FR3132582A1 - Procédé et système pour enrichir un contenu audiovisuel - Google Patents

Procédé et système pour enrichir un contenu audiovisuel Download PDF

Info

Publication number
FR3132582A1
FR3132582A1 FR2201014A FR2201014A FR3132582A1 FR 3132582 A1 FR3132582 A1 FR 3132582A1 FR 2201014 A FR2201014 A FR 2201014A FR 2201014 A FR2201014 A FR 2201014A FR 3132582 A1 FR3132582 A1 FR 3132582A1
Authority
FR
France
Prior art keywords
video content
capsule
video
services
capsules
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
FR2201014A
Other languages
English (en)
Inventor
Arnaud GOKOU
Kevin RACOIS
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SKOLEOM PLATFORM INC., FR
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to FR2201014A priority Critical patent/FR3132582A1/fr
Priority to PCT/EP2023/052610 priority patent/WO2023148296A1/fr
Priority to EP23703435.0A priority patent/EP4473422A1/fr
Priority to US18/835,421 priority patent/US20250142172A1/en
Priority to CN202380020395.9A priority patent/CN119096237A/zh
Publication of FR3132582A1 publication Critical patent/FR3132582A1/fr
Priority to MX2024009636A priority patent/MX2024009636A/es
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/4722—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting additional data associated with the content
    • H04N21/4725—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting additional data associated with the content using interactive regions of the image, e.g. hot spots
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)
  • Computer And Data Communications (AREA)

Abstract

Procédé pour enrichir un contenu vidéo initial (31), comprenant les étapes suivantes : une lecture de ce contenu vidéo initial (31), conçue pour y reconnaître (36) des éléments prédéterminés,une classification (37) desdits éléments ainsi reconnus,une recherche et sélection de ressources et/ou de services numériques associés auxdits éléments reconnus et classifiés,une création (38) d’une ou plusieurs capsules associées à chaque élément reconnu et classifié, prévue pour contenir les ressources et/ou services numériques sélectionnés,une intégration (39) de la ou les capsules ainsi créées dans le contenu vidéo initial (31), de façon à délivrer un contenu vidéo enrichi (42). Voir Figure 1

Description

Procédé et système pour enrichir un contenu audiovisuel Domaine de l’invention
L’invention concerne un procédé pour enrichir un contenu audiovisuel. Elle vise également un système mettant en œuvre ce procédé, notamment une plateforme numérique.
Le domaine de l’invention inclut les communications numériques, le marketing numérique, la vidéo et le commerce électronique.
 Etat de la technique
On observe actuellement un fort développement d’offres de contenus audiovisuels. Un nombre croissant de ces contenus audiovisuels sont de fait associés à des marques et à des offres commerciales.
A ce jour, si une personne consultant l’un de ces contenus audiovisuels souhaite acquérir un produit ou un service vu dans ce contenu, il lui faut alors être redirigé, via un réseau de communication numérique, vers un site de vente sur le Web et utiliser un outil de paiement. On peut ainsi citer les outils «Click and Buy » ou «Google Ads ».
Les procédés actuels présentent ainsi l’inconvénient de ne pas permettre aux utilisateurs d’accéder en temps-réel à des services d’achat de produits ou de services.
Par ailleurs, les créateurs de contenu vidéo peuvent difficilement inclure dans leurs contenus vidéos des moyens techniques permettant de fournir aux personnes qui visionnent leurs créations vidéo un accès simple et direct pour des achats ou des accès à des services.
Un but principal de l’invention est de remédier à cet inconvénient en proposant un procédé innovant d’enrichissement de contenus vidéo, qui soit puissant et simple d’usage.
Cet objectif est atteint avec un procédé pour enrichir un contenu vidéo initial, comprenant les étapes suivantes :
  • une lecture de ce contenu vidéo initial, conçue pour y reconnaître des éléments prédéterminés,
  • une classification desdits éléments ainsi reconnus,
  • une recherche et sélection de ressources et/ou de services numériques associés auxdits éléments reconnus et classifiés,
  • une création d’une ou plusieurs capsules associées à chaque élément reconnu et classifié, prévue pour contenir les ressources et/ou services numériques sélectionnés,
  • une intégration de la ou les capsules ainsi créées dans le contenu vidéo initial, de façon à délivrer un contenu vidéo enrichi.
Les étapes de reconnaissance et de classification peuvent avantageusement mettre en œuvre des techniques d’intelligence artificielle.
L’étape d’intégration dans le contenu vidéo initiale peut être agencée pour représenter graphiquement une capsule lors de la visualisation du contenu vidéo enrichi.
Le procédé d’enrichissement selon l’invention peut en outre comprendre une étape pour créer dans le contenu vidéo enrichi des zones de sélection tactile associées à un ou plusieurs éléments sélectionnés auxquels une ou plusieurs capsules ont été associées, de sorte qu’une action tactile sur l’une de ces zones de sélection provoque la visualisation d’une capsule qui lui est associée.
L’étape de création d’une capsule peut être agencée pour inclure dans cette capsule une vidéo additionnelle et/ou une boutique en ligne et/ou un document consultable tel qu’un article de presse.
 Description des figures
On comprendra mieux l’invention à la lumière des figures suivantes :
La est un schéma synoptique d’un exemple de réalisation du procédé d’enrichissement de contenu vidéo selon l’invention ;
La est un exemple de diagramme fonctionnel d’un algorithme de prédiction et d’identification mis en œuvre dans le procédé d’enrichissement de contenu vidéo selon l’invention ;
La illustre quatre premières étapes d’un exemple de mise en œuvre du procédé d’enrichissement selon l’invention ;
La illustre trois étapes suivantes de l’exemple de réalisation de la .
Définitions
iFrame : nom donné à une balise HTML utilisée dans le langage informatique pour intégrer dans une page HTML le contenu d'une autre page HTML.
API : pourApplication Programing Interface: interface de programmation d'application comprenant un ensemble de définitions et de protocoles qui facilite la création et l'intégration de logiciels d'application.
Bounding Box : « boîte englobante », rectangle aligné sur l'axe. Il s'agit du type de forme fermée le plus simple en planaire, représenté par deux points contenant les coordonnées minimales et maximales de chaque axe.
PyTorch : Un cadre d'apprentissage automatique (« machine learning ») en « open source », qui accélère le passage du prototypage de recherche au déploiement en production.
SAAS : pourSoftware as a Serviceou « logiciel en tant que service » : solution logicielle applicative hébergée dans le cloud et exploitée en dehors de l’organisation ou de l’entreprise par un tiers, aussi appelé fournisseur de service. La solution SaaS est accessible à la demande via une connexion Internet.
Score de confiance : les scores de confiance de classification sont conçus pour mesurer la précision du modèle lors de la prédiction de l'affectation de classe.
YOLOv5: famille de modèles de détection d'objets de type « coumpound-scaled », formés sur l'ensemble de données COCO, et comprenant des fonctionnalités simples pour l'augmentation du temps de test (TTA), l'assemblage de modèles, l'évolution des hyperparamètres et l'exportation vers ONNX, CoreML et TFLite.
Description détaillée d’un exemple de réalisation
En référence à la , le procédé d’enrichissement selon l’invention peut être mis en œuvre sur une plateforme de services 30 destinée à des créateurs de contenus vidéo et disponible sous la forme d’une application SAAS. Sur cette plateforme 30, un créateur de contenus vidéo peut apporter en entrée une création vidéo initiale 31. Un lecteur vidéo 32 est muni d’un dispositif d’identification/authentification 33 et relié à une base de données 34. Ce lecteur vidéo met en œuvre un ensemble d’algorithmes d’intelligence artificielle 35 qui vont réaliser les opérations suivantes :
  • une série 36 de reconnaissances d’éléments dans le contenu vidéo initial 31, tels que des produits et/ou des services, des personnes, des lieux, des objets, plantes ou animaux, des dates et bien d’autres éléments, mettant en œuvre des techniques connues d’intelligence artificielle (IA),
  • une classification 37 de ces éléments reconnus en utilisant des techniques connues d’apprentissage et en se référant à des catégories prédéterminées de capsules,
  • une création 38 de capsules associés à chaque élément reconnu et sélectionné par l’utilisateur du procédé de la plateforme 30,
  • une insertion 39 de ces capsules ainsi créées dans le flux vidéo initial, de façon à délivrer un contenu vidéo enrichi 42 à partir du contenu vidéo initial 31 intégrant désormais 43,44 plusieurs capsules C1,…,Cn.
Les contenus des capsules ainsi créés sont récupérés en accédant, par exemple dans un Cloud (nuage informatique) ou via des réseaux numériques ou sur le Web, à des places de marché PM1,…PMn ainsi qu’à des plateformes de contenus, notamment de contenus vidéo 41, PC1,..PCk.
On va maintenant décrire, en référence à la , un exemple d’algorithme d’intelligence artificielle mis en œuvre pour la détection d’élément (des personnes) dans un contenu vidéo.
Cet algorithme 100 a été réalisé avec l’outil de codage PyTorch couramment utilisé en machine learning. Dans une première étape 101, un modèle YOLOv5 de détection d'objets, de type « compound-scaled », est mis en œuvre sur des données COCO. A partir de ce modèle, on identifie des images de personnes recadrées (« cropped person images ») en utilisant 102 des boites englobantes (« Bounding box ou B.Box). L’étape suivante 103 est une prédiction de boite englobante à partir de données de mode (« Fashion data ») 107.
On soumet alors 104 la prédiction à un test de score de confiance (« Confidence Score »), une technique bien connue dans le domaine de l’apprentissage automatique. Si le score de confiance est inférieur à une valeur X prédéterminée, alors (108) cette boite englobante B.Box est ignorée. Si au contraire le score de confiance est supérieur à X, alors on passe à l’étape suivante 105 d’identifiant de la confiance de classe puis à l’étape 106 de détection d’image contenant l’objet recherché.
On va maintenant décrire, en référence aux figures 3 et 4, un exemple d’utilisation d’un contenu vidéo enrichi par une personne visionnant ou consultant ce contenu sur un équipement électronique de communication 1, tel qu’un smartphone, une tablette ou un ordinateur personnel.
Dans une première étape I, la personne consulte le contenu vidéo et y repère un élément, par exemple un acteur connu 2. Il sélectionne alors, dans une seconde étape II, par une action tactile avec un doigt de sa main 3 sur l’écran 1, cet élément 2.
Dans une troisième étape III, cette sélection provoque l’affichage d’une icône capsule 4 dans un coin de l’écran 1, par exemple le coin supérieur droit.
La personne sélectionne alors (étape IV) cette icône capsule 4, ce qui provoque l’apparition sur l’écran 1 d’une fenêtre 5 intégrée dans la vidéo, cette fenêtre 5 comprenant trois zones 50,51,52 correspondant respectivement à une vidéo additionnelle, à une boutique en ligne et à un article de presse, ces trois ressources étant toutes en relation avec l’élément 2 sélectionné.
Ainsi, dans le cas où la personne utilisatrice sélectionne (étape V) la zone 50, une fenêtre 20 de visualisation d’une vidéo additionnelle apparait alors et la personne peut visionner directement cette vidéo additionnelle à l’intérieur du contenu vidéo enrichi.
Dans le cas où la personne utilisatrice sélectionne (étape VI) la zone 51, c’est alors un site d’une boutique en ligne 21 qui apparaît, intégrée à l’intérieur du contenu vidéo enrichi.
Dans le cas où la personne utilisatrice sélectionne (étape VII) la sone 52, c’est alors une fenêtre 22 permettant la lecture d’un article de presse qui apparaît, intégrée à l’intérieur du contenu vidéo enrichi.
Le procédé de production de contenus audiovisuels enrichis peut être mis en œuvre sur une plateforme de création vidéo. Ce procédé permet aux créateurs de contenus vidéos de proposer à leurs spectateurs d’interagir au sein de leur création.
Le lecteur vidéo peut être disponible sous la forme d’une application SAAS disponible pour les novices en technologie comme pour les professionnels de la vidéo. il permet d'embarquer des marques qu’un créateur souhaite voir intégrées dans votre contenu audiovisuel.
Le lecteur vidéo mis en œuvre dans le procédé selon l’invention peut présenter les caractéristiques suivantes :
  • reconnaissance de produits/services : une intelligence artificielle peut reconnaître des produits et services intégrés dans la vidéo,
  • reconnaissance des personnes : l'intelligence artificielle peut reconnaître toutes les personnes dans le contenu vidéo,
  • reconnaissance de lieu : l'intelligence artificielle peut reconnaître la plupart des lieux similaires dans la vidéo et donner une adresse précise sous forme d’une géolocalisation (GPS),
  • reconnaissance d'objets, plantes, animaux : l'intelligence artificielle peut reconnaître la plupart des types d'objets, plantes, animaux dans la vidéo,
  • reconnaissance de la date : l'intelligence artificielle peut reconnaître une date précise (la plupart,
  • analyse des vêtements que portent les protagonistes, des types d’objets etc....
  • reconnaissance des aliments et des boissons : l'intelligence artificielle peut reconnaître un plat et sa composition et extraire les produits dont le plat est composé.
Classification des éléments et des capsules
Le procédé d’enrichissement est prévu pour réaliser une classification des capsules créées à l’issue du processus de reconnaissance. L'intelligence artificielle va classer tous les éléments reconnus dans une capsule intégrée dans le coin supérieur droit d'une vidéo.
Il en déduira alors trois offres sur l'élément :
  • une vidéo supplémentaire : cette vidéo est extraite du catalogue YouTube ou d'autres vidéos provenant d'une API publique, la plus proche du produit à vendre intégré dans la capsule. Ce contenu complémentaire peut être un reportage, une vidéo promotionnelle, une vidéo tutorielle,
  • une offre d’achat d'un produit ou d’un service: ce produit ou service peut être sourcé parmi des millions de produits disponibles sur les places de marché internationales de partenaires.
  • un article : un article descriptif du produit est automatiquement généré par l'intelligence artificielle à partir d’informations disponibles sur des sites d’information.
Les textes décrivant ces offres peuvent être traduits en plusieurs langues simultanément.
Base de données
Pour la reconnaissance de produits, l'intelligence artificielle sélectionne les produits disponibles sur des plateformes de commerce électronique dans le monde. Si les produits ne sont pas reconnus sur l'une des plateformes, l'intelligence artificielle émet alors un message "produit à créer" au service de création de produits qui va créer le produit en question : dimensions, couleurs, matières, etc.
L'intelligence artificielle être prévue pour réaliser les opérations suivantes:
  • « découper » le produit dans le contenu vidéo pour en extraire une photo et la mettre sur fond blanc, extraire une vidéo 3d en rotation sur fond blanc,
  • lui attribuer un prix de vente après avoir effectué un benchmark international de produits similaires, lancer automatiquement la machine de production du produit dans une usine de production,
  • référencer les stocks disponibles dans les contenus vidéo,
  • publier le produit dans les boutiques en ligne des vidéos et le mettre à la disposition du public.
L’utilisateur de l’équipement de communication peut toucher l'écran à tout moment. Cette action fait apparaître une capsule à l'écran. Au préalable, l’utilisateur aura validé les conditions d’utilisation de l’algorithme de prédiction de produit.
Le lecteur vidéo peut être équipé d'un lecteur biométrique d'empreintes digitales, et proposer au client d’enregistrer ses données : informations bancaires, goûts, taille, poids, mensurations, identité, adresse, fonction... .
Dès que le client valide du doigt l'élément sur son écran, le produit commandé est directement envoyé à son domicile.
Exemples de capsules
On peut prévoir de nombreux types de capsules. Est donnée ci-dessous une liste non exhaustive de capsules pouvant être créées à la suite du processus de reconnaissance dans des contenus vidéo.
1. PERSONNES
2. LIEU
3. ÉVÉNEMENT
4. OBJETS,
5. PLANTES,
6. ANIMAUX
7. COSMÉTIQUES
8. JEUX
9. SPIRITUALITÉ & RELIGIONS
10. DÉVELOPPEMENT PERSONNEL
11. DATE
12. NOURRITURE ET BOISSONS
13. VÊTEMENTS ET ACCESSOIRES
14. VOITURES ET ACCESSOIRES
15. MEUBLES
16. CONCOURS
17. IMMOBILIER
18. BEAUTÉ
19. VOYAGE
20. VOTE
21. MUSIQUE
22. DESSIN ANIMÉ
23. ENFANTS
24. HAUTE TECHNOLOGIE
25. LIVRES
26. BANCAIRE
27. SCIENCES
28. ÉDUCATION
29. FORMATION
30. MÉTHODES
31. GOUVERNEMENT
A titre d’exemple non limitatif, on peut envisager 200 capsules pour une vidéo de 3 minutes, 600 capsules pour une vidéo de 6 minutes et plus de 1000 capsules pour une vidéo de plus de 6 minutes.
L’utilisateur du procédé d’enrichissement selon l’invention intègre un contenu vidéo sous la forme d’un fichier ou d’un lien dans la plateforme Web ou dans l’application SAAS.
L’intelligence artificielle traite alors le contenu vidéo pendant sur une durée inférieure ou égale à celle du contenu vidéo, en fonction de la disponibilité de la file d’attente pour ce processus, en référençant toutes les informations dans un tableau de bord attribué à l’utilisateur.
La plateforme de mise en œuvre du procédé d’enrichissement selon l’invention peut être conçue pour regrouper une pluralité de services mis à la disposition de créateurs et désignés sous le terme « Univers Transmedia »:
1. Consultation vidéo
2. Création de compte
3. Télécharger une vidéo
4. Transfert du compte du réseau social
5. Appelez (comme WhatsApp)
6. Chattez (comme Facebook)
7. Acheter des produits et services (comme Amazon)
8. Monétisation du contenu vidéo (comme Youtube)
9. Conférence téléphonique (comme Zoom)
10. PAY (comme Apple Pay)
11. BANQUE (comme N26)
12. REAL ESTATE (comme une agence immobilière)
13. PRODUCTION (comme Netflix)
14. MOTEUR (comme Google)
15. ACADEMIA (comme l'école qui donne des cours)
16. VOTES (comme SMS+)
17. ÉVÉNEMENTS (comme Live Nation)
18. PRODUITS (comme Nike)
19. JEUX (comme Ubisoft)
20. Et de nombreuses autres fonctionnalités et services qui seront ajoutés ultérieurement....
  1. Visionnage vidéo : Chaque utilisateur peut visionner n'importe quelle vidéo sur la plateforme (musique, film, documentaire, etc.).
  2. Création de compte : l'utilisateur disposera d'un compte qui lui permettra de gérer toutes ses opérations comme sur chaque réseau social (facebook instagram, twitter).
  3. Upload : l'utilisateur pourra uploader ses propres vidéos et photos.
  4. Transfert des comptes de réseaux sociaux : le procédé d’enrichissement permet aux utilisateurs de tout réseau social de s’inscrire en créant un compte. Il permet également aux utilisateurs de migrer simplement leur compte, c'est-à-dire de s'inscrire avec leur compte facebookou instagramou autre directement.
  5. Appel (comme WhatsApp) : Les appels audio et vidéo sont possibles sur le procédé comme sur WhatsApp.
  6. Chat (comme Facebook) : le procédé dispose d'un messager qui vous permet de discuter avec vos contacts comme Facebook.
  7. Achat de produits et services (type Amazon) : L'acte d'achat est possible sur le procédé en cliquant simplement sur le produit sélectionné à l'écran.
  8. Monétisation de contenu vidéo (comme Youtube) : Chaque propriétaire de contenu a la possibilité de gagner de l'argent en publiant des vidéos dès que les gens achètent ses produits. Toutes les informations sur ses ventes sont directement enregistrées dans son compte de manière détaillée.
  9. Conférence téléphonique (comme Zoom)
  10. PAY (comme Apple Pay) : l’utilisateur peut régler vos achats avec cette application de paiement.
  11. BANK (comme N26) : L'Utilisateur peut ouvrir un compte bancaire et disposer d'un relevé bancaire comme n'importe quelle banque en ligne.
  12. REAL ESTATE (comme une agence immobilière) : Un service spécialisé permet aux utilisateurs de vendre ou acheter leur bien immobilier comme dans une agence immobilière.
  13. PRODUCTION (comme Netflix) : le procédé permet de produire ses propres vidéos, séries et films ou tout autre programme destiné à être diffusé directement sur la plateforme.
  14. ENGINE (comme Google) : le procédé développe son propre moteur de recherche et permet certaines options que d'autres ne proposent pas. Par exemple, l’option « Search Bar » permet en copiant le lien d'une vidéo d’extraire tous les produits et les proposer à l'achat, sous réserve d’obtenir du propriétaire du contenu vidéo une autorisation d'accès à ce contenu.
  15. ACADEMIA (comme les classes d'apprentissage scolaire): Cette option peut être développée pour tous cours en ligne. En cette période de COVID-19, l'enseignement se fait à distance et permet de maintenir la relation élève/professeur.
  16. VOTES (comme SMS+) : Les votes permettent l'échange libre de messages au sein d’une communauté et de voter pour des concours, des émissions de télévision, etc.
  17. EVENTS (comme Live Nation) : Des concerts en direct et en streaming sont possibles sur la Plate-forme.
  18. PRODUITS (comme Nike) : Création et fabrication de différents produits en provenance de divers secteurs. Cela permet à la plateforme d'augmenter significativement ses marges.
  19. GAMES (comme Ubisoft): Jeux en ligne pour les personnes jouant sur leurs smartphones etdes ordinateurs.
  20. Et bien d'autres fonctionnalités et services qui pourrons être ajoutées ultérieurement.
Grace à des partenariats conclus avec l'ensemble des industries du e-commerce, de la mode, de l'immobilier et autres, il est possible de donner aux clients la promesse de découvrir une large gamme de produits. Quant aux créateurs de vidéos, ils ont désormais la possibilité de réaliser des vidéos courtes et intéressantes sur les marques référencées.
L’utilisation d’une intelligence artificielle contribue à une optimisation des revenus et à un accroissement de la visibilité pour les marques et les créateurs.
Si la reconnaissance vidéo, un nombre prévis de capsules va apparaître dans la barre de capsules qui va s’afficher sur le côté droit de votre écran. Cette barre de capsules reste figée pendant toute la durée du visionnage. On peut toucher l’écran à tout moment. Cette action ouvre les fonctions Capsule.
Si la reconnaissance vidéo n'est pas activée, les capsules n'apparaissent pas automatiquement à l'écran. La barre des capsules est donc désactivée. Cependant, il est possible de toucher l’écran à tout moment. Cette action fait apparaître la barre Capsule qui devient active sur l’écran. Il est possible d’interagir avec la Capsule qui anime trois options.
L'intelligence artificielle mise en œuvre dans le procédé d’enrichissement selon l’invention est conçue pour :
  • reconnaître tous les éléments qui composent la vidéo.
  • Les classer par capsule sous des références catégorielles.
  • déterminer si les capsules sont générées par un prospect, un client ou un annonceur.
Deux barres peuvent être affichées sous la vidéo:
  • une barre « Produits similaires » : les produits/services ont été reconnus par la vidéo, mais ne sont pas identifiés pour un Client ou un Annonceur.
  • une barre « Produits spécifiques »: les produits/services ont été reconnus par la vidéo et sont identifiés comme étant ceux du Client ou de l'Annonceur.
Barre de recherche
Une barre de recherche est en outre proposée à l’utilisateur du procédé d’enrichissement selon l’invention pour lui permettre d’optimiser la pertinence de l’image ou du contenu vidéo qui va être associé au produit ou au service pour lesquels on souhaite susciter des actes d’achat ou des engagements d’utilisateur.
Une API d’analyse est prévue pour assurer une fonction de recherche : il s’agit d’améliorer la visibilité des requêtes et déterminer les mots-clés pour l’affichage de la vidéo ou des images pertinentes à partir d'Internet.
Il s’agit aussi de définir des règles de requête pour les requêtes problématiques ou d’ajuster les attributs/paramètres de recherche pour résoudre des problèmes pertinents et systémiques.
On prévoit aussi des filtres pour établir des chemins optimisés de conversion en prédéfinissant des filtres sur les mots-clés spécifiques basés sur les filtres les plus populaires pour chercher des vidéos ou des images.
Une API d’une boutique en ligne, d’une vidéo, d’un site Internet (photo, vidéo, texte) peut être enregistrée dans l’algorithme.
Une liaison est réalisée entre l’élément enregistré de l’API et l’élément dupliqué dans l’algorithme.
L’élément dupliqué par l’Intelligence Artificielle est recherché dans sa base de données.
Lorsqu’une plateforme de commerce électronique met à disposition des produits ou services dont les iframes ne peuvent être directement intégrés à l’intérieur d’un contenu vidéo, Il est possible d’intégrer les produits ou services avec ce type d’iframes dans une boutique dédiée pour permettre la lecture complète des iframes et ne pas sortir de la vidéo (sinon cela peut être considéré comme du click and buy).
Il est à noter que la data (données) intégrée, donc dupliquée dans l'algorithme (par exemple + de 500 millions de produits - images, textes, vidéos) peut demander des serveurs énormes et des temps de calcules énormes (reconnaissance, liaison, enregistrement). On peut alors prévoir un algorithme qui permet de lier la date de publication de la vidéo avec la date de sortie sur le marché d'un produit. Ceci a pour effet de retirer les quantités de recherches par l'algorithme sur les produits hébergés par les plateformes d’eCommerce.
Bien sûr, l’invention n’est pas limitée aux exemples qui viennent d’être décrits et de nombreux autres modes de réalisation peuvent être envisagés sans sortir du cadre de cette invention. En particulier, les nombres d’éléments reconnaissables et de capsules intégrables dans des contenus vidéo enrichi ne sont en fait que limitées par la capacité et la puissance des serveurs informatiques mis en œuvre.

Claims (7)

  1. Procédé pour enrichir un contenu vidéo initial, comprenant les étapes suivantes :
    • une lecture de ce contenu vidéo initial, conçue pour y reconnaître des éléments prédéterminés,
    • une classification desdits éléments ainsi reconnus,
    • une recherche et sélection de ressources et/ou de services numériques associés auxdits éléments reconnus et classifiés,
    • une création d’une ou plusieurs capsules associées à chaque élément reconnu et classifié, prévue pour contenir les ressources et/ou services numériques sélectionnés,
    • une intégration de la ou les capsules ainsi créées dans le contenu vidéo initial, de façon à délivrer un contenu vidéo enrichi.
  2. Procédé selon la revendication précédente, caractérisé en ce que les étapes de reconnaissance et de classification mettent en œuvre des techniques d’intelligence artificielle.
  3. Procédé selon la revendication précédente, caractérisé en ce que l’étape d’intégration dans le contenu vidéo initiale est agencées pour représenter graphiquement une capsule lors de la visualisation du contenu vidéo enrichi.
  4. Procédé selon la revendication précédente, caractérisé en ce qu’il comprend en outre une étape pour créer dans le contenu vidéo enrichi des zones de sélection tactile associées à un ou plusieurs éléments sélectionnés auxquels une ou plusieurs capsules ont été associées, de sorte qu’une action tactile sur l’une de ces zones de sélection provoque la visualisation d’une capsule qui lui est associée.
  5. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape de création d’une capsule est agencée pour inclure dans cette capsule une vidéo additionnelle.
  6. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape de création d’une capsule est agencée pour inclure dans cette capsule une boutique en ligne.
  7. Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape de création d’une capsule est agencée pour inclure dans cette capsule un document consultable.
FR2201014A 2022-02-04 2022-02-04 Procédé et système pour enrichir un contenu audiovisuel Pending FR3132582A1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
FR2201014A FR3132582A1 (fr) 2022-02-04 2022-02-04 Procédé et système pour enrichir un contenu audiovisuel
PCT/EP2023/052610 WO2023148296A1 (fr) 2022-02-04 2023-02-02 Procédé et système pour enrichir un contenu audiovisuel
EP23703435.0A EP4473422A1 (fr) 2022-02-04 2023-02-02 Procédé et système pour enrichir un contenu audiovisuel
US18/835,421 US20250142172A1 (en) 2022-02-04 2023-02-02 Method and system for enriching audiovisual content
CN202380020395.9A CN119096237A (zh) 2022-02-04 2023-02-02 用于富集视听内容的方法和系统
MX2024009636A MX2024009636A (es) 2022-02-04 2024-08-05 Procedimiento y sistema para enriquecer un contenido audiovisual.

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2201014 2022-02-04
FR2201014A FR3132582A1 (fr) 2022-02-04 2022-02-04 Procédé et système pour enrichir un contenu audiovisuel

Publications (1)

Publication Number Publication Date
FR3132582A1 true FR3132582A1 (fr) 2023-08-11

Family

ID=85174174

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2201014A Pending FR3132582A1 (fr) 2022-02-04 2022-02-04 Procédé et système pour enrichir un contenu audiovisuel

Country Status (6)

Country Link
US (1) US20250142172A1 (fr)
EP (1) EP4473422A1 (fr)
CN (1) CN119096237A (fr)
FR (1) FR3132582A1 (fr)
MX (1) MX2024009636A (fr)
WO (1) WO2023148296A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190080207A1 (en) * 2017-07-06 2019-03-14 Frenzy Labs, Inc. Deep neural network visual product recognition system
US20190238952A1 (en) * 2018-01-31 2019-08-01 WowYow, Inc. Methods and apparatus for media search, characterization, and augmented reality provision

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014205658A1 (fr) * 2013-06-25 2014-12-31 东莞宇龙通信科技有限公司 Procédé de traitement de données et système de traitement de données

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190080207A1 (en) * 2017-07-06 2019-03-14 Frenzy Labs, Inc. Deep neural network visual product recognition system
US20190238952A1 (en) * 2018-01-31 2019-08-01 WowYow, Inc. Methods and apparatus for media search, characterization, and augmented reality provision

Also Published As

Publication number Publication date
CN119096237A (zh) 2024-12-06
EP4473422A1 (fr) 2024-12-11
US20250142172A1 (en) 2025-05-01
WO2023148296A1 (fr) 2023-08-10
MX2024009636A (es) 2024-11-08

Similar Documents

Publication Publication Date Title
Mardon et al. Materializing digital collecting: An extended view of digital materiality
Kreutzer et al. Digital Darwinism: Branding and business models in jeopardy
CN109104639A (zh) 直播系统、确定直播视频主题的方法、装置以及电子设备
US10360623B2 (en) Visually generated consumer product presentation
CN114862516A (zh) 文案推荐方法、存储介质及程序产品
Ma et al. Image-mining: exploring the impact of video content on the success of crowdfunding
Kirkpatrick Introduction to media distribution: Film, television, and new media
Filiciak et al. The circulations of culture-on social distribution of content
FR3132582A1 (fr) Procédé et système pour enrichir un contenu audiovisuel
Bădin New ways of interacting with culture consumers through cultural services marketing using big data and IoT
CN114996553B (zh) 一种动态视频封面生成方法
Nogra Text analysis on Instagram comments to better target users with product advertisements
Jang et al. Visual attributes of thumbnails in predicting top YouTube brand channels: A machine learning approach
Lemoine et al. Expert opinions: Is digital still an effective communication tool for advertisers? Myths and realities
Zheng et al. Marketing strategies that affect repeat purchase intentions consumer products online
Gracon Exiled records and over-the-counterculture: a cultural political economic analysis of the independent record store
CN111914177B (zh) 媒体信息兴趣度的匹配方法、装置、设备及存储介质
US20250133268A1 (en) Method and system for accessing remote resources and services from audiovisual content
KR101177768B1 (ko) 디지털 커뮤니케이션 도구 상의 자아표현에 기반한 상품 및 서비스 추천방법
KR102377736B1 (ko) 빅데이터 기반의 소비자 참여형 온라인 쇼핑 서비스 제공 방법 및 장치
KR102741698B1 (ko) 적응형 아이템 소비 플랫폼, 그 시스템 및 운영 방법
Jingar et al. F-commerce as a tool of artificial intelligence: A modern approach for promoting startups
Radcliffe The publisher’s guide to ecommerce
Rajagopal et al. Globalization of prurience: The Internet and the degradation of women and children
Ortynska Publishers' speculations on the popularity of books on BookTok

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20230811

PLFP Fee payment

Year of fee payment: 3

PLFP Fee payment

Year of fee payment: 4

CA Change of address

Effective date: 20251205

CL Concession to grant licences

Name of requester: SKOLEOM GROUP, FR

Effective date: 20251208

TP Transmission of property

Owner name: SKOLEOM PLATFORM INC., FR

Effective date: 20251205

PLFP Fee payment

Year of fee payment: 5