KR102310714B1 - 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램 - Google Patents
사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램 Download PDFInfo
- Publication number
- KR102310714B1 KR102310714B1 KR1020210054125A KR20210054125A KR102310714B1 KR 102310714 B1 KR102310714 B1 KR 102310714B1 KR 1020210054125 A KR1020210054125 A KR 1020210054125A KR 20210054125 A KR20210054125 A KR 20210054125A KR 102310714 B1 KR102310714 B1 KR 102310714B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- keywords
- profile image
- selecting
- keyword
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000004590 computer program Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 claims description 15
- 239000003086 colorant Substances 0.000 claims description 10
- 230000036651 mood Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 235000019640 taste Nutrition 0.000 claims description 8
- 210000000746 body region Anatomy 0.000 claims description 5
- 230000008921 facial expression Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 description 35
- 238000012549 training Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 18
- 238000012360 testing method Methods 0.000 description 14
- 230000036544 posture Effects 0.000 description 13
- 238000010191 image analysis Methods 0.000 description 9
- 238000012795 verification Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 235000000177 Indigofera tinctoria Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229940097275 indigo Drugs 0.000 description 1
- COHYTHOBJLSHDF-UHFFFAOYSA-N indigo powder Natural products N1C2=CC=CC=C2C(=O)C1=C1C(=O)C2=CC=CC=C2N1 COHYTHOBJLSHDF-UHFFFAOYSA-N 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 208000022821 personality disease Diseases 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
- G06F16/24532—Query optimisation of parallel queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 사용자 맞춤형 프로필 이미지 생성방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 사용자에 대한 하나 이상의 키워드를 선택하는 단계, 상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 단계 및 상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 단계를 포함한다.
Description
본 발명의 다양한 실시예는 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램에 관한 것이다.
프로필 사진이란 자신을 소개하고 알리기 위해 찍은 사진을 의미하며, 대표적으로는 증명사진이 있다.
증명사진은 사람을 판단하고 다른 사람의 위장 식별 등을 목적으로 신분증과 서류 등에 부착되는 인물 사진이다. 여권이나 운전 면허증 등의 공문서, 이력서 등의 사문서, 입학 시험이나 자격 시험 등의 원서 등에 사용된다. 기본적으로 단색 배경에 어깨에 얼굴 사진으로, 모자와 마스크, 선글라스 등은 착용하지 않고 촬영한다.
이러한 규정들으로 인해, 일반적으로, 사용자들은 증명사진에 대해 대부분 흰색 벽을 배경으로 정면을 주시하는 사진, 서류에 부착해 어딘가에 제출하는 사진 정도로만 인식하고 있다.
이에 따라 실제로 대다수의 사용자들이 획일화된 자세, 표정, 배경색 등을 적용하여 증명사진을 촬영하고 있으며, 이와 같이 획일화된 자세, 표정 및 배경색이 적용된 증명사진은 단순 제출을 위한 용도로만 사용될 뿐, 사용자 자신을 제대로 표현하지 증명하지는 못한다는 문제가 있다.
본 발명이 해결하고자 하는 과제는 상기와 같이 프로필 이미지를 사용하는 목적(예: 제출용 등)를 위하여 기 설정된 규정을 준수하는 범위 내에서, 사용자가 원하는 느낌을 표현할 수 있도록 하는 배경 색상을 선정하고, 이를 이용하여 사용자 맞춤형 프로필 이미지를 생성함으로써, 프로필 이미지를 목적에 맞게 이용할 수 있도록 할 뿐만이 아니라 해당 이미지를 단순 제출용이 아닌, 진짜 자신을 증명하고 표현하는 용도로도 사용할 수 있도록 하는 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른, 사용자 맞춤형 프로필 이미지 생성방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 사용자에 대한 하나 이상의 키워드를 선택하는 단계, 상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 단계 및 상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 복수의 키워드 - 상기 복수의 키워드는 상기 사용자가 생성하고자 하는 상기 맞춤형 프로필 이미지의 성질이나 상태를 나타내는 형용사 키워드를 포함함 - 를 포함하는 키워드 리스트를 출력하는 사용자 인터페이스(User Interface, UI)를 제공하는 단계 및 상기 사용자 인터페이스를 통해, 상기 사용자로부터 상기 복수의 키워드 중 하나 이상의 키워드를 선택받는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 배경 색상을 선정하는 단계는, 상기 사용자로부터 둘 이상의 키워드를 선택받는 경우, 상기 둘 이상의 키워드에 대응되는 하나의 배경 색상을 결정하되, 상기 둘 이상의 키워드에 대응되는 배경 색상이 둘 이상인 경우, 상기 둘 이상의 키워드 각각의 유사도에 기초하여 상기 둘 이상의 키워드를 복수의 키워드 그룹으로 그룹화하고, 상기 복수의 키워드 그룹 각각에 대한 하나의 배경 색상을 개별적으로 선정하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 사용자 인터페이스(User Interface, UI)를 제공하는 단계, 상기 사용자 인터페이스를 통해 복수의 질의 내용을 제공하되, 상기 복수의 질의 내용은 상기 사용자의 성향, 성격, 기분, 취향 및 상기 사용자가 표현하고자 하는 분위기 중 적어도 하나에 대한 내용을 포함하는 것인, 단계 및 상기 복수의 질의 내용에 대한 응답으로 상기 사용자로부터 입력된 복수의 답변 내용을 분석하여 상기 사용자에 대한 하나 이상의 키워드를 추출하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 상기 사용자를 촬영함으로써 생성된 원본 이미지에 포함된 상기 사용자의 얼굴 영역을 분석하여 상기 사용자에 대한 제1 속성 정보 - 상기 제1 속성 정보는 상기 사용자의 표정 및 기분에 대한 정보를 포함함 - 를 추출하는 단계, 상기 생성된 원본 이미지에 포함된 상기 사용자의 몸 영역을 분석하여 상기 사용자에 대한 제2 속성 정보 - 상기 제2 속성 정보는 상기 사용자의 자세에 대한 정보를 포함함 - 를 추출하는 단계 및 상기 추출된 제1 속성 정보 및 상기 추출된 제2 속성 정보를 이용하여 상기 하나 이상의 키워드를 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 상기 사용자로부터 상기 맞춤형 프로필 이미지의 사용 목적 정보를 입력받는 단계, 상기 입력된 사용 목적 정보에 기초하여 복수의 추천 키워드를 선정하고, 상기 선정된 복수의 추천 키워드를 상기 사용자에게 제공하는 단계 및 상기 선정된 복수의 추천 키워드 중 하나 이상의 추천 키워드를 상기 사용자로부터 선택받는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 상기 복수의 사용자 각각에 대한 키워드를 개별적으로 선택하는 단계 및 상기 개별적으로 선택된 키워드 중 상기 복수의 사용자 각각으로부터 동일하게 선택된 키워드를 선택하거나 상기 개별적으로 선택된 키워드 중 선택된 개수가 높은 키워드부터 상위 N개의 키워드를 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 상기 사용자와 하나 이상의 객체가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 상기 하나 이상의 객체의 속성 및 상기 사용자와 상기 하나 이상의 객체 사이의 연관성에 기초하여 상기 하나 이상의 키워드를 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 하나 이상의 키워드를 선택하는 단계는, 상기 사용자의 계정으로 업로드된 복수의 소셜 데이터를 분석하여 상기 사용자에 대한 속성을 판단하고, 상기 판단된 사용자에 대한 속성에 기초하여 상기 하나 이상의 키워드를 선택하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 맞춤형 프로필 이미지를 생성하는 단계는, 상기 선정된 배경 색상에 기초하여 상기 사용자에 대한 임시 프로필 이미지를 생성하는 단계, 기 지정된 복수의 사용자로부터 상기 생성된 임시 프로필 이미지에 대한 피드백 정보를 입력받되, 상기 피드백 정보는 상기 생성된 임시 프로필 이미지의 성질이나 상태를 나타내는 형용사 키워드인, 단계 및 상기 선택된 하나 이상의 키워드와 상기 피드백 정보를 비교하여 상기 선정된 배경 색상을 보정하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 맞춤형 프로필 이미지를 생성하는 단계는, 상기 선정된 배경 색상에 기초하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하되, 사용자 인터페이스(User Interface, UI)를 통해 상기 사용자에 대한 맞춤형 프로필 이미지의 생성 과정을 상기 사용자에게 실시간으로 제공하는 단계 및 상기 사용자 인터페이스를 통해 상기 사용자로부터 요청 사항 정보를 입력받고, 상기 입력된 요청 사항 정보에 대한 응답으로 수정된 내용을 상기 사용자에게 제공하는 단계를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성장치는, 프로세서, 네트워크 인터페이스, 메모리 및 상기 메모리에 로드(load)되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되, 상기 컴퓨터 프로그램은, 사용자에 대한 하나 이상의 키워드를 선택하는 인스트럭션(instruction), 상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 인스트럭션 및 상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 인스트럭션을 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터프로그램은 컴퓨팅 장치와 결합되어, 사용자에 대한 하나 이상의 키워드를 선택하는 단계, 상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 단계 및 상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 단계를 실행시키기 위하여 컴퓨터로 판독가능한 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 다양한 실시예에 따르면, 상기와 같이 프로필 이미지를 사용하는 목적(예: 제출용 등)를 위하여 기 설정된 규정을 준수하는 범위 내에서, 사용자가 원하는 느낌을 표현할 수 있도록 하는 배경 색상을 선정하고, 이를 이용하여 사용자 맞춤형 프로필 이미지를 생성함으로써, 프로필 이미지를 목적에 맞게 이용할 수 있도록 할 뿐만이 아니라 해당 이미지를 단순 제출용이 아닌, 진짜 자신을 증명하고 표현하는 용도로도 사용할 수 있도록 한다는 이점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 프로필 이미지 생성시스템을 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성장치의 하드웨어 구성도이다.
도 3은 본 발명의 또 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성방법의 순서도이다.
도 4는 다양한 실시예에서, 질의응답을 이용하여 키워드를 선택하는 방법의 순서도이다.
도 5는 다양한 실시예에서, 원본 이미지 분석을 이용하여 키워드를 선택하는 방법의 순서도이다.
도 6은 다양한 실시예에서, 프로필 이미지의 사용 목적에 따라 키워드를 선택하는 방법의 순서도이다.
도 7은 다양한 실시예에서, 복수의 사용자를 촬영한 단체 프로필 이미지에 대하여 키워드를 선택하는 방법의 순서도이다.
도 8은 다양한 실시예에서, 사용자와 객체를 촬영한 프로필 이미지에 대하여 키워드를 선택하는 방법의 순서도이다.
도 9는 다양한 실시예에서, 임시 프로필 이미지에 대한 피드백에 기초하여 배경 색상을 보정하는 방법의 순서도이다.
도 10은 다양한 실시예에 적용 가능한 형용사 키워드를 예시적으로 도시한 표이다.
도 2는 본 발명의 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성장치의 하드웨어 구성도이다.
도 3은 본 발명의 또 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성방법의 순서도이다.
도 4는 다양한 실시예에서, 질의응답을 이용하여 키워드를 선택하는 방법의 순서도이다.
도 5는 다양한 실시예에서, 원본 이미지 분석을 이용하여 키워드를 선택하는 방법의 순서도이다.
도 6은 다양한 실시예에서, 프로필 이미지의 사용 목적에 따라 키워드를 선택하는 방법의 순서도이다.
도 7은 다양한 실시예에서, 복수의 사용자를 촬영한 단체 프로필 이미지에 대하여 키워드를 선택하는 방법의 순서도이다.
도 8은 다양한 실시예에서, 사용자와 객체를 촬영한 프로필 이미지에 대하여 키워드를 선택하는 방법의 순서도이다.
도 9는 다양한 실시예에서, 임시 프로필 이미지에 대한 피드백에 기초하여 배경 색상을 보정하는 방법의 순서도이다.
도 10은 다양한 실시예에 적용 가능한 형용사 키워드를 예시적으로 도시한 표이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 프로필 이미지 생성시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자 맞춤형 프로필 이미지 생성시스템은, 사용자 맞춤형 프로필 이미지 생성장치(100), 사용자 단말(200) 및 외부 서버(300)를 포함할 수 있다.
여기서, 도 1에 도시된 사용자 맞춤형 프로필 이미지 생성시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
일 실시예에서, 사용자 맞춤형 프로필 이미지 생성장치(100)(이하, "컴퓨팅 장치(100)")는 사용자에 대한 맞춤형 프로필 이미지를 생성할 수 있다.
여기서, 사용자에 대한 맞춤형 프로필 이미지는, 사용자가 해당 프로필 이미지를 통해 전달하고자 하는 메시지, 표현하고자 하는 느낌, 이미지, 컨셉 등을 고려하여, 이러한 정보를 명확하게 드러낼 수 있는 배경 색상을 설정하고, 설정된 배경 색상이 적용된 프로필 이미지를 의미할 수 있다.
본 명세서에서 설명하고 있는 맞춤형 프로필 이미지는, 상기와 같이 사용자의 니즈에 맞춰 프로필 이미지의 배경 색상을 결정함으로써, 배경 색상을 통해 사용자의 아이덴티티(Identity)를 드러내는 것으로 설명하고 있으나, 이에 한정되지 않고, 경우에 따라 프로필 이미지의 배경 표현 방식을 변경(예: 단색 표시, 그라데이션(gradation) 등)하거나, 프로필 이미지 상에 특정 텍스트 문구 등을 삽입함으로써, 사용자의 아이덴티티를 보다 명확하고 효과적으로 드러낼 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 니즈를 고려하여, 사용자에 대한 하나 이상의 키워드를 선택하고, 선택한 키워드를 이용하여 사용자의 아이덴티티를 드러내기 위한 배경 색상을 선정할 수 있으며, 선정된 배경 색상을 이용하여 사용자에 대한 맞춤형 프로필 이미지를 생성할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 하나 이상의 키워드가 레이블링(Labeling)된 복수의 프로필 이미지 및 키워드별 색상 데이터를 학습 데이터로 하여 기 학습된 인공지능 모델을 이용하여, 사용자에 대한 하나 이상의 키워드를 추출하는 동작과 추출된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 동작을 수행할 수 있다.
여기서, 인공지능 모델은 하나 이상의 네트워크 함수로 구성되며, 하나 이상의 네트워크 함수는 일반적으로 ‘노드’라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 ‘노드’들은 ‘뉴런(neuron)’들로 지칭될 수도 있다. 하나 이상의 네트워크 함수는 적어도 하나 이상의 노드들을 포함하여 구성된다. 하나 이상의 네트워크 함수를 구성하는 노드(또는 뉴런)들은 하나 이상의 ‘링크’에 의해 상호 연결될 수 있다.
인공지능 모델 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 인공지능 모델이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 인공지능 모델은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 인공지능 모델 내에서 입력 노드 및 출력 노드 관계를 형성한다. 인공지능 모델 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 인공지능 모델의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 인공지능 모델이 존재하는 경우, 두 개의 인공지능 모델들은 서로 상이한 것으로 인식될 수 있다.
인공지능 모델을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 인공지능 모델 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 인공지능 모델 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 인공지능 모델을 구성하는 노드들을 의미할 수 있다. 본 발명의 일 실시예에 따른 인공지능 모델은 입력 레이어의 노드가 출력 레이어에 가까운 히든 레이어의 노드보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 인공지능 모델일 수 있다.
인공지능 모델은 하나 이상의 히든 레이어를 포함할 수 있다. 히든 레이어의 히든 노드는 이전의 레이어의 출력과 주변 히든 노드의 출력을 입력으로 할 수 있다. 각 히든 레이어 별 히든 노드의 수는 동일할 수도 있고 상이할 수도 있다. 입력 레이어의 노드의 수는 입력 데이터의 데이터 필드의 수에 기초하여 결정될 수 있으며 히든 노드의 수와 동일할 수도 있고 상이할 수도 있다. 입력 레이어에 입력된 입력 데이터는 히든 레이어의 히든 노드에 의하여 연산될 수 있고 출력 레이어인 완전 연결 레이어(FCL: fully connected layer)에 의해 출력될 수 있다.
다양한 실시예에서, 인공지능 모델은 하나 이상의 키워드가 레이블링(Labeling)된 복수의 프로필 이미지 및 키워드별 색상 데이터를 학습 데이터로 하여, 지도학습(supervised learning) 기반으로 학습될 수 있다.
여기서, 지도학습은 통상적으로 특정 데이터와 특정 데이터에 연관된 정보를 레이블링하여 학습 데이터를 생성하고, 이를 이용하여 학습시키는 방법으로써, 인과 관계를 가진 두 데이터를 레이블링하여 학습 데이터를 생성하고, 생성된 학습 데이터를 통해 학습하는 방법을 의미한다.
보다 구체적으로, 컴퓨팅 장치(100)는 레이블링된 학습 데이터를 이용하여 인공지능 모델을 구성하는 하나 이상의 네트워크 함수에 대한 학습을 수행할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 학습 입력 데이터 각각을 하나 이상의 네트워크 함수에 입력시키고, 하나 이상의 네트워크 함수로 연산된 출력 데이터 각각과 학습 입력 데이터 각각의 레이블에 해당하는 학습 출력 데이터 각각을 비교하여 오차를 도출할 수 있다. 즉, 인공지능 모델의 학습에서 학습 입력 데이터는 하나 이상의 네트워크 함수의 입력 레이어에 입력될 수 있으며, 학습 출력 데이터는 하나 이상의 네트워크 함수의 출력과 비교될 수 있다.
컴퓨팅 장치(100)는 학습 입력 데이터에 대한 하나 이상의 네트워크 함수의 연산 결과와 학습 출력 데이터(레이블)의 오차에 기초하여 인공지능 모델을 학습시킬 수 있다.
또한, 컴퓨팅 장치(100)는 오차에 기초하여 하나 이상의 네트워크 함수의 가중치를 역전파 방식으로 조정할 수 있다. 즉, 컴퓨팅 장치(100)는 학습 입력 데이터에 대한 하나 이상의 네트워크 함수의 연산 결과와 학습 출력 데이터의 오차에 기초하여 하나 이상의 네트워크 함수의 출력이 학습 출력 데이터에 가까워지도록 가중치를 조정할 수 있다.
컴퓨팅 장치(100)는 하나 이상의 네트워크 함수의 학습이 사전 결정된 에폭 이상 수행된 경우, 검증 데이터를 이용하여 학습의 중단 여부를 결정할 수 있다. 사전 결정된 에폭은 전체 학습 목표 에폭의 일부일 수 있다.
검증 데이터는 레이블링된 학습 데이터 중 적어도 일부로 구성될 수 있다. 즉, 컴퓨팅 장치(100)는 학습 데이터를 통해 인공지능 모델의 학습을 수행하며, 인공지능 모델의 학습이 사전결정된 에폭 이상 반복된 후, 검증 데이터를 이용하여 인공지능 모델의 학습 효과가 사전 결정된 수준 이상인지 여부를 판단할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 100개의 학습 데이터를 이용하여 목표 반복 학습 횟수가 10회인 학습을 수행하는 경우, 사전결정된 에폭인 10회의 반복 학습을 수행한 후, 10개의 검증 데이터를 이용하여 3회의 반복 학습을 수행하여, 3회의 반복 학습 동안 인공지능 모델 출력의 변화가 사전결정된 수준 이하인 경우 더 이상의 학습이 무의미한 것으로 판단하고 학습을 종료할 수 있다.
즉, 검증 데이터는 인공지능 모델의 반복 학습에서 에폭별 학습의 효과가 일정 이상인지 이하인지 여부에 기초하여 학습의 완료를 결정하는 데 이용될 수 있다. 전술한 학습 데이터, 검증 데이터의 수 및 반복 횟수는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.
컴퓨팅 장치(100)는 테스트 데이터를 이용하여 하나 이상의 네트워크 함수의 성능을 테스트하여 하나 이상의 네트워크 함수의 활성화 여부를 결정함으로써, 인공지능 모델을 생성할 수 있다. 테스트 데이터는 인공지능 모델의 성능을 검증하기 위하여 사용될 수 있으며, 학습 데이터 중 적어도 일부로 구성될 수 있다. 예를 들어, 학습 데이터 중 70%는 인공지능 모델의 학습(즉, 레이블과 비슷한 결과값을 출력하도록 가중치를 조정하기 위한 학습)을 위해 활용될 수 있으며, 30%는 인공지능 모델의 성능을 검증하기 위한 테스트 데이터로써 활용될 수 있다. 컴퓨팅 장치(100)는 학습이 완료된 인공지능 모델에 테스트 데이터를 입력하고 오차를 측정하여 사전 결정된 성능 이상인지 여부에 따라 인공지능 모델의 활성화 여부를 결정할 수 있다.
컴퓨팅 장치(100)는 학습이 완료된 인공지능 모델에 테스트 데이터를 이용하여 학습 완료된 인공지능 모델의 성능을 검증하고 학습 완료된 인공지능 모델의 성능이 사전에 결정된 기준 이상인 경우 해당 인공지능 모델을 다른 어플리케이션에서 사용하도록 활성화할 수 있다.
또한, 컴퓨팅 장치(100)는 학습 완료된 인공지능 모델의 성능이 사전에 결정된 기준 이하인 경우 해당 인공지능 모델을 비활성화하여 폐기할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 정확도(accuracy), 정밀도(precision), 재현율(recall) 등의 요소를 기준으로 하여 생성된 인공지능 모델 모델의 성능을 판단할 수 있다. 전술한 성능 평가 기준은 예시일 뿐이며 본 발명은 이에 제한되지 않는다. 본 발명의 일 실시예에 따라 컴퓨팅 장치(100)는 각각의 인공지능 모델을 독립적으로 학습시켜 복수의 인공지능 모델 모델을 생성할 수 있으며, 성능을 평가하여 일정 성능 이상의 인공지능 모델만을 사용할 수 있다. 그러나, 이에 한정되지 않는다.
일 실시예에서, 사용자 단말(200)은 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)로부터 맞춤형 프로필 이미지 생성 서비스를 제공받을 수 있다. 여기서, 맞춤형 프로필 이미지 생성 서비스는 사용자(또는 복수의 사용자 또는 사용자와 특정 객체)를 촬영함으로써 생성된 원본 이미지에 사용자의 아이덴티티를 드러낼 수 있는 배경 색상을 적용함으로써 맞춤형 프로필 이미지를 생성하는 서비스를 의미할 수 있다.
예를 들어, 사용자 단말(200)은 사용자 단말(200)의 적어도 일부분에 디스플레이를 포함하고, 애플리케이션의 구동이 가능한 운영체제를 포함하는 스마트폰(Smartphone)일 수 있으며, 컴퓨팅 장치(100)로부터 제공되는 맞춤형 프로필 이미지 생성 애플리케이션을 다운로드, 설치 및 실행함에 따라 맞춤형 프로필 이미지 생성 서비스를 이용할 수 있다. 그러나, 이에 한정되지 않고, 사용자 단말(200)은 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트 패드(Smartpad), 타블렛PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
또한, 여기서, 네트워크(400)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미할 수 있다. 예를 들어, 네트워크(400)는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
또한, 여기서, 무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
일 실시예에서, 외부 서버(300)는 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)가 사용자 맞춤형 프로필 이미지 생성 프로세스를 수행함에 따라 생성된 각종 정보 및 데이터(예: 사용자 정보 및 맞춤형 프로필 이미지 데이터)를 저장 및 관리할 수 있다.
또한, 외부 서버(300)는 컴퓨팅 장치(100)가 사용자 맞춤형 프로필 이미지 생성 프로세스를 수행하기 위하여 필요한 각종 정보 및 데이터(예: 복수의 키워드 데이터, 복수의 색상 데이터 등)를 저장 및 관리할 수 있다. 예를 들어, 외부 서버(300)는 컴퓨팅 장치(100)의 외부에 별도로 구비되는 저장 서버일 수 있으나, 이에 한정되지 않는다. 이하, 도 2를 참조하여 컴퓨팅 장치(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 본 발명의 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성장치의 하드웨어 구성도이다.
도 2를 참조하면, 본 발명의 다른 실시예에 따른 컴퓨팅 장치(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(110)는 컴퓨팅 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 컴퓨팅 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 컴퓨팅 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 컴퓨팅 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 컴퓨팅 장치(100)를 통해 사용자 맞춤형 프로필 이미지 생성 프로세스를 수행하는 경우, 스토리지(150)는 사용자 맞춤형 프로필 이미지 생성 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 사용자에 대한 하나 이상의 키워드를 선택하는 단계, 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 단계 및 선정된 배경 색상을 이용하여 사용자에 대한 맞춤형 프로필 이미지를 생성하는 단계를 포함하는 사용자 맞춤형 프로필 이미지 생성방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 3 내지 9를 참조하여, 컴퓨팅 장치(100)에 의해 수행되는 사용자 맞춤형 프로필 이미지 생성방법에 대해 설명하도록 한다.
도 3은 본 발명의 또 다른 실시예에 따른 사용자 맞춤형 프로필 이미지 생성방법의 순서도이다.
도 3을 참조하면, S110 단계에서, 컴퓨팅 장치(100)는 사용자에 대한 맞춤형 프로필 이미지를 생성하기 위하여, 사용자에 대한 하나 이상의 키워드를 선택할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 복수의 키워드를 포함하는 키워드 리스트를 출력하는 사용자 인터페이스(User Interface, UI)를 제공할 수 있고, UI를 통해 사용자로부터 복수의 키워드 중 하나 이상의 키워드를 선택받을 수 있다.
여기서, 키워드는 사용자가 생성하고자 하는 맞춤형 프로필 이미지의 성질이나 상태를 나타내는 형용사 키워드(예: 도 10)를 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 계정으로 업로드된 복수의 소셜 데이터를 분석하여 사용자에 대한 속성(예: 성격, 성향, 취향 등)을 판단할 수 있고, 판단된 사용자에 속성에 기초하여 사용자에 대한 하나 이상의 키워드를 선택할 수 있다.
일반적으로, SNS계정은 자신의 성격, 성향, 취향, 가치관 등을 표현하고 드러낼 수 있는 자신만의 공간인 바, SNS 상에 업로드되는 게시물(예: 게시글 또는 이미지 등)들은 이러한 사용자의 성격, 성향, 취향 및 가치관을 명확하게 드러내는 중요한 요소일 수 있다.
이러한 점을 고려하여, 컴퓨팅 장치(100)는 외부 서버(300)(예: SNS 운영 서버)로부터 사용자의 계정으로 업로드된 복수의 소셜 데이터를 수집하고, 이를 분석할 수 있고, 이를 통해 사용자의 속성(예: 성격, 성향, 취향 및 가치관)을 판단할 수 있으며, 이에 따라 판단된 속성에 따라 사용자에 대한 하나 이상의 키워드를 추출함으로써, 사용자의 성격, 성향, 취향 및 가치관에 대응되는 키워드를 정확하게 추출할 수 있다는 이점이 있다.
여기서, 복수의 소셜 데이터를 분석하여 사용자의 속성을 판단하는 방법은, 문자열 분석을 통해 사용자가 업로드한 텍스트 형태의 게시글로부터 하나 이상의 속성 키워드를 추출하는 동작 및 기 저장된 사용자의 속성별 키워드 데이터에 기초하여 추출된 속성 키워드에 대응하는 사용자의 속성을 판단하는 동작을 포함하는 방법이 적용될 수 있으나, 이에 한정되지 않는다. 이하, 도 4 내지 8을 참조하여, 사용자에 대한 하나 이상의 키워드를 선택하는 다양한 방법에 대해 설명하도록 한다.
도 4는 다양한 실시예에서, 질의응답을 이용하여 키워드를 선택하는 방법의 순서도이다.
도 4를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 사용자에 대한 질의응답을 통해, 사용자에 대한 하나 이상의 키워드를 선택할 수 있다.
S210 단계에서, 컴퓨팅 장치(100)는 사용자에게 복수의 질의 내용을 제공할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 UI를 통해 사용자에게 복수의 질의 내용을 제공할 수 있다.
여기서, 복수의 질의 내용은 사용자의 성향, 성격, 기분, 취향 및 사용자가 프로필 이미지를 통해 표현하고자 하는 분위기에 대한 질의 내용을 포함할 수 있다. 예를 들어, 복수의 질의 내용은 마이어스(Myers)와 브릭스(Briggs)가 융(Jung)의 심리 유형론을 토대로 고안한 자기 보고식 성격 유형 검사인 MBTI 검사 기반의 질의 내용을 포함할 수 있으나, 이에 한정되지 않는다.
S220 단계에서, 컴퓨팅 장치(100)는 S210 단계를 통해 사용자에게 제공된 복수의 질의 내용에 대한 응답으로 복수의 답변 내용을 입력받을 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 S210 단계 및 S220 단계를 거쳐 사용자에게 질의 내용을 제공하고, 이에 대응하는 답변 내용을 입력받는 동작을 별도로 수행하지 않고, 사용자로부터 사용자가 사전에 진행한 테스트 결과(예: MBTI 검사 결과)를 직접 입력받거나, 테스트를 수행함에 따라 생성되는 테스트 결과 데이터를 업로드받을 수 있다.
S230 단계에서, 컴퓨팅 장치(100)는 사용자로부터 입력된 복수의 답변 내용을 분석하여 하나 이상의 키워드를 추출할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 MBTI 검사 기반의 질의 내용에 대한 답변 내용으로 사용자에 대한 성격 유형(예: 에너지방향(외향(E), 내향(I)), 인식기능(감각(S), 직관(N)), 판단기능(사고(T), 감정(F)), 생활 양식(판단(J), 인식(P)))을 판단할 수 있고, 판단된 사용자에 대한 성격 유형에 기초하여 사용자의 성격 유형에 적합한 하나 이상의 형용사 키워드를 추출할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자가 외향적인 성격(E)을 가진 것에 응답하여 사용자 자신을 적극적으로 드러내고 표현하는 것과 관련된 형용사 키워드(예: 과감한, 도발적인, 정열적인, 노출적인 등)를 선택할 수 있고, 사용자가 내향적인 성격(I)을 가진 것에 응답하여 사용자 자신을 적극적으로 드러내지 않고, 우회적으로 드러내고 표현하는 것과 관련된 형용사 키워드(예: 단정한, 부드러운, 은은한, 자연스러운, 차분한, 침착한 등)를 선택할 수 있다.
이때, 컴퓨팅 장치(100)는 상기의 질의응답 절차를 통해 판단된 사용자의 성격에 따라 사용자의 성격에 맞는 형용사 키워드를 추출하기 위하여, 사전에 복수의 성격별 형용사 키워드 데이터를 정의 및 저장할 수 있다. 여기서, 사전에 정의 및 저장되는 복수의 성격별 형용사 키워드는 맞춤형 프로필 이미지 생성 서비스를 제공하는 관리자에 의해 설정되는 것일 수 있으나, 이에 한정되지 않고, 복수의 사용자들 각각에 대한 성격 및 복수의 사용자 각각으로부터 선택된 하나 이상의 형용사 키워드 데이터가 축적되어 생성되는 것일 수 있다.
여기서, 컴퓨팅 장치(100)는 질의응답을 통해 사용자에 대한 하나 이상의 키워드를 자동적으로 선택하는 것으로 설명하고 있으나, 이에 한정되지 않고, 질의응답을 통해 사용자에게 적합할 것으로 예상되는 추천 키워드를 선정하고, 이를 사용자에게 제공함으로써 사용자가 추천 키워드를 고려하여 직접 키워드를 선택할 수 있도록 할 수 있다.
일반적으로, 자존감이 높고, 자신의 아이덴티티를 적극적으로 드러내고 표현하고자 하는 경우에는 자신의 프로필 이미지를 어떤 느낌으로 생성하고자 하는지에 대한 니즈가 명확하나, 자신을 드러내는 것뿐만 아니라 사진을 촬영한다는 것 자체에 부담을 느끼는 사용자들도 상당수 있으며, 자신이 어떤 것을 원하는지조차 정확하게 알지 못하는 경우가 대부분이다.
즉, 컴퓨팅 장치(100)는 사용자에 대한 맞춤형 프로필 이미지를 생성하기에 앞서, 질의응답을 통해 사용자의 니즈를 파악하기 위해 충분한 커뮤니케이션을 수행함으로써, 사용자가 프로필 이미지를 통해 드러내고자 하는 바가 무엇인지를 명확하게 파악할 수 있고, 이러한 니즈를 충족시키기 위한 키워드를 정확하게 선택할 수 있다는 이점이 있다.
도 5는 다양한 실시예에서, 원본 이미지 분석을 이용하여 키워드를 선택하는 방법의 순서도이다.
도 5를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 사용자를 촬영함에 따라 생성된 원본 이미지를 이미지 분석함으로써, 사용자에 대한 하나 이상의 키워드를 선택할 수 있다.
S310 단계에서, 컴퓨팅 장치(100)는 사용자를 촬영함에 따라 생성된 원본 이미지(예: 카메라를 통해 촬영된 원본 이미지 또는 사용자 단말(200)로부터 업로드된 원본 이미지 등)에 포함된 사용자의 얼굴 영역을 분석하여, 사용자에 대한 제1 속성 정보를 추출할 수 있다.
여기서, 제1 속성 정보는 사용자의 얼굴을 분석함으로써 추출되는 사용자의 표정 및 기분(예: 기쁨, 슬픔, 분노 등)에 대한 정보를 의미할 수 있다. 그러나, 이에 한정되지 않고, 제1 속성 정보는 사용자의 화장 상태(예: 화장의 정도나 화장품의 색상 등)에 대한 정보를 더 포함할 수 있다.
S320 단계에서, 컴퓨팅 장치(100)는 사용자를 촬영함에 따라 생성된 원본 이미지에 포함된 사용자의 몸 영역을 분석하여, 사용자에 대한 제2 속성 정보를 추출할 수 있다.
여기서, 제2 속성 정보는 사용자의 자세(pose)에 대한 정보(예: 정면을 바라보는 자세, 측면을 바라보는 자세, 팔짱 여부, 자세의 대칭성 등)를 의미할 수 있다. 그러나, 이에 한정되지 않고, 제2 속성 정보는 사용자의 의상 정보(예: 옷의 종류, 형태 및 색상, 노출 정도 등)를 더 포함할 수 있다.
여기서, 컴퓨팅 장치(100)는 상기의 S310 단계 및 S320 단계를 각각 개별적으로 수행하지 않고, 이목구비의 위치 및 형태, 얼굴 표정 및 기분에 대한 정보와 사용자의 자세에 대한 정보(예: 정면을 바라보는 자세, 측면을 바라보는 자세, 팔짱 여부, 자세의 대칭성 등)가 레이블링된 복수의 사용자에 대한 프로필 이미지(얼굴과 몸의 적어도 일부분이 포함된 이미지)를 학습 데이터로 하여 기 학습된 이미지 분석 모델(예: 인공지능 모델)을 이용하여 사용자를 촬영함에 따라 생성된 원본 이미지(Input)를 분석함으로써, 제1 속성 정보 및 제2 속성 정보(output)를 함께 추출할 수 있다.
그러나, 이에 한정되지 않고, 컴퓨팅 장치(100)는 이목구비의 위치 및 형태, 얼굴 표정 및 기분에 대한 정보가 레이블링된 복수의 프로필 이미지를 학습 데이터로 하여 학습된 제1 이미지 분석 모델(즉, 얼굴 분석에 특화된 모델)과 사용자의 자세에 대한 정보가 레이블링된 복수의 프로필 이미지를 학습 데이터로 하여 학습된 제2 이미지 분석 모델(즉, 자세 분석에 특화된 모델)을 각각 개별적으로 이용하여 제1 속성 정보와 제2 속성 정보를 추출할 수 있다.
또한, 경우에 따라, 제1 속성 정보와 제2 속성 정보를 동시에 추출할 수 있는 둘 이상의 이미지 모델을 이용하여 둘 이상의 제1 속성 정보와 제2 속성 정보를 각각 추출하고, 추출된 속성 정보들을 비교하여 최종적인 속성 정보를 도출할 수 있다(예: 앙상블).
S330 단계에서, 컴퓨팅 장치(100)는 사용자를 촬영함에 따라 생성된 원본 이미지를 분석함으로써 추출된 제1 속성 정보 및 제2 속성 정보를 이용하여 사용자에 대한 하나 이상의 키워드를 선택할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자의 제1 속성 정보에 기초하여 사용자의 표정이 무표정, 사용자의 기분이 우울함인 것으로 판단되고, 사용자의 제2 속성 정보에 기초하여 사용자가 정면을 바라보는 정자세를 취하고 있는 것으로 판단되는 경우, 다소 무거운 분위기에 관한 형용사 키워드(예: 차가운, 어두운, 차분한, 단순한 등)를 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 제1 속성 정보 및 제2 속성 정보를 이용하여 하나 이상의 키워드를 추출하되, 제1 속성 정보와 제2 속성 정보를 각각 개별적으로 고려하여 별도의 키워드를 추출할 수 있다.
예를 들어, 사용자가 사용자의 얼굴 영역에 대응하는 배경과 사용자의 몸 영역에 대응하는 배경에 서로 다른 배경 색상을 적용하고자 하는 경우, 제1 속성 정보를 이용하여 사용자의 얼굴 영역에 대응하는 배경의 배경 색상을 선정하기 위한 하나 이상의 키워드를 선택할 수 있고, 제2 속성 정보를 이용하여 사용자의 몸 영역에 대응하는 배경의 배경 색상을 선정하기 위한 하나 이상의 키워드를 선택할 수 있다.
여기서, 컴퓨팅 장치(100)는 사용자를 촬영함에 따라 생성된 원본 이미지의 분석을 통해 사용자에 대한 하나 이상의 키워드를 자동적으로 선택하는 것으로 설명하고 있으나, 이에 한정되지 않고, 사용자를 촬영함에 따라 생성된 원본 이미지의 분석을 통해 사용자에게 적합할 것으로 예상되는 추천 키워드를 선정하고, 이를 사용자에게 제공함으로써 사용자가 추천 키워드를 고려하여 직접 키워드를 선택할 수 있도록 할 수 있다.
도 6은 다양한 실시예에서, 프로필 이미지의 사용 목적에 따라 키워드를 선택하는 방법의 순서도이다.
도 6을 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 맞춤형 프로필 이미지의 사용 목적에 기초하여 사용자에 대한 하나 이상의 키워드를 추출할 수 있다.
S410 단계에서, 컴퓨팅 장치(100)는 사용자로부터 프로필 이미지에 대한 사용 목적 정보를 입력받을 수 있다. 예를 들어, 컴퓨팅 장치(100)는 사용자 단말(200)로 UI를 제공할 수 있고, UI를 통해 사용자로부터 프로필 이미지의 사용 목적 정보(예: 이력서 작성용, 관공서 제출용, 홍보용, 성장 기록용 등)를 입력받을 수 있다.
여기서, 사용자로부터 프로필 이미지의 사용 목적 정보를 입력받는 방식은 사용자로부터 사용 목적 정보를 가리키는 키워드를 텍스트로 직접 입력받는 형태로 구현될 수 있으나, 이에 한정되지 않고, 기 설정된 복수의 사용 목적 항목 중 하나 이상의 사용 목적 항목을 선택(예: 체크박스 기반)받는 형태로 구현될 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자가 프로필 이미지를 이력서 작성을 위한 목적으로 사용하고자 할 경우, 복수의 형용사 키워드 중 이력서 작성에 적합한 형용사 키워드(예: 자연스러운, 차분한, 침착한, 심플한, 밝은 등)를 추천 형용사 키워드로 선정할 수 있고, 선정된 추천 형용사 키워드를 UI를 통해 출력함으로써 사용자에게 제공할 수 있다.
여기서, 사용자로부터 입력된 사용 목적 정보에 대응하는 추천 형용사 키워드는 복수의 사용자 각각에 대하여 사용 목적에 따라 선택된 형용사 키워드의 종류에 대한 데이터를 기반으로 선정될 수 있으나, 이에 한정되지 않는다.
S430 단계에서, 컴퓨팅 장치(100)는 S420 단계를 통해 사용자에게 복수의 추천 키워드를 제공한 것에 대한 응답으로, 하나 이상의 추천 키워드를 선택받을 수 있고, 선택된 하나 이상의 추천 키워드를 사용자의 맞춤형 프로필 이미지의 생성을 위한 키워드로 선택할 수 있다.
도 7은 다양한 실시예에서, 복수의 사용자를 촬영한 단체 프로필 이미지에 대하여 키워드를 선택하는 방법의 순서도이다.
도 7을 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지(예: 가족 프로필 이미지)를 생성하고자 하는 경우, 복수의 사용자에 대한 키워드를 개별적으로 선택하고, 이를 종합하여 복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하기 위한 최종 키워드를 선정할 수 있다.
S510 단계에서, 컴퓨팅 장치(100)는 복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 복수의 사용자 각각에 대한 키워드를 개별적으로 선택할 수 있다.
여기서, 복수의 사용자 각각에 대한 키워드를 개별적으로 선택하는 방법은, UI를 통해 복수의 사용자 각각으로부터 하나 이상의 키워드를 직접 입력받는 방법, 질의응답을 이용하여 복수의 사용자 각각에 대한 키워드를 추출하는 방법(예: 도 4의 S210 단계 내지 S230), 원본 이미지 분석을 이용하여 복수의 사용자 각각에 대한 키워드를 추출하는 방법(예: 도 5의 S310 단계 내지 S330 단계), 복수의 사용자 각각으로부터 입력된 사용 목적 정보에 기초하여 키워드를 추출하는 방법(예: 도 6의 S410 단계 내지 S430 단계)가 선택적으로 적용될 수 있으나, 이에 한정되지 않는다.
S520 단계에서, 컴퓨팅 장치(100)는 복수의 사용자 각각에 대해 개별적으로 선택된 키워드를 이용하여, 복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하기 위한 최종 키워드를 선정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 사용자 각각으로부터 개별적으로 선택된 복수의 키워드 중 상호 동일하게 선택된 적어도 하나의 키워드를 최종 키워드로 선정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 사용자 각각으로부터 개별적으로 선택된 복수의 키워드를 이용하여 복수의 키워드별 선택 횟수를 카운팅할 수 있고, 선택 횟수가 높은 키워드부터 순차적으로 상위 N개의 키워드를 선택하여 최종 키워드로 선정할 수 있다. 그러나, 이에 한정되지 않고, 경우에 따라 후술되는 배경 색상을 선정하는 동작을 수행하는 과정에서 최종 키워드를 선정 및 선정된 최종 키워드를 이용하여 배경 색상을 선정하지 않고, 복수의 사용자 각각에 대해 개별적으로 선택된 키워드를 이용하여 복수의 사용자 각각에 대한 배경 색상을 선정함으로써, 복수의 사용자 각각에 대응하는 배경 색상을 상호 독립적으로 설정하고자 할 수 있다.
도 8은 다양한 실시예에서, 사용자와 객체를 촬영한 프로필 이미지에 대하여 키워드를 선택하는 방법의 순서도이다.
도 8을 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 사용자와 하나 이상의 객체가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 하나 이상의 객체의 속성과 사용자와의 연관성에 기초하여 키워드를 선택할 수 있다.
S610 단계에서, 컴퓨팅 장치(100)는 사용자와 하나 이상의 객체가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 하나 이상의 객체에 대한 속성을 판단할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 기 학습된 이미지 분석 모델을 이용하여 사용자가 하나 이상의 객체가 함께 촬영된 원본 이미지를 분석함으로써, 하나 이상의 객체의 종류, 크기, 형태, 색상 및 개수를 판단할 수 있다.
여기서, 기 학습된 이미지 분석 모델은 객체의 속성 정보가 레이블링된 복수의 객체에 대한 이미지를 학습 데이터로 하여 기 학습된 모델이며, 특정 이미지를 입력으로 하여 특정 이미지에 포함된 객체의 속성을 결과로 추출하는 모델일 수 있다.
또한, 여기서, 하나 이상의 객체는 가구(의자, 조명, 테이블 등), 악기 등 프로필 이미지 촬영에서 사용될 수 있는 각종 촬영 소품뿐만 아니라, 강아지 및 고양이와 같은 반려동물이나 식물(나무, 꽃)을 포함할 수 있다.
S620 단계에서, 컴퓨팅 장치(100)는 사용자와 하나 이상의 객체에 대한 관계 정보를 수집할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 UI를 통해 사용자로부터 사용자와 하나 이상의 객체에 대한 관계를 나타내는 관계 정보를 입력받을 수 있다.
여기서, 관계 정보는 사용자와 하나 이상의 객체가 어떠한 관계인지를 가리키는 정보를 의미할 수 있다. 예를 들어, 하나 이상의 객체가 반려동물인 경우, 컴퓨팅 장치(100)는 사용자로부터 반려동물, 가족, 호의적 등과 같이 관계를 나타내는 정보를 입력받을 수 있다.
S630 단계에서, 컴퓨팅 장치(100)는 하나 이상의 객체에 대하여 판단된 속성 및 사용자와 하나 이상의 객체에 대한 관계 정보에 기초하여 하나 이상의 키워드를 선택할 수 있다. 예를 들어, 컴퓨팅 장치(100) 하나 이상의 객체가 사용자의 반려견이고, 사용자와 반려견의 관계 정보가 상기와 같이 반려동물, 가족, 호의적인 경우, 귀여운, 사랑스러운, 달콤한, 발랄한 등의 형용사 키워드를 추출할 수 있다.
다시, 도 3을 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드 각각에 대한 정도(degree)를 설정할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 형용사 키워드가 "정열적인"인 경우, 사용자가 얼마나 정열적인 느낌을 표현하고자 하는지에 따라 "정열적인"에 대한 정도(예: 1 내지 10 범위의 점수로 표현)를 설정할 수 있다.
이때, 사용자에 대하여 선택된 하나 이상의 키워드 각각에 대하여 정도는 상기의 키워드 선택 방법(예: 도 4 내지 8)을 수행하는 과정에서 설정될 수 있다. 예를 들어, 컴퓨팅 장치(100)는 원본 이미지에 포함된 사용자가 다소 노출이 있는 의상을 착용한 경우, 이를 분석하여 "노출하는"의 키워드를 추출할 수 있고, 사용자가 착용한 의상의 노출 정도에 따라 "노출하는"의 정도를 설정할 수 있다. 그러나, 이에 한정되지 않고, 컴퓨팅 장치(100)는 상기의 키워드 선택 방법(예: 도 4 내지 8)에 따라 선택된 하나 이상의 키워드를 사용자에게 제공할 수 있고, 사용자로부터 직접 각각의 키워드에 대한 정도를 입력받는 형태로 구현될 수 있다.
S120 단계에서, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드를 이용하여 사용자의 아이덴티티를 드러낼 수 있는 프로필 이미지를 생성하기 위한 배경 색상을 선정할 수 있다.
여기서, 하나 이상의 키워드를 이용하여 선정되는 배경 색상은 빨강색, 주황색, 노랑색, 연두색, 초록색, 청록색, 파란색, 남색, 보라색, 자주색, 분홍색, 갈색 및 무채색 등과 같이 단색일 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 형용사 키워드가 레이블링된 복수의 색상 이미지를 학습 데이터로 하여 기 학습된 인공지능 모델을 이용하여, 사용자에 대하여 선택된 하나 이상의 키워드를 해당 인공지능 모델에 입력함으로써, 사용자에 대하여 선택된 하나 이상의 키워드에 대응되는 배경 색상을 도출할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 상기의 키워드 선택 방법(예: 도 4 내지 8)에 따라 둘 이상의 키워드가 선택된 경우, 둘 이상의 키워드에 대응되는 하나의 배경 색상을 결정할 수 있다.
이때, 컴퓨팅 장치(100)는 둘 이상의 키워드에 대응되는 배경 색상이 둘 이상인 경우 즉, 둘 이상의 키워드에 대응되는 하나의 배경 색상이 부재한 경우, 둘 이상의 키워드 각각의 유사도에 기초하여 둘 이상의 키워드를 복수의 키워드 그룹으로 그룹화하고, 복수의 키워드 그룹 각각에 대한 하나의 배경 색상을 개별적으로 선정할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자로부터 "차분한"과 "정열적인"의 2개의 형용사 키워드를 입력받은 경우, 2개의 형용사 키워드가 상반되는 느낌을 표현하기 때문에, "차분한"과 "정열적인"을 모두 표현할 수 있는 하나의 배경 색상을 선택하지 못하는 경우가 발생할 수 있다.
이러한 점을 고려하여, 컴퓨팅 장치(100)는 사용자로부터 입력된 둘 이상의 키워드 각각의 유사도에 기초하여, 유사한 키워드끼리 그룹화함으로써 복수의 키워드 그룹을 생성할 수 있고, 복수의 키워드 그룹 각각에 대응하는 배경 색상을 개별적으로 선택할 수 있다.
추후, 컴퓨팅 장치(100)는 각각의 키워드 그룹에 따라 개별적으로 선정된 복수의 배경 색상을 각각 적용하여 복수의 임시 프로필 이미지를 생성하고, 복수의 임시 프로필 이미지 중 어느 하나의 임시 프로필 이미지를 선택받음으로써, 사용자에 대한 맞춤형 프로필 이미지의 생성을 위한 배경 색상을 최종 확정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 둘 이상의 키워드에 대응되는 배경 색상이 둘 이상인 경우, 둘 이상의 배경 색상 각각을 선정함으로써, 추후 하나의 프로필 이미지에 둘 이상의 배경 색상이 적용하거나, 둘 이상의 배경 색상을 적용하여 둘 이상의 프로필 이미지를 생성할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 형용사 키워드에 대응되는 정도에 기초하여, 배경 색상의 명도 및 채도를 결정할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 키워드가 "정열적인"인 경우, "정열적인"에 대응하는 배경 색상으로 빨간색을 선택할 수 있다. 이때, 컴퓨팅 장치(100)는 사용자로부터 설정된 "정열적인"의 정도에 비례하여 명도 및 채도를 설정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 S120 단계를 거쳐 선정된 배경 색상을 이용하여 사용자에 대한 임시 프로필 이미지를 생성하되, 생성된 임시 프로필 이미지에 대한 피드백 정보에 기초하여 임시 프로필 이미지에 적용된 배경 색상을 보정할 수 있다. 이하, 도 9를 참조하여 설명하도록 한다.
도 9는 다양한 실시예에서, 임시 프로필 이미지에 대한 피드백에 기초하여 배경 색상을 보정하는 방법의 순서도이다.
도 9를 참조하면, S710 단계에서, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드에 기초하여 선정된 배경 색상을 이용하여 사용자에 대한 임시 프로필 이미지를 생성할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 사용자를 촬영함으로써 생성된 원본 이미지의 배경에 키워드를 기반으로 선정된 배경 색상을 적용함으로써, 사용자에 대한 임시 프로필 이미지를 생성할 수 있다.
S720 단계에서, 컴퓨팅 장치(100)는 기 지정된 복수의 사용자에게 S710 단계를 거쳐 생성된 임시 프로필 이미지를 제공할 수 있고, 기 지정된 복수의 사용자로부터 해당 임시 프로필 이미지에 대한 피드백 정보를 입력받을 수 있다.
여기서, 기 지정된 복수의 사용자는 임시 프로필 이미지에 대한 평가 및 분석을 위해 사전에 설정된 평가자를 의미할 수 있다. 예를 들어, 기 지정된 복수의 사용자는 전문 사진촬영 작가 및 사진 전공생일 수 있으나, 이에 한정되지 않고, 사용자 맞춤형 프로필 이미지를 생성한 이력이 있는 사용자일 수 있다.
또한, 여기서, 피드백 정보는 임시 프로필 이미지를 보며 느껴지는 임시 프로필 이미지의 성질이나 상태를 나타내는 키워드일 수 있다. 여기서, 피드백 정보에 포함된 키워드의 형태는 한정되지 않으나, 사용자에 대하여 선택된 키워드와 피드백 정보에 포함된 키워드의 비교를 위하여, 사용자에 대하여 선택된 키워드와 동일한 형태로 구현되는 것이 바람직하다. 예를 들어, 사용자에 대하여 선택된 키워드가 형용사 키워드인 경우, 기 지정된 복수의 사용자로부터 입력되는 피드백 정보에 포함된 키워드 역시 형용사 키워드일 수 있다.
S730 단계에서, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드를 비교하여 유사도를 산출할 수 있고, 산출된 유사도에 기초하여 배경 색상을 보정할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도가 기 설정된 기준값 미만인 경우, 상기의 배경 색상을 선정하는 동작(예: 도 3의 S120 단계)를 재 수행하여 배경 색상을 재 선정할 수 있다. 여기서, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도가 기 설정된 기준값 이상이 될 때까지 S710 단계 내지 S730 단계를 반복적으로 수행하되, 해당 임시 프로필 이미지에 대하여 동일한 사용자들이 반복적으로 피드백 정보를 입력하도록 할 수 있다.
한편, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도가 기 설정된 기준값 이상인 경우, 임시 프로필 이미지를 사용자에 대한 맞춤형 프로필 이미지로 확정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 피드백 정보에 포함된 키워드를 이용하여, 복수의 키워드 각각을 스코어링하고, 스코어링 결과를 이용하여 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도를 산출할 수 있다.
먼저, 컴퓨팅 장치(100)는 기 지정된 복수의 사용자로부터 입력된 복수의 피드백 정보를 이용하여 복수의 키워드 각각에 대한 선택 횟수를 산출하고, 산출된 횟수에 기초하여 복수의 키워드 각각에 대한 점수를 스코어링(예: 선택된 횟수 1회당 1점 부여)할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 피드백 정보에 포함된 키워드를 분석하여 제1 키워드가 총 5번 선택된 경우, 제1 키워드에 대하여 5점을 부여할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 피드백 정보를 입력한 사용자의 속성에 기초하여 피드백 정보에 포함된 키워드 각각에 대한 가중치를 부여할 수 있고, 가중치를 고려하여 복수의 키워드 각각에 대한 점수를 스코어링할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 제1 키워드, 제2 키워드 및 제3 키워드를 포함하는 제1 피드백 정보를 입력한 사용자가 전문 사진 작가인 경우, 1.5의 가중치를 부여함으로써, 전문 사진 작가가 제1 키워드가 선택됨에 따라 1점이 아닌 1.5점이 부여되도록 설정할 수 있다.
또한, 컴퓨팅 장치(100)는 제1 키워드, 제2 키워드 및 제3 키워드를 포함하는 제2 피드백 정보를 입력한 사용자가 사진 전공생인 경우, 1.2의 가중치를 부여함으로서, 사진 전공생이 제1 키워드가 선택됨에 따라 1점이 아닌 1.2점이 부여되도록 설정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 지정된 복수의 사용자로부터 입력된 피드백 정보에 대한 검증 절차를 수행할 수 있고, 검증이 완료된 피드백 정보만을 이용하여 복수의 키워드 각각에 대한 점수를 스코어링할 수 있다.
특정 임시 프로필 이미지에 대한 피드백 정보를 입력할 경우, 이에 대한 보상으로 소정의 리워드를 제공한다는 점을 이용하여, 임시 프로필 이미지를 제대로 확인하지 않고 단순히 보상만을 위하여 정확하지 않은 피드백 정보를 입력하는 경우가 발생할 수 있다. 이와 같은 상황이 빈번하게 일어날 경우, 정확한 피드백 정보를 얻지 못하여 사용자에 최적화된 배경 색상을 선택함에 있어서 많은 오류를 발생시킬 수 있다는 문제가 있다.
이러한 점을 고려하여, 컴퓨팅 장치(100)는 기 지정된 복수의 사용자로부터 입력된 피드백 정보 중 문제가 있는 피드백 정보를 필터링할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 임시 프로필 이미지를 제공한 후 기 설정된 시간 이내에 입력된 피드백(즉, 정확하게 판단했다고 볼 수 없을 만큼 빠른 시간 내에 피드백이 입력된 경우) 또는 다른 사용자들이 전혀 선택하지 않은 형용사 키워드만을 포함하는 피드백을 필터링하고, 나머지 피드백 정보만을 이용하여 복수의 키워드 각각을 스코어링할 수 있다.
이때, 컴퓨팅 장치(100)는 문제가 있는 피드백 정보가 검출될 경우, 해당 피드백 정보를 입력한 사용자에게 페널티(예: 보상을 제공하지 않거나, 경우에 따라 피드백 정보를 입력하는 평가단의 역할을 박탈 등)를 부여할 수 있다.
이후, 컴퓨팅 장치(100)는 복수의 키워드 각각에 대한 점수에 기초하여, 점수가 높은 키워드부터 순차적으로 N개의 키워드를 선택할 수 있다. 여기서, N은 피드백 정보에 기초한 키워드와 사용자에 대하여 선택된 키워드를 비교하기 위하여, 사용자에 대하여 선택된 키워드와 동일한 개수로 설정될 수 있으나, 이에 한정되지 않는다.
이후, 컴퓨팅 장치(100)는 선택된 N개의 키워드와 사용자에 대하여 선택된 키워드를 비교하여 동일한 키워드의 개수를 산출하고, 동일한 키워드의 개수를 전체 개수인 N으로 나눠줌으로써, 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도를 산출할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 4개의 키워드와 복수의 키워드 각각에 대한 점수에 기초하여 선택된 4개의 키워드를 비교하여 총 3개의 키워드가 동일한 경우, 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도를 0.75로 산출할 수 있다.
이때, 컴퓨팅 장치(100)는 임시 프로필 이미지에 대한 피드백 정보를 입력한 복수의 사용자에게 소정의 리워드를 제공할 수 있다. 여기서, 소정의 리워드는 맞춤형 프로필 이미지 생성 서비스를 이용함에 있어서 사용 가능한 포인트일 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드에 기초하여 선정된 배경 색상을 이용하여 사용자에 대한 임시 프로필 이미지를 생성할 수 있고, 임시 프로필 이미지를 이용하여 퀴즈 콘텐츠를 생성할 수 있으며, 퀴즈 콘텐츠에 대한 결과에 기초하여 배경 색상을 보정할 수 있다.
먼저, 컴퓨팅 장치(100)는 임시 프로필 이미지를 이용하여 퀴즈 콘텐츠를 생성할 수 있다. 여기서, 퀴즈 콘텐츠는 임시 프로필 이미지가 표현하고자 하는 느낌을 맞추는 객관식 문제일 수 있으며, 사용자에 대하여 선택된 하나 이상의 키워드와 선택되지 않은 키워드를 문제의 선택지로 설정된 것일 수 있다.
이후, 컴퓨팅 장치(100)는 임시 프로필 이미지를 이용하여 생성된 퀴즈 콘텐츠를 복수의 사용자에게 제공할 수 있다. 여기서, 퀴즈 콘텐츠를 복수의 사용자에게 제공하는 방법은, 사용자 맞춤형 프로필 이미지 생성 서비스에 기 가입된 모든 사용자 또는 임의의 사용자에게 제공하는 방법이 적용될 수 있으나, 이에 한정되지 않고, UI를 통해 해당 퀴즈 콘텐츠를 게시하여 사용자들이 자유롭게 콘텐츠를 참여할 수 있도록 하는 형태로 구현될 수 있다.
이후, 컴퓨팅 장치(100)는 해당 퀴즈 콘텐츠에 대한 정답률(또는 오답률)에 기초하여 임시 프로필 이미지에 적용된 배경 색상에 대한 보정 여부를 판단할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 해당 퀴즈 콘텐츠에 대한 정답률이 기 설정된 기준값 이하(또는 오답률이 기 설정된 값 이상)인 경우, 임시 프로필 이미지가 사용자의 니즈를 정확하게 표현하고 있지 않은 것으로 판단되는 바, 이러한 니즈가 정확하게 표현될 수 있도록 배경 색상을 보정할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 형용사 키워드가 레이블링된 복수의 색상 이미지를 학습 데이터로 하여 기 학습된 인공지능 모델을 이용하여, 사용자에 대하여 선택된 하나 이상의 키워드를 해당 인공지능 모델에 입력함으로써, 사용자에 대하여 선택된 하나 이상의 키워드에 대응되는 배경 색상을 도출하되, 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보 사이의 유사도에 기초하여 해당 인공지능 모델을 재학습 시킬 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도가 기 설정된 값 이하인 경우, 해당 배경 색상과 피드백 정보에 포함된 키워드를 이용하여 인공지능 모델의 재학습을 위한 학습 데이터(예: 해당 배경 색상에 대응하는 색상 이미지에 피드백 정보에 포함된 키워드를 레이블링)를 생성할 수 있고, 이를 이용하여 인공지능 모델을 재학습 시킬 수 있다.
이때, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도의 크기에 따라 인공지능 모델에 대한 재학습 강도를 결정할 수 있다. 여기서, 재학습 강도는 인공지능 모델을 재학습시키기 위한 학습데이터의 수 및 재학습 주기 중 적어도 하나를 의미할 수 있다.
예를 들어, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도가 제1 값 이상 기 설정된 값 이하의 범위에 속하는 경우, 배경 색상에 대응하는 색상 이미지에 피드백 정보에 포함된 키워드를 레이블링하여 하나의 학습 데이터를 생성하고, 생성된 학습 데이터를 이용하여 인공지능 모델을 재학습시킬 수 있다.
한편, 컴퓨팅 장치(100)는 사용자에 대하여 선택된 하나 이상의 키워드와 피드백 정보에 포함된 키워드 간의 유사도가 제1 값 미만인 경우, 배경 색상에 대응하는 제1 색상 이미지와 배경 색상의 명도와 채도를 소정의 범위 내에서 임의로 복수의 제2 색상 이미지 상에 피드백 정보에 포함된 키워드를 레이블링하여 복수의 학습 데이터를 생성하고, 생성된 복수의 학습 데이터를 이용하여 인공지능 모델을 재학습시킬 수 있다.
다시, 도 3을 참조하면, S130 단계에서, 컴퓨팅 장치(100)는 S120 단계에서 선정된 배경 색상을 이용하여 사용자에 대한 맞춤형 프로필 이미지를 생성할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 키워드를 이용하여 선정된 배경 색상에 기초하여 사용자에 대한 맞춤형 프로필 이미지를 생성하되, UI를 통해 사용자에 대한 맞춤형 프로필 이미지의 생성 과정을 사용자에게 실시간으로 제공할 수 있다.
여기서, 사용자에 대한 맞춤형 프로필 이미지의 생성 과정은 배경 색상을 원본 이미지에 적용하는 과정뿐만 아니라, 원본 이미지에서 사용자의 얼굴이나 몸 등을 보정(예: 포토샵)하는 과정을 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 UI를 통해 사용자로부터 요청 사항 정보(예: 수정 요청)를 입력받을 수 있고, 입력된 요청 사항 정보에 대한 응답으로 수정된 내용을 사용자에게 제공할 수 있다.
즉, 컴퓨팅 장치(100)는 사용자에 대한 맞춤형 프로필 이미지를 생성하는 과정을 실시간으로 투명하게 공개함으로써, 어떠한 과정을 거쳐 맞춤형 프로필 이미지가 생성되고, 현재 어떤 작업이 어떻게, 어느 정도로 진행되고 있는지를 사용자가 직관적으로 알 수 있도록 함과 동시에, 사용자의 요청 사항을 즉각적으로 수렴하고 이를 반영하여 수정할 수 있도록 함으로써, 사용자의 니즈를 보다 정확하게 충족시킬 수 있는 결과물을 도출할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자에 대한 맞춤형 프로필 이미지를 생성하되, 생성된 사용자에 대한 맞춤형 프로필 이미지를 클라우드 서버에 업로드함으로써, 사용자가 클라우드 서버에 자유롭게 접근하여 맞춤형 프로필 이미지를 다운받아 사용할 수 있다. 또한, 사용자는 클라우드 서버를 통해 자신의 맞춤형 프로필 이미지에 대한 수정 요청을 입력할 수 있다.
전술한 사용자 맞춤형 프로필 이미지 생성방법은 도면에 도시된 순서도를 참조하여 설명하였다. 간단한 설명을 위해 사용자 맞춤형 프로필 이미지 생성방법은 일련의 블록들로 도시하여 설명하였으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 본 명세서에 도시되고 시술된 것과 상이한 순서로 수행되거나 또는 동시에 수행될 수 있다. 또한, 본 명세서 및 도면에 기재되지 않은 새로운 블록이 추가되거나, 일부 블록이 삭제 또는 변경된 상태로 수행될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 사용자 맞춤형 프로필 이미지 생성장치(컴퓨팅 장치)
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
Claims (13)
- 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
사용자에 대한 하나 이상의 키워드를 선택하는 단계;
상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 단계; 및
상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 단계를 포함하며,
상기 하나 이상의 키워드를 선택하는 단계는,
복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 상기 복수의 사용자 각각에 대한 키워드를 개별적으로 선택하는 단계; 및
상기 개별적으로 선택된 키워드 중 상기 복수의 사용자 각각으로부터 동일하게 선택된 키워드를 선택하거나 상기 개별적으로 선택된 키워드 중 선택된 개수가 높은 키워드부터 상위 N개의 키워드를 선택하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 하나 이상의 키워드를 선택하는 단계는,
복수의 키워드 - 상기 복수의 키워드는 상기 사용자가 생성하고자 하는 상기 맞춤형 프로필 이미지의 성질이나 상태를 나타내는 형용사 키워드를 포함함 - 를 포함하는 키워드 리스트를 출력하는 사용자 인터페이스(User Interface, UI)를 제공하는 단계; 및
상기 사용자 인터페이스를 통해, 상기 사용자로부터 상기 복수의 키워드 중 하나 이상의 키워드를 선택받는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제2항에 있어서,
상기 배경 색상을 선정하는 단계는,
상기 사용자로부터 둘 이상의 키워드를 선택받는 경우, 상기 둘 이상의 키워드에 대응되는 하나의 배경 색상을 결정하되, 상기 둘 이상의 키워드에 대응되는 배경 색상이 둘 이상인 경우, 상기 둘 이상의 키워드 각각의 유사도에 기초하여 상기 둘 이상의 키워드를 복수의 키워드 그룹으로 그룹화하고, 상기 복수의 키워드 그룹 각각에 대한 하나의 배경 색상을 개별적으로 선정하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 하나 이상의 키워드를 선택하는 단계는,
사용자 인터페이스(User Interface, UI)를 제공하는 단계;
상기 사용자 인터페이스를 통해 복수의 질의 내용을 제공하되, 상기 복수의 질의 내용은 상기 사용자의 성향, 성격, 기분, 취향 및 상기 사용자가 표현하고자 하는 분위기 중 적어도 하나에 대한 내용을 포함하는 것인, 단계; 및
상기 복수의 질의 내용에 대한 응답으로 상기 사용자로부터 입력된 복수의 답변 내용을 분석하여 상기 사용자에 대한 하나 이상의 키워드를 추출하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 하나 이상의 키워드를 선택하는 단계는,
상기 사용자를 촬영함으로써 생성된 원본 이미지에 포함된 상기 사용자의 얼굴 영역을 분석하여 상기 사용자에 대한 제1 속성 정보 - 상기 제1 속성 정보는 상기 사용자의 표정 및 기분에 대한 정보를 포함함 - 를 추출하는 단계;
상기 생성된 원본 이미지에 포함된 상기 사용자의 몸 영역을 분석하여 상기 사용자에 대한 제2 속성 정보 - 상기 제2 속성 정보는 상기 사용자의 자세에 대한 정보를 포함함 - 를 추출하는 단계; 및
상기 추출된 제1 속성 정보 및 상기 추출된 제2 속성 정보를 이용하여 상기 하나 이상의 키워드를 선택하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 하나 이상의 키워드를 선택하는 단계는,
상기 사용자로부터 상기 맞춤형 프로필 이미지의 사용 목적 정보를 입력받는 단계;
상기 입력된 사용 목적 정보에 기초하여 복수의 추천 키워드를 선정하고, 상기 선정된 복수의 추천 키워드를 상기 사용자에게 제공하는 단계; 및
상기 선정된 복수의 추천 키워드 중 하나 이상의 추천 키워드를 상기 사용자로부터 선택받는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 삭제
- 제1항에 있어서,
상기 하나 이상의 키워드를 선택하는 단계는,
상기 사용자와 하나 이상의 객체가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 상기 하나 이상의 객체의 속성 및 상기 사용자와 상기 하나 이상의 객체에 대한 관계정보에 기초하여 상기 하나 이상의 키워드를 선택하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 하나 이상의 키워드를 선택하는 단계는,
상기 사용자의 계정으로 업로드된 복수의 소셜 데이터를 분석하여 상기 사용자에 대한 속성을 판단하고, 상기 판단된 사용자에 대한 속성에 기초하여 상기 하나 이상의 키워드를 선택하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 맞춤형 프로필 이미지를 생성하는 단계는,
상기 선정된 배경 색상에 기초하여 상기 사용자에 대한 임시 프로필 이미지를 생성하는 단계;
기 지정된 복수의 사용자로부터 상기 생성된 임시 프로필 이미지에 대한 피드백 정보를 입력받되, 상기 피드백 정보는 상기 생성된 임시 프로필 이미지의 성질이나 상태를 나타내는 형용사 키워드인, 단계; 및
상기 선택된 하나 이상의 키워드와 상기 피드백 정보를 비교하여 상기 선정된 배경 색상을 보정하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 제1항에 있어서,
상기 맞춤형 프로필 이미지를 생성하는 단계는,
상기 선정된 배경 색상에 기초하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하되, 사용자 인터페이스(User Interface, UI)를 통해 상기 사용자에 대한 맞춤형 프로필 이미지의 생성 과정을 상기 사용자에게 실시간으로 제공하는 단계; 및
상기 사용자 인터페이스를 통해 상기 사용자로부터 요청 사항 정보를 입력받고, 상기 입력된 요청 사항 정보에 대한 응답으로 수정된 내용을 상기 사용자에게 제공하는 단계를 포함하는,
사용자 맞춤형 프로필 이미지 생성방법. - 프로세서;
네트워크 인터페이스;
메모리; 및
상기 메모리에 로드(load)되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되,
상기 컴퓨터 프로그램은,
사용자에 대한 하나 이상의 키워드를 선택하는 인스트럭션(instruction);
상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 인스트럭션; 및
상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 인스트럭션을 포함하며,
상기 하나 이상의 키워드를 선택하는 인스트럭션은,
복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 상기 복수의 사용자 각각에 대한 키워드를 개별적으로 선택하는 인스트럭션; 및
상기 개별적으로 선택된 키워드 중 상기 복수의 사용자 각각으로부터 동일하게 선택된 키워드를 선택하거나 상기 개별적으로 선택된 키워드 중 선택된 개수가 높은 키워드부터 상위 N개의 키워드를 선택하는 인스트럭션을 포함하는,
사용자 맞춤형 프로필 이미지 생성장치. - 컴퓨팅 장치와 결합되어,
사용자에 대한 하나 이상의 키워드를 선택하는 단계;
상기 선택된 하나 이상의 키워드를 이용하여 배경 색상을 선정하는 단계; 및
상기 선정된 배경 색상을 이용하여 상기 사용자에 대한 맞춤형 프로필 이미지를 생성하는 단계를 포함하며,
상기 하나 이상의 키워드를 선택하는 단계는,
복수의 사용자가 함께 촬영된 맞춤형 프로필 이미지를 생성하고자 하는 경우, 상기 복수의 사용자 각각에 대한 키워드를 개별적으로 선택하는 단계; 및
상기 개별적으로 선택된 키워드 중 상기 복수의 사용자 각각으로부터 동일하게 선택된 키워드를 선택하거나 상기 개별적으로 선택된 키워드 중 선택된 개수가 높은 키워드부터 상위 N개의 키워드를 선택하는 단계를 실행시키기 위하여 컴퓨터로 판독가능한 기록매체에 저장된,
컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터프로그램.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210054125A KR102310714B1 (ko) | 2021-04-27 | 2021-04-27 | 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210054125A KR102310714B1 (ko) | 2021-04-27 | 2021-04-27 | 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102310714B1 true KR102310714B1 (ko) | 2021-10-08 |
Family
ID=78116014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210054125A KR102310714B1 (ko) | 2021-04-27 | 2021-04-27 | 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102310714B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102608777B1 (ko) * | 2022-09-28 | 2023-12-04 | 주식회사 레코더즈 | 사용자의 프로필 이미지에 대한 자동화된 보정 서비스 제공방법, 장치 및 컴퓨터프로그램 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090132838A (ko) | 2008-06-23 | 2009-12-31 | 김학일 | 사진 촬영 장치 |
KR20140013878A (ko) * | 2012-07-23 | 2014-02-05 | 주식회사 인프라웨어 | 선택패턴 기반의 사진관리 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체 |
KR20140067678A (ko) * | 2012-11-27 | 2014-06-05 | 포항공과대학교 산학협력단 | 상담 대화 제공 방법 및 이를 이용하는 장치 |
KR101715708B1 (ko) * | 2015-12-07 | 2017-03-14 | 주식회사 즐라이몬스터 | 이미지 분석기반의 자동화된 관계형 태그 생성 시스템과 이를 이용한 서비스 제공방법 |
KR101811638B1 (ko) * | 2016-02-02 | 2017-12-27 | 전남대학교 산학협력단 | 소셜 네트워크 서비스 사용자의 감정 분석에 의한 영향력 측정 방법 |
KR20180075720A (ko) * | 2016-12-07 | 2018-07-05 | 문영식 | 앨범 제작 서비스 시스템과 이를 이용한 서비스 방법 |
JP2020022681A (ja) * | 2018-08-08 | 2020-02-13 | ジャパンモード株式会社 | メイクアップ支援システム、及びメイクアップ支援方法 |
KR102215106B1 (ko) * | 2019-01-31 | 2021-02-09 | 이화여자대학교 산학협력단 | 스마트 드레스룸 시나리오를 실행하는 스마트미러, 이의 스마트 드레스룸 시나리오 실행 방법 및 이를 포함하는 스마트 드레스룸 시나리오 실행 시스템 |
-
2021
- 2021-04-27 KR KR1020210054125A patent/KR102310714B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090132838A (ko) | 2008-06-23 | 2009-12-31 | 김학일 | 사진 촬영 장치 |
KR20140013878A (ko) * | 2012-07-23 | 2014-02-05 | 주식회사 인프라웨어 | 선택패턴 기반의 사진관리 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체 |
KR20140067678A (ko) * | 2012-11-27 | 2014-06-05 | 포항공과대학교 산학협력단 | 상담 대화 제공 방법 및 이를 이용하는 장치 |
KR101715708B1 (ko) * | 2015-12-07 | 2017-03-14 | 주식회사 즐라이몬스터 | 이미지 분석기반의 자동화된 관계형 태그 생성 시스템과 이를 이용한 서비스 제공방법 |
KR101811638B1 (ko) * | 2016-02-02 | 2017-12-27 | 전남대학교 산학협력단 | 소셜 네트워크 서비스 사용자의 감정 분석에 의한 영향력 측정 방법 |
KR20180075720A (ko) * | 2016-12-07 | 2018-07-05 | 문영식 | 앨범 제작 서비스 시스템과 이를 이용한 서비스 방법 |
JP2020022681A (ja) * | 2018-08-08 | 2020-02-13 | ジャパンモード株式会社 | メイクアップ支援システム、及びメイクアップ支援方法 |
KR102215106B1 (ko) * | 2019-01-31 | 2021-02-09 | 이화여자대학교 산학협력단 | 스마트 드레스룸 시나리오를 실행하는 스마트미러, 이의 스마트 드레스룸 시나리오 실행 방법 및 이를 포함하는 스마트 드레스룸 시나리오 실행 시스템 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102608777B1 (ko) * | 2022-09-28 | 2023-12-04 | 주식회사 레코더즈 | 사용자의 프로필 이미지에 대한 자동화된 보정 서비스 제공방법, 장치 및 컴퓨터프로그램 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069294B (zh) | 一种用于认知能力值测试的计算和分析方法 | |
KR102525599B1 (ko) | 스트레스 관련 콘텐츠 제공 장치 및 방법 | |
KR102374780B1 (ko) | 정신적 장애의 개선을 위한 게임 기반의 디지털 치료 솔루션 제공방법, 서버 및 컴퓨터프로그램 | |
KR20190103097A (ko) | 뷰티 카운슬링 정보 제공 방법 및 장치 | |
KR20200144991A (ko) | 운동 보조 장치 및 운동 보조 방법 | |
US10559215B2 (en) | Education reward system and method | |
KR102310714B1 (ko) | 사용자 맞춤형 프로필 이미지 생성방법, 장치 및 컴퓨터프로그램 | |
CN108511066A (zh) | 信息生成方法和装置 | |
KR20220147246A (ko) | 사용자의 성격, 성향 및 기분에 기반한 프로필 이미지 생성 서비스 제공방법 | |
KR102445747B1 (ko) | 피부 분석에 기초하여 토탈 큐레이션 서비스를 제공하기 위한 방법 및 장치 | |
Cao et al. | Intelligent physical education teaching tracking system based on multimedia data analysis and artificial intelligence | |
KR20220128260A (ko) | 학생과 인공지능 모델 간의 비교 평가를 바탕으로 학습 과정을 설계하는 전자 장치, 및 학습 관리 방법 | |
CN115130493A (zh) | 基于图像识别的面部形变推荐方法、装置、设备和介质 | |
CN113288145A (zh) | 一种用于训练情绪控制能力的示教装置与方法 | |
KR101757184B1 (ko) | 감정표현 콘텐츠를 자동으로 생성하고 분류하는 시스템 및 그 방법 | |
KR102608777B1 (ko) | 사용자의 프로필 이미지에 대한 자동화된 보정 서비스 제공방법, 장치 및 컴퓨터프로그램 | |
KR20230134658A (ko) | 사용자의 성격유형에 따른 맞춤형 캐릭터 생성방법, 장치 및 컴퓨터프로그램 | |
KR102083787B1 (ko) | 커뮤니티케어 노약자 맞춤형 인지 학습 시스템 | |
CN112102304A (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 | |
US11786156B2 (en) | Method and apparatus for use in detecting malingering by a first subject in tests of physical and/or mental function of the first subject | |
CN113407806A (zh) | 网络结构搜索方法、装置、设备及计算机可读存储介质 | |
KR102415774B1 (ko) | 다중 영상의 선별적 배치를 수행하는 서버의 제어 방법 | |
KR102556538B1 (ko) | 면접 훈련 제공 장치 및 그 제어방법 | |
KR102308474B1 (ko) | 퀴즈 플랫폼에서 퀴즈 출제자에게 보상을 부여하는 방법 및 장치 | |
KR102606193B1 (ko) | 카메라 기반의 원격 건강진단 및 이를 이용한 개인 건강 관리 서비스 제공방법, 장치 및 컴퓨터프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |