[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

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/US12363422B2/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

Definitions

  • Various embodiments of the present disclosure relate to a method and apparatus for providing an image in an electronic device.
  • a user may shoot images of various subjects (eg, a class or a category) in various ways.
  • the user can set various options of the camera function (e.g., setting using the setting menu) according to the subject being shot, pre-calibration (e.g., image filter, color tone curve, contrast, brightness, sharpness, crop, and/or Or you can shoot after editing such as rotation change).
  • pre-calibration e.g., image filter, color tone curve, contrast, brightness, sharpness, crop, and/or Or you can shoot after editing such as rotation change.
  • the user may use various editing tools to post-edit the captured image based on the corresponding subject and user preference (eg, editing such as changing image filter, color tone curve, contrast, brightness, sharpness, crop, and/or rotation) can do.
  • an image captured by a user may be edited in various ways using an electronic device.
  • the user is editing the image according to the user's own taste when shooting the image or after shooting the image.
  • the user may edit the image according to the user's preference through pre-correction or post-correction every time an image is captured.
  • Editing elements necessary to obtain a final result according to the user's preference may vary depending on the subject (or content) of the video.
  • the user may edit the image with mostly the same or similar editing elements according to the subject of the image.
  • a method and apparatus for analyzing and processing a user's preference for an image in an electronic device (or on-device) based on a user's usual pattern without direct interaction of the user discloses about
  • Various embodiments disclose a method and an apparatus capable of automatically providing an edited recommended image to correspond to user preference when capturing an image.
  • AI artificial intelligent network
  • algorithm system
  • the user's image preference is automatically analyzed in the background to generate user preference for each class (or subject) of the image, and Disclosed are a method and an apparatus for providing a recommended video to which an editing element based on user preference is applied (or automatically edited) during shooting.
  • An electronic device includes a camera module, a display, a memory, and a processor operatively connected to the camera module, the display, and the memory, wherein the processor displays a preview image through the display. display, while displaying the preview image, based on a user input, photographing an image based at least on the preview image, performing image analysis based on the captured image, and performing image analysis based on the result of image analysis Identify at least one class related to an image, identify at least one user preference based on the identified class, and provide at least one recommended image related to the at least one user preference through the display have.
  • An electronic device includes a camera module, a display, a processor operatively connected to the camera module and the display, and a memory operatively connected to the processor, wherein the memory, when executed, The processor detects an image editing trigger related to image editing in the electronic device, performs image analysis of a corresponding image based on the image editing trigger, and selects a class related to the image based on a result of the image analysis classify, estimate at least one editing element used for editing the image according to the image editing trigger, and update at least one user preference in a database based at least on the classified class and the estimated editing element can make it
  • the method of operating an electronic device includes displaying a preview image through a display of the electronic device, based on a user input while displaying the preview image, and displaying an image based at least on the preview image.
  • An operation of photographing, an operation of performing image analysis based on the photographed image, an operation of identifying at least one class related to the photographed image based on a result of image analysis, an operation of at least one user based on the identified class may include identifying a preference and providing at least one recommendation image related to the at least one user preference through the display.
  • a computer-readable recording medium recording a program for executing the method in a processor may be included.
  • the user's preference for an image in the electronic device is analyzed based on the user's usual pattern without direct interaction of the user, and the user may automatically recommend an edited video based on user preference when shooting a video.
  • the electronic device transmits an image (eg, a photo) of a user including personal information to an external device (eg, a cloud, a social network, or another electronic device) instead of transmitting an electronic device.
  • an external device eg, a cloud, a social network, or another electronic device
  • Multiple editing elements that a user creates (or edits) within the device may be analyzed and stored and/or managed in a memory (eg, a database) within the electronic device.
  • the electronic device when a user captures an image, the electronic device automatically identifies a class (or subject, content) of an image captured by the user, and is edited (eg, pre-corrected) with an editing element corresponding to the user's preference. ) by recommending an image, the original image and the recommended image may be provided to the user together.
  • the electronic device may automatically analyze the user preference and/or intention in the background without an interaction to directly select the user's preference and/or intention. For example, when a user edits an image (eg, post-correction) or performs shooting by using a specific camera setting value (eg, image filter application) (eg, pre-correction), the electronic device performs the editing used by the user for editing.
  • a specific camera setting value eg, image filter application
  • the electronic device may store user preferences in a database, and may automatically provide a recommended image in consideration of user preferences to the user by calling an editing element corresponding to the user preferences from the database when capturing an image.
  • the user can check and obtain the final result corresponding to the user's preference (eg, an image edited with an editing element of the user's preference) without an editing operation such as pre-correction and/or post-correction of the image.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure
  • FIG. 2 is a diagram schematically illustrating a configuration of an electronic device according to various embodiments of the present disclosure
  • FIG. 3 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • FIG. 4 is a diagram for explaining an example of providing a recommended image in an electronic device according to various embodiments of the present disclosure
  • FIG. 5 is a flowchart illustrating an operation of photographing based on user preference and updating user preference in an electronic device according to various embodiments of the present disclosure
  • FIG. 6 is a flowchart illustrating an example of generating a user preference in an electronic device according to various embodiments of the present disclosure
  • FIG. 7 is a diagram for explaining an example of configuring a database based on user preference in an electronic device according to various embodiments of the present disclosure
  • FIGS. 8A, 8B, and 8C are diagrams for explaining an example of a user's image editing trigger in an electronic device according to various embodiments of the present disclosure
  • FIG. 9 is a diagram for describing an example of configuring user preferences in a database of an electronic device according to various embodiments of the present disclosure.
  • FIG. 10 is a diagram for describing an example of extracting an editing element in an electronic device according to various embodiments of the present disclosure
  • FIG. 11 is a diagram for explaining an example of image analysis for user preference in an electronic device according to various embodiments of the present disclosure
  • FIG. 12 is a view for explaining an example of classifying an editing element from an image in an electronic device according to various embodiments of the present disclosure
  • FIGS. 13A and 13B are flowcharts illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • FIG. 14 is a diagram for explaining an example of providing a recommended image and updating user preference based on the recommended image in an electronic device according to various embodiments of the present disclosure
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100 according to various embodiments of the present disclosure.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199 . It may communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120 , a memory 130 , an input module 150 , a sound output module 155 , a display module 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 .
  • at least one of these components eg, the connection terminal 178
  • some of these components are integrated into one component (eg, display module 160 ). can be
  • the processor 120 executes software (eg, the program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • software eg, the program 140
  • the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 .
  • the volatile memory 132 may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • the processor 120 is a main processor 121 (eg, a central processing unit (CPU) or an application processor (AP)) or an auxiliary processor capable of operating independently or together with it ( 123) (eg, graphic processing unit (GPU), neural processing unit (NPU), image signal processor (ISP), sensor hub processor, or communication processor (CP, communication processor)) may be included.
  • main processor 121 eg, a central processing unit (CPU) or an application processor (AP)
  • auxiliary processor capable of operating independently or together with it eg, graphic processing unit (GPU), neural processing unit (NPU), image signal processor (ISP), sensor hub processor, or communication processor (CP, communication processor)
  • the electronic device 101 includes the main processor 121 and the sub-processor 123
  • the sub-processor 123 uses less power than the main processor 121 or is set to be specialized for a specified function.
  • the auxiliary processor 123 may be implemented separately from or as a part of the main processor 121 .
  • the auxiliary processor 123 is, for example, on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is At least one of the components of the electronic device 101 (eg, the display module 160 , the sensor module 176 , or At least some of functions or states related to the communication module 190 may be controlled.
  • the coprocessor 123 eg, an image signal processor or a communication processor
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model. Artificial intelligence models can be created through machine learning.
  • Such learning may be performed, for example, in the electronic device 101 itself on which artificial intelligence is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited
  • the artificial intelligence model may include a plurality of artificial neural network layers. Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example.
  • the artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176 ) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 , and may include, for example, an operating system (OS) 142 , middleware 144 , or an application 146 . have.
  • OS operating system
  • middleware middleware
  • application application
  • the input module 150 may receive a command or data to be used by a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 .
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output a sound signal to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from or as part of the speaker.
  • the display module 160 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display module 160 may include, for example, a control circuit for controlling a display, a hologram device, or a projector and a corresponding device.
  • the display module 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input module 150 , or an external electronic device (eg, a sound output module 155 ) connected directly or wirelessly with the electronic device 101 .
  • the electronic device 102) eg, a speaker or headphones
  • the electronic device 102 may output a sound.
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 177 may support one or more designated protocols that may be used for the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, a secure digital (SD) card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD secure digital
  • the connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication performance through the established communication channel.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a local area network (LAN) communication module, or a power line communication module).
  • a wireless communication module 192 eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 eg, : It may include a local area network (LAN) communication module, or a power line communication module.
  • a corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a wide area network (WAN)).
  • a first network 198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 199 eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a wide area network (WAN)).
  • the wireless communication module 192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 .
  • subscriber information eg, International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the electronic device 101 may be identified or authenticated.
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR).
  • NR access technology includes high-speed transmission of high-capacity data (eMBB, enhanced mobile broadband), minimization of terminal power and massive machine type communications (mMTC), or high reliability and low latency (URLLC, ultra-reliable and low-latency). communications) can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various techniques for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing.
  • MIMO massive multiple-input and multiple-output
  • the wireless communication module 192 may support various requirements defined in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ).
  • the wireless communication module 192 may include a peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less) may be supported.
  • a peak data rate eg, 20 Gbps or more
  • loss coverage eg, 164 dB or less
  • U-plane latency for realizing URLLC
  • the antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, underside) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side surface) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of the operations executed in the electronic device 101 may be executed in one or more external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 .
  • the electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of things (IoT) device.
  • the server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or the server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first”, “second”, or “first” or “second” may simply be used to distinguish the component from other components in question, and may refer to components in other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document include one or more instructions stored in a storage medium (eg, internal memory 136 or external memory 138) readable by a machine (eg, electronic device 101).
  • a machine eg, electronic device 101
  • the processor eg, the processor 120
  • the device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term refers to the case where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be provided as included in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play Store TM ) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly, online between smartphones (eg: smartphones).
  • a part of the computer program product may be temporarily stored or temporarily created in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
  • each component eg, a module or a program of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have.
  • one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg, a module or a program
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component are executed sequentially, in parallel, repetitively, or heuristically, or one or more of the operations are executed in a different order. , may be omitted, or one or more other operations may be added.
  • FIG. 2 is a diagram schematically illustrating a configuration of an electronic device according to various embodiments of the present disclosure
  • FIG. 2 may show an example of a configuration related to providing an image based on user preference in the electronic device 101 according to various embodiments of the present disclosure.
  • the electronic device 101 may include various types of devices having a camera function.
  • the electronic device 101 may include a mobile communication terminal, a smart phone, a tablet personal computer (PC), a notebook computer, and/or a digital camera.
  • the electronic device 101 includes a camera module 180 , a display 220 (eg, the display module 160 of FIG. 1 ), a memory 130 , and a processor 120 .
  • a camera module 180 the electronic device 101 includes a camera module 180 , a display 220 (eg, the display module 160 of FIG. 1 ), a memory 130 , and a processor 120 .
  • a display 220 eg, the display module 160 of FIG. 1
  • a memory 130 e.g., the display module 160 of FIG. 1
  • a processor 120 may include
  • the camera module 180 may capture a still image and/or a video.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the camera module 180 is at least disposed on a first surface (eg, a front surface, a surface substantially the same as a surface on which the display 220 is disposed) of the housing of the electronic device 101 .
  • At least one first camera module 211 (eg, a front camera module) and a second surface (eg, a rear surface, a surface opposite to the surface on which the display 220 is disposed) of the housing 2 may include a camera module 213 (eg, a rear camera module).
  • the housing may include a first surface facing a first direction (eg, a front direction) and a second surface facing a second direction (eg, a rear direction) opposite to the first surface.
  • the display 220 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display 220 may include a touch circuit (or a touch sensor) (not shown), and a signal (eg, voltage, light amount, A touch input and/or a hovering input (or a proximity input) may be sensed by measuring a change in resistance and/or an amount of charge).
  • the display 220 may visually provide various information related to a user using (eg, shooting, editing, and/or sharing) an image under the control of the processor 120 .
  • the display 220 may display an execution screen of an application (eg, a camera application) including a user interface related to image capturing, an image acquired through the camera module 180 (eg, a preview image), and a user preference based
  • An editing screen including a recommended image, a content 233 (eg, a stored image) stored in the memory 130 , and/or an image editing tool may be provided (eg, displayed).
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the camera module 180 ) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may store a database 231 and content 233 (eg, an image) related to user preferences.
  • the database 231 may store user preferences for each class (or subject, content) of an image as a database.
  • the database 231 may classify an image into various classes and include at least one cluster (or an edit element group divided into similar edit elements) for each of the various classes.
  • the at least one cluster may include at least one user preference, each of which includes at least one editing element.
  • DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS are described in detail below with reference to the figures described below with respect to editing elements, user preferences, clusters, and/or databases 231 in accordance with various embodiments.
  • the processor 120 may process an operation related to providing (or applying) a personalized image (eg, a recommended image) according to a user's preference when a user's image is captured.
  • the processor 120 may be configured to edit an image by a user and/or change a shooting option setting value (eg, brightness, sensitivity, or white balance) when capturing an image, based on the background (background) ), it is possible to extract and database user preferences based on the corresponding editing elements.
  • the processor 120 may at least edit (or personalize) the captured image as an editing element of the user's preference based on the user preference corresponding to the image based on the image analysis.
  • One recommendation image may be generated and provided to the user (eg, displayed on the display 220 ).
  • the processor 120 may update the user preference related to the recommended image based on the user's selection of the recommended image. For example, the processor 120 may count (or increase, accumulate) the number of times of use (or compensation, weight) of the corresponding user preference.
  • the processor 120 may include an image analysis module 240 and/or a personalization processing module 250 .
  • the image analysis module 240 may perform image analysis based on a specified image.
  • the image analysis module 240 is an analysis algorithm (or learning algorithm) such as scene (or image) classification of an image, object detection, and/or composition detection. ) at least based on the image analysis may be performed.
  • the image analysis module 240 determines whether the image includes a specific object (eg, a person, an animal, or an object (eg, food, flower, car, building)) based on at least one analysis algorithm. , landscapes (eg, mountains, sea, rivers, fields, or cities) and/or whether they contain portraits, half-body (or close-up shots) or full-body shots.
  • the image analysis module 240 may identify a class related to an image based on a result of image analysis.
  • the class is, 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, and/or night view may collectively refer to various classes used to classify the content of an image.
  • the image analysis module 240 may determine at least one class to which an image belongs among various classified classes.
  • the image analysis module 240 may extract a feature vector from an image captured by the user.
  • the feature vector is for classifying a class of an image, and may be a feature of a deep neural network or a type of a classified class.
  • the personalization processing module 250 may automatically provide (or recommend) an image (eg, a recommended image) that matches the user's preference when the user takes an image.
  • the personalization processing module 250 may identify a user preference based at least on the determined class.
  • the personalization processing module 250 may call at least one user preference defined in (or included in) the determined class from the database stored in the memory 130 and identify the called user preference.
  • the user preference may include at least one editing element related to editing of an image.
  • the editing element may include at least one piece of information related to brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, and/or human area (eg, editing). information or setting information).
  • the personalization processing module 250 classifies a class of an image in the database based on the feature vector, and calls a user preference (eg, an editing element) stored in the classified class to provide a recommended image.
  • a user preference eg, an editing element
  • the expert's editing element stored for the class may be obtained (or requested and received) from the outside (eg, cloud) and provided.
  • the personalization processing module 250 may provide (or recommend) a recommended image to the user by applying an editing element of user preference called from the database 231 to the original image.
  • the personalization processing module 250 may update the corresponding user preference by adding the selected information back to the database 231 based on the recommended image selected by the user from among the provided recommended images.
  • the processor 120 may automatically analyze user preferences and/or intentions. For example, the processor 120 may automatically analyze user preferences and/or intentions in the background without direct user interaction, allowing the user to directly select. According to an embodiment, the processor 120 analyzes in the background that the user edits an image using a built-in editing application (or editing tool) or shoots an image by applying a specific filter using a shooting-related application to be stored in the database 231 of the electronic device 101 .
  • a built-in editing application or editing tool
  • the electronic device 101 includes a camera module 180 , a display 220 (or the display module 160 of FIG. 1 ), a memory 130 , and the camera module 180 . , the display 220, and a processor 120 operatively connected to the memory 130, wherein the processor 120 displays a preview image through the display 220, and displays the preview image.
  • At least one class related to capturing an image based on at least the preview image, performing image analysis based on the captured image, and performing image analysis based on a result of image analysis, based on a user input during display may be identified, at least one user preference may be identified based on the identified class, and at least one recommendation image related to the at least one user preference may be provided through the display 220 .
  • the user preference may include at least one editing element related to editing of an image.
  • the processor 120 is configured to perform at least one image analysis algorithm of a scene classifier, an object detection, and/or a composition detection of an image. based on the image analysis.
  • the processor 120 may perform the image analysis based on at least the preview image and/or the captured image in the background at the time of capturing the image. have.
  • the processor 120 provides the captured image through a first designated area of the display 220 , and provides the captured image through a second designated area of the display 220 . At least one recommended image may be provided.
  • the processor 120 may provide one or more recommendations based on the identified at least one class and at least one user preference clustered in the at least one class. video can be provided.
  • the recommended image includes images edited with editing elements of different user preferences belonging to the same class and/or images edited with editing elements of different user preferences belonging to different classes, respectively may include
  • the processor 120 extracts a feature vector by analyzing the content of the image, classifies the class of the image based on the extracted feature vector, and the user stored in the classified class.
  • the recommendation image may be provided by calling the preference.
  • the memory 130 may store databases 231 and 700 in which at least one user preference is databased for each of various classes related to an image.
  • the processor 120 may update a user preference corresponding to a class of the selected recommended image based on detecting the selection of the recommended image.
  • the processor 120 may count the number of times of using the user preference related to the selected recommendation image in the class.
  • the processor 120 applies an editing element of the selected recommended image to the captured image, based on detecting the selection of the recommended image, and the captured image and the The selected recommended images may be stored in association with each other.
  • the processor 120 may update a user preference according to the editing element to a corresponding class.
  • the processor 120 when the user preference corresponding to the editing element exists in the corresponding class, the processor 120 counts the number of times of use of the corresponding user preference, and assigns to the corresponding class. When there is no user preference corresponding to the edit element, a new user preference based on the edit element may be created.
  • the processor 120 performs image analysis based on an image editing trigger related to image editing, classifies an image related class based on a result of the image analysis, and the At least one editing element used for editing the image may be estimated according to an image editing trigger, and at least one user preference may be updated in the database based at least on the classified class and the estimated editing element.
  • the processor 120 may predict a user preference expected to be executed by the user by using a learning model learned using an artificial intelligence algorithm.
  • the processor 120 is, as the artificial intelligence algorithm, machine learning, neural network, genetic, deep learning, or classification
  • a user preference that is expected to be executed by the user may be predicted using a learning model learned using at least one of a classification algorithm.
  • the electronic device 101 includes a camera module 180 , a display 220 (or the display module 160 of FIG. 1 ), the camera module 180 , and the display 220 .
  • a processor 120 operatively coupled to a processor 120
  • a memory 130 operatively coupled to the processor 120 , wherein the memory 130, when executed, causes the processor 120 to cause the electronic device
  • an image editing trigger related to image editing is detected, an image analysis of a corresponding image is performed based on the image editing trigger, and a class related to the image is classified based on the result of the image analysis, and the estimating at least one editing element used for editing the image according to an image editing trigger, and adding at least one user preference to the databases 231 and 700 based at least on the classified class and the estimated editing element
  • the image editing trigger may include image editing using an editing tool for image editing, shooting settings while shooting, and/or external sharing of an image.
  • operations performed by the electronic device 101 to be described below may be executed by the processor 120 including at least one processing circuit of the electronic device 101 .
  • the operations performed by the electronic device 101 may be stored in the memory 130 and, when executed, may be executed by instructions that cause the processor 120 to operate.
  • the electronic device 101 includes a camera module 180 , a display 220 (eg, the display module 160 of FIG. 1 ), a memory 130 , the camera module 180 , and the It may include a display 220 and at least one processor 120 operatively connected to the memory 130 .
  • the processor 120 uses a learning model learned using an artificial intelligence (AI) algorithm, and the user preference expected to be executed (eg, selected) by the user. , and may perform an operation related to user preference and/or providing a recommended image.
  • AI artificial intelligence
  • the processor 120 is an artificial intelligence algorithm, for example, machine learning (machine learning), neural network (neural network), genetic (genetic), deep learning (deep learning), or classification algorithm (classification) algorithm), predicting user preference expected to be executed (eg, selecting) by the user, and performing an operation related to user preference and providing a recommended image.
  • machine learning machine learning
  • neural network neural network
  • genetic genetic
  • deep learning deep learning
  • classification algorithm classification
  • FIG. 3 is a flowchart illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • the processor 120 of the electronic device 101 may display a preview image.
  • the user may operate the electronic device 101 to drive the camera module 180 to capture an image.
  • the user may select (eg, touch) an application (eg, a camera application) related to a camera function installed in the electronic device 101 and execute it.
  • the processor 120 may obtain a preview image from the camera module 180 when detecting driving (or execution of an application) of the camera module 180 .
  • the processor 120 may control the display 220 to display a preview image obtained from the camera module 180 .
  • the processor 120 displays a preview image and various objects related to shooting (eg, a shooting object (or shooting button, shooting icon) for performing image shooting) on a user interface (eg, an execution screen) related to an application.
  • a setting object or setting button, setting icon for setting functions related to shooting (eg, setting brightness, sensitivity, and/or white balance) may be included and provided.
  • the processor 120 may capture an image based on a user input. For example, while displaying a preview image through the display 220 , the processor 120 may display a user input for selecting (eg, touching) a shooting object, and/or a motion (or gesture) set to execute a shooting operation. A shooting motion may be detected based on a user input (eg, detection of a designated hand shape through the camera module 180 ). According to an embodiment, the processor 120 may perform photographing (or capturing) based on at least a preview image being displayed through the display 220 based on a user input.
  • the processor 120 may perform image analysis based on the captured image.
  • the processor 120 is configured to at least be based on an analysis algorithm such as a scene classifier, an object detection, and/or a composition detection of a captured image.
  • Image analysis can be performed.
  • the processor 120 determines whether the image includes a specific object (eg, a person, an animal, or an object (eg, food, flower, car, or building)) based on at least one analysis algorithm, a landscape (eg, a mountain, sea, river, field, or city) and/or whether it contains a portrait, half-body (or close-up) or full-body shot.
  • a specific object eg, a person, an animal, or an object (eg, food, flower, car, or building)
  • a landscape eg, a mountain, sea, river, field, or city
  • the processor 120 may identify a class related to an image based on a result of image analysis.
  • the class is, 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, and/or night view.
  • the processor 120 may determine at least one class to which an image belongs among various classified classes. For example, according to a result of image analysis, one or more classes related to an image may be included.
  • the processor 120 may identify a user preference based at least on the identified class.
  • the processor 120 may call at least one user preference defined in (or included in) the identified class from the database stored in the memory 130 , and identify the called user preference.
  • the user preference may include at least one editing element related to editing of an image.
  • the editing element may include at least one piece of information related to brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, and/or human area (eg, editing). information or setting information).
  • the processor 120 may provide at least one recommended image based on user preference. According to an embodiment, the processor 120 may provide at least one recommended image based on a designated area of the display 220 . According to an embodiment, the processor 120 may control the display 220 to display a captured image (eg, an original image) and at least one recommended image together. In various embodiments, providing a recommended image will be described with reference to drawings to be described later.
  • FIG. 4 is a diagram for explaining an example of providing a recommended image in an electronic device according to various embodiments of the present disclosure
  • FIG. 4 may show an example of a screen providing a recommended image related to an image captured by the user.
  • a user may capture an image by executing an application (eg, a camera application) of the electronic device 101 .
  • the electronic device 101 may drive the camera module 180 (eg, a front camera and/or a rear camera) in response to application execution, and a preview image obtained from the camera module 180 .
  • 410 may be displayed through the display 220 .
  • the electronic device 101 sets the preview image 410 and various objects 420 related to shooting (eg, functions related to shooting (eg, brightness, sensitivity, or white).
  • a user interface eg, an execution screen
  • an application including a setting object (or setting icon) 421 for setting balance
  • a shooting object 425 for performing image capturing may be provided.
  • the electronic device 101 displays a layout for the camera module 180 and/or various objects 420 associated with the preview image 410 together with the preview image 410 on at least one of the display 220 . It can be provided through a designated area of According to some embodiments, the layouts related to the various objects 420 may be provided by overlapping on the preview image 410 .
  • the user is based on a user input of selecting (eg, touching) the shooting object 425 or a user input of a specified motion (or gesture) (eg, recognition of a specified hand shape through the camera module 180 ). so you can take pictures.
  • the electronic device 101 may capture an image based on the preview image 410 based on a user input. According to an embodiment, the electronic device 101 may provide the captured image 430 through the display 220 . For example, as shown in Example 403 , the electronic device 101 may provide the captured image 430 through a designated area of the display 220 .
  • the electronic device 101 transmits the captured image 430 (eg, a designated buffer (eg: An image analysis may be performed based on an image recorded in a buffer (a buffer for providing an image for the display 220 by receiving an image obtained from the camera module 180 ).
  • the electronic device 101 may perform image analysis using the preview image 410 .
  • the electronic device 101 may perform image analysis based on at least various analysis algorithms such as scene (or image) classification of a captured image, object detection, and/or composition detection.
  • the electronic device 101 may identify a class (or subject) related to an image based on a result of image analysis.
  • the class is, 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, and/or night view.
  • the electronic device 101 may determine at least one class to which an image belongs among various classes.
  • one or more classes related to an image may be included.
  • the electronic device 101 may identify a user preference based at least on the identified class.
  • the user preference may include at least one editing element related to editing of an image.
  • the editing element may include at least one piece of information related to brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, and/or human area (eg, editing information or setting information). may include.
  • the electronic device 101 may provide at least one recommended image 440 based on user preference. According to an embodiment, the electronic device 101 may provide at least one recommended image based on a designated area of the display 220 . According to an embodiment, the electronic device 101 provides the captured image 430 (eg, an original image) through the first designated area, and provides at least one recommended image 440 through the second designated area. can do.
  • the captured image 430 eg, an original image
  • the electronic device 101 provides at least one recommended image 440 through the second designated area. can do.
  • the recommended image 440 is one or more recommendations based on at least one class identified based on a result of image analysis and at least one user preference clustered in at least one class.
  • the first recommended image 441 , the second recommended image 443 , and the third recommended image 445 may be images edited to have different user preferences belonging to the same class.
  • the first recommended image 441 , the second recommended image 443 , and the third recommended image 445 may be images edited to have different user preferences belonging to different classes.
  • the first recommendation image 441 may be an image edited with an editing element of the first user preference of the first class
  • the second recommendation image 443 may be an image edited with the editing element of the first user preference of the second class.
  • It may be an image edited with an editing element
  • the third recommended image 445 may be an image edited with an editing element of a third user preference of the second class.
  • three recommended images are provided for explanation as an example, but the recommended images 440 may include various numbers according to the identified class and user preference.
  • the electronic device 101 displays a recommended image 440 (eg, a first recommended image 441 , a second recommended image 443 , or a third recommended image 445 ) through the display 220 . ), it may be provided in the form of a thumbnail of the captured image 430 in a designated area of the display 220. Also, according to an embodiment, the electronic device 101 may include a display A recommended image 440 (eg, a first recommended image 441 , a second recommended image 443 , or a third recommended image 445) may be provided to the screen display area (eg, the front side) of 220 . and may sequentially provide (eg, display) recommended images based on a user input (eg, swipe).
  • a recommended image 440 eg, a first recommended image 441 , a second recommended image 443 , or a third recommended image 445
  • the electronic device 101 stores at least one of a captured image 430 (eg, an original image) and/or a recommended image 440 based on a user input in a state as in Example 403 .
  • a captured image 430 eg, an original image
  • a recommended image 440 based on a user input in a state as in Example 403 .
  • the user may select the captured image 430 as a final result, or may select at least one of the recommended images 440 .
  • the electronic device 101 may store the captured image 430 and the selected recommended image 440 together and manage them as related images.
  • FIG. 5 is a flowchart illustrating an operation of photographing based on user preference and updating user preference in an electronic device according to various embodiments of the present disclosure
  • the processor 120 of the electronic device 101 may display a preview image.
  • the processor 120 may control the display 220 to display a preview image obtained from the camera module 180 .
  • the processor 120 displays a preview image and various objects related to shooting (eg, a shooting object (or shooting button) for performing image shooting, shooting and shooting on a user interface (eg, execution screen) related to an application)
  • objects related to shooting eg, a shooting object (or shooting button) for performing image shooting, shooting and shooting on a user interface (eg, execution screen) related to an application
  • a setting object for setting related functions can be included and provided.
  • the processor 120 may capture an image based on a user input. For example, while displaying a preview image through the display 220 , the processor 120 may display a user input for selecting (eg, touching) a photographing object, and/or a motion (or gesture) set to execute a photographing operation. A photographing motion may be detected based on a user input. According to an embodiment, the processor 120 may perform photographing (or capturing) based on at least a preview image being displayed through the display 220 based on a user input.
  • the processor 120 may perform image analysis based on the captured image, and identify a class related to the image based on the image analysis. According to an embodiment, the processor 120 may identify a class related to an image based on a result of image analysis based on an analysis algorithm of at least one of scene classification, object detection, and/or component detection. According to an embodiment, the processor 120 may determine at least one class to which an image belongs among various classes. For example, according to a result of image analysis, one or more classes related to an image may be included.
  • the processor 120 may identify a corresponding user preference based at least on the identified class. According to an embodiment, the processor 120 may identify at least one user preference defined (or included) in the identified class from the database stored in the memory 130 . According to an embodiment, the user preference may include at least one editing element related to editing of an image.
  • the processor 120 may identify whether a corresponding user preference exists (or is invoked). For example, the processor 120 may determine whether at least one user preference is defined in a class in the database.
  • operation 509 when there is a user preference corresponding to a class (eg, 'Yes' in operation 509 ), the processor 120 proceeds to operation 511 and may perform operations 511 or less. In operation 509 , when there is no user preference corresponding to the class (eg, 'No' in operation 509 ), the processor 120 proceeds to operation 521 and performs operations 521 and below.
  • the processor 120 may provide at least one recommended image based on user preference. According to an embodiment, the processor 120 may generate a recommended image for each user preference, and provide the recommended image for each user preference together with the captured image through the display 220 .
  • the processor 120 may determine whether a recommended image is selected. According to an embodiment, the processor 120 may determine whether at least one recommended image provided through the display 220 is selected by the user.
  • operation 513 if the selection of the recommended image is not detected (eg, 'No' in operation 513 ), for example, when the storage of the image captured by the user (eg, the original image) is selected , in operation 521 , operations 521 and subsequent operations may be performed.
  • the processor 120 may store an image based on the recommended image.
  • the processor 120 may store the image by applying (or editing) an editing element of the selected recommended image to the captured image.
  • the processor 120 may temporarily store a corresponding recommended image, and may also store the temporarily stored recommended image based on a user selection.
  • the processor 120 may store the captured image (eg, the original image) and the selected recommended image in association with each other according to the setting of the electronic device 101 .
  • the processor 120 may update the user preference in the class.
  • the processor 120 may update the user preference related to the selected recommendation image in the class identified in operation 507 .
  • the processor 120 may count (or increase, or accumulate) the number of times (or compensation, weight) of the user preference related to the selected recommendation image.
  • the processor 120 may determine whether there is an editing element when capturing an image.
  • the user uses a setting object (eg, object 421 in FIG. 4 ) for setting a function related to shooting (eg, setting brightness, sensitivity, or white balance) when shooting an image,
  • a function related to shooting eg, setting brightness, sensitivity, or white balance
  • Shooting may be performed by applying at least one editing element to the image.
  • the user may set at least one editing element in the video, such as a specific filter, a specific effect (eg brightness, emoji, frame, and/or beauty), angle of view, and/or zoom-in/out to shoot can be performed.
  • the processor 120 may monitor the user's use of an editing element while shooting is performed after entering a shooting operation (eg, driving the camera module 180 or displaying a preview image), and monitoring after shooting Based on the results, it is possible to identify the editing elements used in the shooting.
  • a shooting operation eg, driving the camera module 180 or displaying a preview image
  • the processor 120 may update a user preference according to the editing element to a corresponding class.
  • the processor 120 may update the user preference corresponding to the identified editing element to the class identified in operation 507 .
  • the processor 120 may count the number of times of using the corresponding user preference.
  • the processor 120 may create (or add) a new user preference based on the identified editing element.
  • the processor 120 may update the user preference to a corresponding class.
  • the processor 120 may count the number of times the user preference is used according to the general shooting (eg, to which the editing element is not applied or not) to the class identified in operation 507 .
  • the processor 120 may identify a class based on image analysis and provide a recommended image along with the preview image based on user preference of the identified class.
  • the processor 120 captures and stores an image by applying an editing element corresponding to the recommended image, or stores the captured image. may be stored by applying (or editing) an editing element corresponding to the recommended video to the .
  • FIG. 6 is a flowchart illustrating an example of generating user preferences in an electronic device according to various embodiments of the present disclosure
  • the processor 120 of the electronic device 101 may detect an image editing trigger (or event).
  • the image editing trigger may include editing an image using an editing tool (or an editing application) for image editing, shooting settings while performing shooting (eg, while displaying a preview image), and/or outside the image.
  • Such as sharing may include various actions related to the user using the image.
  • the processor 120 may perform image analysis based on the corresponding image.
  • the processor 120 performs at least analysis algorithms such as scene (or image) classification, object detection, and/or composition detection in relation to the edited image, the captured image, and/or the shared image. Based on the image analysis can be performed.
  • the processor 120 may classify a class related to an image based on a result of image analysis. According to an embodiment, the processor 120 may determine at least one class to which an image belongs among various classified classes. For example, according to a result of image analysis, one or more classes related to an image may be included.
  • the processor 120 may estimate an editing element related to an image based on the result of image analysis.
  • the processor 120 may extract at least one editing element used for editing an image (or applied to an image).
  • the editing element may include at least one piece of information related to brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, and/or human area (eg, editing information or setting information). may include.
  • operations 605 and 607 are not limited to the illustrated order, and operations 605 and 607 may be performed in parallel, in reverse order, or heuristically.
  • the processor 120 may update at least one user preference based at least on the classified class and the estimated editing element.
  • the processor 120 may update the user preference corresponding to the estimated editing element to the classified class. For example, when there is a user preference corresponding to the editing element identified in the class, the processor 120 may count the number of times of using the corresponding user preference. For another example, when there is no user preference corresponding to the identified editing element in the class, the processor 120 may create (or add) a new user preference based on the identified editing element.
  • the processor 120 may update at least one user preference based at least on the classified class. For example, the processor 120 may create (or add) a class to a database (eg, the database 231 of FIG. 2 ) in a memory (eg, the memory 130 of FIG. 2 ), and create (or At least one user preference can be updated in the added class.
  • a database eg, the database 231 of FIG. 2
  • a memory eg, the memory 130 of FIG. 2
  • the processor 120 may generate (or add) a new class (eg, robot) and generate (or add) a new class (eg, robot).
  • a user interface related to the new class eg, an interface related to adding a class name through a user input
  • a display eg, the display 220 of FIG. 2 .
  • the processor 120 may identify (or acquire) a class name related to a new class through a user input and/or an external device (eg, cloud, server, or other electronic device).
  • the processor 120 stores a new class (or a new class name) identified through a user interface (eg, an interface related to adding a class name through a user input) and/or an external device (or a new class name) to the database 231 .
  • a user interface eg, an interface related to adding a class name through a user input
  • an external device or a new class name
  • FIG. 7 is a diagram for explaining an example of configuring a database based on user preference in an electronic device according to various embodiments of the present disclosure
  • the electronic device 101 may include a database 700 (eg, the database 231 of FIG. 2 ).
  • the database 700 includes a plurality of classes (eg, a first class 710 , a second class 720 , a third class 730 , a fourth class 740 , a fifth class ( 750)), and user preferences 710A, 720A, 730A, 740A, and 750A composed of at least one editing element for each class 710, 720, 730, 740, and 750.
  • a database 700 includes a plurality of classes (eg, a first class 710 , a second class 720 , a third class 730 , a fourth class 740 , a fifth class ( 750)), and user preferences 710A, 720A, 730A, 740A, and 750A composed of at least one editing element for each class 710, 720, 730, 740, and 750.
  • the class is, 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, and/or night view.
  • each of the classes 710 , 720 , 730 , 740 , 750 includes one user preference as an example, but the classes 710 , 720 , 730 , 740 , 750 .
  • Each may include a plurality of user preferences. An example of this is shown in FIG. 9 .
  • user preference may not be set in a specific class.
  • a user may use a first image 701 such as an image capturing or stored image.
  • a first image 701 such as an image capturing or stored image.
  • the user may select the first image 701 for image editing using an editing tool or may select the first image 701 for image capturing using the camera module 180 .
  • the electronic device 101 provides an image stored in the memory 130 as the first image 701 through the display 220 or an image acquired through the camera module 180 in an image capturing operation. may be provided as the first image 701 through the display 220 .
  • the user may perform user editing 703 based on the first image 701 .
  • the user may acquire the second image 705 (eg, edited image) by storing the image according to the user edit 703 .
  • the user may acquire the second image 705 by editing the image using an editing tool for the first image 701 .
  • the user may acquire the second image 705 by photographing the first image 701 .
  • the user shares (707) the second image 705 according to the user edit 703 to the outside (or an external electronic device (eg, the electronic device 102, 104, or 108 of FIG. 1)). ) or may be stored (707) in the memory 130 of the electronic device 101 .
  • the electronic device 101 performs a corresponding image (eg, the first image 701 and/or the second image based on at least the first image 701 and/or the second image 705 ).
  • Image analysis 709 for class classification 713 of (705)) may be performed.
  • the electronic device 101 may analyze the first image 701 and/or the second image 705 in real time or, in Example 707, may analyze an externally shared and/or stored image.
  • the electronic device 101 performs the image class 710, 720, 730, 740, 750 based on at least one analysis algorithm of scene (or image) classification, object detection, and/or composition detection. ) can be identified.
  • the classes 710, 720, 730, 740, 750 are face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, It can be variously classified, such as watersides, scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, and/or night view.
  • the electronic device 101 may determine at least one class to which the image belongs from among the classes 710 , 720 , 730 , 740 , and 750 classified in various ways in the database 700 . For example, according to a result of image analysis, one or more classes related to an image may be included.
  • the electronic device 101 estimates an editing element of the second image 705 based on the second image 705 .
  • the electronic device 101 may estimate an editing element from a target image based on an image editing trigger.
  • the electronic device 101 may estimate ( 711 ) an editing element based on a user action according to the user editing ( 703 ) in the second image ( 705 ).
  • the electronic device 101 receives information about brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, and/or human area from the second image 705 . Editing elements may be inferred depending on processing (eg, changing, setting, and/or applying).
  • the electronic device 101 estimates (711) an editing element after analyzing an image related to the first image 701 and/or the second image 705 in Example 709, or in Example 711, After estimating the editing elements, image analysis can be performed.
  • the electronic device 101 may perform the image analysis 709 and/or the editing element estimation 711 sequentially, in reverse sequence, or in parallel.
  • the electronic device 101 may update the user preference in the database 700 based on the classified class and editing element. According to an embodiment, the electronic device 101 may update the user preference based on the classified class in Example 713 among the classes 710 , 720 , 730 , 740 , and 750 of the database 700 . According to an embodiment, when the user preference based on the editing element estimated in Example 711 exists in the corresponding class, the electronic device 101 counts (or increases the number of times (or compensation, weight) of the user preference). cumulative) can be done.
  • the electronic device 101 when the user preference based on the editing element estimated in Example 711 does not exist in the corresponding class, the electronic device 101 generates a new user preference based on the estimated editing element and stores the information in the database 700 . can be added to the corresponding class.
  • FIGS. 8A, 8B, and 8C are diagrams for explaining an example of a user's image editing trigger in an electronic device according to various embodiments of the present disclosure
  • FIGS. 8A, 8B, and 8C are diagrams illustrating an example in which an image editing trigger for estimating an editing element is generated by the electronic device 101. As shown in FIGS. 8A, 8B, and 8C, FIGS. 8A, 8B, and 8C are diagrams illustrating an example in which an image editing trigger for estimating an editing element is generated by the electronic device 101. As shown in FIGS. 8A, 8B, and 8C are diagrams illustrating an example in which an image editing trigger for estimating an editing element is generated by the electronic device 101. As shown in FIGS.
  • a setting object 815 for setting a function related to shooting (eg, setting brightness, sensitivity, or white balance) by a user while capturing an image (eg, while displaying a preview image).
  • a function related to shooting eg, setting brightness, sensitivity, or white balance
  • the user may edit the image 810 at least one such as a specific filter, a specific effect (eg, brightness, emoji, frame, and/or beauty), an angle of view, and/or zoom-in/out. You can perform shooting by setting elements.
  • the electronic device 101 may detect an image editing trigger based on a result of performing photographing. For example, the electronic device 101 may estimate a class and/or an editing element from the captured image 810 .
  • FIG. 8B shows an image 820 by applying at least one editing element to an image 820 by a user using an editing tool (or an editing application) for image editing of the electronic device 101 by a user.
  • an editing tool or an editing application
  • the user uses an editing tool to edit the brightness, tone curve, color curve, contrast, crop, saturation, sharpness, magnify, composition, image filter, rotation, and/or human area of the image 820 .
  • Various edits may be performed, such as processing and/or correcting the shape of a person.
  • the electronic device 101 may detect an image editing trigger based on a result of editing an image using an editing tool. For example, the electronic device 101 may estimate a class and/or an editing element from the edited image 820 .
  • FIG. 8C illustrates that an image (eg, a captured image, a stored image) of the electronic device 101 is shared by a user with an external device (eg, a cloud, a social network, and/or another electronic device) (or can be sent).
  • FIG. 8C may show an example in which the electronic device 101 provides an image 830 shared to an external device (eg, a social network) through the display 220 .
  • the electronic device 101 may detect an image editing trigger based on the image sharing of the electronic device 101 .
  • the electronic device 101 may estimate a class and/or an editing element from the shared image 830 .
  • FIG. 9 is a diagram for describing an example of configuring user preferences in a database of an electronic device according to various embodiments of the present disclosure.
  • the electronic device 101 includes a plurality of classes and stores user preferences including at least one editing element for each class in a database (eg, the database 700 of FIG. 7 , or the database of FIG. 2 ) 231)) can be included.
  • FIG. 9 may show an example of user preferences configured in any one class 900 among a plurality of classes.
  • the class 900 may classify user preferences into respective clusters (or groups) in which similar editing elements among various editing elements are clustered.
  • the class 900 may include a first cluster 910 and a second cluster 920 .
  • the first cluster 910 includes a first user preference 911 consisting of four editing elements, a second user preference 913 consisting of two editing elements, and a third user preference consisting of three editing elements.
  • preferences 915 and/or a fourth user preference 917 consisting of three editing elements.
  • the second cluster 920 includes a fifth user preference 921 consisting of three editing elements, a sixth user preference 923 consisting of three editing elements, and a seventh user preference consisting of one editing element.
  • preferences 925 , and/or an eighth user preference 927 consisting of four editing elements.
  • the electronic device 101 may cluster similar edit elements by applying an average of various edit elements, classify them into corresponding clusters, and manage them.
  • the editing element of the first cluster 910 may be a group including at least one editing element such as brightness, tone curve, color curve, contrast, crop, saturation, and/or sharpness in common.
  • the editing element of the second cluster 920 may be a group including at least one editing element such as crop, magnify, composition, image filter, rotation, and/or human area processing in common.
  • the electronic device 101 may recommend user preferences in the order of the clusters most frequently selected by the user.
  • the electronic device 101 may include user information (or personal information) stored in a memory (eg, the memory 130 of FIG. 2 ) as various editing elements.
  • the electronic device 101 may set different editing elements applied to each person.
  • the electronic device 101 may apply the first user preference 911 to person A among a plurality of people (eg, A, B, or C), and to person B, the fifth user preference ( 921) may be applied, and in the case of person C, the first user preference 911 and the fifth user preference 921 may be applied.
  • the electronic device 101 may include a specified phrase (eg, text) and/or an image (eg, an icon or an emoji) as various editing elements.
  • the electronic device 101 may include a specified phrase (eg, stylish) and/or an image (eg, heart ( ⁇ )) as editing elements.
  • FIG. 10 is a diagram for describing an example of extracting an editing element in an electronic device according to various embodiments of the present disclosure
  • the electronic device 101 may include a database 700 (eg, the database 231 of FIG. 2 ).
  • the database 700 may correspond to what has been described in the description with reference to FIGS. 7 and/or 9 .
  • a user may store and/or share an edited image 1001 edited with an editing tool.
  • the electronic device 101 may determine the image analysis 1003 for estimating the class and/or editing element of the edited image 1001 based at least on the storage and/or sharing of the edited image 1001 . have.
  • the electronic device 101 may analyze the image based on the determination of the image analysis 1003 and classify the class of the edited image 1001 ( 1011 ).
  • the electronic device 101 may perform an original image search 1005 corresponding to the edited image 1001 based on the determination of the image analysis 1003 . For example, the electronic device 101 may determine whether there is an original image 1007 stored in association with the edited image 1001 in the memory 130 of the electronic device 101 . According to an embodiment, the electronic device 101 sets the edited image 1001 and the original image based on metadata (eg, image file information and/or exchangeable image file format (EXIF) information) stored together when generating an image. (1007) it is possible to identify whether the relationship between.
  • metadata eg, image file information and/or exchangeable image file format (EXIF) information
  • the electronic device 101 when the original image 1007 associated with the edited image 1001 is searched for (eg, when it exists in the memory 130 ), the electronic device 101 performs the edited image 1001 and the original image ( 1007), edit element estimation 1009 may be performed.
  • the electronic device 101 compares the edited image 1001 with the original image 1007 , and based on the difference between the editing elements between the edited image 1001 and the original image 1007 , the edited image ( 1001) can be estimated.
  • the electronic device 101 may analyze a difference in composition information such as a color curve, sharpness, a position and size of a saliency object, and/or a difference in editing elements such as processing of a human area.
  • the electronic device 101 classifies from the database 700 .
  • Information on the class may be extracted, and an editing element of the edited image 1001 may be estimated based on the extracted information.
  • the electronic device 101 may extract a feature vector by analyzing the contents of an image (eg, the edited image 1001 ) stored after editing, and classify the class of the image based on the extracted feature vector. have. Thereafter, the electronic device 101 may extract an editing element related to the image based on the corresponding class. For example, the electronic device 101 estimates composition information such as a position and size of a color curve, sharpness, and saliency object, and/or an editing element such as processing on a human area, from a corresponding class of the database 700 . can do.
  • the electronic device 101 may use an average value of editing elements belonging to a class in the edited image 1001 as an estimated value of the original image. For example, when the class to which the image belongs is a night view, the electronic device 101 determines that the average characteristics of the image belonging to the night view class (eg, a shape in which a color tone curve is concentrated in dark tones and sharpness is low) is the original image. can be predicted as a characteristic of According to an embodiment, the average feature related to color tone may be predicted by a trained deep learning network, and may also be calculated by a histogram method. According to an embodiment, sharpness may be predicted with a difference from an average gradient distribution of a class to which the edited image 1001 belongs with the gradient of the edited image 1001 . According to an embodiment, information on composition may also be predicted using the edited image 1001 . According to an exemplary embodiment, information on person correction may be estimated using a class to which the edited image 1001 belongs and an image content of the edited image 1001 .
  • the electronic device 101 may update the user preference in the database 700 based on the classified class and an editing element (eg, an estimated editing element). According to an embodiment, the electronic device 101 may update the user preference based on the classified class in Example 1011 among the classes 710 , 720 , 730 , 740 , and 750 of the database 700 .
  • an editing element eg, an estimated editing element
  • FIG. 11 is a diagram for explaining an example of image analysis for user preference in an electronic device according to various embodiments of the present disclosure
  • FIG. 12 is a diagram for explaining an example of distinguishing an editing element (eg, composition) from an image in an electronic device according to various embodiments of the present disclosure
  • FIG. 11 may show an example of the artificial intelligence model 1100 (or AI network) of the electronic device 101 .
  • the electronic device 101 may analyze and/or provide user preferences using the artificial intelligence model 1100 .
  • the artificial intelligence model 1100 may be generated through machine learning in the electronic device 101 .
  • learning may be performed through a separate server.
  • the electronic device 101 can learn and determine user preference by itself, and the recognition rate of user preference can be improved in proportion to the learning, and the user's intention can be more accurately understood.
  • the artificial intelligence model 1100 may include an image analysis network (or algorithm) 1110 , an editing element analysis network 1120 , a composition estimation network 1130 , and/or a composition application network 1140 .
  • an image analysis network or algorithm
  • an editing element analysis network 1120
  • a composition estimation network 1130
  • a composition application network 1140 e.g., a composition application network
  • the image analysis network 1110 may receive an image (eg, an original image, an edited image, and/or a reduced image) as an input, and output a class of an image through image analysis based on the image.
  • the image analysis network 1110 for the input image face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides
  • Information about at least one class to which the image belongs among classes such as , scenery, stage, vehicles, drinks, flowers, trees, greenery, animal, shoes, backlit, indoor, text, clothes, and/or night view can be output.
  • an image eg, an original image, an edited image, and/or a reduced image
  • the image analysis network 1110 for the input image face, baby, person, dog, cat, food, people, beaches, sky, mountain, sunset, sunrise, city, snow, waterfall, watersides
  • Information about at least one class to which the image belongs among classes such as , scenery, stage, vehicles, drinks, flowers, trees, greenery,
  • the editing element analysis network 1120 receives an image (eg, an original image, an edited image, and/or an image thumbnail) as an input, and an editing element (eg, brightness, contrast, tone curve, and/or the original shape before applying the color curve) may be estimated and output.
  • an editing element eg, brightness, contrast, tone curve, and/or the original shape before applying the color curve
  • the editing element analysis network 1120 may estimate the editing element using at least two images (eg, an input image and an output image) using a regression analysis method.
  • the composition estimation network 1130 may indicate an example to the editing element analysis network 1120 .
  • the composition estimation network 1130 receives an image (eg, an original image, an edited image, and/or a reduced image) as an input, and a classification result of a composition applied to an image (eg, a photo) (eg, type of composition) can be output.
  • the composition estimation network 1130 may provide a classification result of a composition applied to an image based on the composition type as illustrated in FIG. 12 .
  • FIG. 12 may show examples of various compositions.
  • the composition estimation network 1130 based at least on the position and / or size of the feature object (eg, saliency object) in the image, rule of thirds (1210), center (1220), horizontal (1230), A composition such as symmetric(1240), diagonal(1250), curved(1260), vertical(1270), triangle(1280), and/or pattern(1290) may be estimated.
  • the element application network 1140 receives an image (eg, an original image, an edited image, and/or an image thumbnail) as input, and performs element detection related to various editing elements, The detected element can be applied to the image.
  • the element application network 1140 may perform composition element detection related to composition to apply the detected composition element to an image.
  • the element application network 1140 may apply an editing element (eg, composition) preferred by the user to the image by using the detected element (eg, composition).
  • the composition preferred by the user may be applied in at least two steps.
  • the composition estimation network 1130 detects a composition element from the image
  • the element application network 1140 uses the detected composition element to fit the user's preferred composition, for example, crop, rotation, and/or resize.
  • the composition estimation network 1130 may detect (or estimate) a composition element such as a main object (or subject) and a horizontal line and/or a line of a building (eg, lines related to composition) in an image. .
  • a composition element such as a main object (or subject) and a horizontal line and/or a line of a building (eg, lines related to composition) in an image.
  • the element application network 1140 uses the rule of thirds composition to compose the composition so that the main subject occupies about 1/3 of the image (eg, photo). can be applied.
  • each person when a plurality of people (eg, A, B, or C) are analyzed in the image analysis network 1110 when the element application network 1140 applies various editing elements, each person , different editing elements (eg, the first user preference 911 to the eighth user preference 927 of FIG. 9 ) may be applied.
  • the element application network 1140 applies the recommended image (eg, the recommended image 1400 of FIG. 14 )
  • the first recommended image eg, the first recommended image 1410 of FIG. 14
  • contains A A first user preference 911 related to a person may be applied
  • a fifth user preference 921 may be applied to a second recommendation image (eg, the second recommendation image 1420 of FIG. 14 )
  • a third A first user preference 911 related to person A and a fifth user preference 921 related to person B may be applied to the recommendation image (eg, the third recommendation image 1430 of FIG. 14 ).
  • FIGS. 13A and 13B are flowcharts illustrating an operation of an electronic device according to various embodiments of the present disclosure
  • the processor 120 of the electronic device 101 may capture an image based on a user input.
  • the processor 120 obtains a preview image from the camera module 180 and provides it through the display 220 , and in response to a user input, at least a part of the preview image being displayed through the display 220 . can be photographed (or captured).
  • the processor 120 may store the captured image in the memory 130 .
  • the processor 120 does not directly store the captured image in the memory 130 , but temporarily stores the captured image in a designated buffer of the memory 130 , and based on whether a recommended image is selected, the captured image and the recommendation. At least one image may be stored in the memory 130 .
  • the processor 120 may identify a class related to the image based on the image analysis. According to an embodiment, the processor 120 may perform image analysis based on the captured image, and may identify a class (or subject) related to the image based on the result of the image analysis. According to an embodiment, the processor 120 may determine at least one class to which the image belongs from among the classes variously classified in the database 700 .
  • the processor 120 may determine whether a plurality of classes are identified based on the identification result. For example, the processor 120 may determine whether a class related to an image is one class or a plurality of classes.
  • operation 1307 when the identified class corresponds to a plurality of classes (eg, 'Yes' in operation 1307 ), the processor 120 may proceed to operation 1309 and perform operations 1309 or less. In operation 1307, when the identified class corresponds to one (or a single) class (eg, 'No' in operation 1307), the processor 120 proceeds to operation 1341 to perform operations 1341 or less. have.
  • the processor 120 may calculate a preference ratio for each class. According to an embodiment, when the first class and the second class are identified, the processor 120 determines a preference ratio between the first class and the second class based on the user's usage history related to the first class and the second class. can be calculated. For example, the processor 120 may determine that the usage ratio of the first class is about 60% and the usage ratio of the second class is about 40%, based on the usage history for each class.
  • the processor 120 may determine a recommendation priority for each class based on the preference ratio for each class. According to an embodiment, the processor 120 may give a high priority to a class (eg, a first class) having a high preference ratio (or usage ratio) of the class.
  • a class eg, a first class
  • a high preference ratio or usage ratio
  • the processor 120 may determine whether a plurality of user preferences are identified based on the identified class. For example, the processor 120 may determine whether each class includes one user preference or a plurality of user preferences.
  • operation 1313 when a plurality of user preferences are included in at least one class (eg, 'Yes' in operation 1313 ), the processor 120 may proceed to operation 1315 and perform operations 1315 or less. In operation 1313 , when one user preference is included in each class (eg, 'No' in operation 1313 ), the processor 120 proceeds to operation 1327 and performs operations 1327 and below.
  • the processor 120 may estimate an editing element for each user preference based on the plurality of classes.
  • the processor 120 estimates a first editing element group related to a corresponding user preference from a class including one user preference, and includes a plurality of user preferences (eg, at least two user preferences).
  • a second editing element group and a third editing element group related to each user's preference may be estimated respectively in the corresponding class.
  • each of the first editing element group, the second editing element group, and/or the third editing element group may include one or more editing elements.
  • the processor 120 may generate a recommended image for each user preference based on the estimated editing element. According to an embodiment, the processor 120 may generate a plurality of recommended images respectively corresponding to each class based on user preference for each class. According to an embodiment, the processor 120 may generate one or more recommended images for each class based on one or more user preferences for each class.
  • the processor 120 may determine a recommendation priority for each user preference. According to an embodiment, the processor 120 may determine a priority among the plurality of user preferences in a class including the plurality of user preferences. For example, when the processor 120 includes two user preferences in any one class, based on the user's usage history related to each user preference, the preference ratio (or usage ratio) of the user preference is high from the user preference. You can give it a high priority.
  • the processor 120 may provide a recommended image based on a priority of a class and/or user preference.
  • the processor 120 recommends in an order (eg, from left to right, or from top to bottom) based on a priority of a class and/or user preference based on a designated area of the display 220 .
  • video can be provided.
  • the processor 120 may control the display 220 to display a captured image (eg, an original image) and at least one recommended image together.
  • the processor 120 may select and store a recommended image. According to an embodiment, when at least one recommended image among the recommended images provided through the display 220 is selected by the user, the processor 120 may store the image based on the selected recommended image. According to an embodiment, the processor 120 may store the image by applying (or editing) an editing element of the selected recommended image to the captured image. According to an exemplary embodiment, when the recommended image is provided through the display 220 , the processor 120 may temporarily store a corresponding recommended image, and may also store the temporarily stored recommended image based on a user selection. According to an embodiment, when storing the recommended image, the processor 120 may store the captured image (eg, the original image) and the selected recommended image in association with each other according to the setting of the electronic device 101 .
  • the captured image eg, the original image
  • the processor 120 may update the user preference of the class of the recommended image selected from the database 700 .
  • the processor 120 may update the user preference of a class related to the selected recommendation image among the classes identified in operation 1305 .
  • the processor 120 may count (or increase, or accumulate) the number of times (or compensation, weight) of the user preference related to the selected recommendation image.
  • the processor 120 may estimate an editing element for each user preference based on the plurality of classes. According to an embodiment, the processor 120 may respectively estimate a plurality of editing element groups related to a user preference in each of the plurality of classes. According to an embodiment, each of the plurality of editing element groups may include one or more editing elements.
  • the processor 120 may generate a recommended image for each user preference based on the estimated editing element. According to an embodiment, the processor 120 may generate a plurality of recommended images respectively corresponding to each class based on user preference for each class. According to an embodiment, the processor 120 may generate one recommended image for each class based on user preference for each class.
  • the processor 120 may provide a recommended image based on the priority of the class. According to an embodiment, the processor 120 may provide the recommended images in an order based on the priority of the class based on the designated area of the display 220 . According to an embodiment, the processor 120 may control the display 220 to display a captured image (eg, an original image) and at least one recommended image together.
  • a captured image eg, an original image
  • the processor 120 may proceed to operation 1323 and perform operations 1323 and subsequent operations.
  • the processor 120 may determine whether the corresponding class includes one user preference or a plurality of user preferences.
  • the processor 120 may proceed to operation 1343 and perform operations 1343 and subsequent operations.
  • the processor 120 may proceed to operation 1355 and perform operations 1355 or less.
  • the processor 120 may estimate an editing element according to user preference. According to an embodiment, the processor 120 estimates a first group of editing elements related to the first user preference, and a second group of editing elements related to the second user preference and a third group of editing elements related to the third user preference. can be estimated According to an embodiment, each of the first editing element group, the second editing element group, and/or the third editing element group may include one or more editing elements.
  • the processor 120 may generate a recommended image for each user preference based on the estimated editing element. According to an embodiment, the processor 120 may generate a plurality of recommended images respectively corresponding to a plurality of user preferences in a class.
  • the processor 120 may determine a recommendation priority for each user preference. According to an embodiment, the processor 120 may determine a priority among a plurality of user preferences. For example, when the processor 120 includes three user preferences in a class, based on the user's usage history related to each user preference, the preference ratio (or usage ratio) of the user preference is higher than the user preference. ranking can be given.
  • the processor 120 may provide a recommended image based on the priority of user preference.
  • the processor 120 provides the recommended images in an order (eg, from left to right or from top to bottom) based on the priority of the user preference based on the designated area of the display 220 .
  • the processor 120 may control the display 220 to display a captured image (eg, an original image) and at least one recommended image together.
  • the processor 120 may select and store a recommended image. According to an embodiment, when at least one recommended image among the recommended images provided through the display 220 is selected by the user, the processor 120 may store the image based on the selected recommended image. According to an embodiment, the processor 120 may store the image by applying (or editing) an editing element of the selected recommended image to the captured image. According to an exemplary embodiment, when the recommended image is provided through the display 220 , the processor 120 may temporarily store a corresponding recommended image, and may also store the temporarily stored recommended image based on a user selection. According to an embodiment, when storing the recommended image, the processor 120 may store the captured image (eg, the original image) and the selected recommended image in association with each other according to the setting of the electronic device 101 .
  • the captured image eg, the original image
  • the processor 120 may update the user preference of the corresponding class in the database 700 .
  • the processor 120 may update the user preference of the class identified in operation 1305 .
  • the processor 120 may count (or increase, or accumulate) the number of times (or compensation, weight) of the user preference related to the selected recommendation image.
  • the processor 120 displays the selected order (eg, priority) on the display 220 . It can be provided through (eg, a user interface), and the number of uses (or rewards, weights) of user preference can be set differently according to the selected order. For example, the processor 120 may calculate a count (or increase, or accumulation) related to the selected first image (eg, higher-priority image) from among the plurality of recommended images to the selected second image (eg, lower-priority image). It can be set higher than the related count (or increase, accumulation).
  • the selected order eg, priority
  • the processor 120 may calculate a count (or increase, or accumulation) related to the selected first image (eg, higher-priority image) from among the plurality of recommended images to the selected second image (eg, lower-priority image). It can be set higher than the related count (or increase, accumulation).
  • the processor 120 may change (eg, update) the user preference of the class identified in operation 1305 based on whether the user selects or not. For example, in operation 1351 , the processor 120 may decrease the number of times (or compensation, weight) of the user preference related to the unselected recommendation image.
  • the processor 120 may estimate an editing element of the user preference. According to an embodiment, the processor 120 may estimate at least one editing element group related to a user preference in the identified class. According to an embodiment, the at least one editing element group may include one or more editing elements.
  • the processor 120 may generate a recommended image of user preference based on the estimated editing element. According to an embodiment, the processor 120 may generate at least one recommended image based on a corresponding user preference of a class. According to an embodiment, the processor 120 may estimate the similar preference of the user preference and provide an additional similar preference-based recommendation image in addition to the user preference recommendation image.
  • the processor 120 may proceed to operation 1351 and perform operations 1351 and subsequent operations.
  • FIG. 14 is a diagram for explaining an example of providing a recommended image and updating user preference based on the recommended image in an electronic device according to various embodiments of the present disclosure
  • the electronic device 101 may include a database 700 (eg, the database 231 of FIG. 2 ).
  • the database 700 may correspond to what has been described in the description with reference to FIGS. 7 and/or 9 .
  • a first class 1440 eg, portrait
  • a second class 1450 eg, mountain
  • FIG. 14 may show an example in which a class of a target image includes a plurality of classes such as a first class 1440 and a second class 1450 based on image analysis.
  • the first class 1440 includes one editing element group 1445
  • the second class 1450 includes two editing element groups 1451 and 1453 .
  • each editing element group 1445 , 1451 , 1453 may include one or more editing elements.
  • the electronic device 101 may acquire a first image 1401 (eg, a captured image) based on image capturing.
  • the user may capture an image for the first image 1401 (eg, a captured image) by using the camera module 180 of the electronic device 101 .
  • the electronic device 101 may provide an image acquired through the camera module 180 in an image capturing operation as the first image 1401 through the display 220 .
  • the electronic device 101 may perform image analysis 1403 for class classification 1405 of the first image 1401 based on the first image 1401 .
  • the electronic device 101 may identify the class of the first image 1401 based on an analysis algorithm of at least one of scene (or image) classification, object detection, and/or composition detection.
  • the electronic device 101 may determine at least one class to which the first image 1401 belongs from among the variously classified classes in the database 700 . For example, according to a result of image analysis, the electronic device 101 is a class related to the first image 1401 , a first class 1440 (eg, portrait) and a second class 1450 (eg, mountain). ) can be determined.
  • a first class 1440 eg, portrait
  • a second class 1450 eg, mountain
  • the electronic device 101 may estimate ( 1407 ) an editing element for the recommended image 1400 based on the determined classes 1440 and 1450 .
  • the electronic device 101 provides a first user preference based on a first editing element group 1445 from a first class 1440 of the database 700 , and a second class 1450 of the database 700 .
  • the second user preference based on the second editing element group 1451 and the third user preference based on the third editing element group 1453 may be determined from
  • the electronic device 101 may generate one or more recommended images for each class based on one or more user preferences for each class.
  • the electronic device 101 is configured for a first user preference, a second user preference, and a third user preference from each editing element group 1445 , 1451 , 1453 of each class 1440 and 1450 , respectively.
  • a recommended image 1400 may be generated by detecting an editing element of , and applying the editing element to the first image 1401 ( 1409 ).
  • the electronic device 101 applies four editing elements of the first editing element group 1445 to the first image 1401, and the first recommended image 1410 related to the user's first user preference. ) can be created. According to an embodiment, the electronic device 101 applies two editing elements of the second editing element group 1451 to the first image 1401, and the second recommendation image 1420 related to the user's second user preference. ) can be created. According to an embodiment, the electronic device 101 applies three editing elements of the third editing element group 1453 to the first image 1401, and the third recommended image 1430 related to the user's third user preference. ) can be created.
  • the electronic device 101 may provide at least one recommendation image 1400 through the display 220 based on user preference.
  • the electronic device 101 provides a first recommended image 1410 according to the first user preference, a second recommended image 1420 according to the second user preference, and a third recommendation according to the third user preference.
  • the image 1430 may be provided based on a designated area of the display 220 .
  • the electronic device 101 may provide a first image 1401 (eg, a captured image) and a recommended image 1400 together.
  • the electronic device 101 may provide it based on a priority of a class and/or user preference.
  • the electronic device 101 may provide the recommended images 1400 in an order (eg, from left to right or from top to bottom) based on a priority of a class and/or user preference. For example, referring to the example of FIG. 14 , the first class 1440 has a higher priority than the second class 1450 , and in the second class 1450 , the second class of the second editing element group 1451 is It may be assumed that the user preference has a higher priority than the third user preference of the third editing element group 1453 .
  • the first recommended image 1410 of the first user preference may have the highest priority (or highest priority) according to the priority of the class, and the second user preference according to the priority of the user preference in the next priority class
  • a second recommended image 1420 of may have a secondary rank
  • a third recommended image 1430 of a third user preference may have a secondary rank.
  • the electronic device 101 orders the first recommended image 1410 , the second recommended image 1420 , and the third recommended image 1430 based on the priority of the class and/or user preference. may be provided to a designated area of the display 220 .
  • the electronic device 101 may select ( 1413 ) and store ( 1415 ) a recommended image. According to an embodiment, when at least one recommended image among the recommended images 1400 provided through the display 220 is selected by the user, the electronic device 101 may store the image based on the selected recommended image. According to an embodiment, the electronic device 101 may store an image by applying (or editing) an editing element of the selected recommended image 1400 to the first image 1401 . According to an embodiment, when storing the recommended image, the electronic device 101 associates the first image 1401 (eg, a captured image) with the selected recommended image 1400 according to a setting of the electronic device 101 . can be built and stored.
  • the first image 1401 eg, a captured image
  • the electronic device 101 may update the user preference of the class of the recommended image selected from the database 700 .
  • the electronic device 101 applies the reward to the second user preference of the second class 1450 in the database 700 . (1417) can be done.
  • the electronic device 101 may count (or increase, or accumulate) the number of times (or compensation, weight) of the user preference related to the selected recommendation image.
  • the operation method performed by the electronic device 101 includes displaying a preview image through the display 220 (or the display module 160 of FIG. 1 ) of the electronic device 101 .
  • operation based on a user input while displaying the preview image, capturing an image based at least on the preview image, performing image analysis based on the captured image, and capturing the image based on a result of image analysis
  • the operation of identifying at least one class related to the selected image, the operation of identifying at least one user preference based on the identified class, and the display 220 of at least one recommended image related to the at least one user preference It may include an operation provided through .

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)
  • Studio Devices (AREA)

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 US12363422B2 (en) 2020-05-15 2022-11-14 Method and apparatus for providing edited image based on user preference

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200058507A KR102763586B1 (ko) 2020-05-15 2020-05-15 영상을 제공하는 방법 및 장치
KR10-2020-0058507 2020-05-15

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/986,834 Continuation US12363422B2 (en) 2020-05-15 2022-11-14 Method and apparatus for providing edited image based on user preference

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 (3)

Country Link
EP (1) EP4138380A4 (ko)
KR (1) KR102763586B1 (ko)
WO (1) WO2021230485A1 (ko)

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 (2)

* 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
KR102495008B1 (ko) * 2018-05-11 2023-02-06 삼성전자주식회사 영상 편집 지원 방법 및 이를 지원하는 전자 장치

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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4138380A4 *

Also Published As

Publication number Publication date
EP4138380A1 (en) 2023-02-22
US20230076342A1 (en) 2023-03-09
KR20210141179A (ko) 2021-11-23
KR102763586B1 (ko) 2025-02-07
EP4138380A4 (en) 2023-09-06

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
WO2022092706A1 (ko) 복수의 카메라를 이용한 사진 촬영 방법 및 그 장치
WO2022139262A1 (ko) 관심 객체를 이용하여 비디오를 편집하는 전자 장치 및 그 동작 방법
WO2022030838A1 (ko) 프리뷰 이미지를 제어하는 전자 장치 및 방법
WO2022154387A1 (ko) 전자 장치 및 그의 동작 방법
WO2021256709A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022215910A1 (ko) 화면 공유 방법 및 그 전자 장치
WO2021025509A1 (en) Apparatus and method for displaying graphic elements according to object
WO2022154388A1 (ko) 전자 장치 및 그의 이미지 처리 방법
WO2022010122A1 (ko) 영상을 제공하는 방법 및 이를 지원하는 전자 장치
WO2022065827A1 (ko) 무선 통신을 이용한 촬영 방법 및 이를 지원하는 전자 장치
WO2023085679A1 (ko) 전자 장치 및 편집 영상을 자동으로 생성하는 방법
WO2023075335A1 (ko) 복수의 렌즈들을 구비하는 전자 장치 및 그 제어 방법
WO2023132459A1 (ko) Ar 객체를 표시하는 전자 장치 및 그 방법
WO2022177166A1 (ko) 화면 재생률을 제어하는 방법 및 이를 지원하는 전자 장치
WO2021230485A1 (ko) 영상을 제공하는 방법 및 장치
WO2023128469A1 (ko) 이미지 기반의 이미지 효과를 제공하는 전자 장치 및 그 제어 방법
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
WO2025018743A1 (ko) 전자 장치 및 전자 장치의 이미지 보정 방법
WO2023017981A1 (ko) 언더 디스플레이 카메라를 포함하는 전자 장치 및 그 동작 방법

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