디스플레이(220)의 특정 위치에 대한 신호(예: 전압, 광량, 저항, 및/또는 전하량)의 변화를 측정함으로써 터치 입력 및/또는 호버링 입력(또는 근접 입력)을 감지할 수 있다.
일 실시예에 따르면, 디스플레이(220)는 프로세서(120)의 제어 하에, 사용자가 영상을 이용(예: 촬영, 편집, 및/또는 공유)하는 것과 관련된 다양한 정보를 시각적으로 제공할 수 있다. 예를 들면, 디스플레이(220)는 영상 촬영과 관련된 사용자 인터페이스를 포함하는 어플리케이션(예: 카메라 어플리케이션)의 실행 화면, 카메라 모듈(180)을 통해 획득된 영상(예: 프리뷰 영상), 사용자 선호도 기반의 추천 영상, 메모리(130)에 저장된 컨텐츠(233)(예: 저장 영상), 및/또는 영상 편집 툴을 포함하는 편집 화면을 제공(예: 표시)할 수 있다.
일 실시예에 따라, 메모리(130)는 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 카메라 모듈(180))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 일 실시예에 따르면, 메모리(130)는 사용자 선호도에 관련된 데이터베이스(231) 및 컨텐츠(233)(예: 영상)를 저장할 수 있다. 일 실시예에 따라, 데이터베이스(231)는 영상의 클래스(class)(또는 주제, 내용) 별 사용자 선호도를 데이터베이스화 하여 저장할 수 있다. 예를 들면, 데이터베이스(231)는 영상과 관련하여 다양한 클래스로 분류하고, 다양한 클래스 별로 적어도 하나의 클러스터(cluster)(또는 유사 편집 요소로 구분되는 편집 요소 그룹)를 포함할 수 있다. 일 실시예에서, 적어도 하나의 클러스터는, 각각, 적어도 하나의 편집 요소를 포함하는 사용자 선호도를 적어도 하나 포함할 수 있다. 다양한 실시예들에 따른, 편집 요소, 사용자 선호도, 클러스터, 및/또는 데이터베이스(231)와 관련하여 후술하는 도면들을 참조하여 상세히 설명된다.
일 실시예에 따라, 프로세서(120)는 사용자의 영상 촬영 시에, 사용자 선호도에 따른 개인화 영상(예: 추천 영상)을 제공(또는 적용)하는 것과 관련된 동작을 처리할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자가 영상을 편집하거나, 및/또는 영상 촬영 시에 촬영 옵션 설정 값(예: 밝기, 감도, 또는 화이트밸런스)을 변경하는 것에 기반하여, 백그라운드(background)에서, 대응하는 편집 요소에 기반한 사용자 선호도를 추출하여 데이터베이스화 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자의 영상 촬영 시에, 영상 분석에 기반하여 영상에 대응하는 사용자 선호도에 기반하여, 촬영 영상을 사용자 선호도의 편집 요소로 편집된(또는 개인화 적용된) 적어도 하나의 추천 영상을 생성하여 사용자에게 제공(예: 디스플레이(220) 상에 표시)할 수 있다. 일 실시예에 따르면, 프로세서(120)는 추천 영상에 대한 사용자 선택에 기반하여, 추천 영상에 관련된 사용자 선호도를 업데이트 할 수 있다. 예를 들면, 프로세서(120)는 대응하는 사용자 선호도의 사용 회수(또는 보상, 가중치)를 카운트(또는 증가, 누적)할 수 있다.
일 실시예에 따르면, 프로세서(120)는 영상 분석 모듈(240), 및/또는 개인화 처리 모듈(250)을 포함할 수 있다.
일 실시예에서, 영상 분석 모듈(240)은 지정된 영상에 기반하여 영상 분석을 수행할 수 있다. 일 실시예에 따르면, 영상 분석 모듈(240)은 영상의 장면(또는 이미지) 분류(scene classifier), 객체 검출(object detection), 및/또는 구도 검출(composition detection)과 같은 분석 알고리즘(또는 학습 알고리즘)에 적어도 기반하여 영상 분석을 수행할 수 있다. 일 실시예에 따르면, 영상 분석 모듈(240)은 적어도 하나의 분석 알고리즘에 기반하여, 영상이 특정 물체(예: 사람, 동물, 또는 사물(예: 음식, 꽃, 자동차, 건물))를 포함하는지, 풍경(예: 산, 바다, 강, 들판, 또는 도시)을 포함하는지, 및/또는 인물 사진(portrait), 반신샷(또는 클로즈업샷) 또는 전신샷을 포함하는지를 분석할 수 있다.
일 실시예에 따르면, 영상 분석 모듈(240)은 영상 분석의 결과에 기반하여 영상에 관련된 클래스를 식별할 수 있다. 일 실시예에 따라, 클래스는, face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, 및/또는 night view와 같이 일반적으로 영상의 내용을 분류하는 데 사용되는 다양한 클래스를 총칭할 수 있다. 일 실시예에 따르면, 영상 분석 모듈(240)은 다양하게 분류된 클래스 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다. 일 실시예에 따르면, 영상 분석 모듈(240)은 사용자가 촬영한 영상에서 특징 벡터를 추출할 수 있다. 예를 들면, 특징 벡터는 영상의 클래스를 분류하기 위한 것으로, 심층 신경망(deep neural network)의 특징(feature)일 수 있고, 분류된 클래스의 종류일 수도 있다.
일 실시예에서, 개인화 처리 모듈(250)은 사용자가 영상을 촬영할 때 자동으로 사용자의 선호도에 맞는 영상(예: 추천 영상)을 제공(또는 추천)할 수 있다. 일 실시예에 따르면, 개인화 처리 모듈(250)은 결정된 클래스에 적어도 기반하여 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 개인화 처리 모듈(250)은 메모리(130)에 저장된 데이터베이스에서, 결정된 클래스에 정의된(또는 포함된) 적어도 하나의 사용자 선호도를 호출하고, 호출되는 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 사용자 선호도는 영상의 편집과 관련된 적어도 하나의 편집 요소를 포함할 수 있다. 일 실시예에 따라, 편집 요소는, brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, 및/또는 human area에 관련된 적어도 하나의 정보(예: 편집 정보 또는 설정 정보)를 포함할 수 있다.
일 실시예에 따르면, 개인화 처리 모듈(250)은 특징 벡터에 기반하여, 데이터베이스에서 영상의 클래스를 분류하고, 분류된 클래스에 저장된 사용자 선호도(예: 편집 요소)를 호출하여, 추천 영상을 제공할 수 있다. 일 실시예에 따라, 사용자의 선호도가 충분히 학습되지 않은 클래스의 경우에는, 해당 클래스에 대해 저장된 전문가의 편집 요소를 외부(예: 클라우드)로부터 획득(또는 요청 및 수신)하여, 제공할 수도 있다. 일 실시예에 따르면, 개인화 처리 모듈(250)은 원본 영상에 데이터베이스(231)에서 호출한 사용자 선호도의 편집 요소를 적용하여 사용자에게 추천 영상을 제공(또는 추천)할 수 있다. 일 실시예에 따르면, 개인화 처리 모듈(250)은 제공된 추천 영상 중에, 사용자가 선택하는 추천 영상에 기반하여, 선택된 정보를 다시 데이터베이스(231)에 추가하여 해당 사용자 선호도를 업데이트 할 수 있다.
일 실시예에 따르면, 프로세서(120)는 사용자 선호도 및/또는 의도를 자동으로 분석할 수 있다. 예를 들면, 프로세서(120)는 사용자에게 직접적으로 선택하도록 하는, 사용자의 직접적인 인터랙션(interaction) 없이 백그라운드(background)에서 사용자 선호도 및/또는 의도를 자동으로 분석할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자가 내장된 편집 어플리케이션(또는 편집 툴)을 이용하여 영상을 편집하거나, 또는 촬영 관련 어플리케이션을 사용하여 특정 필터를 적용하여 영상을 촬영하는 것을 백그라운드에서 분석하여 전자 장치(101)의 데이터베이스(231)에 저장할 수 있다.
본 개시의 다양한 실시예들에 따른 전자 장치(101)는, 카메라 모듈(180), 디스플레이(220)(또는 도 1의 디스플레이 모듈(160)), 메모리(130), 및 상기 카메라 모듈(180), 상기 디스플레이(220), 및 상기 메모리(130)와 작동적으로 연결된 프로세서(120)를 포함하고, 상기 프로세서(120)는, 상기 디스플레이(220)를 통해 프리뷰 영상을 표시하고, 상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하고, 촬영된 영상에 기반하여 영상 분석을 수행하고, 영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하고, 상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하고, 및 상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이(220)를 통해 제공할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 사용자 선호도는 영상의 편집과 관련된 적어도 하나의 편집 요소를 포함할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 영상의 장면 분류(scene classifier), 객체 검출(object detection), 및/또는 구도 검출(composition detection)의 적어도 하나의 영상 분석 알고리즘에 기반하여 영상을 분석할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 영상을 촬영하는 시점에, 백그라운드에서, 상기 프리뷰 영상 및/또는 상기 촬영된 영상에 적어도 기반하여, 상기 영상 분석을 수행할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 디스플레이(220)의 제1 지정된 영역을 통해 상기 촬영된 영상을 제공하고, 상기 디스플레이(220)의 제2 지정된 영역을 통해 상기 적어도 하나의 추천 영상을 제공할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 식별된 적어도 하나의 클래스와, 상기 적어도 하나의 클래스에 클러스터링(clustering)된 적어도 하나의 사용자 선호도에 기반하여 하나 또는 그 이상의 추천 영상을 제공할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 추천 영상은, 동일한 클래스에 속한 다른 사용자 선호도의 편집 요소로 각각 편집된 영상 및/또는 다른 클래스에 각각 속한 다른 사용자 선호도의 편집 요소로 각각 편집된 영상을 포함할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 영상의 내용을 분석하여 특징 벡터를 추출하고, 추출된 특징 벡터에 기반하여 영상의 클래스를 분류하고, 상기 분류된 클래스에 저장된 사용자 선호도를 호출하여, 상기 추천 영상을 제공할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 메모리(130)는, 영상과 관련된 다양한 클래스 별로 적어도 하나의 사용자 선호도가 데이터베이스화된 데이터베이스(231, 700)를 저장할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 추천 영상의 선택을 감지하는 것에 기반하여, 선택된 추천 영상의 클래스에서 대응하는 사용자 선호도를 업데이트 할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 클래스에서, 상기 선택된 추천 영상과 관련된 사용자 선호도의 사용 회수를 카운트 할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 추천 영상의 선택을 감지하는 것에 기반하여, 상기 촬영된 영상에 선택된 추천 영상의 편집 요소를 적용하고, 상기 촬영된 영상과 상기 선택된 추천 영상을 서로 연관지어 저장할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 영상을 촬영 시에 편집 요소의 설정이 있는 경우, 편집 요소에 따른 사용자 선호도를 대응하는 클래스에 업데이트 할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 대응하는 클래스에 상기 편집 요소에 대응하는 사용자 선호도가 존재하는 경우, 해당 사용자 선호도의 사용 회수를 카운트 하고, 상기 대응하는 클래스에 상기 편집 요소에 대응하는 사용자 선호도가 존재하지 않는 경우, 상기 편집 요소 기반의 새로운 사용자 선호도를 생성할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 영상 편집과 관련된 영상 편집 트리거에 기반하여 영상 분석을 수행하고, 상기 영상 분석의 결과에 기반하여 영상에 관련된 클래스를 분류하고, 상기 영상 편집 트리거에 따라 상기 영상의 편집에 사용된 적어도 하나의 편집 요소를 추정하고, 상기 분류된 클래스 및 상기 추정된 편집 요소에 적어도 기반하여, 데이터베이스에서 적어도 하나의 사용자 선호도를 업데이트 할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 인공지능 알고리즘을 이용하여 학습된 학습 모델(learning model)을 이용하여, 사용자가 실행할 것으로 예상되는 사용자 선호도를 예측할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 인공지능 알고리즘으로서, 기계 학습(machine learning), 신경망(neural network), 유전자(genetic), 딥러닝(deep learning), 또는 분류 알고리즘(classification algorithm) 중 적어도 하나를 이용하여 학습된 학습 모델을 이용하여, 사용자가 실행할 것으로 예상되는 사용자 선호도를 예측할 수 있다.
본 개시의 다양한 실시예들에 따른 전자 장치(101)는, 카메라 모듈(180), 디스플레이(220)(또는 도 1의 디스플레이 모듈(160)), 상기 카메라 모듈(180) 및 상기 디스플레이(220)와 작동적으로 연결된 프로세서(120), 및 상기 프로세서(120)와 작동적으로 연결된 메모리(130)를 포함하고, 상기 메모리(130)는, 실행 시에, 상기 프로세서(120)가, 상기 전자 장치(101)에서 영상 편집과 관련된 영상 편집 트리거를 감지하고, 상기 영상 편집 트리거에 기반하여 대응하는 영상의 영상 분석을 수행하고, 상기 영상 분석의 결과에 기반하여 상기 영상에 관련된 클래스를 분류하고, 상기 영상 편집 트리거에 따라 상기 영상의 편집에 사용된 적어도 하나의 편집 요소를 추정하고, 및 상기 분류된 클래스 및 상기 추정된 편집 요소에 적어도 기반하여, 데이터베이스(231, 700)에 적어도 하나의 사용자 선호도를 업데이트 하도록 하는 인스트럭션들을 저장할 수 있다.
본 개시의 다양한 실시예들에 따르면, 상기 영상 편집 트리거는, 영상 편집을 위한 편집 툴을 이용한 영상 편집, 촬영을 수행하는 동안의 촬영 설정, 및/또는 영상의 외부 공유를 포함할 수 있다.
이하에서는 다양한 실시예들의 전자 장치(101)의 동작 방법에 대해서 상세하게 설명한다. 다양한 실시예들에 따라, 이하에서 설명하는 전자 장치(101)에서 수행하는 동작들은, 전자 장치(101)의 적어도 하나의 프로세싱 회로를 포함하는 프로세서(120)에 의해 실행될 수 있다. 일 실시예에 따라, 전자 장치(101)에서 수행하는 동작들은, 메모리(130)에 저장될 수 있고, 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들(instructions)에 의해 실행될 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는, 카메라 모듈(180), 디스플레이(220)(예: 도 1의 디스플레이 모듈(160)), 메모리(130), 상기 카메라 모듈(180), 상기 디스플레이(220) 및 상기 메모리(130)와 작동적으로 연결된 적어도 하나의 프로세서(120)를 포함할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 인공지능(AI, artificial intelligent) 알고리즘을 이용하여 학습된 학습 모델(learning model)을 이용하여, 사용자가 실행(예: 선택)할 것으로 예상되는 사용자 선호도를 예측하고, 사용자 선호도 및/또는 추천 영상을 제공하는 것에 관련된 동작을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 인공지능 알고리즘으로서, 예를 들면, 기계 학습(machine learning), 신경망(neural network), 유전자(genetic), 딥러닝(deep learning), 또는 분류 알고리즘(classification algorithm) 중 적어도 하나를 이용하여, 사용자가 실행(예: 선택)할 것으로 예상되는 사용자 선호도를 예측하고, 사용자 선호도 및 추천 영상을 제공하는 것에 관련된 동작을 수행할 수 있다.
도 3은 다양한 실시예들에 따른 전자 장치의 동작을 도시하는 흐름도이다.
도 3을 참조하면, 동작 301에서, 전자 장치(101)의 프로세서(120)는 프리뷰 영상을 표시할 수 있다. 일 실시예에 따르면, 사용자는 영상 촬영을 위하여 카메라 모듈(180)을 구동하도록 전자 장치(101)를 조작할 수 있다. 예를 들면, 사용자는 전자 장치(101)에 설치된 카메라 기능과 관련된 어플리케이션(예: 카메라 어플리케이션)을 선택(예: 터치)하여 실행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 카메라 모듈(180)의 구동(또는 어플리케이션 실행)을 감지하는 경우, 카메라 모듈(180)로부터 프리뷰 영상을 획득할 수 있다. 일 실시예에 따라, 프로세서(120)는 카메라 모듈(180)로부터 획득되는 프리뷰 영상을 표시하도록 디스플레이(220)를 제어할 수 있다. 일 실시예에 따라, 프로세서(120)는 어플리케이션과 관련된 사용자 인터페이스(예: 실행 화면)에 프리뷰 영상과 촬영과 관련된 다양한 객체(예: 영상 촬영을 수행하기 위한 촬영 객체(또는 촬영 버튼, 촬영 아이콘), 촬영과 관련된 기능을 설정(예: 밝기, 감도, 및/또는 화이트밸런스 설정)하기 위한 설정 객체(또는 설정 버튼, 설정 아이콘))를 포함하여 제공할 수 있다.
동작 303에서, 프로세서(120)는 사용자 입력에 기반하여 영상을 촬영할 수 있다. 예를 들면, 프로세서(120)는 디스플레이(220)를 통해 프리뷰 영상을 표시하는 동안, 촬영 객체를 선택(예: 터치)하는 사용자 입력, 및/또는 촬영 동작을 실행하도록 설정된 모션(또는 제스처)의 사용자 입력(예: 카메라 모듈(180)을 통한 지정된 손 모양 검출)에 기반하여 촬영 동작을 감지할 수 있다. 일 실시예에 따라, 프로세서(120)는 사용자 입력에 기반하여, 디스플레이(220)를 통해 표시 중인 프리뷰 영상에 적어도 기반하여 촬영(또는 캡쳐)을 수행할 수 있다.
동작 305에서, 프로세서(120)는 촬영된 영상에 기반하여 영상 분석을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상의 장면(또는 이미지) 분류(scene classifier), 객체 검출(object detection), 및/또는 구도 검출(composition detection)과 같은 분석 알고리즘에 적어도 기반하여 영상 분석을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 적어도 하나의 분석 알고리즘에 기반하여, 영상이 특정 물체(예: 사람, 동물, 또는 사물(예: 음식, 꽃, 자동차, 건물))를 포함하는지, 풍경(예: 산, 바다, 강, 들판, 또는 도시)을 포함하는지, 및/또는 인물 사진(portrait), 반신샷(또는 클로즈업샷) 또는 전신샷을 포함하는지를 식별할 수 있다.
동작 307에서, 프로세서(120)는 영상 분석의 결과에 기반하여 영상에 관련된 클래스를 식별할 수 있다. 일 실시예에 따라, 클래스는, face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, 및/또는 night view와 같이 다양하게 분류될 수 있다. 일 실시예에 따르면, 프로세서(120)는 다양하게 분류된 클래스 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다. 예를 들면, 영상 분석에 결과에 따라, 영상에 관련된 클래스는 하나 또는 그 이상이 포함될 수 있다.
동작 309에서, 프로세서(120)는 식별된 클래스에 적어도 기반하여 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메모리(130)에 저장된 데이터베이스에서, 식별된 클래스에 정의된(또는 포함된) 적어도 하나의 사용자 선호도를 호출하고, 호출되는 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 사용자 선호도는 영상의 편집과 관련된 적어도 하나의 편집 요소를 포함할 수 있다. 일 실시예에 따라, 편집 요소는, brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, 및/또는 human area에 관련된 적어도 하나의 정보(예: 편집 정보 또는 설정 정보)를 포함할 수 있다.
동작 311에서, 프로세서(120)는 사용자 선호도에 기반하여 적어도 하나의 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)의 지정된 영역에 기반하여 적어도 하나의 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상(예: 원본 영상)과 적어도 하나의 추천 영상을 함께 표시하도록 디스플레이(220)를 제어할 수 있다. 다양한 실시예들에서, 추천 영상을 제공하는 것과 관련하여 후술하는 도면들을 참조하여 설명된다.
도 4는 다양한 실시예들에 따른 전자 장치에서 추천 영상을 제공하는 예를 설명하기 위한 도면이다.
도 4에 도시한 바와 같이, 도 4는 사용자가 촬영하는 영상에 관련된 추천 영상을 제공하는 화면 예를 나타낼 수 있다.
도 4를 참조하면, 예시 401에서, 사용자는 전자 장치(101)의 어플리케이션(예: 카메라 어플리케이션)을 실행하여, 영상을 촬영할 수 있다. 일 실시예에 따라, 전자 장치(101)는 어플리케이션 실행에 응답하여, 카메라 모듈(180)(예: 전면 카메라 및/또는 후면 카메라)를 구동할 수 있고, 카메라 모듈(180)로부터 획득되는 프리뷰 영상(410)을 디스플레이(220)를 통해 표시할 수 있다. 일 실시예에 따라, 전자 장치(101)는 어플리케이션 실행에 응답하여, 프리뷰 영상(410)과 촬영과 관련된 다양한 객체(420)(예: 촬영과 관련된 기능을 설정(예: 밝기, 감도, 또는 화이트밸런스 설정)하기 위한 설정 객체(또는 설정 아이콘)(421), 영상 촬영을 수행하기 위한 촬영 객체(425))를 포함하는 어플리케이션과 관련된 사용자 인터페이스(예: 실행 화면)를 제공할 수 있다.
일 실시예에 따라, 전자 장치(101)는 프리뷰 영상(410)과 함께 카메라 모듈(180) 및/또는 프리뷰 영상(410)과 연관된 다양한 객체(420)를 위한 레이아웃을 디스플레이(220)의 적어도 하나의 지정된 영역을 통해 제공할 수 있다. 어떤 실시예에 따르면, 다양한 객체(420)와 관련된 레이아웃은 프리뷰 영상(410) 상에 중첩(overlay 또는 overlap)하여 제공할 수도 있다.
일 실시예에 따라, 사용자는 촬영 객체(425)를 선택(예: 터치)하는 사용자 입력 또는 지정된 모션(또는 제스처)의 사용자 입력(예: 카메라 모듈(180)을 통한 지정된 손 모양 인식)에 기반하여 촬영을 수행할 수 있다.
일 실시예에 따라, 전자 장치(101)는 사용자 입력에 기반하여 프리뷰 영상(410)에 기반하여 영상을 촬영할 수 있다. 일 실시예에 따라, 전자 장치(101)는 촬영된 영상(430)을 디스플레이(220)를 통해 제공할 수 있다. 예를 들면, 예시 403에 도시한 바와 같이, 전자 장치(101)는 촬영된 영상(430)을 디스플레이(220)의 지정된 영역을 통해 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 영상의 촬영 시점(예: 촬영을 위한 사용자 입력 감지 시점) 및/또는 이후에, 백그라운드에서, 촬영된 영상(430)(예: 지정된 버퍼(예: 카메라 모듈(180)로부터 획득되는 영상을 전달 받아 디스플레이(220)를 위한 영상을 제공하기 위한 버퍼)에 기록된 영상)에 기반하여 영상 분석을 수행할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 프리뷰 영상(410)을 이용하여 영상 분석을 수행할 수도 있다. 일 실시예에 따르면, 전자 장치(101)는 촬영된 영상의 장면(또는 이미지) 분류, 객체 검출, 및/또는 구도 검출과 같은 다양한 분석 알고리즘에 적어도 기반하여 영상 분석을 수행할 수 있다.
일 실시예에 따라, 전자 장치(101)는 영상 분석의 결과에 기반하여 영상에 관련된 클래스(또는 주제)를 식별할 수 있다. 일 실시예에 따라, 클래스는, face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, 및/또는 night view와 같이 다양하게 분류될 수 있다. 일 실시예에 따르면, 전자 장치(101)는 다양한 클래스 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다. 일 실시예에 따르면, 영상에 관련된 클래스는 하나 또는 그 이상이 포함될 수 있다.
일 실시예에 따라, 전자 장치(101)는 식별된 클래스에 적어도 기반하여 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 사용자 선호도는 영상의 편집과 관련된 적어도 하나의 편집 요소를 포함할 수 있다. 일 실시예에 따라, 편집 요소는, brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, 및/또는 human area에 관련된 적어도 하나의 정보(예: 편집 정보 또는 설정 정보)를 포함할 수 있다.
일 실시예에 따라, 전자 장치(101)는 사용자 선호도에 기반하여 적어도 하나의 추천 영상(440)을 제공할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 디스플레이(220)의 지정된 영역에 기반하여 적어도 하나의 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 지정된 영역을 통해 촬영된 영상(430)(예: 원본 영상)을 제공하고, 제2 지정된 영역을 통해 적어도 하나의 추천 영상(440)을 제공할 수 있다.
일 실시예에 따라, 추천 영상(440)은 영상 분석의 결과에 기반하여 식별된 적어도 하나의 클래스와, 적어도 하나의 클래스에 클러스터링(clustering)된 적어도 하나의 사용자 선호도에 기반하여 하나 또는 그 이상 추천될 수 있다. 예를 들면, 예시 403에서, 제1 추천 영상(441), 제2 추천 영상(443), 및 제3 추천 영상(445)은 동일한 클래스에 속한 다른 사용자 선호도를 가지도록 편집된 영상일 수 있다.
다른 예를 들면, 예시 403에서, 제1 추천 영상(441), 제2 추천 영상(443), 및 제3 추천 영상(445)은 다른 클래스에 각각 속한 다른 사용자 선호도를 가지도록 편집된 영상일 수 있다. 일 실시예에 따르면, 제1 추천 영상(441)은 제1 클래스의 제1 사용자 선호도의 편집 요소로 편집된 영상일 수 있고, 제2 추천 영상(443)은 제2 클래스의 제2 사용자 선호도의 편집 요소로 편집된 영상일 수 있고, 제3 추천 영상(445)은 제2 클래스의 제3 사용자 선호도의 편집 요소로 편집된 영상일 수 있다. 일 실시예에 따라, 예시 403에서는, 설명을 위해 3개의 추천 영상이 제공되는 것을 예로 나타내었으나, 추천 영상(440)은 식별되는 클래스 및 사용자 선호도에 따라 다양한 개수를 포함할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 디스플레이(220)를 통해 추천 영상(440)(예: 제1 추천 영상(441), 제2 추천 영상(443), 또는 제3 추천 영상(445))을 제공하는 경우, 디스플레이(220)의 지정된 영역에, 촬영된 영상(430)의 섬네일((thumbnail) 형태로 제공할 수 있다. 또한, 일 실시예에 따르면, 전자 장치(101)는, 디스플레이(220)의 화면 표시 영역(예: 전면)에 추천 영상(440)(예: 제1 추천 영상(441), 제2 추천 영상(443), 또는 제3 추천 영상(445))을 제공할 수 있고, 사용자 입력(예: 스와이프)에 기반하여 추천 영상을 순차적으로 제공(예: 표시)할 수 있다.
일 실시예에 따라, 전자 장치(101)는 예시 403과 같은 상태에서, 사용자 입력에 기반하여, 촬영된 영상(430)(예: 원본 영상) 및/또는 추천 영상(440) 중 적어도 하나를 저장할 수 있다. 예를 들면, 사용자는 촬영된 영상(430)을 최종 결과물로 선택하거나, 또는 추천 영상(440) 중 적어도 하나를 선택할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 추천 영상(440)이 선택되는 경우, 촬영된 영상(430)과 선택된 추천 영상(440)을 함께 저장하고, 서로 연관된 영상으로 관리할 수 있다.
도 5는 다양한 실시예들에 따른 전자 장치에서 사용자 선호도 기반 촬영 및 사용자 선호도를 업데이트 하는 동작을 도시하는 흐름도이다.
도 5를 참조하면, 동작 501에서, 전자 장치(101)의 프로세서(120)는 프리뷰 영상을 표시할 수 있다. 일 실시예에 따라, 프로세서(120)는 카메라 모듈(180)로부터 획득되는 프리뷰 영상을 표시하도록 디스플레이(220)를 제어할 수 있다. 일 실시예에 따라, 프로세서(120)는 어플리케이션과 관련된 사용자 인터페이스(예: 실행 화면)에 프리뷰 영상과 촬영과 관련된 다양한 객체(예: 영상 촬영을 수행하기 위한 촬영 객체(또는 촬영 버튼), 촬영과 관련된 기능을 설정하기 위한 설정 객체)를 포함하여 제공할 수 있다.
동작 503에서, 프로세서(120)는 사용자 입력에 기반하여 영상을 촬영할 수 있다. 예를 들면, 프로세서(120)는 디스플레이(220)를 통해 프리뷰 영상을 표시하는 동안, 촬영 객체를 선택(예: 터치)하는 사용자 입력, 및/또는 촬영 동작을 실행하도록 설정된 모션(또는 제스처)의 사용자 입력에 기반하여 촬영 동작을 감지할 수 있다. 일 실시예에 따라, 프로세서(120)는 사용자 입력에 기반하여, 디스플레이(220)를 통해 표시 중인 프리뷰 영상에 적어도 기반하여 촬영(또는 캡쳐)을 수행할 수 있다.
동작 505에서, 프로세서(120)는 촬영된 영상에 기반하여 영상 분석을 수행하고, 영상 분석에 기반하여 영상에 관련된 클래스를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 장면 분류, 객체 검출, 및/또는 구성요소 검출 중 적어도 하나의 분석 알고리즘에 기반한 영상 분석의 결과에 기반하여 영상에 관련된 클래스를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 다양한 클래스 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다. 예를 들면, 영상 분석에 결과에 따라, 영상에 관련된 클래스는 하나 또는 그 이상이 포함될 수 있다.
동작 507에서, 프로세서(120)는 식별된 클래스에 적어도 기반하여 대응하는 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메모리(130)에 저장된 데이터베이스에서, 식별된 클래스에 정의된(또는 포함된) 적어도 하나의 사용자 선호도를 식별할 수 있다. 일 실시예에 따르면, 사용자 선호도는 영상의 편집과 관련된 적어도 하나의 편집 요소를 포함할 수 있다.
동작 509에서, 프로세서(120)는 대응하는 사용자 선호도가 존재(또는 호출)되는지 여부를 식별할 수 있다. 예를 들면, 프로세서(120)는 데이터베이스에서, 클래스에 적어도 하나의 사용자 선호도가 정의되어 있는지 여부를 판단할 수 있다.
동작 509에서, 프로세서(120)는 클래스에 대응하는 사용자 선호도가 존재하는 경우(예: 동작 509의 ‘예’), 동작 511로 진행하여, 동작 511 이하의 동작을 수행할 수 있다. 동작 509에서, 프로세서(120)는 클래스에 대응하는 사용자 선호도가 존재하지 않는 경우(예: 동작 509의 ‘아니오’), 동작 521로 진행하여, 동작 521 이하의 동작을 수행할 수 있다.
동작 511에서, 프로세서(120)는 사용자 선호도에 기반하여 적어도 하나의 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는, 사용자 선호도 별 추천 영상을 생성하고, 디스플레이(220)를 통해, 사용자 선호도 별 추천 영상을 촬영된 영상과 함께 제공할 수 있다.
동작 513에서, 프로세서(120)는 추천 영상이 선택되는지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)를 통해 제공된 적어도 하나의 추천 영상이 사용자에 의해 선택되는지 여부를 판단할 수 있다.
동작 513에서, 프로세서(120)는 추천 영상의 선택이 감지되지 않으면(예: 동작 513의 ‘아니오’), 예를 들면, 사용자에 의해 촬영된 영상(예: 원본 영상)의 저장이 선택되는 경우, 동작 521로 진행하여, 동작 521 이하의 동작을 수행할 수 있다.
동작 513에서, 프로세서(120)는 추천 영상의 선택을 감지하면(예: 동작 513의 ‘예’), 동작 515에서, 추천 영상에 기반하여 영상을 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상에 선택된 추천 영상의 편집 요소를 적용(또는 편집)하여 영상을 저장할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 디스플레이(220)를 통해 추천 영상을 제공할 시 대응하는 추천 영상을 임시 저장할 수 있고, 사용자 선택에 기반하여 임시 저장된 추천 영상을 저장할 수도 있다. 일 실시예에 따르면, 프로세서(120)는 추천 영상을 저장할 때, 전자 장치(101)의 설정에 따라, 촬영된 영상(예: 원본 영상)과 선택된 추천 영상을 서로 연관지어 저장할 수 있다.
동작 517에서, 프로세서(120)는 클래스에서 사용자 선호도를 업데이트 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 동작 507에서 식별된 클래스에서, 선택된 추천 영상과 관련된 사용자 선호도를 업데이트 할 수 있다. 예를 들면, 프로세서(120)는 선택된 추천 영상과 관련된 사용자 선호도의 사용 회수(또는 보상, 가중치)를 카운트(또는 증가, 누적) 할 수 있다.
동작 509에서, 프로세서(120)는 대응하는 사용자 선호도가 존재하지 않는 경우(예: 동작 509의 ‘아니오’), 동작 521에서, 영상 촬영 시에 편집 요소가 있는지 여부를 판단할 수 있다. 일 실시예에 따르면, 사용자는 영상 촬영 시에, 촬영과 관련된 기능을 설정(예: 밝기, 감도, 또는 화이트밸런스 설정)하기 위한 설정 객체(예: 도 4의 객체(421))를 이용하여, 영상에 적어도 하나의 편집 요소를 적용하여 촬영을 수행할 수 있다. 예를 들면, 사용자는 영상에 특정 필터, 특정 효과(예: 밝기, 이모지, 프레임, 및/또는 뷰티), 화각, 및/또는 줌-인/아웃과 같은 적어도 하나의 편집 요소를 설정하여 촬영을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영 동작 진입(예: 카메라 모듈(180) 구동 또는 프리뷰 영상 표시) 후 촬영이 수행되는 동안, 사용자의 편집 요소의 사용을 모니터링 할 수 있고, 촬영 후 모니터링 결과에 기반하여, 촬영에 사용된 편집 요소를 식별할 수 있다.
동작 521에서, 프로세서(120)는 영상 촬영 시에 편집 요소가 있는 경우(예: 동작 521의 ‘예’), 동작 523에서, 편집 요소에 따른 사용자 선호도를 대응하는 클래스에 업데이트 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 식별된 편집 요소에 대응하는 사용자 선호도를 동작 507에서 식별된 클래스에 업데이트 할 수 있다. 예를 들면, 프로세서(120)는 클래스에 식별된 편집 요소에 대응하는 사용자 선호도가 존재하는 경우, 해당 사용자 선호도의 사용 회수를 카운트 할 수 있다. 다른 예를 들면, 프로세서(120)는 클래스에 식별된 편집 요소에 대응하는 사용자 선호도가 존재하지 않는 경우, 식별된 편집 요소 기반의 새로운 사용자 선호도를 생성(또는 추가)할 수 있다.
동작 521에서, 프로세서(120)는 영상 촬영 시에 편집 요소가 없는 경우(예: 동작 521의 ‘아니오’), 동작 531에서, 사용자 선호도를 대응하는 클래스에 업데이트 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 동작 507에서 식별된 클래스에 일반 촬영(예: 편집 요소가 미적용된 또는 없는)에 따른 사용자 선호도의 사용 회수를 카운트 할 수 있다.
일 실시예에 따라, 도 5의 예시에서는, 프리뷰 영상에 기반하여 영상을 촬영한 이후에, 사용자 선호도에 기반한 추천 영상을 제공하는 예를 설명하였으나, 다양한 실시예들을 이에 제한하는 것은 아니다. 일 실시예에 따르면, 프로세서(120)는 프리뷰 영상을 표시하는 동안, 영상 분석에 기반하여 클래스를 식별하고, 식별된 클래스의 사용자 선호도에 기반하여, 프리뷰 영상과 함께 추천 영상을 제공할 수도 있다. 일 실시예에 따라, 프로세서(120)는 프리뷰 영상과 추천 영상이 제공된 상태에서, 특정 추천 영상이 선택되는 경우, 추천 영상에 대응하는 편집 요소를 적용하여 영상을 촬영하여 저장하거나, 또는 촬영된 영상에 추천 영상에 대응하는 편집 요소를 적용(또는 편집)하여 저장할 수 있다.
도 6은 다양한 실시예들에 따른 전자 장치에서 사용자 선호도를 생성하는 예를 도시하는 흐름도이다.
도 6을 참조하면, 동작 601에서, 전자 장치(101)의 프로세서(120)는 영상 편집 트리거(또는 이벤트)를 감지할 수 있다. 일 실시예에 따르면, 영상 편집 트리거는, 영상 편집을 위한 편집 툴(또는 편집 어플리케이션)을 이용한 영상 편집, 촬영을 수행하는 동안(예: 프리뷰 영상 표시 동안)의 촬영 설정, 및/또는 영상의 외부 공유와 같이, 사용자가 영상을 이용하는 것과 관련된 다양한 동작을 포함할 수 있다.
동작 603에서, 프로세서(120)는 대응하는 영상에 기반하여 영상 분석을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 편집된 영상, 촬영된 영상, 및/또는 공유된 영상과 관련하여, 장면(또는 이미지) 분류, 객체 검출, 및/또는 구도 검출과 같은 분석 알고리즘에 적어도 기반하여 영상 분석을 수행할 수 있다.
동작 605에서, 프로세서(120)는 영상 분석의 결과에 기반하여 영상에 관련된 클래스를 분류할 수 있다. 일 실시예에 따르면, 프로세서(120)는 다양하게 분류된 클래스 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다. 예를 들면, 영상 분석에 결과에 따라, 영상에 관련된 클래스는 하나 또는 그 이상이 포함될 수 있다.
동작 607에서, 프로세서(120)는 영상 분석의 결과에 기반하여 영상에 관련된 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 영상의 편집에 사용된(또는 영상에 적용된) 적어도 하나의 편집 요소를 추출할 수 있다. 일 실시예에 따라, 편집 요소는, brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, 및/또는 human area에 관련된 적어도 하나의 정보(예: 편집 정보 또는 설정 정보)를 포함할 수 있다.
일 실시예에 따라, 동작 605와 동작 607은 도시된 순서에 한정하지 않으며, 동작 605와 동작 607은 병렬적으로, 역순차적으로, 또는 휴리스틱 하게 수행할 수도 있다.
동작 609에서, 프로세서(120)는 분류된 클래스 및 추정된 편집 요소에 적어도 기반하여 적어도 하나의 사용자 선호도를 업데이트 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 추정된 편집 요소에 대응하는 사용자 선호도를 분류된 클래스에 업데이트 할 수 있다. 예를 들면, 프로세서(120)는 클래스에 식별된 편집 요소에 대응하는 사용자 선호도가 존재하는 경우, 해당 사용자 선호도의 사용 회수를 카운트 할 수 있다. 다른 예를 들면, 프로세서(120)는 클래스에 식별된 편집 요소에 대응하는 사용자 선호도가 존재하지 않는 경우, 식별된 편집 요소 기반의 새로운 사용자 선호도를 생성(또는 추가)할 수 있다.
일 실시예에 따라, 프로세서(120)는 분류된 클래스에 적어도 기반하여 적어도 하나의 사용자 선호도를 업데이트 할 수 있다. 예를 들면, 프로세서(120)는, 메모리(예: 도 2의 메모리(130))의 데이터베이스(예: 도 2의 데이터베이스(231))에 클래스를 생성(또는 추가)할 수 있고, 생성(또는 추가)된 클래스에 적어도 하나의 사용자 선호도를 업데이트 할 수 있다.
예를 들면, 프로세서(120)는 동작 605를 통해 분류된 영상의 클래스가 데이터베이스(231)에 포함되지 않은 경우, 새로운 클래스(예: robot)를 생성(또는 추가)할 수 있으며, 생성(또는 추가)된 새로운 클래스와 관련된 사용자 인터페이스(예: 사용자 입력을 통해 클래스 명 추가와 관련된 인터페이스)를 디스플레이(예: 도 2의 디스플레이(220))를 통해 제공할 수 있다.
예를 들면, 프로세서(120)는, 사용자 입력 및/또는 외부 장치(예: 클라우드, 서버, 또는 다른 전자 장치)를 통해 새로운 클래스와 관련된 클래스 명을 확인(또는 획득)할 수 있다. 일 실시예에 따라, 프로세서(120)는, 사용자 인터페이스(예: 사용자 입력을 통해 클래스 명 추가와 관련된 인터페이스) 및/또는 외부 장치를 통해 확인된 새로운 클래스(또는 새로운 클래스 명)을 데이터베이스(231)에 생성(또는 추가)할 수 있고, 생성(또는 추가)된 새로운 클래스(또는 새로운 클래스 명)에, 동작 607을 통해 추정된 편집 요소를 포함할 수 있다.
도 7은 다양한 실시예들에 따른 전자 장치에서 사용자 선호도에 기반한 데이터베이스를 구성하는 예를 설명하기 위한 도면이다.
도 7에 도시한 바와 같이, 전자 장치(101)는 데이터베이스(700)(예: 도 2의 데이터베이스(231))를 포함할 수 있다. 일 실시예에 따라, 데이터베이스(700)는 복수의 클래스들(예: 제1 클래스(710), 제2 클래스(720), 제3 클래스(730), 제4 클래스(740), 제5 클래스(750))을 포함하고, 각 클래스(710, 720, 730, 740, 750) 별로 적어도 하나의 편집 요소로 이루어진 사용자 선호도(710A, 720A, 730A, 740A, 750A)를 포함할 수 있다. 일 실시예에 따라, 클래스는, face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, 및/또는 night view와 같이 다양하게 분류될 수 있다.
일 실시예에 따르면, 도 7의 예시에서는, 클래스(710, 720, 730, 740, 750) 각각이, 하나의 사용자 선호도를 포함하는 것을 예로 하였으나, 클래스(710, 720, 730, 740, 750) 각각은, 복수의 사용자 선호도들을 포함할 수 있다. 이의 예가 도 9에 도시된다. 어떤 실시예에 따르면, 특정 클래스에서 사용자 선호도와 관련된 영상의 편집이 없고, 그에 따른 편집 요소가 추정되지 않은 경우, 특정 클래스에서는 사용자 선호도가 설정되지 않을 수 있다.
도 7을 참조하면, 사용자는 영상 촬영 또는 저장 영상과 같은 제1 영상(701)을 사용할 수 있다. 예를 들면, 사용자는 편집 툴을 이용하여 영상 편집을 위해 제1 영상(701)을 선택하거나, 또는 카메라 모듈(180)을 이용하여 영상 촬영을 위한 제1 영상(701)을 선택할 수 있다. 일 실시예에 따라, 전자 장치(101)는 메모리(130)에 저장된 영상을 디스플레이(220)를 통해 제1 영상(701)으로 제공하거나, 영상 촬영 동작에서 카메라 모듈(180)을 통해 획득된 영상을 디스플레이(220)를 통해 제1 영상(701)으로 제공할 수 있다.
일 실시예에 따라, 사용자는 제1 영상(701)에 기반하여 사용자 편집(703)을 수행할 수 있다. 일 실시예에 따라, 사용자는 사용자 편집(703)에 따른 영상을 저장하여 제2 영상(705)(예: 편집 영상)을 획득할 수 있다. 예를 들면, 사용자는 제1 영상(701)에 대해 편집 툴을 이용하여 영상을 편집하는 것에 의해 제2 영상(705)을 획득할 수 있다. 다른 예를 들면, 사용자는 제1 영상(701)에 대해 영상 촬영을 수행하는 것에 의해 제2 영상(705)을 획득할 수 있다. 일 실시예에 따라, 사용자는 사용자 편집(703)에 따른 제2 영상(705)을 외부(또는 외부의 전자 장치(예: 도 1의 전자 장치(102, 104, 또는 108))로 공유(707)하거나, 전자 장치(101)의 메모리(130)에 저장(707)할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 제1 영상(701) 및/또는 제2 영상(705)에 적어도 기반하여, 해당 영상(예: 제1 영상(701) 및/또는 제2 영상(705))의 클래스 분류(713)를 위한 영상 분석(709)을 수행할 수 있다. 예를 들면, 전자 장치(101)는 제1 영상(701) 및/또는 제2 영상(705)을 실시간으로 분석하거나, 예시 707에서, 외부로 공유 및/또는 저장된 영상을 분석할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 장면(또는 이미지) 분류, 객체 검출, 및/또는 구도 검출 중 적어도 하나의 분석 알고리즘에 기반하여, 영상의 클래스(710, 720, 730, 740, 750)를 식별할 수 있다. 일 실시예에 따라, 클래스(710, 720, 730, 740, 750)는, face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, 및/또는 night view와 같이 다양하게 분류될 수 있다. 일 실시예에 따라, 전자 장치(101)는 데이터베이스(700)에 다양하게 분류된 클래스(710, 720, 730, 740, 750) 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다. 예를 들면, 영상 분석에 결과에 따라, 영상에 관련된 클래스는 하나 또는 그 이상이 포함될 수 있다.
다양한 실시예들에 따르면, 제2 영상(705)이 공유 또는 저장(707)되는 경우, 전자 장치(101)는 제2 영상(705)에 기반하여, 제2 영상(705)의 편집 요소를 추정(711)할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 영상 편집 트리거에 기반하여 대상 영상으로부터 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제2 영상(705)에서 사용자 편집(703)에 따른 사용자 액션(action)에 기반하여 편집 요소를 추정(711)할 수 있다. 예를 들면, 전자 장치(101)는 제2 영상(705)으로부터, brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, 및/또는 human area에 대한 처리(예: 변경, 설정, 및/또는 적용)에 따른 편집 요소를 추정할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 예시 709에서, 제1 영상(701) 및/또는 제2 영상(705)과 관련된 영상 분석 후에, 편집 요소를 추정(711)하거나, 예시 711에서, 편집 요소를 추정한 후에, 영상 분석을 수행할 수 있다. 예를 들면, 전자 장치(101)는 영상 분석(709) 및/또는 편집 요소 추정(711)을 순차적으로, 역순차적으로, 또는 병렬적으로 수행할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 분류된 클래스와 편집 요소에 기반하여, 사용자 선호도를 데이터베이스(700)에 업데이트 할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 데이터베이스(700)의 클래스(710, 720, 730, 740, 750) 중에서, 예시 713에서, 분류된 클래스에 기반하여 사용자 선호도를 업데이트 할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 대응하는 클래스에 예시 711에서 추정된 편집 요소 기반의 사용자 선호도가 존재하는 경우, 해당 사용자 선호도의 사용 회수(또는 보상, 가중치)를 카운트(또는 증가, 누적) 할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 대응하는 클래스에 예시 711에서 추정된 편집 요소 기반의 사용자 선호도가 존재하지 않는 경우, 추정된 편집 요소 기반의 새로운 사용자 선호도를 생성하여 데이터베이스(700)의 대응하는 클래스에 추가할 수 있다.
도 8a, 도 8b 및 도 8c는 다양한 실시예들에 따른 전자 장치에서 사용자의 영상 편집 트리거의 예를 설명하기 위한 도면들이다.
도 8a, 도 8b 및 도 8c에 도시한 바와 같이, 도 8a, 도 8b 및 도 8c는 전자 장치(101)에 의해 편집 요소 추정을 위한 영상 편집 트리거가 발생하는 예를 나타낸 도면이다.
일 실시예에 따른 도 8a는, 영상 촬영 중(예: 프리뷰 영상 표시 동안)에, 사용자에 의해, 촬영과 관련된 기능을 설정(예: 밝기, 감도, 또는 화이트밸런스 설정)하기 위한 설정 객체(815)를 이용하여, 영상에 적어도 하나의 편집 요소를 적용하여 촬영하는 경우의 예를 나타낼 수 있다. 일 실시예에 따르면, 사용자는 영상(810)에 특정 필터, 특정 효과(예: 밝기, 이모지, 프레임, 및/또는 뷰티), 화각, 및/또는 줌-인/아웃과 같은 적어도 하나의 편집 요소를 설정하여 촬영을 수행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 촬영을 수행하는 결과에 기반하여 영상 편집 트리거를 감지할 수 있다. 예를 들면, 전자 장치(101)는 촬영된 영상(810)으로부터 클래스 및/또는 편집 요소를 추정할 수 있다.
일 실시예에 따른 도 8b는, 사용자에 의해 전자 장치(101)의 영상 편집을 위한 편집 툴(또는 편집 어플리케이션)을 이용하여, 영상(820)에 적어도 하나의 편집 요소를 적용하여 영상(820)을 편집하는 경우의 예를 나타낼 수 있다. 일 실시예에 따르면, 사용자는 편집 툴을 이용하여, 영상(820)의 brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, 및/또는 human area에 대한 처리 및/또는 인물 형태 보정과 같은 다양한 편집을 수행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 편집 툴을 이용하여 영상을 편집하는 결과에 기반하여 영상 편집 트리거를 감지할 수 있다. 예를 들면, 전자 장치(101)는 편집된 영상(820)으로부터 클래스 및/또는 편집 요소를 추정할 수 있다.
일 실시예에 따른 도 8c는, 사용자에 의해 전자 장치(101)의 영상(예: 촬영 영상, 저장 영상)을 외부 장치(예: 클라우드, 소셜 네트워크, 및/또는 다른 전자 장치)와 공유(또는 전송)할 수 있다. 예를 들면, 도 8c는, 전자 장치(101)에서 외부 장치(예: 소셜 네트워크)에 공유된 영상(830)을 디스플레이(220)를 통해 제공하는 예를 나타낼 수 있다. 일 실시예에 따르면, 전자 장치(101)는 전자 장치(101)의 영상 공유에 기반하여 영상 편집 트리거를 감지할 수 있다. 예를 들면, 전자 장치(101)는 공유된 영상(830)으로부터 클래스 및/또는 편집 요소를 추정할 수 있다.
도 9는 다양한 실시예들에 따른 전자 장치의 데이터베이스에 사용자 선호도를 구성하는 예를 설명하기 위한 도면이다.
일 실시예에 따르면, 전자 장치(101)는 복수의 클래스들을 포함하고, 각 클래스 별로 적어도 하나의 편집 요소로 이루어진 사용자 선호도를 데이터베이스(예: 도 7의 데이터베이스(700), 또는 도 2의 데이터베이스(231))에 포함할 수 있다. 일 실시예에 따라, 도 9는 복수의 클래스들 중 어느 하나의 클래스(900)에 구성된 사용자 선호도의 예를 나타낼 수 있다.
도 9를 참조하면, 클래스(900)는 다양한 편집 요소 중 서로 비슷한 편집 요소끼리 클러스터링(clustering)된 각각의 클러스터(또는 그룹)로 사용자 선호도를 구분할 수 있다. 일 실시예에 따라, 클래스(900)은, 제1 클러스터(910)와 제2 클러스터(920)을 포함할 수 있다. 일 실시예에 따라, 제1 클러스터(910)는 4개의 편집 요소로 이루어진 제1 사용자 선호도(911), 2개의 편집 요소로 이루어진 제2 사용자 선호도(913), 3개의 편집 요소로 이루어진 제3 사용자 선호도(915), 및/또는 3개의 편집 요소로 이루어진 제4 사용자 선호도(917)를 포함할 수 있다. 일 실시예에 따라, 제2 클러스터(920)는 3개의 편집 요소로 이루어진 제5 사용자 선호도(921), 3개의 편집 요소로 이루어진 제6 사용자 선호도(923), 1개의 편집 요소로 이루어진 제7 사용자 선호도(925), 및/또는 4개의 편집 요소로 이루어진 제8 사용자 선호도(927)를 포함할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 다양한 편집 요소의 평균을 적용하여, 비슷한 편집 요소끼리 클러스터링 하여 대응하는 클러스터로 구분하여 관리할 수 있다. 예를 들면, 제1 클러스터(910)의 편집 요소는 brightness, tone curve, color curve, contrast, crop, saturation, 및/또는 sharpness와 같은 적어도 하나의 편집 요소를 공통적으로 포함하는 그룹일 수 있다. 다른 예를 들면, 제2 클러스터(920)의 편집 요소는 crop, magnify, composition, image filter, rotation, 및/또는 human area 처리와 같은 적어도 하나의 편집 요소를 공통적으로 포함하는 그룹일 수 있다. 일 실시예에 따르면, 전자 장치(101)는 사용자에게 많이 선택된 클러스터 순으로 사용자 선호도를 추천할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 다양한 편집 요소로, 메모리(예: 도 2의 메모리(130))에 저장된 사용자 정보(또는 개인 정보)를 포함할 수 있다. 예를 들면, 전자 장치(101)는, 분류된 클래스가 사람(person)인 경우, 사람 별로 적용되는 편집 요소를 서로 다르게 설정할 수 있다. 예를 들면, 전자 장치(101)는 복수의 사람들(예: A, B, 또는 C) 중 A 사람인 경우, 제1 사용자 선호도(911)를 적용할 수 있고, B 사람인 경우, 제5 사용자 선호도(921)를 적용할 수 있고, C 사람인 경우, 제1 사용자 선호도(911) 및 제5 사용자 선호도(921)를 적용할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 다양한 편집 요소로, 지정된 문구(예: 텍스트) 및/또는 이미지(예: 아이콘, 또는 이모지)를 포함할 수 있다. 예를 들면, 전자 장치(101)는, 분류된 클래스가 동물(animal)인 경우, 지정된 문구(예: lovely) 및/또는 이미지(예: 하트(♡))를 편집 요소로 포함할 수 있다.
도 10은 다양한 실시예들에 따른 전자 장치에서 편집 요소를 추출하는 예를 설명하기 위한 도면이다.
도 10에 도시한 바와 같이, 전자 장치(101)는 데이터베이스(700)(예: 도 2의 데이터베이스(231))를 포함할 수 있다. 일 실시예에 따라, 데이터베이스(700)는 도 7 및/또는 도 9를 참조한 설명 부분에서 설명한 바에 대응할 수 있다.
도 10을 참조하면, 사용자는 편집 툴로 편집된 편집 영상(1001)이 저장 및/또는 공유할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 편집 영상(1001)의 저장 및/또는 공유에 적어도 기반하여 편집 영상(1001)의 클래스 및/또는 편집 요소 추정을 위한 영상 분석(1003)을 결정할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 영상 분석(1003)의 결정에 기반하여, 영상 분석을 수행하고, 편집 영상(1001)의 클래스를 분류(1011)할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 영상 분석(1003)의 결정에 기반하여, 편집 영상(1001)에 대응하는 원본 영상 검색(1005)을 수행할 수 있다. 예를 들면, 전자 장치(101)는 전자 장치(101)의 메모리(130)에 편집 영상(1001)과 연관지어 저장된 원본 영상(1007)이 있는지 여부를 판단할 수 있다. 일 실시예에 따라, 전자 장치(101)는 영상 생성 시에 함께 저장되는 메타데이터(예: 영상 파일 정보 및/또는 EXIF(exchangeable image file format) 정보)에 기반하여 편집 영상(1001)과 원본 영상(1007) 간의 연관 여부를 식별할 수 있다.
일 실시예에 따라, 전자 장치(101)는 편집 영상(1001)에 연관된 원본 영상(1007)이 검색되는 경우(예: 메모리(130)에 존재하는 경우), 편집 영상(1001)과 원본 영상(1007)에 기반하여, 편집 요소 추정(1009)을 수행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 편집 영상(1001)과 원본 영상(1007)을 비교하고, 편집 영상(1001)과 원본 영상(1007) 간의 편집 요소의 차이에 기반하여, 편집 영상(1001)에 대한 편집 요소를 추정할 수 있다. 예를 들면, 전자 장치(101)는 color curve, sharpness, saliency object의 위치 및 크기와 같은 구도 정보, 및/또는 human area에 대한 처리와 같은 편집 요소의 차이를 분석할 수 있다.
일 실시예에 따라, 전자 장치(101)는 편집 영상(1001)에 연관된 원본 영상(1007)이 검색되지 않는 경우(예: 메모리(130)에 존재하지 않는 경우), 데이터베이스(700)로부터 분류된 클래스에 대한 정보를 추출하고, 추출된 정보에 기반하여, 편집 영상(1001)에 대한 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 편집 후 저장된 영상(예: 편집 영상(1001))의 내용을 분석하여 특징 벡터를 추출하고, 추출된 특징 벡터에 기반하여 영상의 클래스를 분류할 수 있다. 이후, 전자 장치(101)는 대응하는 클래스에 기반하여 영상과 관련된 편집 요소를 추출할 수 있다. 예를 들면, 전자 장치(101)는 데이터베이스(700)의 대응하는 클래스에서, color curve, sharpness, saliency object의 위치 및 크기와 같은 구도 정보, 및/또는 human area에 대한 처리와 같은 편집 요소를 추정할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 편집 영상(1001)에서 클래스에 속한 편집 요소의 평균적인 값을 원본 영상의 추정 값으로 이용할 수 있다. 예를 들면, 전자 장치(101)는 영상이 속한 클래스가 야경인 경우, 야경 클래스에 속한 이미지의 평균적인 특징(예: color tone curve가 어두운 톤에 많이 모여 있고, sharpness가 낮은 형태)이 원본 영상의 특징이라고 예측할 수 있다. 일 실시예에 따라, color tone에 관련된 평균적인 특징은 학습된 딥러닝 네트워크로 예측할 수 있으며, 히스토그램 방식으로도 계산 가능하다. 일 실시예에 따라, sharpness는 편집 영상(1001)의 gradient를 가지고 편집 영상(1001)이 속한 클래스의 평균적인 gradient 분포와의 차이를 가지고 예측할 수 있다. 일 실시예에 따라, 구도에 대한 정보 역시 편집 영상(1001)을 이용하여 예측할 수 있다. 일 실시예에 따라, 인물 보정에 대한 정보는 편집 영상(1001)이 속한 클래스와 편집 영상(1001)의 영상 내용을 이용하여 추정할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 분류된 클래스와 편집 요소(예: 추정된 편집 요소)에 기반하여, 사용자 선호도를 데이터베이스(700)에 업데이트 할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 데이터베이스(700)의 클래스(710, 720, 730, 740, 750) 중에서, 예시 1011에서, 분류된 클래스에 기반하여 사용자 선호도를 업데이트 할 수 있다.
도 11은 다양한 실시예들에 따른 전자 장치에서 사용자 선호도를 위한 영상 분석의 예를 설명하기 위한 도면이다.
도 12는 다양한 실시예들에 따른 전자 장치에서 영상으로부터 편집 요소(예: 구도)를 구분하는 예를 설명하기 위한 도면이다.
일 실시예에 따라, 도 11은 전자 장치(101)의 인공지능 모델(1100)(또는 AI 네트워크)의 예를 나타낼 수 있다. 다양한 실시예들에 따르면, 전자 장치(101)는 인공지능 모델(1100)을 이용하여 사용자 선호도를 분석 및/또는 제공할 수 있다. 일 실시예에 따라, 인공지능 모델(1100)은 전자 장치(101)에서 기계 학습을 통해 생성될 수 있다. 어떤 실시예에 따르면, 학습은 별도의 서버를 통해 수행될 수도 있다. 예를 들면, 인공지능 모델(1100)은 전자 장치(101)가 사용자 선호도를 스스로 학습하고 판단할 수 있으며, 학습에 비례하여 사용자 선호도의 인식률이 향상되고, 사용자의 의도를 보다 정확하게 이해할 수 있다.
일 실시예 따라, 인공지능 모델(1100)은 영상 분석 네트워크(또는 알고리즘)(1110), 편집 요소 분석 네트워크(1120), 구도 추정 네트워크(1130), 및/또는 구도 적용 네트워크(1140)를 포함할 수 있다.
일 실시예에 따라, 영상 분석 네트워크(1110)는 영상(예: 원본 영상, 편집 영상, 및/또는 영상 축소본)을 입력으로 하고, 영상에 기반한 영상 분석을 통해, 영상의 클래스를 출력할 수 있다. 일 실시예에 따르면, 영상 분석 네트워크(1110)는 입력되는 영상에 대해, face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, 및/또는 night view와 같은 클래스 중 영상이 속하는 적어도 하나의 클래스에 대한 정보를 출력할 수 있다.
일 실시예에 따라, 편집 요소 분석 네트워크(1120)는 영상(예: 원본 영상, 편집 영상, 및/또는 영상 축소본)을 입력으로 하고, 영상에 편집 요소(예: brightness, contrast, tone curve, 및/또는 color curve)를 적용하기 전 원래의 형태를 추정하여 출력할 수 있다. 일 실시예에 따르면, 편집 요소 분석 네트워크(1120)는 적어도 2개의 영상(예: 입력 영상과 출력 영상)을 이용하여 회귀 분석(regression analysis) 방식으로 편집 요소를 추정할 수 있다.
일 실시예에 따라, 구도 추정 네트워크(1130)는 편집 요소 분석 네트워크(1120)에 예를 나타낼 수 있다. 일 실시예에 따르면, 구도 추정 네트워크(1130)는 영상(예: 원본 영상, 편집 영상, 및/또는 영상 축소본)을 입력으로 하고, 영상(예: 사진)에 적용된 구도의 분류(classification) 결과(예: 구도의 종류)를 출력할 수 있다. 일 실시예에 따라, 구도 추정 네트워크(1130)는 도 12에 예시한 바와 같은 구도의 종류에 기반하여 영상에 적용된 구도의 분류 결과를 제공할 수 있다.
도 12를 참조하면, 도 12는 다양한 구도의 예를 나타낼 수 있다. 예를 들면, 구도 추정 네트워크(1130)는, 영상에서 특징 객체(예: saliency object)의 위치 및/또는 크기에 적어도 기반하여, rule of thirds(1210), center(1220), horizontal(1230), symmetric(1240), diagonal(1250), curved(1260), vertical(1270), triangle(1280), 및/또는 pattern(1290)과 같은 구도를 추정할 수 있다.
일 실시예에 따라, 요소 적용 네트워크(1140)는 영상(예: 원본 영상, 편집 영상, 및/또는 영상 축소본)을 입력으로 하고, 다양한 편집 요소에 관련된 요소 검출(element detection)을 수행하여, 검출된 요소를 영상에 적용할 수 있다. 일 실시예에 따르면, 요소 적용 네트워크(1140)는 구도에 관련된 구도 요소 검출(composition element detection)을 수행하여, 검출된 구도 요소를 영상에 적용할 수 있다. 예를 들면, 요소 적용 네트워크(1140)는 검출된 요소(예: 구도)를 이용하여 사용자가 선호하는 편집 요소(예: 구도)를 영상에 적용할 수 있다.
일 실시예에 따르면, 사용자가 선호하는 구도는 적어도 2단계로 적용될 수 있다. 예를 들면, 구도 추정 네트워크(1130)는 영상으로부터 구도 요소를 검출하고, 요소 적용 네트워크(1140)는 검출된 구도 요소를 이용하여 사용자가 선호하는 구도에 맞도록, 예를 들면, crop, rotation, 및/또는 resize를 수행할 수 있다.
일 실시예에 따르면, 구도 추정 네트워크(1130)에서는 영상에서 메인 객체(또는 피사체)와 수평선 및/또는 건물의 선(예: 구도에 관련된 선들)과 같은 구도 요소를 검출(또는 추정)할 수 있다. 예를 들면, 사용자가 rule of thirds 구도를 선호하는 것을 가정하면, 요소 적용 네트워크(1140)는 rule of thirds 구도를 이용하여 메인 피사체가 영상(예: 사진)에서 1/3 정도를 차지하도록 구도를 적용할 수 있다.
일 실시예에 따르면, 요소 적용 네트워크(1140)는 다양한 편집 요소를 적용함에 있어서, 영상 분석 네트워크(1110)에서 복수의 사람들(예: A, B, 또는 C)이 분석되는 경우, 각각의 사람들 별로, 서로 다른 편집 요소(예: 도 9의 제1 사용자 선호도(911) 내지 제8 사용자 선호도(927))를 적용할 수 있다. 예를 들면, 요소 적용 네트워크(1140)는 추천 영상(예: 도 14의 추천 영상(1400))을 적용함에 있어서, 제1 추천 영상(예: 도 14의 제1 추천 영상(1410))에는 A 사람과 관련된 제1 사용자 선호도(911)를 적용할 수 있고, 제2 추천 영상(예: 도 14의 제2 추천 영상(1420))에는 제5 사용자 선호도(921)를 적용할 수 있고, 제3 추천 영상(예: 도 14의 제3 추천 영상(1430))에는 A 사람과 관련된 제1 사용자 선호도(911) 및 B 사람과 관련된 제5 사용자 선호도(921)를 적용할 수 있다.
도 13a 및 도 13b는 다양한 실시예들에 따른 전자 장치의 동작을 도시하는 흐름도이다.
도 13a 및 도 13b를 참조하면, 동작 1301에서, 전자 장치(101)의 프로세서(120)는 사용자 입력에 기반하여 영상 촬영을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 카메라 모듈(180)로부터 프리뷰 영상을 획득하여 디스플레이(220)를 통해 제공하고, 사용자 입력에 응답하여, 디스플레이(220)를 통해 표시 중인 프리뷰 영상의 적어도 일부를 촬영(또는 캡쳐)을 수행할 수 있다.
동작 1303에서, 프로세서(120)는 촬영 영상을 메모리(130)에 저장할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 촬영 영상을 메모리(130)에 바로 저장하지 않고, 메모리(130)의 지정된 버퍼에 임시 저장하고, 추천 영상에 대한 선택 여부에 기반하여, 촬영 영상과 추천 영상의 적어도 하나를 메모리(130)에 저장하도록 할 수 있다.
동작 1305에서, 프로세서(120)는 영상 분석에 기반하여 영상에 관련된 클래스를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영 영상에 기반하여 영상 분석을 수행할 수 있고, 영상 분석의 결과에 기반하여, 영상에 관련된 클래스(또는 주제)를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 데이터베이스(700)에 다양하게 분류된 클래스 중 영상이 속하는 적어도 하나의 클래스를 결정할 수 있다.
동작 1307에서, 프로세서(120)는 식별하는 결과에 기반하여 복수의 클래스들이 식별되는지 여부를 판단할 수 있다. 예를 들면, 프로세서(120)는 영상에 관련된 클래스가 하나의 클래스인지 또는 복수의 클래스들인지 판단할 수 있다.
동작 1307에서, 프로세서(120)는 식별된 클래스가 복수의 클래스들에 대응하는 경우(예: 동작 1307의 ‘예’), 동작 1309로 진행하여, 동작 1309 이하의 동작을 수행할 수 있다. 동작 1307에서, 프로세서(120)는 식별된 클래스가 하나의(또는 단일) 클래스에 대응하는 경우(예: 동작 1307의 ‘아니오’), 동작 1341로 진행하여, 동작 1341 이하의 동작을 수행할 수 있다.
동작 1309에서, 프로세서(120)는 클래스 별 선호 비율을 산출할 수 있다. 일 실시예에 따르면, 제1 클래스와 제2 클래스가 식별된 경우, 프로세서(120)는 제1 클래스와 제2 클래스에 관련된 사용자의 사용 이력에 기반하여, 제1 클래스와 제2 클래스의 선호 비율을 산출할 수 있다. 예를 들면, 프로세서(120)는 클래스 별 사용 이력에 기반하여, 제1 클래스의 사용 비율이 약 60%이고, 제2 클래스의 사용 비율이 약 40%인 것을 결정할 수 있다.
동작 1311에서, 프로세서(120)는 클래스 별 선호 비율에 기반하여 클래스 별 추천 우선순위를 결정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스의 선호 비율(또는 사용 비율)이 높은 클래스(예: 제1 클래스)부터 높은 우선순위를 부여할 수 있다.
동작 1313에서, 프로세서(120)는 식별된 클래스에 기반하여 복수의 사용자 선호도들이 식별되는지 여부를 판단할 수 있다. 예를 들면, 프로세서(120)는 각각의 클래스마다 하나의 사용자 선호도를 포함하는지 또는 복수의 사용자 선호도들을 포함하는지 판단할 수 있다.
동작 1313에서, 프로세서(120)는 적어도 하나의 클래스에서 복수의 사용자 선호도들을 포함하는 경우(예: 동작 1313의 ‘예’), 동작 1315로 진행하여, 동작 1315 이하의 동작을 수행할 수 있다. 동작 1313에서, 프로세서(120)는 각각의 클래스에서 하나의 사용자 선호도를 포함하는 경우(예: 동작 1313의 ‘아니오’), 동작 1327로 진행하여, 동작 1327 이하의 동작을 수행할 수 있다.
동작 1315에서, 프로세서(120)는 복수의 클래스들에 기반하여 사용자 선호도 별 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 하나의 사용자 선호도를 포함하는 클래스에서 해당 사용자 선호도에 관련된 제1 편집 요소 그룹을 추정하고, 복수의 사용자 선호도들(예: 적어도 2개의 사용자 선호도)를 포함하는 클래스에서 각 사용자 선호도에 관련된 제2 편집 요소 그룹 및 제3 편집 요소 그룹을 각각 추정할 수 있다. 일 실시예에 따르면, 제1 편집 요소 그룹, 제2 편집 요소 그룹, 및/또는 제3 편집 요소 그룹은, 각각, 하나 또는 그 이상의 편집 요소를 포함할 수 있다.
동작 1317에서, 프로세서(120)는 추정된 편집 요소에 기반하여 사용자 선호도 별 추천 영상을 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스 별 사용자 선호도에 기반하여 각각 대응하는 복수의 추천 영상들을 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스 별 하나 또는 그 이상의 사용자 선호도에 기반하여, 클래스 별로 하나 또는 그 이상의 추천 영상을 생성할 수 있다.
동작 1319에서, 프로세서(120)는 사용자 선호도 별 추천 우선순위를 결정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 복수의 사용자 선호도들을 포함하는 클래스에서, 복수의 사용자 선호도들 간의 우선순위를 결정할 수 있다. 예를 들면, 프로세서(120)는 어느 일 클래스에서 2개의 사용자 선호도를 포함하는 경우, 각 사용자 선호도에 관련된 사용자의 사용 이력에 기반하여, 사용자 선호도의 선호 비율(또는 사용 비율)이 높은 사용자 선호도부터 높은 우선순위를 부여할 수 있다.
동작 1321에서, 프로세서(120)는 클래스 및/또는 사용자 선호도의 우선순위에 기반하여 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)의 지정된 영역에 기반하여, 클래스 및/또는 사용자 선호도의 우선순위에 기반한 순서(예: 좌측에서 우측으로, 또는 위에서 아래로 정렬)로 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상(예: 원본 영상)과 적어도 하나의 추천 영상을 함께 표시하도록 디스플레이(220)를 제어할 수 있다.
동작 1323에서, 프로세서(120)는 추천 영상을 선택 및 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)를 통해 제공된 추천 영상 중 적어도 하나의 추천 영상이 사용자에 의해 선택되면, 선택된 추천 영상에 기반하여 영상을 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상에 선택된 추천 영상의 편집 요소를 적용(또는 편집)하여 영상을 저장할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 디스플레이(220)를 통해 추천 영상을 제공할 시 대응하는 추천 영상을 임시 저장할 수 있고, 사용자 선택에 기반하여 임시 저장된 추천 영상을 저장할 수도 있다. 일 실시예에 따르면, 프로세서(120)는 추천 영상을 저장할 때, 전자 장치(101)의 설정에 따라, 촬영된 영상(예: 원본 영상)과 선택된 추천 영상을 서로 연관지어 저장할 수 있다.
동작 1325에서, 프로세서(120)는 데이터베이스(700)에서 선택된 추천 영상의 클래스의 사용자 선호도를 업데이트 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 동작 1305에서 식별된 클래스 중, 선택된 추천 영상과 관련된 클래스의 사용자 선호도를 업데이트 할 수 있다. 예를 들면, 프로세서(120)는 선택된 추천 영상과 관련된 사용자 선호도의 사용 회수(또는 보상, 가중치)를 카운트(또는 증가, 누적) 할 수 있다.
동작 1327에서, 프로세서(120)는 복수의 클래스들에 기반하여 사용자 선호도 별 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 복수의 클래스들 각각에서 사용자 선호도에 관련된 복수의 편집 요소 그룹들을 각각 추정할 수 있다. 일 실시예에 따르면, 복수의 편집 요소 그룹들은, 각각, 하나 또는 그 이상의 편집 요소를 포함할 수 있다.
동작 1329에서, 프로세서(120)는 추정된 편집 요소에 기반하여 사용자 선호도 별 추천 영상을 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스 별 사용자 선호도에 기반하여 각각 대응하는 복수의 추천 영상들을 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스 별 사용자 선호도에 기반하여, 클래스 별로 하나의 추천 영상을 생성할 수 있다.
동작 1331에서, 프로세서(120)는 클래스의 우선순위에 기반하여 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)의 지정된 영역에 기반하여, 클래스의 우선순위에 기반한 순서로 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상(예: 원본 영상)과 적어도 하나의 추천 영상을 함께 표시하도록 디스플레이(220)를 제어할 수 있다.
일 실시예에 따라, 프로세서(120)는 동작 1331 이후, 동작 1323으로 진행하여, 동작 1323 이하의 동작을 수행할 수 있다.
동작 1307에서, 프로세서(120)는 식별된 클래스가 하나의(또는 단일) 클래스에 대응하는 경우(예: 동작 1307의 ‘아니오’), 동작 1341에서, 식별된 클래스(예: 단일 클래스)에 기반하여 복수의 사용자 선호도들이 식별되는지 여부를 판단할 수 있다. 예를 들면, 프로세서(120)는 해당 클래스가 하나의 사용자 선호도를 포함하는지 또는 복수의 사용자 선호도들을 포함하는지 판단할 수 있다.
동작 1341에서, 프로세서(120)는 식별된 클래스에서 복수의 사용자 선호도들을 포함하는 경우(예: 동작 1341의 ‘예’), 동작 1343으로 진행하여, 동작 1343 이하의 동작을 수행할 수 있다. 동작 1341에서, 프로세서(120)는 식별된 클래스에서 하나의 사용자 선호도를 포함하는 경우(예: 동작 1341의 ‘아니오’), 동작 1355로 진행하여, 동작 1355 이하의 동작을 수행할 수 있다.
동작 1343에서, 프로세서(120)는 사용자 선호도 별 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 사용자 선호도에 관련된 제1 편집 요소 그룹을 추정하고, 제2 사용자 선호도에 관련된 제2 편집 요소 그룹 및 제3 사용자 선호도에 관련된 제3 편집 요소 그룹을 추정할 수 있다. 일 실시예에 따르면, 제1 편집 요소 그룹, 제2 편집 요소 그룹, 및/또는 제3 편집 요소 그룹은, 각각, 하나 또는 그 이상의 편집 요소를 포함할 수 있다.
동작 1345에서, 프로세서(120)는 추정된 편집 요소에 기반하여 사용자 선호도 별 추천 영상을 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스 내의 복수의 사용자 선호도들에 기반하여 각각 대응하는 복수의 추천 영상들을 생성할 수 있다.
동작 1347에서, 프로세서(120)는 사용자 선호도 별 추천 우선순위를 결정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 복수의 사용자 선호도들 간의 우선순위를 결정할 수 있다. 예를 들면, 프로세서(120)는 클래스에서 3개의 사용자 선호도를 포함하는 경우, 각 사용자 선호도에 관련된 사용자의 사용 이력에 기반하여, 사용자 선호도의 선호 비율(또는 사용 비율)이 높은 사용자 선호도부터 높은 우선순위를 부여할 수 있다.
동작 1349에서, 프로세서(120)는 사용자 선호도의 우선순위에 기반하여 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)의 지정된 영역에 기반하여, 사용자 선호도의 우선순위에 기반한 순서(예: 좌측에서 우측으로, 또는 위에서 아래로 정렬)로 추천 영상을 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상(예: 원본 영상)과 적어도 하나의 추천 영상을 함께 표시하도록 디스플레이(220)를 제어할 수 있다.
동작 1351에서, 프로세서(120)는 추천 영상을 선택 및 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 디스플레이(220)를 통해 제공된 추천 영상 중 적어도 하나의 추천 영상이 사용자에 의해 선택되면, 선택된 추천 영상에 기반하여 영상을 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 촬영된 영상에 선택된 추천 영상의 편집 요소를 적용(또는 편집)하여 영상을 저장할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 디스플레이(220)를 통해 추천 영상을 제공할 시 대응하는 추천 영상을 임시 저장할 수 있고, 사용자 선택에 기반하여 임시 저장된 추천 영상을 저장할 수도 있다. 일 실시예에 따르면, 프로세서(120)는 추천 영상을 저장할 때, 전자 장치(101)의 설정에 따라, 촬영된 영상(예: 원본 영상)과 선택된 추천 영상을 서로 연관지어 저장할 수 있다.
동작 1353에서, 프로세서(120)는 데이터베이스(700)에서 해당 클래스의 사용자 선호도를 업데이트 할 수 있다. 일 실시예에 따르면, 프로세서(120)는 동작 1305에서 식별된 클래스의 사용자 선호도를 업데이트 할 수 있다. 예를 들면, 프로세서(120)는 선택된 추천 영상과 관련된 사용자 선호도의 사용 회수(또는 보상, 가중치)를 카운트(또는 증가, 누적) 할 수 있다.
일 실시예에 따르면, 프로세서(120)는 동작 1351에서, 디스플레이(220)를 통해 제공된 추천 영상 중 복수 개의 추천 영상들이 사용자에 의해 선택되는 경우, 선택된 순서(예: 우선 순위)를 디스플레이(220)(예: 사용자 인터페이스)를 통해 제공할 수 있고, 선택된 순서에 따라 사용자 선호도의 사용 회수(또는 보상, 가중치)를 서로 다르게 설정할 수 있다. 예를 들면, 프로세서(120)는 복수 개의 추천 영상들 중, 선택된 제1 영상(예: 상위 우선 순위 영상)과 관련된 카운트(또는 증가, 누적)를 선택된 제2 영상(예: 하위 우선 순위 영상)과 관련된 카운트(또는 증가, 누적) 보다 높게 설정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 동작 1305에서 식별된 클래스의 사용자 선호도를, 사용자 선택 여부에 기반하여 변경(예: 업데이트) 할 수 있다. 예를 들면, 프로세서(120)는, 동작 1351에서, 선택되지 않은 추천 영상과 관련된 사용자 선호도의 사용 회수(또는 보상, 가중치)를 감소할 수 있다.
동작 1355에서, 프로세서(120)는 사용자 선호도의 편집 요소를 추정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 식별된 클래스에서 사용자 선호도에 관련된 적어도 하나의 편집 요소 그룹을 추정할 수 있다. 일 실시예에 따르면, 적어도 하나의 편집 요소 그룹은, 하나 또는 그 이상의 편집 요소를 포함할 수 있다.
동작 1357에서, 프로세서(120)는 추정된 편집 요소에 기반하여 사용자 선호도의 추천 영상을 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 클래스의 해당 사용자 선호도에 기반하여 적어도 하나의 추천 영상을 생성할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 사용자 선호도의 유사 선호도를 추정하여, 사용자 선호도의 추천 영상 이외에, 추가적인 유사 선호도 기반의 추천 영상을 함께 제공할 수도 있다.
일 실시예에 따라, 프로세서(120)는 동작 1357 이후, 동작 1351로 진행하여, 동작 1351 이하의 동작을 수행할 수 있다.
도 14는 다양한 실시예들에 따른 전자 장치에서 추천 영상을 제공하고 추천 영상에 기반한 사용자 선호도를 업데이트하는 예를 설명하기 위한 도면이다.
도 14에 도시한 바와 같이, 전자 장치(101)는 데이터베이스(700)(예: 도 2의 데이터베이스(231))를 포함할 수 있다. 일 실시예에 따라, 데이터베이스(700)는 도 7 및/또는 도 9를 참조한 설명 부분에서 설명한 바에 대응할 수 있다.
일 실시예에 따라, 도 14의 예시에서는, 데이터베이스(700)에서 제1 클래스(1440)(예: portrait)와 제2 클래스(1450)(예: mountain)가 이용되는 것을 예로 할 수 있다. 예를 들면, 도 14에서는, 영상 분석에 기반하여, 대상 영상의 클래스가 제1 클래스(1440)와 제2 클래스(1450)와 같이 복수의 클래스들을 포함하는 경우의 예를 나타낼 수 있다. 일 실시예에 따라, 도 14의 예시에서는, 제1 클래스(1440)는 1 개의 편집 요소 그룹(1445)을 포함하고, 제2 클래스(1450)는 2 개의 편집 요소 그룹(1451, 1453)을 포함하는 예를 나타내고 있다. 일 실시예에 따라, 각각의 편집 요소 그룹(1445, 1451, 1453)은, 하나 또는 그 이상의 편집 요소를 포함할 수 있다.
도 14를 참조하면, 전자 장치(101)는 영상 촬영에 기반하여 제1 영상(1401)(예: 촬영 영상)을 획득할 수 있다. 예를 들면, 사용자는 전자 장치(101)의 카메라 모듈(180)을 이용하여 제1 영상(1401)(예: 촬영 영상)을 위한 영상 촬영을 수행할 수 있다. 일 실시예에 따라, 전자 장치(101)는 영상 촬영 동작에서 카메라 모듈(180)을 통해 획득된 영상을 디스플레이(220)를 통해 제1 영상(1401)으로 제공할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 제1 영상(1401)에 기반하여, 제1 영상(1401)의 클래스 분류(1405)를 위한 영상 분석(1403)을 수행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 장면(또는 이미지) 분류, 객체 검출, 및/또는 구도 검출 중 적어도 하나의 분석 알고리즘에 기반하여, 제1 영상(1401)의 클래스를 식별할 수 있다. 일 실시예에 따라, 전자 장치(101)는 데이터베이스(700)에 다양하게 분류된 클래스 중 제1 영상(1401)이 속하는 적어도 하나의 클래스를 결정할 수 있다. 예를 들면, 전자 장치(101)는 영상 분석에 결과에 따라, 제1 영상(1401)에 관련된 클래스로, 제1 클래스(1440)(예: portrait)와 제2 클래스(1450)(예: mountain)를 결정할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 결정된 클래스(1440, 1450)에 기반하여, 추천 영상(1400)을 위한 편집 요소를 추정(1407)할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 데이터베이스(700)의 제1 클래스(1440)로부터 제1 편집 요소 그룹(1445) 기반의 제1 사용자 선호도, 데이터베이스(700)의 제2 클래스(1450)로부터 제2 편집 요소 그룹(1451) 기반의 제2 사용자 선호도 및 제3 편집 요소 그룹(1453) 기반의 제3 사용자 선호도를 결정할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 클래스 별 하나 또는 그 이상의 사용자 선호도에 기반하여, 클래스 별로 하나 또는 그 이상의 추천 영상을 생성할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 각 클래스(1440, 1450)의 각각의 편집 요소 그룹(1445, 1451, 1453)으로부터 제1 사용자 선호도, 제2 사용자 선호도 및 제3 사용자 선호도를 위한 각각의 편집 요소를 검출하고, 제1 영상(1401)에 편집 요소를 적용(1409)하여 추천 영상(1400)을 생성할 수 있다.
일 실시예에 따라, 전자 장치(101)는 제1 편집 요소 그룹(1445)의 4개의 편집 요소를 제1 영상(1401)에 적용하여, 사용자의 제1 사용자 선호도에 관련된 제1 추천 영상(1410)을 생성할 수 있다. 일 실시예에 따라, 전자 장치(101)는 제2 편집 요소 그룹(1451)의 2개의 편집 요소를 제1 영상(1401)에 적용하여, 사용자의 제2 사용자 선호도에 관련된 제2 추천 영상(1420)을 생성할 수 있다. 일 실시예에 따라, 전자 장치(101)는 제3 편집 요소 그룹(1453)의 3개의 편집 요소를 제1 영상(1401)에 적용하여, 사용자의 제3 사용자 선호도에 관련된 제3 추천 영상(1430)을 생성할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 디스플레이(220)를 통해 사용자 선호도에 기반하여 적어도 하나의 추천 영상(1400)을 제공할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 사용자 선호도에 따른 제1 추천 영상(1410), 제2 사용자 선호도에 따른 제2 추천 영상(1420), 및 제3 사용자 선호도에 따른 제3 추천 영상(1430)을 디스플레이(220)의 지정된 영역에 기반하여 제공할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 영상(1401)(예: 촬영 영상)과 추천 영상(1400)을 함께 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 추천 영상(1400)을 제공할 때, 클래스 및/또는 사용자 선호도의 우선순위에 기반하여 제공할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 클래스 및/또는 사용자 선호도의 우선순위에 기반한 순서(예: 좌측에서 우측으로, 또는 위에서 아래로 정렬)로 추천 영상(1400)을 제공할 수 있다. 예를 들면, 도 14의 예시를 참조하면, 제1 클래스(1440)가 제2 클래스(1450)에 비해 우선순위가 높고, 제2 클래스(1450)에서 제2 편집 요소 그룹(1451)의 제2 사용자 선호도가 제3 편집 요소 그룹(1453)의 제3 사용자 선호도에 비해 우선순위가 높은 것을 가정할 수 있다.
이러한 경우, 클래스의 우선순위에 따라 제1 사용자 선호도의 제1 추천 영상(1410)이 가장 높은 우선순위(또는 최 순위)를 가질 수 있고, 차순위 클래스 내의 사용자 선호도의 우선순위에 따라 제2 사용자 선호도의 제2 추천 영상(1420)이 차 순위를 가지며, 제3 사용자 선호도의 제3 추천 영상(1430)이 차차 순위를 가질 수 있다. 일 실시예에 따르면, 전자 장치(101)는 클래스 및/또는 사용자 선호도의 우선순위에 기반하여, 제1 추천 영상(1410), 제2 추천 영상(1420) 및 제3 추천 영상(1430)의 순서로 디스플레이(220)의 지정된 영역에 제공할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 추천 영상을 선택(1413) 및 저장(1415)할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 디스플레이(220)를 통해 제공된 추천 영상(1400) 중 적어도 하나의 추천 영상이 사용자에 의해 선택되면, 선택된 추천 영상에 기반하여 영상을 저장할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 영상(1401)에 선택된 추천 영상(1400)의 편집 요소를 적용(또는 편집)하여 영상을 저장할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 추천 영상을 저장할 때, 전자 장치(101)의 설정에 따라, 제1 영상(1401)(예: 촬영 영상)과 선택된 추천 영상(1400)을 서로 연관지어 저장할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 데이터베이스(700)에서 선택된 추천 영상의 클래스의 사용자 선호도를 업데이트 할 수 있다. 일 실시예에 따르면, 사용자에 의해 제2 추천 영상(1420)이 선택되는 경우를 가정하면, 전자 장치(101)는 데이터베이스(700)에서 제2 클래스(1450)의 제2 사용자 선호도에 리워드를 적용(1417) 할 수 있다. 예를 들면, 전자 장치(101)는 선택된 추천 영상과 관련된 사용자 선호도의 사용 회수(또는 보상, 가중치)를 카운트(또는 증가, 누적) 할 수 있다.
본 개시의 다양한 실시예들에 따른 전자 장치(101)에서 수행하는 동작 방법은, 상기 전자 장치(101)의 디스플레이(220)(또는 도 1의 디스플레이 모듈(160))를 통해 프리뷰 영상을 표시하는 동작, 상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하는 동작, 촬영된 영상에 기반하여 영상 분석을 수행하는 동작, 영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하는 동작, 상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하는 동작, 및 상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이(220)를 통해 제공하는 동작을 포함할 수 있다.
본 명세서와 도면에 개시된 본 개시의 다양한 실시예들은 본 개시의 기술 내용을 쉽게 설명하고 본 개시의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 따라서 본 개시의 범위는 여기에 개시된 실시예들 이외에도 본 개시의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.

Claims (15)

  1. 전자 장치에 있어서,
    카메라 모듈;
    디스플레이;
    메모리; 및
    상기 카메라 모듈, 상기 디스플레이, 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는,
    상기 디스플레이를 통해 프리뷰 영상을 표시하고,
    상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하고,
    촬영된 영상에 기반하여 영상 분석을 수행하고,
    영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하고,
    상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하고, 및
    상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이를 통해 제공하도록 설정된 전자 장치.
  2. 제1항에 있어서,
    상기 사용자 선호도는 영상의 편집과 관련된 적어도 하나의 편집 요소를 포함하는 전자 장치.
  3. 제1항에 있어서, 상기 프로세서는,
    영상의 장면 분류(scene classifier), 객체 검출(object detection), 및/또는 구도 검출(composition detection)의 적어도 하나의 영상 분석 알고리즘에 기반하여 영상을 분석하도록 설정된 전자 장치.
  4. 제1항에 있어서, 상기 프로세서는,
    상기 영상을 촬영하는 시점에, 백그라운드에서, 상기 프리뷰 영상 및/또는 상기 촬영된 영상에 적어도 기반하여, 상기 영상 분석을 수행하도록 설정된 전자 장치.
  5. 제1항에 있어서, 상기 프로세서는,
    상기 디스플레이의 제1 지정된 영역을 통해 상기 촬영된 영상을 제공하고, 상기 디스플레이의 제2 지정된 영역을 통해 상기 적어도 하나의 추천 영상을 제공하도록 설정된 전자 장치.
  6. 제1항에 있어서, 상기 프로세서는,
    상기 식별된 적어도 하나의 클래스와, 상기 적어도 하나의 클래스에 클러스터링(clustering)된 적어도 하나의 사용자 선호도에 기반하여 하나 또는 그 이상의 추천 영상을 제공하도록 설정되고,
    상기 추천 영상은,
    동일한 클래스에 속한 다른 사용자 선호도의 편집 요소로 각각 편집된 영상 및/또는 다른 클래스에 각각 속한 다른 사용자 선호도의 편집 요소로 각각 편집된 영상을 포함하는 전자 장치.
  7. 제1항에 있어서, 상기 프로세서는,
    영상의 내용을 분석하여 특징 벡터를 추출하고,
    추출된 특징 벡터에 기반하여 영상의 클래스를 분류하고,
    상기 분류된 클래스에 저장된 사용자 선호도를 호출하여, 상기 추천 영상을 제공하도록 설정된 전자 장치.
  8. 제1항에 있어서, 상기 메모리는,
    영상과 관련된 다양한 클래스 별로 적어도 하나의 사용자 선호도가 데이터베이스화된 데이터베이스를 저장하도록 구성된 전자 장치.
  9. 제1항에 있어서, 상기 프로세서는,
    상기 추천 영상의 선택을 감지하는 것에 기반하여, 선택된 추천 영상의 클래스에서 대응하는 사용자 선호도를 업데이트 하고,
    상기 클래스에서, 상기 선택된 추천 영상과 관련된 사용자 선호도의 사용 회수를 카운트 하도록 설정된 전자 장치.
  10. 제1항에 있어서, 상기 프로세서는,
    상기 추천 영상의 선택을 감지하는 것에 기반하여, 상기 촬영된 영상에 선택된 추천 영상의 편집 요소를 적용하고,
    상기 촬영된 영상과 상기 선택된 추천 영상을 서로 연관지어 저장하도록 설정된 전자 장치.
  11. 제1항에 있어서, 상기 프로세서는,
    상기 영상을 촬영 시에 편집 요소의 설정이 있는 경우, 편집 요소에 따른 사용자 선호도를 대응하는 클래스에 업데이트 하도록 설정되고,
    상기 대응하는 클래스에, 상기 편집 요소에 대응하는 사용자 선호도가 존재하는 경우, 해당 사용자 선호도의 사용 회수를 카운트 하고,
    상기 대응하는 클래스에, 상기 편집 요소에 대응하는 사용자 선호도가 존재하지 않는 경우, 상기 편집 요소 기반의 새로운 사용자 선호도를 생성하도록 설정된 전자 장치.
  12. 제1항에 있어서, 상기 프로세서는,
    영상 편집과 관련된 영상 편집 트리거에 기반하여 영상 분석을 수행하고,
    상기 영상 분석의 결과에 기반하여 영상에 관련된 클래스를 분류하고,
    상기 영상 편집 트리거에 따라 상기 영상의 편집에 사용된 적어도 하나의 편집 요소를 추정하고,
    상기 분류된 클래스 및 상기 추정된 편집 요소에 적어도 기반하여, 데이터베이스에서 적어도 하나의 사용자 선호도를 업데이트 하도록 설정된 전자 장치.
  13. 제12항에 있어서, 상기 영상 편집 트리거는,
    영상 편집을 위한 편집 툴을 이용한 영상 편집, 촬영을 수행하는 동안의 촬영 설정, 및/또는 영상의 외부 공유를 포함하는 전자 장치.
  14. 제1항에 있어서, 상기 프로세서는,
    인공지능 알고리즘을 이용하여 학습된 학습 모델(learning model)을 이용하여, 사용자가 실행할 것으로 예상되는 사용자 선호도를 예측하도록 설정되고,
    상기 인공지능 알고리즘으로서, 기계 학습(machine learning), 신경망(neural network), 유전자(genetic), 딥러닝(deep learning), 또는 분류 알고리즘(classification algorithm) 중 적어도 하나를 이용하여 학습된 학습 모델을 이용하여, 사용자가 실행할 것으로 예상되는 사용자 선호도를 예측하도록 설정된 전자 장치.
  15. 전자 장치의 동작 방법에 있어서,
    상기 전자 장치의 디스플레이를 통해 프리뷰 영상을 표시하는 동작;
    상기 프리뷰 영상을 표시하는 동안 사용자 입력에 기반하여, 상기 프리뷰 영상에 적어도 기반하여 영상을 촬영하는 동작;
    촬영된 영상에 기반하여 영상 분석을 수행하는 동작;
    영상 분석의 결과에 기반하여 상기 촬영된 영상에 관련된 적어도 하나의 클래스를 식별하는 동작;
    상기 식별된 클래스에 기반하여 적어도 하나의 사용자 선호도를 식별하는 동작; 및
    상기 적어도 하나의 사용자 선호도에 관련된 적어도 하나의 추천 영상을 상기 디스플레이를 통해 제공하는 동작을 포함하는 방법.
PCT/KR2021/003435 2020-05-15 2021-03-19 영상을 제공하는 방법 및 장치 WO2021230485A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP21804845.2A EP4138380A4 (en) 2020-05-15 2021-03-19 IMAGE PROVIDING METHOD AND APPARATUS
US17/986,834 US20230076342A1 (en) 2020-05-15 2022-11-14 Method and apparatus for providing image

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0058507 2020-05-15
KR1020200058507A KR20210141179A (ko) 2020-05-15 2020-05-15 영상을 제공하는 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/986,834 Continuation US20230076342A1 (en) 2020-05-15 2022-11-14 Method and apparatus for providing image

Publications (1)

Publication Number Publication Date
WO2021230485A1 true WO2021230485A1 (ko) 2021-11-18

Family

ID=78524842

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/003435 WO2021230485A1 (ko) 2020-05-15 2021-03-19 영상을 제공하는 방법 및 장치

Country Status (4)

Country Link
US (1) US20230076342A1 (ko)
EP (1) EP4138380A4 (ko)
KR (1) KR20210141179A (ko)
WO (1) WO2021230485A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USD992593S1 (en) * 2021-01-08 2023-07-18 Samsung Electronics Co., Ltd. Display screen or portion thereof with graphical user interface
CN116761019A (zh) * 2023-08-24 2023-09-15 瀚博半导体(上海)有限公司 视频处理方法、系统、计算机设备及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140018686A (ko) * 2012-08-03 2014-02-13 삼성전자주식회사 이미지 처리 방법 및 장치
KR20150087362A (ko) * 2012-12-21 2015-07-29 구글 인코포레이티드 사진에 대한 변환 추천하기
JP2019016268A (ja) * 2017-07-10 2019-01-31 コニカミノルタ株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
KR20190092995A (ko) * 2018-01-31 2019-08-08 주식회사 하이퍼커넥트 단말기 및 그것의 이미지 처리 방법
KR20200017310A (ko) * 2018-08-08 2020-02-18 삼성전자주식회사 복수의 객체들을 포함하는 이미지를 보정하는 전자 장치 및 그 제어 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9412046B2 (en) * 2014-10-10 2016-08-09 Facebook, Inc. Training image adjustment preferences

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140018686A (ko) * 2012-08-03 2014-02-13 삼성전자주식회사 이미지 처리 방법 및 장치
KR20150087362A (ko) * 2012-12-21 2015-07-29 구글 인코포레이티드 사진에 대한 변환 추천하기
JP2019016268A (ja) * 2017-07-10 2019-01-31 コニカミノルタ株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
KR20190092995A (ko) * 2018-01-31 2019-08-08 주식회사 하이퍼커넥트 단말기 및 그것의 이미지 처리 방법
KR20200017310A (ko) * 2018-08-08 2020-02-18 삼성전자주식회사 복수의 객체들을 포함하는 이미지를 보정하는 전자 장치 및 그 제어 방법

Also Published As

Publication number Publication date
EP4138380A4 (en) 2023-09-06
EP4138380A1 (en) 2023-02-22
US20230076342A1 (en) 2023-03-09
KR20210141179A (ko) 2021-11-23

Similar Documents

Publication Publication Date Title
WO2020032555A1 (en) Electronic device and method for providing notification related to image displayed through display and image stored in memory based on image analysis
WO2020159147A1 (ko) 전자 장치 및 전자 장치의 그래픽 객체 제어 방법
WO2021086040A1 (en) Method for providing preview and electronic device for displaying preview
WO2020235852A1 (ko) 특정 순간에 관한 사진 또는 동영상을 자동으로 촬영하는 디바이스 및 그 동작 방법
WO2021071179A1 (en) Apparatus and method for providing illumination of camera in electronic device
WO2021230485A1 (ko) 영상을 제공하는 방법 및 장치
WO2022030838A1 (ko) 프리뷰 이미지를 제어하는 전자 장치 및 방법
WO2022010122A1 (ko) 영상을 제공하는 방법 및 이를 지원하는 전자 장치
WO2022039424A1 (ko) 흔들림을 보정하는 방법 및 그 전자 장치
WO2021025509A1 (en) Apparatus and method for displaying graphic elements according to object
WO2022154387A1 (ko) 전자 장치 및 그의 동작 방법
WO2020091268A1 (en) Electronic apparatus and method for controlling thereof
WO2023132459A1 (ko) Ar 객체를 표시하는 전자 장치 및 그 방법
WO2021256709A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022139262A1 (ko) 관심 객체를 이용하여 비디오를 편집하는 전자 장치 및 그 동작 방법
WO2023033333A1 (ko) 복수의 카메라를 포함하는 전자 장치 및 그 동작 방법
WO2022092706A1 (ko) 복수의 카메라를 이용한 사진 촬영 방법 및 그 장치
WO2022098168A1 (ko) 화상 회의를 제공하는 전자 장치 및 화상 회의를 제공하는 방법
WO2022154166A1 (ko) 콘텐츠 생성 기능을 제공하기 위한 방법 및 이를 지원하는 전자 장치
WO2022239931A1 (ko) 전자 장치 및 전자 장치에서 이미지 촬영 방법
WO2023085679A1 (ko) 전자 장치 및 편집 영상을 자동으로 생성하는 방법
WO2023128469A1 (ko) 이미지 기반의 이미지 효과를 제공하는 전자 장치 및 그 제어 방법
WO2023075335A1 (ko) 복수의 렌즈들을 구비하는 전자 장치 및 그 제어 방법
WO2024085642A1 (ko) 디스플레이를 포함하는 전자 장치 및 이의 동작 방법
WO2022177166A1 (ko) 화면 재생률을 제어하는 방법 및 이를 지원하는 전자 장치

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: 21804845

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021804845

Country of ref document: EP

Effective date: 20221114

NENP Non-entry into the national phase

Ref country code: DE