WO2022154137A1 - 전자장치 및 그 제어방법 - Google Patents
전자장치 및 그 제어방법 Download PDFInfo
- Publication number
- WO2022154137A1 WO2022154137A1 PCT/KR2021/000462 KR2021000462W WO2022154137A1 WO 2022154137 A1 WO2022154137 A1 WO 2022154137A1 KR 2021000462 W KR2021000462 W KR 2021000462W WO 2022154137 A1 WO2022154137 A1 WO 2022154137A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- filter
- image
- information
- electronic device
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 38
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 50
- 230000009466 transformation Effects 0.000 claims description 18
- 230000000875 corresponding effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 241000282472 Canis lupus familiaris Species 0.000 description 3
- 241000238370 Sepia Species 0.000 description 3
- 239000002096 quantum dot Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4015—Image demosaicing, e.g. colour filter arrays [CFA] or Bayer patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Definitions
- the present disclosure relates to an electronic device that converts and provides an image, and a method for controlling the same.
- a user may create an image with a different feel by changing the color, brightness, contrast, etc. of an image acquired by using a camera of an electronic device such as a smartphone according to taste and purpose.
- the color and the like of the image can be adjusted individually or simultaneously.
- the filter I want is not in the filter list, or the process of finding the filter list in a list stored in the electronic device or in an external downloadable item may tire the user. Or, if you select a specific filter to shoot or apply to a video, you may get unintended results, such as getting inappropriate results.
- the electronic device may provide a function for the user to create and store the filter by himself/herself.
- various methods exist, such as style transfer, which encodes and decodes a style image, and color filter generation through comparison between images.
- An object of the present disclosure is to provide an electronic device that converts and provides an image to match a user's intention, and a method for controlling the same.
- An electronic device comprising: a memory for storing at least one instruction; and a processor operatively connected to the memory, wherein the processor executes an instruction stored in the memory, thereby converting a plurality of images acquired using a camera with respect to a plurality of filters having different conversion characteristics, Obtaining a filter usage history of the user including a correlation between the information of each image and a filter used for converting the image, and correlation with information of a first image among the plurality of filters based on the obtained filter use history The high filter is identified, and a second image obtained by converting the first image based on the identified filter is controlled to be displayed.
- the processor may identify a transformation characteristic of each filter, and obtain a filter usage history of the user including a correlation between the information of the image and the transformation characteristic of the identified filter.
- the filter is a first filter, and further includes a communication module, wherein the processor transmits the filter usage history of the user to the server through the communication module, and obtains from the server based on the filter usage history of a plurality of users It is possible to receive information on a second filter that is highly correlated with information on the first image, and control to display a third image converted from the first image based on the received information on the second filter.
- the processor may store the filter use history of the user in the memory, and update the stored filter use history of the user based on the received second filter.
- the association between the information of the image and the filter may include a frequency of use of the filter according to at least one of an object, a context, and a profile of the image.
- the correlation between the information of the image and the filter may include a degree of similarity between the filter and an embedding vector of at least one of an object, a context, or a profile of the image.
- the processor may control to use the two or more filters having high correlation for each of the two or more regions of the first image.
- An electronic device includes a display; and an input module, wherein the processor displays the two or more second images obtained by converting the characteristics of the first image based on two or more filters identified as having high correlation with the information of the first image. and may receive a user input for selecting one of the two or more second images through the input module.
- the electronic device further includes an input module, wherein the processor receives a user input regarding whether to convert the first image through the input module, and based on the user input, You can update the user's filter usage history.
- the processor may identify a transformation characteristic of the filter, and generate a name of the filter based on the information of the first image and a keyword corresponding to the transformation characteristic of the filter.
- the step of obtaining the filter usage history of the user may include: identifying a conversion characteristic of each filter; and obtaining a filter usage history of the user including a correlation between the information of the image and a transformation characteristic of the identified filter.
- the filter is a first filter, the method comprising: transmitting a filter usage history of the user to a server; receiving, from the server, a second filter having a high correlation with information of a first image obtained based on filter usage histories of a plurality of users; and displaying a third image obtained by converting the first image based on the received second filter.
- the method comprising: storing a filter usage history of the user; The method may further include updating the stored user's filter usage history based on the received second filter.
- the displaying of the second image obtained by converting the first image based on the identified filter may include, when two or more filters identified as having high correlation with information of the first image, are two or more regions of the first image.
- the method may include using each of the two or more filters having the high relevance for each.
- the displaying of the second image obtained by converting the first image based on the identified filter may include determining the characteristics of the first image based on two or more filters identified as having high correlation with the information of the first image, respectively. displaying two or more converted second images; and receiving a user input for selecting one of the two or more second images.
- the displaying of the second image obtained by converting the first image based on the identified filter may include: receiving a user input regarding whether to convert the first image; and updating the filter usage history of the user based on the user input.
- a computer program readable by a computer program comprising a code for executing a control method of an electronic device is stored in the recording medium, wherein the control method of the electronic device is configured to convert a plurality of images acquired using a camera. obtaining, for a plurality of filters having different transformation characteristics, a user's filter usage history including a correlation between information on each image and a filter used for transformation of the image; identifying a filter having a high correlation with information of a first image from among the plurality of filters based on the obtained filter use history; and displaying a second image obtained by converting the first image based on the identified filter.
- the user does not select or creates a filter to be applied to an image, but determines whether the filter is suitable to suit the object and context of the image and applies the filter to enhance the practical usability of the filter.
- FIG. 1 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 2 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
- FIG. 3 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 4 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 5 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 6 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 7 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 8 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 9 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 10 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 11 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- the electronic device may be a device of various types.
- the electronic device 100 may be implemented as a display device capable of displaying an image with a smartphone as shown in FIG. 1 , and in addition to this, a tablet PC, a notebook PC, a head mounted display (HMD), and a near eye display (NED) ), LFD (large format display), Digital Signage (digital signage), DID (Digital Information Display), video wall, projector display, QD (quantum dot) display panel, QLED (quantum dot light-emitting diodes) It can be implemented in various types of displays such as ⁇ LED (Micro light-emitting diodes) and Mini LED, as well as cameras, camcorders, printers, servers, etc.
- the electronic device 100 is implemented as a touch screen combined with a touch sensor, a flexible display, a rollable display, a three-dimensional display, a display in which a plurality of display modules are physically connected, etc. it might be
- the electronic device 100 may output an image to an external device having a separate display through a video/audio output port in a state in which there is no display unit such as a set-top box (STB) or a simple display unit for notifications.
- STB set-top box
- the electronic device 100 may output an image to an external device having a separate display through a video/audio output port in a state in which there is no display unit such as a set-top box (STB) or a simple display unit for notifications.
- STB set-top box
- the electronic device 100 may output an image to an external device having a separate display through a video/audio output port in a state in which there is no display unit such as a set-top box (STB) or a simple display unit for notifications.
- STB set-top box
- a simple display unit for notifications for notifications.
- it may be the system itself in which the cloud computing environment is built, and it is applicable without limitation as long as it is a device that processes data using a rule base and artificial intelligence model
- first, second, or first or second may simply be used to distinguish an element from other elements in question, and may refer elements to 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
- one or more instructions stored in a storage medium may be implemented as software (eg, the program 30) including
- the processor eg, the processor 10
- the device eg, the electronic device 100
- 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 is used in cases 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 in a computer program product (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 through an application store (eg Play StoreTM) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly, online between smartphones (eg: smartphones).
- a portion 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, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. , or one or more other operations may be added.
- FIG. 1 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 1 On the left side of FIG. 1 , a first image 1 obtained or previously photographed by a camera is shown, and a plurality of second images 3 converted by applying various filters to the first image 1 are shown on the right side.
- the first image 1 includes a moving image and a still image
- the plurality of second images 3 is converted by applying a filter to different still images in units of frames when the first image 1 is a moving image.
- a video or video itself can be edited, and various functions such as a video converted by applying a filter to the edited video can be applied and the converted video can be included.
- the electronic device 100 applies various filters based on image information such as an object or context in an image or a user's filter usage history to a plurality of second images 3 ) can be created.
- image information such as an object or context in an image or a user's filter usage history
- any one of the second images 2 determined to be most suitable among the generated second images 3 may be provided to the user.
- the present disclosure is not limited thereto, and after generating a plurality of second images 3 by applying various filters, it is converted by a filter determined to be most suitable based on image information or a user's filter usage history. It can be implemented in various ways, such as providing the second image 2 to the user.
- FIG. 2 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
- the electronic device 100 communicates with the electronic device 102 through a first network 98 (eg, a short-range wireless communication network) or a second network 99 . It may communicate with at least one of the electronic device 103 and the server 200 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 100 may communicate with the electronic device 103 through the server 200 .
- a first network 98 eg, a short-range wireless communication network
- a second network 99 e.g., a second network 99 .
- the electronic device 100 may communicate with the electronic device 103 through the server 200 .
- the electronic device 100 includes a processor 10 , a memory 20 , an input module 40 , a display module 50 , an audio module 60 , a sound output module 61 , and an interface 70 . ), connection terminal 71, camera module 73, sensor module 80, haptic module 81, power management module 85, battery 86, communication module 90, subscriber identification module 93 , or an antenna module 94 .
- at least one of these components eg, the connection terminal 71
- some of these components are integrated into one component (eg, display module 50 ). can be
- the processor 10 for example, executes software (eg, the program 30) to execute at least one other component (eg, a hardware or software component) of the electronic device 100 connected to the processor 10 . It can control and perform various data processing or operations. According to an embodiment, as at least part of data processing or operation, the processor 10 converts commands or data received from other components (eg, the sensor module 80 or the communication module 90 ) to the volatile memory 21 . may be stored in the volatile memory 21 , and may process commands or data stored in the volatile memory 21 , and store the result data in the non-volatile memory 22 .
- software eg, the program 30
- the processor 10 converts commands or data received from other components (eg, the sensor module 80 or the communication module 90 ) to the volatile memory 21 .
- the volatile memory 21 may be stored in the volatile memory 21 , and may process commands or data stored in the volatile memory 21 , and store the result data in the non-volatile memory 22 .
- the processor 10 includes a main processor 11 (eg, a central processing unit or an application processor) or a secondary processor 12 (eg, a graphics processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
- a main processor 11 eg, a central processing unit or an application processor
- a secondary processor 12 eg, a graphics processing unit, a neural network processing unit
- NPU neural processing unit
- an image signal processor e.g., a sensor hub processor, or a communication processor.
- the coprocessor 12 may be, for example, on behalf of the main processor 11 while the main processor 11 is in an inactive (eg, sleep) state, or the main processor 11 is active (eg, executing an application). ), together with the main processor 11, at least one of the components of the electronic device 100 (eg, the display module 50, the sensor module 80, or the communication module 90) It is possible to control at least some of the related functions or states.
- the coprocessor 12 eg, image signal processor or communication processor
- the coprocessor 12 may be implemented as part of another functionally related component (eg, camera module 73 or communication module 90 ).
- the auxiliary processor 12 eg, a neural network processing unit
- Artificial intelligence models can be created through machine learning. Such learning may be performed, for example, in the electronic device 100 itself on which the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 200).
- 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 20 may store various data used by at least one component (eg, the processor 10 or the sensor module 80 ) of the electronic device 100 .
- the data may include, for example, input data or output data for software (eg, the program 30 ) and instructions related thereto.
- the memory 20 may include a volatile memory 21 or a non-volatile memory 22 .
- the program 30 may be stored as software in the memory 20 , and may include, for example, an operating system 31 , middleware 32 , or an application 33 .
- the input module 40 may receive a command or data to be used in a component (eg, the processor 10 ) of the electronic device 100 from the outside (eg, a user) of the electronic device 100 .
- the input module 40 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
- the display module 50 may visually provide information to the outside (eg, a user) of the electronic device 100 .
- the display module 50 may include, for example, a display 51 , a hologram device, or a projector and a control circuit for controlling the corresponding device.
- the display module 50 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 60 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 60 acquires a sound through the input module 40 , or an external electronic device (eg, a sound output module 61 ) connected directly or wirelessly with the electronic device 100 .
- the electronic device 102) eg, a speaker or headphones
- the electronic device 102 may output a sound.
- the sound output module 61 may output a sound signal to the outside of the electronic device 100 .
- the sound output module 61 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 interface 70 may support one or more designated protocols that may be used for the electronic device 100 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
- the interface 70 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
- HDMI high definition multimedia interface
- USB universal serial bus
- SD card interface Secure Digital Card
- the connection terminal 71 may include a connector through which the electronic device 100 can be physically connected to an external electronic device (eg, the electronic device 102 ).
- the connection terminal 71 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
- the camera module 73 may capture still images and moving images.
- the camera module 73 may include one or more lenses, image sensors, image signal processors, or flashes.
- the sensor module 80 detects an operating state (eg, power or temperature) of the electronic device 100 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
- the sensor module 80 includes, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor ( For example, it may include a photoplethysmography (PPG) sensor, an electrode sensor), a temperature sensor, a humidity sensor, a location sensor (eg, GPS), or an illuminance sensor.
- PPG photoplethysmography
- the haptic module 81 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 81 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
- the power management module 85 may manage power supplied to the electronic device 100 .
- the power management module 85 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
- PMIC power management integrated circuit
- the battery 86 may supply power to at least one component of the electronic device 100 .
- battery 86 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
- the communication module 90 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 100 and an external electronic device (eg, the electronic device 102, the electronic device 103, or the server 200). It can support establishment and communication performance through the established communication channel.
- the communication module 90 may include one or more communication processors that operate independently of the processor 10 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
- the communication module 90 is a wireless communication module 91 (eg, a cellular communication module, a short-range communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 92 (eg, : It may include a local area network (LAN) communication module, or a power line communication module).
- a wireless communication module 91 eg, a cellular communication module, a short-range communication module, or a global navigation satellite system (GNSS) communication module
- GNSS global navigation satellite system
- wired communication module 92 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 98 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 99 (eg, legacy It may communicate with the external electronic device 103 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 WAN).
- a first network 98 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
- a second network 99 eg, legacy It may communicate with the external electronic device 103 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 WAN).
- a telecommunication network such as a LAN
- the wireless communication module 91 uses the subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 93 within a communication network such as the first network 98 or the second network 99 .
- the electronic device 100 may be checked or authenticated.
- the wireless communication module 91 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 access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)).
- eMBB enhanced mobile broadband
- mMTC massive machine type communications
- URLLC ultra-reliable and low-latency
- the wireless communication module 91 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
- a high frequency band eg, mmWave band
- the wireless communication module 91 uses various techniques for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna.
- the wireless communication module 91 may support various requirements specified in the electronic device 100 , an external electronic device (eg, the electronic device 103 ), or a network system (eg, the second network 99 ).
- the wireless communication module 91 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) can 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 94 may transmit or receive a signal or power to the outside (eg, an external electronic device).
- the antenna module 94 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 94 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication scheme used in a communication network such as the first network 98 or the second network 99 is connected from the plurality of antennas by, for example, the communication module 90 . can be selected. A signal or power may be transmitted or received between the communication module 90 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 94 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) 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
- a command or data may be transmitted or received between the electronic device 100 and the external electronic device 103 through the server 200 connected to the second network 99 .
- Each of the external electronic devices 102 or 103 may be the same as or different from the electronic device 100 .
- all or a part of operations executed in the electronic device 100 may be executed in one or more external electronic devices 102 , 103 , or 200 .
- the electronic device 100 when the electronic device 100 needs to perform a function or service automatically or in response to a request from a user or other device, the electronic device 100 performs the function or service by 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 100 .
- the electronic device 100 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 100 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
- the external electronic device 103 may include an Internet of things (IoT) device.
- the server 200 may be an intelligent server using machine learning and/or neural networks.
- the external electronic device 103 or the server 200 may be included in the second network 99 .
- the electronic device 100 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.
- an intelligent service eg, smart home, smart city, smart car, or health care
- FIG. 3 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- the processor 10 includes information on each image, information of each image, and information used for image conversion with respect to a plurality of filters having different transformation characteristics for transforming a plurality of images obtained using a camera.
- a user's filter use history including the correlation between filters may be obtained ( S310 ).
- the conversion characteristic of a filter refers to a unique property of the filter itself regarding how to convert color, brightness, contrast, etc. of an image.
- the conversion characteristics of the filters can be adjusted individually or simultaneously, and can be defined as one filter with a predetermined degree of adjustment.
- information about an image includes information about an object existing in the image, a context about the image, and the like.
- An object is an object included in an image, and includes, for example, a person, fruit, furniture, office, restaurant, food, night view, beach, birthday, baby, and the like.
- One image may contain a plurality of objects at the same time, and the processor 10 may identify information about the object before and after capturing the image and/or after storing the image, store it in the memory 20 and update it.
- Context is information about the situation in which the video was shot, and includes time (day, night, etc.), place (home, work, outdoor, indoor, overseas, etc.) and other information (sun position, surrounding events, etc.).
- the processor 10 may identify a user's age, gender, interest, disposition, etc., and store it in the memory 20 or transmit it to the server 200 .
- the processor 10 may obtain a filter usage history of the user including a correlation between image information and a filter used for image transformation.
- the filter usage history of the user is, for example, when the user converts the image by using any filter among a plurality of filters when the user edits the image, or when the user converts the image by directly creating a filter, the processor 10 can be obtained by storing the information of the image and the information about the filter used for image conversion together in the memory 20 . In this regard, it will be described in detail in FIG. 5 .
- a user's filter usage history includes a correlation between image information and a filter used for image transformation (hereinafter, also referred to as "correlation" for short). It is a criterion for judging the suitability of the filter used. The association will be described in more detail in FIG. 4 .
- the processor 10 may identify a first filter having a high correlation with information of the first image among a plurality of filters based on the obtained filter use history ( S320 ).
- the processor 10 may identify information on the first image, and identify a first filter that is highly correlated with the identified information on the first image based on the obtained filter use history.
- the first image is the first image 1 of FIG. 1 .
- the processor 10 may identify the information of the first image that there is no person and that objects such as sky, landscape, stone wall, and hanok are included.
- the processor 10 identifies the history of using the black and white filter for objects such as stone walls and hanok, and the use of sepia filters for objects such as the sky in the conversion of other images by the user based on the obtained filter use history assume you did
- the processor 10 may identify any one of the black-and-white filter and the sepia filter that has a higher correlation with the information of the first image 1 .
- Whether the correlation is high can be identified by dataizing the frequency of use of the filter, the degree of similarity between the image information and the filter, and the like. Similarly, the association is described in detail in FIG. 4 .
- the processor 10 may control to use two or more filters having high correlation for each of two or more regions of the first image. .
- the processor 10 may control to use any one filter based on the priority.
- two filters with high relevance may be identified with respect to an image including both a person and a dog object, and one filter may be identified as having a high relevance to a person and the other filter may be identified as having a high relevance to a puppy.
- the image is divided into two or more regions based on the object, and two or more filters with high correlation with the object in the corresponding region are applied to each region. If there are multiple objects in the region, the main object is selected and selected Various application methods may exist, such as applying any one filter having a high correlation with .
- the electronic device 100 may further include a display module 50 and an input module 40 , and the processor 10 is configured to, based on two or more filters identified as having high correlation with the information of the first image, Control to display two or more second images converted from each of the first images on the display 51 , and receive a user input for selecting one of the two or more second images through the input module 40 to receive the final second image can be decided
- the processor 10 may display a second image obtained by converting the first image based on the identified first filter ( S330 ).
- a filter desired by the user can be identified based on the user's filter use history, and a high-relevance filter is applied based on the correlation with the image information, so that a high-reliability result can be derived. Accordingly, there is no need for the user to select and apply filters one by one or to create filters, thereby increasing user convenience.
- FIG. 4 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 4 shows a table 410 related to the association described in S310 of FIG. 3 above.
- data (r11, r12, . .. , r43, r44) are described.
- the data are expressed numerically, expressed relative by re-categorizing the number, or are related (yes or true) or not (no or false) depending on whether the number exceeds a predefined value. can be expressed Hereinafter, numerical values include all those expressed by the various methods described above.
- the data of the table 410 may be prepared in advance before the filter is applied to the image, or data required when the filter is applied to the image may be calculated or obtained from the outside.
- the processor 10 identifies information of a plurality of images, and, based on the history of applying different filters to each image, learns what filters are applied to each information of the images, association between images and combinations of filters applied to images, etc. can be quantified.
- image 1 includes an object such as a person
- image 2 includes an object such as a person
- filter 1 in another image 2 including an object such as a person
- the correlation between image 1 and filter 1 and filter 1 increases.
- image 2 has a city background
- image 3 is identified as having a natural background
- image 4 with a city background is filtered
- the correlation with 2, ie, the value of r42 may be set higher than the correlation with filter 3, ie, the value of r43.
- the processor 10 may quantify by learning the association by combining information of the identified image.
- image 1 includes an object such as a person and a context such as “night and beach”.
- Filter 1 is applied to an image including an object such as a person, but is applied to an image including a context such as “day and city”, and
- Filter 4 is an image including an object such as a person and a context such as “nature” , the correlation with filter 1, that is, the value of r11 may be set higher than the correlation with filter 4, that is, the value of r41.
- the association according to an embodiment of the present disclosure may include a frequency of use of a filter according to at least one of an object, a context, and a profile of an image.
- the processor 10 identifies the filter use frequency for each object of the image, the filter use frequency for each context, and the filter use frequency for each profile of the image, stores the information in the memory 20, and converts the information stored in the memory 20 into data of association Available.
- the processor 10 may determine a coefficient for each factor such as frequency of filter use through learning, and apply the determined coefficient to the data of each association. By substituting, the association can be identified.
- the association according to an embodiment of the present disclosure may include a similarity between an embedding vector of at least one of an object, a context, or a profile of an image and a filter.
- the processor 10 may change the object, context, or profile of the image into an embedding vector that is an abbreviated form of information, measure the similarity between the embedding vector and the filter, and select a filter having a maximum value.
- the processor 10 may use Uniform Manifold Approximation and Projection (UMAP), Variational Graph Auto-Encoders (VGAE), or the like.
- UMAP Uniform Manifold Approximation and Projection
- VGAE Variational Graph Auto-Encoders
- a cosine similarity, a Euclidean distance, etc. may be used for similarity measurement.
- the processor 10 may transmit the user's filter usage history including the identified association to the server 200 as described later with reference to FIG. 7 , and update data on the association based on the degree of similarity between a plurality of users. . Details will be described with reference to FIG. 7 .
- the processor 10 may identify a transformation characteristic of each filter and obtain a user's filter usage history including a correlation between image information and the identified transformation characteristic of the filter. This is not only a correlation between image information and a filter applied to the image, but furthermore, the processor 10 may acquire the user's filter usage history including transformation characteristics of the filter itself applied to the image.
- the processor 10 may identify the association and use the identified association as the user's filter use history to identify a filter suitable for an image to which the filter is to be applied. Accordingly, the processor 10 identifies a filter suitable for the image the user wants to edit based on the user's filter use history, and thus can recommend a highly reliable filter that meets the user's intention.
- FIG. 5 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- the flowchart of FIG. 5 shows a process of acquiring the filter use history of the user described in S310 of FIG. 3 .
- the processor 10 may acquire a first image photographed using a camera (S510).
- the first image may be photographed through the camera module 73 built in the electronic device 100 , an image photographed by the camera module 73 and an image stored in the memory 20 may be selected, and may be stored in an external device. It is not limited to any one such as may be obtained through the communication module 90 of the first image taken by the.
- the processor 10 may identify the object of the first image (S520) and identify the context of the first image (S530).
- the processor 10 may separately include an image management module to analyze image information such as an object or context of the image.
- the processor 10 according to the present disclosure includes an image management module, and operations of the image management module are unified as those performed by the processor 10 .
- the processor 10 may store the identified information and context on the object of the first image in the memory 20 (S540).
- the processor 10 may update the user's filter usage history to the memory 20 and transmit it to the server 200 ( S550 ).
- the processor 10 may convert the second image into the second image by using a filter that is highly correlated with the information of the first image through the process described in FIG. 3 .
- the processor 10 may update the user's filter usage history by storing the information of the first image and the filter applied to the first image in the memory 20 .
- the processor 10 may transmit information on the first image and the filter applied to the first image to the server 200 in order to update the filter usage histories of a plurality of users, as will be described later with reference to FIG. 7 .
- the processor 10 generates and/or updates a filter usage history of a user, and transmits information so that the server 200 generates and/or updates a filter history of a plurality of users, thereby relevance can provide a basis for identifying
- FIG. 6 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 6 is a flow chart supplementing the operations after step S330 of FIG. 3 .
- content overlapping with FIG. 3 will be omitted.
- the processor 10 may acquire a first image photographed using a camera (S610).
- the processor 10 may identify the information of the first image (S620).
- the processor 10 may identify whether a first filter having a high correlation with the information of the first image exists based on the user's filter use history ( S630 ). If the first filter exists (Yes in S630), the processor 10 may transform the first image based on the identified first filter (S640). If the first filter does not exist (No in S630), the processor 10 does not convert the first image (S650). In this case, the processor 10 generates a filter matching the information of the first image based on the user's filter usage history, or displays a GUI on the display 51 that guides the user to create a filter by himself/herself. can be performed.
- the processor 10 may update the filter usage history of the user (S660).
- the updated content is information about the converted first image and information about the first filter applied to the first image, or , or the user's feedback on the first image to which the first filter is applied.
- the user's feedback may include whether or not the photo is shared, the number of times of sharing, an indication of satisfaction with the image, and deletion of the image.
- the processor 10 collects the user's feedback and stores it in the memory 20 , and reflects it in the user's filter use history including correlation.
- the processor 10 may transmit information about user feedback to the server 200 to update the filter usage histories of a plurality of users as will be described later with reference to FIG. 7 .
- the processor 10 converts the information of the first image and the unconverted information to the user's filter. It may be reflected in the usage history and transmitted to the server 200 .
- a more reliable association may be identified by constructing data by reflecting a history of identifying and applying a filter determined to be suitable for an image, or a history of not applying the filter to the user's filter use history.
- FIG. 7 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 7 illustrates a process of identifying a filter highly related to an image based on the filter use histories of a plurality of other users, unlike FIG. 3 in which the filter use history of the user who uses the electronic device 100 is used.
- the processor 10 may acquire a first image photographed using a camera (S710).
- the processor 10 may identify the information of the first image (S720).
- the processor 10 may identify whether a second filter having a high correlation with the information of the first image exists among the plurality of filters based on the filter usage histories of the plurality of users ( S730 ).
- the processor 10 receives information about the second filter from the server 200 .
- can receive Whether the second filter having a high correlation with the information of the first image exists may be determined by whether the processor 10 receives the second filter having a high correlation with the information of the first image from the server 200 . .
- a process in which the server 200 identifies the second filter and transmits it to the electronic device 100 is described with reference to FIG. 8 .
- the processor 10 may transform the first image based on the identified second filter (S740).
- the second filter identified as having a high correlation with the information of the first image is 2 or more, the same applies to the case where the first filter identified as having high correlation with the information of the first image is 2 or more in S320 of FIG. 3 . can do.
- the processor 10 does not convert the first image (S750). At this time, the processor 10 generates a filter matching the information of the first image based on the filter usage histories of a plurality of users, or displays a GUI on the display 51 that guides the user to create a filter by himself or herself. operation can be performed.
- the processor 10 may update the filter usage histories of a plurality of users (S760).
- the updated content is information about the converted first image and information about the second filter applied to the first image, or , or the user's feedback on the first image to which the second filter is applied.
- the user's feedback according to an embodiment of the present disclosure is the same as described above with reference to FIG. 6 .
- the processor 10 converts the information of the first image and the information on the untransformed image to the user's filter It may be reflected in the usage history and transmitted to the server 200 .
- filters with high relevance are identified by referring to filter usage histories of users similar to the user of the electronic device 100 , more diverse services can be provided.
- FIG. 8 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 8 specifically illustrates an operation of identifying a correlation based on filter use histories of a plurality of users in relation to S730 of FIG. 7 .
- the processor 10 may transmit the user's profile together with the user's filter use history to the server 200 (S810 and S820). This is to determine the relevance of the user profile based on the similarity of the user's profile since the tendency to apply a filter may vary according to the age, gender, interest, disposition, etc. of a plurality of users.
- the processor 10 identifies the profile of the user A, such as a woman in her twenties, a woman in her twenties, who prefers sports, etc. in relation to the user A who uses the electronic device 100 , and sets the identified profile of the user A to the server 200 . ) is assumed to be transmitted.
- the server 200 may identify a filter with high relevance based on filter usage histories of a plurality of users having a profile similar to that of user A. FIG.
- the server 200 includes a server memory 210 and a server processor 220 .
- the server processor 220 may receive each user's filter use histories and profiles from a plurality of electronic devices including the electronic device 100 , and combine the received information to generate the filter use histories of the plurality of users.
- the server processor 220 may store the generated filter usage histories of a plurality of users in the server memory 210 .
- the server memory 210 manages filter usage histories of a plurality of users.
- the server processor 220 may manage the analyzed profiles such as gender, age, and interests of all users.
- the server processor 220 may convert the user profile received or stored from the electronic device 100 into a vector, measure the similarity, and identify filters used by similar users.
- the server processor 220 may transmit a second filter having a high correlation with the first image to the electronic device 100 based on the generated filter use histories of a plurality of users (S830).
- the processor 10 may display the third image obtained by converting the first image based on the second filter received from the server processor 220 .
- FIGS. 7 and 8 are diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- 7 and 8 illustrate an operation of determining a filter having a high correlation with information of the first image based on a filter use history of a user and a filter use history of a plurality of users in FIGS. 7 and 8 .
- the processor 10 may acquire a first image photographed using a camera (S910).
- the processor 10 may identify the information of the first image (S920).
- S930 of FIG. 9 may be performed in the same manner as S730 of FIG. 7
- S940 of FIG. 9 may be performed in the same manner as S830 of FIG. 8 .
- the processor 10 may identify an optimal filter among the first filter identified in S930 and the second filter identified in S940, and convert the first image by applying the identified filter (S950).
- the process of identifying the optimal filter may be applied in the same manner as in the case where there are two or more first filters identified as having high correlation with the information of the first image in S320 of FIG. 3 .
- the processor 10 may update and transmit the user filter usage history to the server (S960).
- the user's desired image is provided through various data can do.
- FIG. 10 is a diagram illustrating an operation flowchart of an electronic device according to an embodiment of the present disclosure.
- FIG. 10 shows a first filter identified in S650 of FIG. 6 and S750 of FIG. 7 , such as when a filter having high correlation with information of the first image does not exist, such as when a user directly creates a filter, or at S320 of FIG. 3 Describes the operation to create a name for .
- the processor 10 may identify the information of the first image and the transformation characteristic of the first filter (S1010).
- the processor 10 may identify the keyword based on the identified information of the first image and the conversion characteristic of the first filter ( S1020 ).
- a specific filter is mainly used for images containing pets such as dogs, mainly for images containing a specific person, for images with low light at night, or for landscapes such as the sea or mountains.
- images containing pets such as dogs
- images containing a specific person for images with low light at night, or for landscapes such as the sea or mountains.
- landscapes such as the sea or mountains.
- the processor 10 may identify a keyword capable of expressing the filter based on the corresponding characteristic. For example, it means a keyword that expresses one or more characteristics related to the filter, such as "my dog”, “friends”, “night view”, “night sea”, etc.
- the processor 10 may generate a name of the first filter based on the identified keyword (S1030). For example, if the keyword extracted from a specific filter is “the sea at night,” the processor 10 may generate names such as “a filter that is good for taking pictures of the sea at night”, “a filter that often contains the sea at night”, and the like.
- the user can intuitively know the name of the filter, and thus can select a desired filter easily and quickly.
- FIG. 11 is a diagram illustrating an operation of an electronic device according to an embodiment of the present disclosure.
- FIG. 11 includes a first image (1) acquired or previously photographed by a camera, and a second image (2) to which a filter identified as highly related to the first image (1) is applied.
- a plurality of second images 3 converted by applying various filters to the first image 1 are shown.
- FIG. 11 additionally shows a fourth image 4 to which another filter is applied to the first image 1 .
- the plurality of second images 3 since the suitability of the filter for each situation is different for each user, the contents displayed when the user is different may also be different.
- the electronic device 100 further includes an input module 40 , and the processor 10 controls a user regarding whether to convert the first image 1 through the input module 40 .
- input can be received.
- the processor 10 provides the second image 2 converted by applying a filter identified as having high relevance to the first image 1 , but the second image 2 through the input module 40 is ) can receive user input not to use.
- the user input is the same as the feedback described in relation to S660 of FIG. 6 .
- the processor 10 may receive a user input for selecting the fourth image 4 converted by applying another filter.
- the processor 10 may reflect information according to the user input regarding the second image 2 and the user input regarding the fourth image 4 to the user's filter usage history.
- the user's preference, etc. may also be reflected and an optimal filter may be identified through repeated learning.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 개시의 일 실시예에 따른 전자장치에 있어서, 적어도 하나의 인스트럭션을 저장하는 메모리; 및 상기 메모리와 동작 가능하게 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 메모리에 저장된 인스트럭션을 실행함으로써, 카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하고, 상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하고, 상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하도록 제어한다.
Description
본 개시는 영상을 변환하여 제공하는 전자장치 및 그 제어방법에 관한 것이다.
사용자는 스마트폰과 같은 전자장치의 카메라를 이용하여 획득한 영상을 취향 및 목적에 따라 영상의 색감, 밝기, 대비 등을 변경하여 색다른 느낌의 영상을 만들 수 있다. 영상의 색감 등은 개별적, 혹은 동시에 조절될 수 있다. 또한, 이러한 영상의 색감 등의 조절을 사전에 하나의 필터로 정의하여 특정 영상에 대해 원하는 효과를 한번에 적용할 수 있다. 예를 들어, 세피아, 화이트, 모노톤 등의 변환 특성을 가지는 필터들은 카메라 촬영 시 선택 가능하며, 서버 등 외부로부터 수신하여 필터를 전자장치에 추가하여 사용하기도 한다.
그러나 영상에 적용할 필터 선택 시, 내가 원하는 필터가 필터 목록에 없거나, 필터 목록을 전자장치 내 저장된 목록이나 외부의 다운로드 가능 항목에서 찾는 과정 자체가 사용자를 피로하게 할 수 있다. 혹은 특정 필터를 선택하여 촬영하거나 영상에 적용했을 시 의도치 않은 부적합한 결과를 얻는 등 기대와는 다른 결과가 나올 수 있다.
이러한 상황을 보완하기 위해, 전자장치는 사용자가 스스로 필터를 생성하여 저장하는 기능을 제공할 수 있다. 영상을 바탕으로 원하는 필터를 생성하기 위해 스타일 이미지를 인코딩 및 디코딩 하는 스타일 트랜스퍼(style transfer), 이미지 간 비교를 통한 컬러 필터 생성 등 다양한 방식이 존재한다.
하지만, 여전히 사용자가 영상을 통해 필터를 만들 때 사용자 스스로 영상의 스타일을 선택해야 하는 부담이나 번거로움이 존재하고, 필터의 변환 특성이나 느낌을 표현하여 저장할 필터 이름을 쉽게 생각해내기 어렵다. 한편, 예를 들어, 필터의 이름을 "My필터_01", "My필터_02" 등 단순 생성순서를 이용하여 저장하는 경우 해당 필터의 변환 특성을 직관적으로 알기도 어렵다. 필터의 스타일을 대변할 이름을 생각해내기 어려워 이후 실 사용시 사용성을 저해할 수 있다.
본 개시의 목적은 사용자의 의도에 부합하도록 영상을 변환하여 제공하는 전자장치 및 그 제어방법을 제공하는 것이다.
본 개시의 일 실시예에 따른 전자장치에 있어서, 적어도 하나의 인스트럭션을 저장하는 메모리; 및 상기 메모리와 동작 가능하게 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 메모리에 저장된 인스트럭션을 실행함으로써, 카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하고, 상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하고, 상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하도록 제어한다.
상기 프로세서는, 상기 각 필터의 변환 특성을 식별하고, 상기 영상의 정보와, 상기 식별된 필터의 변환 특성 간의 연관성을 포함하는 상기 사용자의 필터 사용 이력을 획득할 수 있다.
상기 필터는 제1필터이고, 통신 모듈을 더 포함하고, 상기 프로세서는, 상기 통신 모듈을 통해 상기 사용자의 필터 사용 이력을 서버로 전송하고, 상기 서버로부터 복수의 사용자의 필터 사용 이력에 기초하여 획득된 제1영상의 정보와 연관성이 높은 제2필터에 관한 정보를 수신하고, 상기 수신한 제2필터에 관한 정보에 기초하여 상기 제1영상을 변환한 제3영상을 표시하도록 제어할 수 있다.
상기 프로세서는, 상기 메모리에 상기 사용자의 필터 사용 이력을 저장하고, 상기 수신한 제2필터에 기초하여 상기 저장된 사용자의 필터 사용 이력을 업데이트할 수 있다.
상기 영상의 정보와 상기 필터 간의 연관성은, 상기 영상의 오브젝트, 컨텍스트 또는 프로파일 중 적어도 하나에 따른 상기 필터의 사용 빈도를 포함할 수 있다.
상기 영상의 정보와 상기 필터 간의 연관성은, 상기 영상의 오브젝트, 컨텍스트 또는 프로파일 중 적어도 하나의 임베딩 벡터와 상기 필터와의 유사도를 포함할 수 있다.
상기 프로세서는, 상기 제1영상의 정보와 연관성이 높은 것으로 식별된 필터가 2이상인 경우, 상기 제1영상의 2이상의 영역 별로 상기 연관성이 높은 2이상의 필터를 각각 사용하도록 제어할 수 있다.
본 개시의 일 실시예에 따른 전자장치는, 디스플레이; 및 입력 모듈을 더 포함하고, 상기 프로세서는, 상기 제1영상의 정보와 연관성이 높은 것으로 식별된 2이상의 필터에 기초하여 상기 제1영상의 특성을 각각 변환한 2이상의 상기 제2영상을 상기 디스플레이에 표시하도록 제어하고, 상기 입력 모듈을 통해 상기 2이상의 제2영상 중 하나를 선택하는 사용자입력을 수신할 수 있다.
본 개시의 일 실시예에 따른 전자장치는, 입력 모듈을 더 포함하고, 상기 프로세서는, 상기 입력 모듈을 통해 상기 제1영상의 변환 여부에 관한 사용자입력을 수신하고, 상기 사용자입력에 기초하여 상기 사용자의 필터 사용 이력을 업데이트할 수 있다.
상기 프로세서는, 상기 필터의 변환 특성을 식별하고, 상기 제1영상의 정보 및 상기 필터의 변환 특성에 대응하는 키워드에 기초하여 상기 필터의 이름을 생성할 수 있다.
본 개시의 일 실시예에 따른 전자장치의 제어방법에 있어서, 카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하는 단계; 상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하는 단계; 및 상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계를 포함한다.
상기 사용자의 필터 사용 이력을 획득하는 단계는, 상기 각 필터의 변환 특성을 식별하는 단계; 및 상기 영상의 정보와, 상기 식별된 필터의 변환 특성 간의 연관성을 포함하는 상기 사용자의 필터 사용 이력을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따른 전자장치의 제어방법에 있어서, 상기 필터는 제1필터이고, 상기 사용자의 필터 사용 이력을 서버로 전송하는 단계; 상기 서버로부터 복수의 사용자의 필터 사용 이력에 기초하여 획득된 제1영상의 정보와 연관성이 높은 제2필터를 수신하는 단계; 및 상기 수신한 제2필터에 기초하여 상기 제1영상을 변환한 제3영상을 표시하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따른 전자장치의 제어방법에 있어서, 상기 사용자의 필터 사용 이력을 저장하는 단계; 상기 수신한 제2필터에 기초하여 상기 저장된 사용자의 필터 사용 이력을 업데이트하는 단계를 더 포함할 수 있다.
상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계는, 상기 제1영상의 정보와 연관성이 높은 것으로 식별된 필터가 2이상인 경우, 상기 제1영상의 2이상의 영역 별로 상기 연관성이 높은 2이상의 필터를 각각 사용하는 단계를 포함할 수 있다.
상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계는, 상기 제1영상의 정보와 연관성이 높은 것으로 식별된 2이상의 필터에 기초하여 상기 제1영상의 특성을 각각 변환한 2이상의 상기 제2영상을 표시하는 단계; 및 상기 2이상의 제2영상 중 하나를 선택하는 사용자입력을 수신하는 단계를 포함할 수 있다.
상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계는, 상기 제1영상의 변환 여부에 관한 사용자입력을 수신하는 단계; 및 상기 사용자입력에 기초하여 상기 사용자의 필터 사용 이력을 업데이트하는 단계를 포함할 수 있다.
컴퓨터가 읽을 수 있는 코드로서, 전자장치의 제어방법을 수행하는 코드를 포함하는 컴퓨터 프로그램이 저장된 기록매체에 있어서, 상기 전자장치의 제어방법은, 카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하는 단계; 상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하는 단계; 및 상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르면 사용자가 영상에 적용하기 위한 필터를 선택하거나 생성하는 것에서 나아가, 영상의 오브젝트와 컨텍스트에 어울리도록 필터 적합성 여부를 판단하고 적용하여 필터의 실제 사용성을 강화하는 것이다.
도 1은 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 2는 본 개시의 일 실시예에 의한 전자장치의 구성을 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 4는 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 5는 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 6은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 7은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 8은 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 9는 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 10은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
도 11은 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
본 문서에 개시된 다양한 실시예들에 따른 전자장치는 다양한 형태의 장치가 될 수 있다. 전자장치(100)는 도 1에 도시된 바와 같이 스마트폰으로 영상을 표시할 수 있는 디스플레이 장치로 구현될 수 있으며, 이 외에도 태블릿 PC, 노트북 PC, HMD(Head mounted Display), NED(Near Eye Display), LFD(large format display), Digital Signage(디지털 간판), DID(Digital Information Display), 비디오 월(video wall), 프로젝터 디스플레이, QD(quantum dot) 디스플레이 패널, QLED(quantum dot light-emitting diodes) μLED(Micro light-emitting diodes), Mini LED 등 다양한 형태의 디스플레이 및 카메라, 캠코더, 프린터, 서버 등으로 구현될 수 있다. 또는 전자장치(100)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display), 복수의 디스플레이 모듈이 물리적으로 연결된 디스플레이 등으로 구현될 수도 있다.
또는 전자장치(100)는 STB(Set-Top Box) 와 같이 디스플레이부가 없거나 알림 등을 위한 간단 디스플레이부가 있는 상태로, 비디오/오디오 출력 포트를 통해 별도 디스플레이를 구비한 외부장치에 영상을 출력할 수 있다. 이 외에도 클라우딩 컴퓨팅 환경이 구축된 시스템 자체일 수도 있으며, 룰베이스, 인공 지능 모델을 이용하여 데이터를 처리하는 장치라면 한정되지 않고 적용 가능하다.
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: 전자장치(100)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(221) 또는 외장 메모리(222))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(30))로서 구현될 수 있다. 예를 들면, 기기(예: 전자장치(100))의 프로세서(예: 프로세서(10))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 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 1은 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 1의 좌측에는 카메라 촬영하여 획득하거나 기 촬영된 제1영상(1)과, 우측에는 제1영상(1)에 다양한 필터를 적용하여 변환한 복수의 제2영상(3)이 도시되어 있다.
이 때, 제1영상(1)은 동영상과 정지영상을 포함하고, 복수의 제2영상(3)은 제1영상(1)이 동영상인 경우 프레임 단위로 서로 다른 정지영상에 필터를 적용하여 변환한 영상 혹은 동영상 자체를 편집하고, 편집된 동영상에 필터를 적용하여 변환한 영상 등 다양한 기능을 적용, 변환된 영상을 포함할 수 있다.
본 개시의 일 실시예에 따른 전자장치(100)는 영상 내 오브젝트(object)나 컨텍스트(context) 등 영상의 정보나 사용자의 필터 사용 이력 등에 기초하여 다양한 필터를 적용하여 복수의 제2영상(3)을 생성할 수 있다. 그리고, 생성된 복수의 제2영상(3) 중 가장 적합하다고 판단되는 어느 하나의 제2영상(2)을 사용자에게 제공할 수 있다.
다만, 본 개시는 이에 한정되지 않고, 다양한 필터를 적용하여 복수의 제2영상(3)을 생성한 후, 영상의 정보나 사용자의 필터 사용 이력 등에 기초하여 가장 적합하다고 판단되는 필터에 의해 변환된 제2영상(2)을 사용자에게 제공하는 등 다양하게 구현할 수 있다.
이하 영상에 적용할 필터를 사용자가 선택하거나, 필터를 직접 생성하는 과정에서 사용자가 느끼는 부담이나 번거로움을 줄이고, 사용자의 의도에 부합하는 필터를 적용한 영상을 제공하여 사용자의 편의성을 높여주는 전자장치(100)에 대하여 설명한다.
도 2는 본 개시의 일 실시예에 의한 전자장치의 구성을 도시한 블록도이다.
도 2는, 다양한 실시예들에 따른, 네트워크 환경(300) 내의 전자장치(100)의 블록도이다. 도 2를 참조하면, 네트워크 환경(300)에서 전자장치(100)는 제 1 네트워크(98)(예: 근거리 무선 통신 네트워크)를 통하여 전자장치(102)와 통신하거나, 또는 제 2 네트워크(99)(예: 원거리 무선 통신 네트워크)를 통하여 전자장치(103) 또는 서버(200) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자장치(100)는 서버(200)를 통하여 전자장치(103)와 통신할 수 있다. 일 실시예에 따르면, 전자장치(100)는 프로세서(10), 메모리(20), 입력 모듈(40), 디스플레이 모듈(50), 오디오 모듈(60), 음향 출력 모듈(61), 인터페이스(70), 연결 단자(71), 카메라 모듈(73), 센서 모듈(80), 햅틱 모듈(81), 전력 관리 모듈(85), 배터리(86), 통신 모듈(90), 가입자 식별 모듈(93), 또는 안테나 모듈(94)을 포함할 수 있다. 어떤 실시예에서는, 전자장치(100)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(71))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(80), 카메라 모듈(73), 또는 안테나 모듈(94))은 하나의 구성요소(예: 디스플레이 모듈(50))로 통합될 수 있다.
프로세서(10)는, 예를 들면, 소프트웨어(예: 프로그램(30))를 실행하여 프로세서(10)에 연결된 전자장치(100)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(10)는 다른 구성요소(예: 센서 모듈(80) 또는 통신 모듈(90))로부터 수신된 명령 또는 데이터를 휘발성 메모리(21)에 저장하고, 휘발성 메모리(21)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(22)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(10)는 메인 프로세서(11)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(12)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자장치(100)가 메인 프로세서(11) 및 보조 프로세서(12)를 포함하는 경우, 보조 프로세서(12)는 메인 프로세서(11)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(12)는 메인 프로세서(11)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(12)는, 예를 들면, 메인 프로세서(11)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(11)를 대신하여, 또는 메인 프로세서(11)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(11)와 함께, 전자장치(100)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(50), 센서 모듈(80), 또는 통신 모듈(90))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(12)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(73) 또는 통신 모듈(90))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(12)(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, 인공지능 모델이 수행되는 전자장치(100) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(200))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(20)는, 전자장치(100)의 적어도 하나의 구성요소(예: 프로세서(10) 또는 센서 모듈(80))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(30)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(20)는, 휘발성 메모리(21) 또는 비휘발성 메모리(22)를 포함할 수 있다.
프로그램(30)은 메모리(20)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(31), 미들 웨어(32) 또는 어플리케이션(33)을 포함할 수 있다.
입력 모듈(40)은, 전자장치(100)의 구성요소(예: 프로세서(10))에 사용될 명령 또는 데이터를 전자장치(100)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(40)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
디스플레이 모듈(50)은 전자장치(100)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(50)은, 예를 들면, 디스플레이(51), 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(50)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(60)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(60)은, 입력 모듈(40)을 통해 소리를 획득하거나, 음향 출력 모듈(61), 또는 전자장치(100)와 직접 또는 무선으로 연결된 외부 전자장치(예: 전자장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
음향 출력 모듈(61)은 음향 신호를 전자장치(100)의 외부로 출력할 수 있다. 음향 출력 모듈(61)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.
인터페이스(70)는 전자장치(100)가 외부 전자장치(예: 전자장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(70)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(71)는, 그를 통해서 전자장치(100)가 외부 전자장치(예: 전자장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(71)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
카메라 모듈(73)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(73)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
센서 모듈(80)은 전자장치(100)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(80)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서(예: PPG(photoplethysmography) 센서, 전극 센서), 온도 센서, 습도 센서, 위치 센서(예: GPS), 또는 조도 센서를 포함할 수 있다.
햅틱 모듈(81)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(81)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
전력 관리 모듈(85)은 전자장치(100)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(85)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(86)는 전자장치(100)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(86)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(90)은 전자장치(100)와 외부 전자장치(예: 전자장치(102), 전자장치(103), 또는 서버(200)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(90)은 프로세서(10)(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(90)은 무선 통신 모듈(91)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(92)(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(98)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(99)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자장치(103)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(91)은 가입자 식별 모듈(93)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(98) 또는 제 2 네트워크(99)와 같은 통신 네트워크 내에서 전자장치(100)를 확인 또는 인증할 수 있다.
무선 통신 모듈(91)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(91)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(91)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(91)은 전자장치(100), 외부 전자장치(예: 전자장치(103)) 또는 네트워크 시스템(예: 제 2 네트워크(99))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(91)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(94)은 신호 또는 전력을 외부(예: 외부의 전자장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(94)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(94)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(98) 또는 제 2 네트워크(99)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(90)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(90)과 외부의 전자장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(94)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(94)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(99)에 연결된 서버(200)를 통해서 전자장치(100)와 외부의 전자장치(103)간에 송신 또는 수신될 수 있다. 외부의 전자장치(102, 또는 103) 각각은 전자장치(100)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자장치(100)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자장치들(102, 103, 또는 200) 중 하나 이상의 외부의 전자장치들에서 실행될 수 있다. 예를 들면, 전자장치(100)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자장치(100)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자장치(100)로 전달할 수 있다. 전자장치(100)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. 전자장치(100)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자장치(103)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(200)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자장치(103) 또는 서버(200)는 제 2 네트워크(99) 내에 포함될 수 있다. 전자장치(100)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.
도 3은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(10)는 카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 각 영상의 정보와, 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득할 수 있다(S310).
본 개시에서 필터의 변환 특성이란 영상의 색감, 밝기, 대비 등을 어떻게 변환하는지에 관한 필터 자체의 고유한 속성을 의미한다. 앞서 서술한 바와 같이 필터의 변환 특성은 개별적 혹은 동시에 조절될 수 있고, 조절 정도가 정해진 하나의 필터로 정의할 수 있다.
본 개시에서 영상의 정보는 영상 내 존재하는 오브젝트에 관한 정보, 영상에 관한 컨텍스트 등을 포함한다. 오브젝트는 영상 내에 포함되어 있는 개체이며, 예를 들어, 인물, 과일, 가구, 사무실, 식당, 음식, 야경, 해변, 생일, 아기 등을 포함한다. 하나의 영상은 복수의 오브젝트를 동시에 담을 수 있고, 프로세서(10)는 영상 촬영 전후 및/또는 영상 저장 후 오브젝트에 관한 정보를 식별하여 메모리(20)에 저장하고, 업데이트 할 수 있다. 컨텍스트는 영상을 촬영한 상황에 대한 정보이며, 시간(낮, 밤 등), 장소(집, 직장, 야외, 실내, 해외 등) 및 기타 정보(태양의 위치, 주변 이벤트 등)를 포함한다. 또한 프로세서(10)는 사용자의 연령, 성별, 관심사, 성향 등의 프로파일을 식별하고, 메모리(20)에 저장하거나, 서버(200)로 전송할 수 있다.
프로세서(10)는 영상의 정보와, 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득할 수 있다.
사용자의 필터 사용 이력은, 예를 들어, 사용자가 영상을 편집할 때 복수의 필터 중 어떤 필터를 이용하여 영상을 변환시키거나, 사용자가 직접 필터를 생성하여 영상을 변환시킨 경우, 프로세서(10)는 영상의 정보와 영상의 변환에 사용된 필터에 관한 정보를 함께 메모리(20)에 저장하여 획득할 수 있다. 관련하여 도 5에서 자세히 서술한다.
사용자의 필터 사용 이력은 영상의 정보와, 영상의 변환에 사용된 필터 간의 연관성(이하, 간략히 "연관성"이라고도 한다.)을 포함하는데, 본 개시의 일 실시예에 따른 연관성이란, 영상의 변환에 사용되는 필터의 적합성을 판단하는 기준이다. 연관성에 관하여는 도 4에서 보다 자세히 서술한다.
본 개시의 일 실시예에 따르면, 프로세서(10)는 획득된 필터 사용 이력에 기초하여 복수의 필터 중에서 제1영상의 정보와의 연관성이 높은 제1필터를 식별할 수 있다(S320).
프로세서(10)는 제1영상의 정보를 식별하고, 획득된 필터 사용 이력에 기초하여 식별된 제1영상의 정보와 연관성이 높은 제1필터를 식별할 수 있다.
예를 들어, 제1영상이 도 1의 제1영상(1)이라고 가정한다. 프로세서(10)는 인물이 없고, 하늘, 풍경, 돌담, 한옥 등의 오브젝트가 포함된 것으로 제1영상의 정보를 식별할 수 있다. 프로세서(10)는 획득된 필터 사용 이력에 기초하여 사용자가 다른 영상의 변환에서, 예컨대, 돌담, 한옥 등의 오브젝트에 대해 흑백 필터를 사용하고, 하늘 등의 오브젝트에 대해 세피아 필터를 사용한 이력을 식별하였다고 가정한다. 프로세서(10)는 흑백 필터와 세피아 필터 중 제1영상(1)의 정보와 연관성이 더 높은 어느 하나의 필터를 식별할 수 있다.
연관성이 높은지 여부는 필터 사용 빈도, 영상 정보와 필터와의 유사도 등을 데이터화하여 식별할 수 있다. 마찬가지로, 연관성에 관하여는 도 4에서 자세히 서술한다.
일 실시예로서, 프로세서(10)는 제1영상의 정보와 연관성이 높은 것으로 식별된 필터가 2이상인 경우, 제1영상의 2이상의 영역 별로 연관성이 높은 2이상의 필터를 각각 사용하도록 제어할 수 있다. 또는, 프로세서(10)는 제1영상의 정보와 연관성이 높은 것으로 식별된 필터가 2이상인 경우, 우선순위에 기초하여 어느 하나의 필터를 사용하도록 제어할 수 있다.
예를 들어, 인물과 강아지의 오브젝트를 모두 포함하는 영상에 대해 연관성이 높은 2개의 필터가 식별되고, 어느 하나의 필터는 인물에, 다른 하나의 필터는 강아지에 연관성이 높은 것으로 식별될 수 있다. 이 경우, 영상을 오브젝트를 기준으로 2이상의 영역으로 나누고, 영역 별로 해당 영역 내의 오브젝트와의 연관성이 높은 2이상의 필터를 각각 적용하며, 만일 영역 내 오브젝트가 복수인 경우 주된 오브젝트를 선정하여 선정된 오브젝트와의 연관성이 높은 어느 하나의 필터를 적용하는 등 다양한 적용 방식이 존재할 수 있다.
또한, 전자장치(100)는 디스플레이 모듈(50)과 입력 모듈(40)을 더 포함할 수 있고, 프로세서(10)는, 제1영상의 정보와 연관성이 높은 것으로 식별된 2이상의 필터에 기초하여 제1영상을 각각 변환한 2이상의 제2영상을 디스플레이(51)에 표시하도록 제어하고, 입력 모듈(40)을 통해 2이상의 제2영상 중 하나를 선택하는 사용자입력을 수신하여 최종적인 제2영상을 결정할 수 있다.
도 3을 다시 참조하면, 본 개시의 일 실시예에 따르면, 프로세서(10)는 식별된 제1필터에 기초하여 제1영상을 변환한 제2영상을 표시할 수 있다(S330).
이와 같이, 본 개시에서는 사용자의 필터 사용 이력을 토대로 사용자가 원하는 필터를 식별할 수 있고, 영상의 정보와의 연관성에 기초하여 연관성이 높은 필터를 적용하므로 신뢰도 높은 결과를 도출해 낼 수 있다. 따라서, 사용자는 번거롭게 필터를 일일이 선택하여 적용하거나, 필터를 생성할 필요가 없는 바 사용자의 편의는 증대된다.
도 4는 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 도 4는 앞서 도 3의 S310에서 설명한 연관성에 관한 테이블(410)을 도시한다.
테이블(410)에는 서로 다른 영상 1, 영상 2, 영상 3, 영상 4와, 영상의 변환에 사용되는 서로 다른 필터 1, 필터 2, 필터 3, 필터 4 간의 연관성을 나타내는 데이터(r11, r12, ... , r43, r44)가 기재되어 있다. 데이터들은 수치로 나타내거나, 수치를 다시 범주화하여 상대적으로 나타내거나, 수치가 기 정의된 값을 초과하는지에 따라 연관이 있거나(yes or true), 연관이 없다(no or false)고 나타내는 등 다양하게 표현될 수 있다. 이하, 수치는 상기 기재한 다양한 방식에 의해 표현된 것을 모두 포함한다. 또한, 테이블(410)의 데이터는 영상에 필터를 적용하기 전에 미리 마련되거나, 혹은 영상에 필터를 적용할 때 필요한 데이터를 산출하거나, 외부로부터 획득할 수도 있다.
프로세서(10)는 복수의 영상의 정보를 식별하고, 각 영상에 서로 다른 필터를 적용한 이력에 기초하여, 영상의 정보 별 적용된 필터가 무엇인지, 영상 및 영상에 적용된 필터의 조합 간의 연관성 등을 학습하여 수치화할 수 있다.
일 예로, 영상 1은 인물 등의 오브젝트를 포함하고 있고, 인물 등의 오브젝트를 포함하는 또 다른 영상 2에 필터 1을 사용한 이력이 있는 경우, 영상 1과 필터 1간의 연관성, 즉 r11의 수치는 높아질 수 있다. 다른 예로, 영상 2에 필터 2를 적용하고, 영상 3에 필터 3을 적용한 이력이 있고, 영상 2는 배경이 도시이고, 영상 3은 배경이 자연인 것으로 식별되면, 도시를 배경으로 하는 영상 4는 필터 2와의 연관성, 즉 r42의 수치를 필터 3과의 연관성, 즉 r43의 수치보다 높게 설정할 수 있다.
또한, 프로세서(10)는 식별된 영상의 정보들을 조합한 연관성을 학습하여 수치화할 수 있다. 일 예로, 영상 1은 인물 등의 오브젝트와, "밤과 바닷가" 등의 컨텍스트를 포함하고 있다고 가정한다. 필터 1은 인물 등의 오브젝트를 포함하는 영상에 적용되었으나, "낮과 도시" 등의 컨텍스트를 포함하는 영상에 적용되고, 필터 4는 인물 등의 오브젝트와, "자연" 등의 컨텍스트를 포함하는 영상에 적용된 경우, 필터 1와의 연관성, 즉 r11의 수치를 필터 4와의 연관성, 즉 r41의 수치보다 높게 설정할 수 있다.
본 개시의 일 실시예에 따른 연관성은, 영상의 오브젝트, 컨텍스트 또는 프로파일 중 적어도 하나에 따른 필터의 사용 빈도를 포함할 수 있다.
프로세서(10)는 영상의 오브젝트별 필터 사용 빈도, 컨텍스트별 필터 사용 빈도, 프로파일별 필터 사용 빈도를 식별하여 그 정보를 메모리(20)에 저장하고, 메모리(20)에 저장된 정보를 연관성의 데이터로 이용할 수 있다.
일 예로, 선형 결합(linear combination)의 방법을 사용하여 연관성의 데이터를 식별하는 경우, 프로세서(10)는 학습을 통해 필터 사용 빈도 등 인자 별 계수를 결정할 수 있고, 결정된 계수를 각 연관성의 데이터에 대입하여 연관성을 식별할 수 있다.
본 개시의 일 실시예에 따른 연관성은 영상의 오브젝트, 컨텍스트 또는 프로파일 중 적어도 하나의 임베딩 벡터와 필터와의 유사도를 포함할 수 있다.
프로세서(10)는 영상의 오브젝트, 컨텍스트 또는 프로파일을 정보의 축약된 형태인 임베딩(embedding) 벡터로 변경하고, 임베딩 벡터와 필터와의 유사도를 측정하여 최대값을 가지는 필터를 선정할 수 있다.
프로세서(10)는 임베딩 벡터(embedding vector) 생성 시, UMAP(Uniform Manifold Approximation and Projection), VGAE(Variational Graph Auto-Encoders) 등을 사용할 수 있다. 유사도 측정에는 코사인(cosine) 유사도, 유클리드 거리(Euclidian distance) 등이 사용될 수 있다.
프로세서(10)는 식별된 연관성을 포함하는 사용자의 필터 사용 이력을 추후 도 7에서 설명하는 바와 같이 서버(200)로 전송하여, 복수의 사용자 간의 유사도에 기초하여 연관성에 관한 데이터를 업데이트 할 수 있다. 자세한 내용은 도 7과 관련하여 서술한다.
일 실시예에서, 프로세서(10)는 각 필터의 변환 특성을 식별하고, 영상의 정보와, 식별된 필터의 변환 특성 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득할 수 있다. 이는 단순히 영상의 정보와 영상에 적용된 필터 간의 연관성 뿐만 아니라, 나아가 프로세서(10)는 영상에 적용된 필터 자체의 변환 특성까지 포함하여 사용자의 필터 사용 이력을 획득할 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(10)는 연관성을 식별하고, 식별된 연관성을 사용자의 필터 사용 이력으로 이용하여 필터를 적용하고자 하는 영상에 적합한 필터를 식별할 수 있다. 따라서, 프로세서(10)는 사용자가 편집하고자 하는 영상에 적합한 필터를 사용자의 필터 사용 이력에 기초하여 식별하는 바, 사용자 의도에 부합하는 신뢰도 높은 필터를 추천할 수 있다.
도 5는 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다. 도 5의 흐름도는 도 3의 S310에서 서술한 사용자의 필터 사용 이력을 획득하는 과정을 도시한다.
프로세서(10)는 카메라를 이용하여 촬영한 제1영상을 획득할 수 있다(S510). 제1영상은 전자장치(100)에 내장된 카메라 모듈(73)을 통해 촬영된 것일 수 있고, 카메라 모듈(73)에 의해 촬영 및 메모리(20)에 저장된 영상이 선택된 것일 수 있고, 외부장치에 의해 촬영된 제1영상을 통신 모듈(90)을 통해 획득한 것일 수 있는 등 어느 하나에 한정된 것은 아니다.
프로세서(10)는 제1영상의 오브젝트를 식별하고(S520), 제1영상의 컨텍스트를 식별할 수 있다(S530). 프로세서(10)는 영상의 오브젝트나 컨텍스트 등 영상의 정보를 분석하기 위해 이미지 관리 모듈을 별도로 구비할 수 있다. 이하에서는 본 개시에 따른 프로세서(10)가 이미지 관리 모듈을 포함하는 것으로 서술하고, 이미지 관리 모듈의 동작을 프로세서(10)가 수행하는 것으로 통일한다.
프로세서(10)는 식별된 제1영상의 오브젝트에 관한 정보 및 컨텍스트를 메모리(20)에 저장할 수 있다(S540).
프로세서(10)는 제1영상에 필터 적용 시, 사용자의 필터 사용 이력을 메모리(20)에 업데이트 및 서버(200)에 전송할 수 있다(S550). 프로세서(10)는 도 3에서 서술한 과정을 거쳐 제1영상의 정보와 연관성이 높은 필터를 사용하여 제2영상으로 변환할 수 있다. 이 경우, 프로세서(10)는 제1영상의 정보와 제1영상에 적용된 필터를 메모리(20)에 저장하여 사용자의 필터 사용 이력을 업데이트할 수 있다. 프로세서(10)는 도 7에서 후술하는 바와 같이 복수의 사용자의 필터 사용 이력을 업데이트하기 위해 제1영상의 정보와 제1영상에 적용된 필터를 서버(200)에 전송할 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(10)는 사용자의 필터 사용 이력을 생성 및/또는 업데이트, 서버(200)가 복수의 사용자의 필터 이력을 생성 및/또는 업데이트하도록 정보를 전송함으로써, 연관성을 식별하는 기초를 마련할 수 있다.
도 6은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다. 도 6은 도 3의 S330 단계 이후의 동작들을 보완한 흐름도이다. 본 실시예의 전자장치의 동작 과정을 서술함에 있어서, 도 3과 중복되는 내용에 대해서는 생략한다.
프로세서(10)는 카메라를 이용하여 촬영한 제1영상을 획득할 수 있다(S610).
프로세서(10)는 제1영상의 정보를 식별할 수 있다(S620).
프로세서(10)는 사용자의 필터 사용 이력에 기초하여 제1영상의 정보와의 연관성이 높은 제1필터가 존재하는지 여부를 식별할 수 있다(S630). 프로세서(10)는 제1필터가 존재하면(S630의 Yes), 식별된 제1필터에 기초하여 제1영상을 변환할 수 있다(S640). 프로세서(10)는 제1필터가 존재하지 않으면 (S630의 No), 제1영상을 변환하지 않는다(S650). 이 때, 프로세서(10)는 사용자의 필터 사용 이력에 기초하여 제1영상의 정보와 부합하는 필터를 생성하거나, 사용자가 스스로 필터를 생성하도록 안내하는 GUI를 디스플레이(51)에 표시하는 등의 동작을 수행할 수 있다.
프로세서(10)는 사용자의 필터 사용 이력을 업데이트 할 수 있다(S660). 업데이트되는 내용은 프로세서(10)에 의해 식별된 제1필터에 기초하여 제1영상을 변환한 경우(S650), 변환된 제1영상의 정보와, 제1영상에 적용된 제1필터에 관한 정보이거나, 혹은 제1필터를 적용한 제1영상에 대한 사용자의 피드백(feedback)일 수 있다. 사용자의 피드백으로는 사진에 대한 공유 여부, 공유 횟수, 영상 만족도를 나타내는 표시, 영상 삭제 등을 포함할 수 있다. 프로세서(10)는 사용자의 피드백을 수집하여 메모리(20)에 저장하고, 이를 연관성을 포함하는 사용자의 필터 사용 이력에 반영한다. 또한, 프로세서(10)는 사용자 피드백에 관한 정보를 서버(200)로 전송하여 도 7에서 후술하는 바와 같이 복수의 사용자의 필터 사용 이력을 업데이트할 수 있다.
제1영상의 정보와 연관성이 높은 제1필터가 존재하지 않아 제1영상을 미변환한 경우(S650)에도, 프로세서(10)는 제1영상의 정보와, 미변환에 대한 정보를 사용자의 필터 사용 이력에 반영하고, 서버(200)에 전송할 수 있다.
본 개시의 일 실시예에 따르면, 영상에 적합하다고 판단되는 필터를 식별하여 적용한 이력 혹은 적용하지 않은 이력을 사용자의 필터 사용 이력에 반영하여 데이터를 구축하여 보다 신뢰성 있는 연관성을 식별할 수 있다.
도 7은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다. 도 7은 전자장치(100)를 이용하는 사용자의 필터 사용 이력을 이용하는 도 3과 달리, 다른 복수의 사용자의 필터 사용 이력에 기초하여 영상과 연관성 높은 필터를 식별하는 과정을 도시한다.
프로세서(10)는 카메라를 이용하여 촬영한 제1영상을 획득할 수 있다(S710).
프로세서(10)는 제1영상의 정보를 식별할 수 있다(S720).
프로세서(10)는 복수의 사용자의 필터 사용 이력에 기초하여 복수의 필터 중 제1영상의 정보와의 연관성이 높은 제2필터 존재하는지 여부를 식별할 수 있다(S730).
제1영상의 정보와의 연관성이 높은 제2필터가 존재하는 것으로 식별되고 제2필터가 전자장치(100)에 마련되어 있지 않은 경우, 프로세서(10)는 서버(200)로부터 제2필터에 관한 정보를 수신할 수 있다. 제1영상의 정보와의 연관성이 높은 제2필터가 존재하는지 여부는 프로세서(10)가 서버(200)로부터 제1영상의 정보와의 연관성이 높은 제2필터를 수신하였는지 여부에 의해 결정될 수 있다. 서버(200)가 제2필터를 식별하여 전자장치(100)로 전송하는 과정은 도 8에서 서술한다.
프로세서(10)는 제2필터가 존재하면(S730의 Yes), 식별된 제2필터에 기초하여 제1영상을 변환할 수 있다(S740). 제1영상의 정보와 연관성이 높은 것으로 식별된 제2필터가 2이상인 경우는, 앞서 도 3의 S320에서 제1영상의 정보와 연관성이 높은 것으로 식별된 제1필터가 2이상인 경우와 동일하게 적용할 수 있다.
프로세서(10)는 제2필터가 존재하지 않으면 (S730의 No), 제1영상을 변환하지 않는다(S750). 이 때, 프로세서(10)는 복수의 사용자의 필터 사용 이력에 기초하여 제1영상의 정보와 부합하는 필터를 생성하거나, 사용자가 스스로 필터를 생성하도록 안내하는 GUI를 디스플레이(51)에 표시하는 등의 동작을 수행할 수 있다.
프로세서(10)는 복수의 사용자의 필터 사용 이력을 업데이트 할 수 있다(S760).
업데이트되는 내용은 프로세서(10)에 의해 식별된 제2필터에 기초하여 제1영상을 변환한 경우(S750), 변환된 제1영상의 정보와, 제1영상에 적용된 제2필터에 관한 정보이거나, 혹은 제2필터를 적용한 제1영상에 대한 사용자의 피드백일 수 있다. 본 개시의 일 실시예에 따른 사용자의 피드백은 앞서 도 6에서 설명한 바와 동일하다.
제1영상의 정보와 연관성이 높은 제2필터가 존재하지 않아 제1영상을 미변환한 경우(S750)에도, 프로세서(10)는 제1영상의 정보와, 미변환에 대한 정보를 사용자의 필터 사용 이력에 반영하고, 서버(200)에 전송할 수 있다.
본 개시의 일 실시예에 따르면, 전자장치(100)의 사용자와 유사한 사용자들의 필터 사용 이력을 참조하여 연관성이 높은 필터를 식별하므로 보다 다양한 서비스를 제공할 수 있다.
도 8은 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다. 도 8은 도 7의 S730에 관련하여 복수의 사용자의 필터 사용 이력에 기초하여 연관성을 식별하는 동작을 구체적으로 도시한다.
본 개시의 일 실시예에 따르면, 프로세서(10)는 사용자의 필터 사용 이력과 함께 사용자의 프로파일을 서버(200)로 전송할 수 있다(S810, S820). 사용자의 프로파일은 복수의 사용자의 연령, 성별, 관심사, 성향 등에 따라 필터를 적용하는 경향도 달라질 수 있으므로, 사용자의 프로파일의 유사도에 기초하여 연관성을 판단하기 위함이다.
일 예로, 프로세서(10)는 전자장치(100)를 사용하는 사용자 A와 관련하여 20대, 여성, 스포츠를 선호하는 등의 사용자 A의 프로파일을 식별하고, 식별된 사용자 A의 프로파일을 서버(200)로 전송하였다고 가정한다. 서버(200)는 사용자 A의 프로파일과 유사한 프로파일을 가진 복수의 사용자의 필터 사용 이력에 기초하여 연관성이 높은 필터를 식별할 수 있다.
서버(200)는 서버 메모리(210)와 서버 프로세서(220)를 포함한다.
서버 프로세서(220)는 전자장치(100)를 포함한 복수의 전자장치로부터 각 사용자의 필터 사용 이력과 프로파일을 수신하고, 수신한 정보를 조합하여 복수의 사용자의 필터 사용 이력을 생성할 수 있다. 서버 프로세서(220)는 생성한 복수의 사용자의 필터 사용 이력을 서버 메모리(210)에 저장할 수 있다. 서버 메모리(210)는 복수의 사용자의 필터 사용 이력을 관리한다.
서버 프로세서(220)는 전체 사용자의 성별, 연령, 관심사 등 분석된 프로파일을 관리할 수 있다.
서버 프로세서(220)는 전자장치(100)로부터 수신 혹은 저장된 사용자 프로파일을 벡터로 변환하여 유사도를 측정하고, 유사한 사용자들이 사용하는 필터를 식별할 수 있다.
서버 프로세서(220)는 생성한 복수의 사용자의 필터 사용 이력에 기초하여 제1영상과 연관성이 높은 제2필터를 전자장치(100)로 전송할 수 있다(S830). 프로세서(10)는 서버 프로세서(220)로부터 수신한 제2필터에 기초하여 제1영상을 변환한 제3영상을 표시할 수 있다.
도 9는 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다. 본 도면에서는 도 7과 도 8 각각에서 사용자의 필터 사용 이력, 복수의 사용자의 필터 사용 이력에 기초하여 제1영상의 정보와의 연관성이 높은 필터를 판단하는 동작을 도시한다.
프로세서(10)는 카메라를 이용하여 촬영한 제1영상을 획득할 수 있다(S910).
프로세서(10)는 제1영상의 정보를 식별할 수 있다(S920).
도 9의 S930은 도 7의 S730과, 도 9의 S940은 도 8의 S830과 동일한 방법으로 수행할 수 있다.
프로세서(10)는 S930에서 식별된 제1필터와 S940에서 식별된 제2필터 중 최적의 필터를 식별하고, 식별된 필터를 적용하여 제1영상을 변환할 수 있다(S950). 최적의 필터를 식별하는 과정은, 앞서 도 3의 S320에서 제1영상의 정보와 연관성이 높은 것으로 식별된 제1필터가 2이상인 경우와 동일하게 적용할 수 있다.
프로세서(10)는 사용자 필터 사용 이력을 업데이트 및 서버에 전송할 수 있다(S960).
본 개시의 일 실시예에 따르면, 사용자의 필터 사용 이력과 복수의 사용자의 필터 사용 이력을 모두 반영하여 제1영상과 연관성이 높은 제1필터를 식별하므로, 사용자의 원하는 영상을 다양한 데이터를 통해 제공할 수 있다.
도 10은 본 개시의 일 실시예에 따른 전자장치의 동작 흐름도를 도시한 도면이다. 도 10은 도 6의 S650과 도 7의 S750과 같이 제1영상의 정보와의 연관성이 높은 필터가 존재하지 않는 경우 등 사용자가 필터를 직접 생성하거나, 혹은 도 3의 S320 등에서 식별된 제1필터의 이름을 생성하는 동작을 설명한다.
프로세서(10)는 제1영상의 정보 및 제1필터의 변환 특성을 식별할 수 있다(S1010).
프로세서(10)는 식별된 제1영상의 정보 및 제1필터의 변환 특성에 기초하여 키워드를 식별할 수 있다(S1020).
예를 들어, 특정 필터는 강아지 등 애완동물을 포함하는 영상에 주로 사용되었거나, 특정 인물을 포함하는 경우 주로 사용되었거나, 밤이나 밝기가 어두운 영상에 사용되었거나, 바다나 산 등 풍경에 주로 사용되었거나 하는 등의 특징이 있을 수 있다.
프로세서(10)는 해당 특징을 바탕으로 필터를 표현할 수 있는 키워드를 식별할 수 있다. 예를 들어 "우리집 강아지", "친구들", "야경", "밤 바다", 등 필터와 관련된 하나 이상의 특징을 표현하는 키워드를 의미한다.
프로세서(10)는 식별된 키워드에 기초하여 제1필터의 이름을 생성할 수 있다(S1030). 예를 들어, 특정 필터로부터 추출한 키워드가 "밤 바다"이면, 프로세서(10)는 "밤 바다를 찍기 좋은 필터", "밤 바다를 자주 담은 필터" 등의 이름을 생성할 수 있다.
본 개시의 일 실시예에 따르면, 사용자는 필터의 이름을 직관적으로 알 수 있어, 쉽고 빠르게 원하는 필터를 선택할 수 있다.
도 11은 본 개시의 일 실시예에 따른 전자장치의 동작 모습을 도시한 도면이다.
도 11은 도 1에서 설명한 바와 같이, 카메라 촬영하여 획득하거나 기 촬영된 제1영상(1)과, 제1영상(1)과 연관성이 높은 것으로 식별한 필터를 적용한 제2영상(2)을 포함하여 제1영상(1)에 다양한 필터를 적용하여 변환한 복수의 제2영상(3)을 도시하고 있다. 그와 더불어 도 11은 제1영상(1)에 다른 필터를 적용한 제4영상(4)을 추가로 도시하고 있다. 이 때, 복수의 제2영상(3)은 앞서 도 3 내지 도 10에서 살펴본 바와 같이, 사용자 별로 필터의 상황별 적합도가 달라지기 때문에 사용자가 다른 경우 표시되는 내용도 달라질 수 있다.
본 개시의 일 실시예에 따르면, 전자장치(100)는 입력 모듈(40)을 더 포함하고, 프로세서(10)는, 입력 모듈(40)을 통해 제1영상(1)의 변환 여부에 관한 사용자입력을 수신할 수 있다. 예를 들어, 프로세서(10)는 제1영상(1)과 연관성이 높은 것으로 식별된 필터를 적용하여 변환한 제2영상(2)을 제공하였으나, 입력 모듈(40)을 통해 제2영상(2)을 사용하지 않는다는 사용자입력을 수신할 수 있다. 사용자입력은 도 6의 S660과 관련하여 설명한 피드백과 동일하다.
프로세서(10)는 다른 필터를 적용하여 변환한 제4영상(4)을 선택하는 사용자입력을 수신할 수 있다.
프로세서(10)는 제2영상(2)에 관한 사용자입력과 제4영상(4)에 관한 사용자입력에 따른 정보를 사용자의 필터 사용 이력에 반영할 수 있다.
본 개시의 일 실시예에 따르면, 보다 신뢰성 높은 서비스를 제공하기 위해, 사용자의 선호도 등 또한 반영하고, 반복 학습하여 최적의 필터를 식별할 수 있다.
Claims (15)
- 전자장치에 있어서,적어도 하나의 인스트럭션을 저장하는 메모리; 및상기 메모리와 동작 가능하게 연결된 프로세서를 포함하고,상기 프로세서는, 상기 메모리에 저장된 인스트럭션을 실행함으로써,카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하고,상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하고,상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하도록 제어하는 전자장치.
- 제1항에 있어서,상기 프로세서는,상기 각 필터의 변환 특성을 식별하고,상기 영상의 정보와, 상기 식별된 필터의 변환 특성 간의 연관성을 포함하는 상기 사용자의 필터 사용 이력을 획득하는 전자장치.
- 제1항에 있어서,상기 필터는 제1필터이고,통신 모듈을 더 포함하고,상기 프로세서는,상기 통신 모듈을 통해 상기 사용자의 필터 사용 이력을 서버로 전송하고,상기 서버로부터 복수의 사용자의 필터 사용 이력에 기초하여 획득된 제1영상의 정보와 연관성이 높은 제2필터에 관한 정보를 수신하고,상기 수신한 제2필터에 관한 정보에 기초하여 상기 제1영상을 변환한 제3영상을 표시하도록 제어하는 전자장치.
- 제3항에 있어서,상기 프로세서는,상기 메모리에 상기 사용자의 필터 사용 이력을 저장하고,상기 수신한 제2필터에 기초하여 상기 저장된 사용자의 필터 사용 이력을 업데이트하는 전자장치.
- 제1항에 있어서,상기 영상의 정보와 상기 필터 간의 연관성은, 상기 영상의 오브젝트, 컨텍스트 또는 프로파일 중 적어도 하나에 따른 상기 필터의 사용 빈도를 포함하는 전자장치.
- 제1항에 있어서,상기 영상의 정보와 상기 필터 간의 연관성은, 상기 영상의 오브젝트, 컨텍스트 또는 프로파일 중 적어도 하나의 임베딩 벡터와 상기 필터와의 유사도를 포함하는 전자장치.
- 제1항에 있어서,상기 프로세서는,상기 제1영상의 정보와 연관성이 높은 것으로 식별된 필터가 2이상인 경우, 상기 제1영상의 2이상의 영역 별로 상기 연관성이 높은 2이상의 필터를 각각 사용하도록 제어하는 전자장치.
- 제1항에 있어서,디스플레이; 및입력 모듈을 더 포함하고,상기 프로세서는,상기 제1영상의 정보와 연관성이 높은 것으로 식별된 2이상의 필터에 기초하여 상기 제1영상의 특성을 각각 변환한 2이상의 상기 제2영상을 상기 디스플레이에 표시하도록 제어하고,상기 입력 모듈을 통해 상기 2이상의 제2영상 중 하나를 선택하는 사용자입력을 수신하는 전자장치.
- 제1항에 있어서,입력 모듈을 더 포함하고,상기 프로세서는,상기 입력 모듈을 통해 상기 제1영상의 변환 여부에 관한 사용자입력을 수신하고,상기 사용자입력에 기초하여 상기 사용자의 필터 사용 이력을 업데이트하는 전자장치.
- 제1항에 있어서,상기 프로세서는,상기 필터의 변환 특성을 식별하고,상기 제1영상의 정보 및 상기 필터의 변환 특성에 대응하는 키워드에 기초하여 상기 필터의 이름을 생성하는 전자장치.
- 전자장치의 제어방법에 있어서,카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하는 단계;상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하는 단계; 및상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계를 포함하는 전자장치의 제어방법.
- 제11항에 있어서,상기 사용자의 필터 사용 이력을 획득하는 단계는,상기 각 필터의 변환 특성을 식별하는 단계; 및상기 영상의 정보와, 상기 식별된 필터의 변환 특성 간의 연관성을 포함하는 상기 사용자의 필터 사용 이력을 획득하는 단계를 포함하는 전자장치의 제어방법.
- 제11항에 있어서,상기 필터는 제1필터이고,상기 사용자의 필터 사용 이력을 서버로 전송하는 단계;상기 서버로부터 복수의 사용자의 필터 사용 이력에 기초하여 획득된 제1영상의 정보와 연관성이 높은 제2필터를 수신하는 단계; 및상기 수신한 제2필터에 기초하여 상기 제1영상을 변환한 제3영상을 표시하는 단계를 더 포함하는 전자장치의 제어방법.
- 제13항에 있어서,상기 사용자의 필터 사용 이력을 저장하는 단계;상기 수신한 제2필터에 기초하여 상기 저장된 사용자의 필터 사용 이력을 업데이트하는 단계를 더 포함하는 전자장치의 제어방법.
- 컴퓨터가 읽을 수 있는 코드로서, 전자장치의 제어방법을 수행하는 코드를 포함하는 컴퓨터 프로그램이 저장된 기록매체에 있어서, 상기 전자장치의 제어방법은,카메라를 이용하여 획득한 복수의 영상을 변환하는 서로 다른 변환 특성을 가진 복수의 필터에 대하여, 상기 각 영상의 정보와, 상기 영상의 변환에 사용된 필터 간의 연관성을 포함하는 사용자의 필터 사용 이력을 획득하는 단계;상기 획득된 필터 사용 이력에 기초하여 상기 복수의 필터 중에서 제1영상의 정보와 연관성이 높은 필터를 식별하는 단계; 및상기 식별된 필터에 기초하여 상기 제1영상을 변환한 제2영상을 표시하는 단계를 포함하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록매체.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2021-0004374 | 2021-01-13 | ||
KR1020210004374A KR20220102246A (ko) | 2021-01-13 | 2021-01-13 | 전자장치 및 그 제어방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2022154137A1 true WO2022154137A1 (ko) | 2022-07-21 |
Family
ID=82447354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/KR2021/000462 WO2022154137A1 (ko) | 2021-01-13 | 2021-01-13 | 전자장치 및 그 제어방법 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20220102246A (ko) |
WO (1) | WO2022154137A1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018106618A (ja) * | 2016-12-28 | 2018-07-05 | 日本放送協会 | 画像データ分類装置、オブジェクト検出装置及びこれらのプログラム |
KR20200017310A (ko) * | 2018-08-08 | 2020-02-18 | 삼성전자주식회사 | 복수의 객체들을 포함하는 이미지를 보정하는 전자 장치 및 그 제어 방법 |
KR102102676B1 (ko) * | 2017-01-26 | 2020-04-22 | 실터 테크놀로지스 리미티드 | 데이터 콘텐츠 필터 |
KR20200054720A (ko) * | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 디스플레이장치, 그 제어방법 및 기록매체 |
KR102171384B1 (ko) * | 2020-03-04 | 2020-10-28 | 주식회사 문창 | 영상 보정 필터를 이용한 객체 인식 시스템 및 방법 |
-
2021
- 2021-01-13 KR KR1020210004374A patent/KR20220102246A/ko active Search and Examination
- 2021-01-13 WO PCT/KR2021/000462 patent/WO2022154137A1/ko active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018106618A (ja) * | 2016-12-28 | 2018-07-05 | 日本放送協会 | 画像データ分類装置、オブジェクト検出装置及びこれらのプログラム |
KR102102676B1 (ko) * | 2017-01-26 | 2020-04-22 | 실터 테크놀로지스 리미티드 | 데이터 콘텐츠 필터 |
KR20200017310A (ko) * | 2018-08-08 | 2020-02-18 | 삼성전자주식회사 | 복수의 객체들을 포함하는 이미지를 보정하는 전자 장치 및 그 제어 방법 |
KR20200054720A (ko) * | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 디스플레이장치, 그 제어방법 및 기록매체 |
KR102171384B1 (ko) * | 2020-03-04 | 2020-10-28 | 주식회사 문창 | 영상 보정 필터를 이용한 객체 인식 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20220102246A (ko) | 2022-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022154270A1 (ko) | 요약 영상 생성 방법 및 그 전자 장치 | |
WO2022154546A1 (ko) | 자동 음량 제어를 수행하는 웨어러블 장치 | |
WO2022154137A1 (ko) | 전자장치 및 그 제어방법 | |
WO2022240076A1 (ko) | 영상 처리 방법 및 이를 지원하는 전자 장치 | |
WO2022092580A1 (ko) | 전자 장치 표면의 온도를 예측하는 방법 및 그 전자 장치 | |
WO2022030921A1 (ko) | 전자 장치 및 그의 화면을 제어하는 방법 | |
WO2023128469A1 (ko) | 이미지 기반의 이미지 효과를 제공하는 전자 장치 및 그 제어 방법 | |
WO2023013894A1 (ko) | 촬영된 영상에 시각 효과를 적용하고 태그를 설정하는 방법 및 장치 | |
WO2022186646A1 (ko) | 이미지 생성을 위한 전자 장치 및 전자 장치의 동작 방법 | |
WO2023153622A1 (ko) | 기기 설정 동기화 방법 및 장치 | |
WO2024043731A1 (ko) | 인터폴레이션을 수행하는 전자 장치, 동작 방법, 및 저장 매체 | |
WO2022215865A1 (ko) | 전자 장치 및 iot 제어 정보 공유 방법 | |
WO2022169016A1 (ko) | 전자장치 및 그 제어방법 | |
WO2022250284A1 (ko) | 사용자의 피부에 도포된 자외선 차단 성분을 확인하는 전자 장치와 이의 동작 방법 | |
WO2022191407A1 (ko) | 사용자 인터페이스를 제공하기 위한 방법, 장치 및 저장 매체 | |
WO2023153644A1 (ko) | 웨어러블 장치와의 동기화를 위한 동작 방법 및 이를 수행하는 전자 장치 | |
WO2024034776A1 (ko) | 가상 공간의 아바타를 활용하는 커뮤니케이션 방법 및 장치 | |
WO2024005333A1 (ko) | 카메라를 포함하는 전자 장치 및 방법 | |
WO2022181949A1 (ko) | Ar/vr 환경을 제공하는 전자 장치 및 그 운용 방법 | |
WO2022114648A1 (ko) | 배경 화면을 설정하기 위한 전자 장치 및 그의 동작 방법 | |
WO2023043073A1 (ko) | 복수의 사물 인터넷 장치들을 제어하기 위한 웨어러블 전자 장치, 그 동작 방법 및 저장 매체 | |
WO2022154492A1 (ko) | 영상을 촬영하기 위한 전자 장치, 방법 및 비 일시적 저장 매체 | |
WO2022191418A1 (ko) | 전자 장치 및 미디어 콘텐츠의 재생구간 이동 방법 | |
WO2024096303A1 (ko) | 이미지 생성을 위한 전자 장치 및 그 동작 방법 | |
WO2023106621A1 (ko) | 사용자를 인증하기 위한 클라우드 서버 및 이의 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: 21919768 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 21919768 Country of ref document: EP Kind code of ref document: A1 |