JP6732977B2 - サーバー及びその動作方法（ｓｅｒｖｅｒ ａｎｄ ｏｐｅｒａｔｉｎｇ ｍｅｔｈｏｄ ｔｈｅｒｅｏｆ） - Google Patents

Description

記載された実施例は、使用者が撮影しようとするイメージに含まれたコンテンツに応じて、使用者が選択すると予測される２つ以上のイメージフィルターを推薦することができるサーバー及びこれの動作方法に関するものである。

通信技術が発展し、電子装置が小型化するに伴い、個人用端末機が一般消費者に広く普及している。特に最近では、スマートフォンまたはスマートタブレットのような携帯用個人端末機が広く普及している。ほとんどの端末機は、イメージ撮影技術を含んでいる。使用者は、端末機を用いて様々なコンテンツを含むイメージを撮影することができる。

また、使用者は、端末機にダウンロード可能な様々なアプリケーションを用いて撮影されたイメージを補正することができる。例えば、使用者はアプリケーションで提供される様々なイメージフィルターを用いて撮影されたイメージを補正することができる。アプリケーションを介して提供されるイメージフィルターが様々であるため、使用者は撮影されたイメージにすべてのイメージフィルターを適用してみることが困難である。また、使用者は、撮影されたイメージに含まれたコンテンツに最適なイメージフィルターが何なのか分からないこともある。

記載された実施例によれば、使用者によって撮影されるイメージに含まれたコンテンツに適した２つ以上のイメージフィルターを推薦することができるサーバー及びこれの動作方法が提供されることができる。
また、実施例によれば、２つ以上のイメージフィルターを自動的に推薦することによって、使用者の便利性を向上させることができるサーバー及びこれの動作方法が提供されることができる。

本発明の実施例に係るサーバーの動作方法は、複数の端末機のうちの対象端末機からイメージを受信する段階と、受信されたイメージに含まれたコンテンツの種類を識別する段階と、イメージに適用可能なイメージフィルターに対する推薦アルゴリズムを準備する段階と、推薦アルゴリズムを用いてコンテンツの種類に対応する互いに異なる２つ以上のイメージフィルターを選択する段階、及び選択された２つ以上のイメージフィルターに対する情報を対象端末機に伝送する段階を含むことができる。

実施例において、サーバーの動作方法は、イメージに含まれたコンテンツの種類を識別する前に、多数の写真に対するイメージデータ及び多数の写真に含まれたコンテンツの種類の間の相関関係について学習された、イメージに含まれたコンテンツの種類を識別するための学習モデルを準備する段階をさらに含むことができる。

実施例において、サーバーの動作方法は、対象端末機から対象端末機の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルターの種類に対する情報のうちの少なくとも１つを含む使用者情報を受信する段階をさらに含むことができる。

実施例において、イメージに適用されるイメージフィルターに対する推薦アルゴリズムを準備する段階は、複数の端末機のうちの対象端末機を除いた少なくとも１つ以上の端末機のそれぞれから使用者情報及びイメージを受信する段階、少なくとも１つ以上の端末機のそれぞれから受信されたイメージに含まれたコンテンツの種類を識別する段階、少なくとも１つ以上の端末機のそれぞれからイメージに適用するために選択されたイメージフィルターの種類に対する情報を受信する段階、及び使用者情報、識別されたコンテンツの種類に対する情報、及び受信されたイメージフィルターの種類に対する情報を用いて、学習モデルを準備する段階を含むことができる。

実施例において、使用者情報、識別されたコンテンツの種類に対する情報、及び受信されたイメージフィルターの種類に対する情報を用いて、学習モデルを準備する段階は、使用者情報、及び識別されたコンテンツの種類に対する情報と受信されたイメージフィルターの種類に対する情報との間の相関関係について学習された互いに異なる２つ以上のイメージフィルターを選択するための学習モデルを準備する段階を含むことができる。

実施例において、推薦アルゴリズムを用いて、コンテンツの種類に対応する互いに異なる２つ以上のイメージフィルターを選択する段階は、対象端末機から受信された使用者情報、対象端末機から受信されたイメージで識別されたコンテンツの種類に対する情報及び学習モデルを用いて、対象端末機の使用者が選択する確率が高いと予測される２つ以上のイメージフィルターを選択する段階を含むことができる。

実施例において、受信されたイメージに含まれたコンテンツの種類を識別する段階は、対象端末機から受信されたイメージに含まれたコンテンツが、第１コンテンツであると判断する段階を含み、イメージに適用されるイメージフィルターに対する推薦アルゴリズムを準備する段階は、対象端末機からイメージが受信される前に受信された、第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報及び複数の端末機のうちの対象端末機を除いた少なくとも１つ以上の端末機からそれぞれ受信された、第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報を準備する段階を含むことができる。

実施例において、推薦アルゴリズムを用いて、コンテンツの種類に対応する互いに異なる２つ以上のイメージフィルターを選択する段階は、少なくとも１つ以上の端末機からそれぞれ受信された、イメージフィルター履歴情報の中から対象端末機から受信されたイメージフィルター履歴情報に含まれたイメージフィルターと重複したイメージフィルターを最も多く含むイメージフィルター履歴情報を選択する段階、及び選択されたイメージフィルター履歴情報の中から対象端末機から受信されたイメージフィルター履歴情報と重複していないイメージフィルターに基づいて、互いに異なる２つ以上のイメージフィルターを選択する段階を含むことができる。

実施例において、受信されたイメージに含まれたコンテンツの種類を識別する段階は、コンテンツは、人、特定のオブジェクト（ｏｂｊｅｃｔ）、特定の動物、特定の風景、特定のパターンまたは特定の色のうちの少なくとも１つを含んでいるか否かを検出する段階を含むことができる。

実施例において、推薦アルゴリズムを用いて、コンテンツの種類に対応する互いに異なる２つ以上のイメージフィルターを選択する段階は、推薦アルゴリズムを用いて、対象端末機の使用者が選択する確率が最も高いと予測された第１イメージフィルター、及び対象端末機の使用者が選択する確率が２番目に高いと予測された第２イメージフィルターを選択する段階を含むことができる。
本発明の実施例に係るサーバーは、複数の端末機のうちで対象端末機からイメージを受信する通信部、及び受信されたイメージに含まれたコンテンツの種類を識別し、イメージに適用されるイメージフィルターに対する推薦アルゴリズムを用いて、互いに異なる２つ以上のイメージフィルターを選択する制御部を含み、制御部は、推薦アルゴリズムを用いて、対象端末機の使用者が選択する確率が最も高いと予測された第１イメージフィルター、及び対象端末機の使用者が選択する確率が２番目に高いと予測された第２イメージフィルターを選択し、通信部は、第１イメージフィルターに対する情報及び第２イメージフィルターに対する情報を対象端末機に伝送することができる。

実施例において、制御部は、対象端末機から受信されたイメージに含まれたコンテンツが第１コンテンツであると判断し、通信部は、対象端末機からイメージが受信される前に受信された、第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報及び複数の端末機のうちで対象端末機を除いた少なくとも１つ以上の端末機からそれぞれ受信された、第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報を受信することができる。

実施例において、制御部は、少なくとも１つ以上の端末機からそれぞれ受信された、イメージフィルター履歴情報の中から対象端末機から受信されたイメージフィルター履歴情報に含まれたイメージフィルターと重複したイメージフィルターを最も多く含むイメージフィルター履歴情報を選択し、選択されたイメージフィルター履歴情報の中から対象端末機から受信されたイメージフィルター履歴情報と重複していないイメージフィルターに基づいて、互いに異なる２つ以上のイメージフィルターを選択することができる。

実施例において、通信部は、対象端末機から対象端末機の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルターの種類に対する情報のうちの少なくとも１つを含む使用者情報を受信することができる。
実施例において、通信部は、複数の端末機のうちで対象端末機を除いた少なくとも１つ以上の端末機のそれぞれから使用者情報、イメージフィルターが適用されたイメージ及びイメージフィルターが適用されたイメージのイメージフィルターの種類に対する情報を受信し、制御部は、少なくとも１つ以上の端末機のそれぞれから受信されたイメージフィルターが適用されたイメージに含まれたコンテンツの種類を識別し、使用者情報、識別されたコンテンツの種類、及び受信されたイメージフィルターの種類の間の相関関係について学習された、互いに異なる２つ以上のイメージフィルターを選択するための推薦アルゴリズムを準備することができる。

記載された実施例によれば、使用者によって撮影されるイメージに含まれたコンテンツに適した互いに異なる２つ以上のイメージフィルターが自動的に推薦されることができる。また、実施例によれば、互いに異なる２つ以上のイメージフィルターを自動的に推薦することによって、使用者の便利性が向上することができる。

本発明の実施例に係る電子装置が動作する環境を示すネットワーク構成図である。 本発明の実施例に係る端末機の構成を示すブロック図である。 本発明の実施例に係るサーバーの構成を示すブロック図である。 本発明の実施例に係るサーバーの動作方法を示すブロック図である。 本発明の実施例に係るサーバーが推薦アルゴリズムを準備する方法を示すフローチャートである。 本発明の実施例に係る端末機から使用者入力情報が生成される方法を示す図である。 本発明の実施例に係る端末機から使用者入力情報が生成される方法を示す図である。 本発明の実施例に係る端末機から使用者入力情報が生成される方法を示す図である。 本発明の他の実施例に係るサーバーの動作方法を示すフローチャートである。 本発明の他の実施例に係るサーバーが推薦アルゴリズムを準備する方法を示すフローチャートである。 本発明のまた他の実施例に係るサーバーの動作方法を示すフローチャートである。 本発明の実施例に係るサーバーに準備されたコンテンツの種類別に選択されたイメージフィルターの種類に対する情報を示す図である。 本発明の実施例に係る端末機及びサーバーの通信方法を示す図である。 本発明の他の実施例に係るサーバーの動作方法を示すフローチャートである。

本発明の利点及び特徴、そしてそれらを達成する方法は、添付した図面と共に詳細に後述されている実施例を参照すれば明確になる。しかし、本発明は、以下で開示される実施例に限定されるものではなく、互いに異なる様々な形態で具現されるものであり、単に本実施例は、本発明の開示が完全になるようにして、本発明が属する技術分野における通常の知識を有する者に発明の範疇を完全に知らせるために提供されるものであり、本発明は、請求項の範疇によって定義されるだけである。明細書全体にわたって同一の参照符号は、同一の構成要素を指す。

「第１」または「第２」などが、様々な構成要素を記述するために使用されるが、このような構成要素は、前記のような用語によって制限されるものではない。前記のような用語は、単に１つの構成要素を他の構成要素と区別するために使用されることができる。したがって、以下に言及される第１構成要素は、本発明の技術的思想内で第２構成要素であることもできる。

本明細書で使用される用語は、実施例を説明するためのものであって、本発明を制限しようとするものではない。本明細書において、単数形は、文句で特に言及しない限り、複数形も含む。明細書で使用される「含む（ｃｏｍｐｒｉｓｅｓ）」または「含んでいる（ｃｏｍｐｒｉｓｉｎｇ）」は、言及された構成要素または段階が１つ以上の他の構成要素または段階の存在または追加を排除しないという意味を内包する。

他の定義がなければ、本明細書で使用されるすべての用語は、本発明が属する技術分野における通常の知識を有する者に共通的に理解され得る意味として解釈されることができる。また、一般的に使用される辞書に定義されている用語は、明白に定義されていない限り理想的にまたは過度に解釈されない。

図１は、本発明の実施例に係る電子装置が動作する環境を示すネットワーク構成図である。図１を参照すると、複数の電子装置１００〜３００が動作する環境は、サーバー４００及び複数の電子装置１００〜３００を含むことができる。例えば、複数の電子装置１００〜３００が動作する環境は、サーバー４００を含まないことがある。

複数の電子装置１００〜３００のそれぞれは、サーバー４００を媒介に連結されることができる。本発明の説明の便宜のために、図１で３つの電子装置が示されている。しかし、電子装置の数は、３つに限定されない。複数の電子装置１００〜３００のそれぞれは、デスクトップコンピュータ、ラップトップ コンピュータ、スマートフォン、スマートタブレット、スマートウォッチ、移動端末、デジタルカメラ、ウェアラブルデバイス（ｗｅａｒａｂｌｅ ｄｅｖｉｃｅ）、または携帯用電子機器のうちの１つとして具現されることができる。複数の電子装置１００〜３００のそれぞれは、プログラムまたはアプリケーションを実行することができる。

複数の電子装置１００〜３００のそれぞれは、通信網に連結されることができる。複数の電子装置１００〜３００のそれぞれは、通信網を介して互いに連結されたり、サーバー４００と連結されることができる。複数の電子装置１００〜３００のそれぞれは、互いに連結された他の装置にデータを出力したり、他の装置からデータを受信することができる。

複数の電子装置１００〜３００のそれぞれに連結された通信網は、有線通信網、無線通信網、または複合通信網を含むことができる。通信網は、３Ｇ、ＬＴＥ、またはＬＴＥ−Ａなどのような移動通信網を含むことができる。通信網は、ワイファイ（Ｗｉ−Ｆｉ）、ＵＭＴＳ／ＧＰＲＳ、またはイーサネット（Ｅｔｈｅｒｎｅｔ（登録商標））などのような有線または無線通信網を含むことができる。通信網は、マグネチック保安出力（ＭＳＴ、Ｍａｇｎｅｔｉｃ Ｓｅｃｕｒｅ Ｔｒａｎｓｍｉｓｓｉｏｎ）、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ ＩＤｅｎｔＩＦｉｃａｔｉｏｎ）、ＮＦＣ（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）、ジグビー（ＺｉｇＢｅｅ）、Ｚ−Ｗａｖｅ、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ（登録商標））、低電力ブルートゥース（ＢＬＥ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）、または赤外線通信（ＩＲ、ＩｎｆｒａＲｅｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ）などのような近距離通信網を含むことができる。通信網は、近距離ネットワーク（ＬＡＮ、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ、Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）、またはワイド・エリア・ネットワーク（ＷＡＮ、Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを含むことができる。

サーバー４００は、複数の電子装置１００〜３００のそれぞれの使用者が複数の電子装置１００〜３００を用いて撮影されたイメージを補正することができるように、各種のプログラムまたはアプリケーション及びデータを保存することができる。

以下では、発明の説明の便宜のために、電子装置及び端末機は、同じ意味で使用することができる。

図２は、本発明の実施例に係る端末機の構成を示すブロック図である。図２を参照すると、第１端末機１００は、入力部１１０、保存部１２０、制御部１３０、出力部１４０及び通信部１５０を含むことができる。図１に示された第２端末機２００及び第３端末機３００のそれぞれは、第１端末機１００と類似または同一に具現されることができる。

入力部１１０は、外部から信号を受信することができる。入力部１１０は、端末機１００の使用者から信号を受信することができる。また、入力部１１０は、外部装置から信号を受信することができる。入力部１１０は、例えば、マイク、カメラ、キーボード、マウス、トラックボール、タッチスクリーン、ボタン、スイッチ、センサー、ネットワークインターフェース、または、その他の入力装置などを含むことができる。入力部１１０は、入力部１１０に含まれたマイクを介して外部から音声を受信することができる。

また、入力部１１０は、入力部１１０に含まれたカメラから撮影されたイメージまたは使用者からジェスチャーを受信することができる。または、入力部１１０は、端末機１００の周辺から反射した光から変換されたプレビューイメージ（ｐｒｅｖｉｅｗ ｉｍａｇｅ）の入力を受けることができる。入力部１１０に含まれたタッチスクリーンは、端末機１００の使用者からタッチ入力を受信することができる。入力部１１０は、端末機１００の使用者から受信された使用者情報または使用者入力を受信することができる。例えば、使用者情報は、端末機１００の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルター情報のうちの少なくとも１つを含むことができる。そして、使用者入力は、端末機１００の使用者から受信されるタッチ入力であることができる。

保存部１２０は、データを保存することができる。保存部１２０は、入力部１１０から受信された音声またはイメージデータを保存することができる。そして、保存部１２０は、制御部１３０によって行われた演算結果を保存することができる。例えば、保存部１２０は、制御部１３０によって、エンコーディングされた音声を保存することができる。保存部１２０は、通信部１５０を介して外部に出力するデータを保存したり、通信部１５０を介して外部から受信されたデータを保存することができる。

保存部１２０は、入力部１１０を介して受信された使用者情報または使用者入力情報を保存することができる。保存部１２０は、入力部１１０を介して受信されたイメージを保存することができる。そして、受信されたイメージにイメージフィルターが適用された場合、保存部１２０は、受信されたイメージフィルターに適用されたイメージフィルターの種類に対する情報を共に保存することができる。

保存部１２０は、ソフトウェアまたはプログラムを保存することができる。例えば、保存部１２０は、アプリケーション、アプリケーション・プログラミング・インターフェース（ＡＰＩ）などのようなプログラム及び様々な種類のデータを保存することができる。保存部１２０は、制御部１３０により実行可能なコマンドを保存することができる。

保存部１２０は、揮発性メモリーまたは非揮発性メモリーのうちの少なくとも１つを含むことができる。保存部１２０は、例えば、フラッシュ（ｆｌａｓｈ）メモリー、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＥＥＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ハードディスクドライブ（ＨＤＤ、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、またはレジスター（ｒｅｇｉｓｔｅｒ）のうちの少なくとも１つを含むことができる。保存部１２０は、例えば、ファイルシステム、データベース、またはエンベデッドデータベースなどを含むことができる。

制御部１３０または制御部１３０に含まれた構成要素のそれぞれは、ソフトウェア（ｓｏｆｔｗａｒｅ）またはハードウェア（ｈａｒｄｗａｒｅ）形態で具現されることができる。例示的には、ソフトウェアは、機械コード、ファームウェアコード（ｆｉｒｍｗａｒｅ ｃｏｄｅ）、エンベデッドコード（ｅｍｂｅｄｄｅｄ ｃｏｄｅ）、及びアプリケーション（ａｐｐｌｉｃａｔｉｏｎ）などのようなプログラム実行コマンドとして具現されることができる。ハードウェアは、電気電子回路、プロセッサー、コンピュータ、圧力センサー、慣性センサー、ＭＥＭＳ（ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ ｓｙｓｔｅｍ）、受動素子、またはそれの組み合わせであることができる。

制御部１３０は、端末機１００の動作を制御することができる。制御部１３０は、端末機１００に含まれたそれぞれの構成要素と互いに連結されることができる。制御部１３０は、端末機１００に含まれたそれぞれの構成要素の動作を制御することができる。制御部１３０は、入力部１１０によって受信された信号に対する応答で、端末機１００の動作を制御することができる。

制御部１３０は、入力部１１０を介して入力されるプレビューイメージを検査することができる。プレビューイメージは、端末機１００の使用者が入力部１１０を介して入力されるイメージを保存する前に、入力部１１０を介して入力されるイメージを意味することができる。例えば、制御部１３０は、入力されたプレビューイメージに含まれたコンテンツ（ｃｏｎｔｅｎｔｓ）の種類を識別することができる。

例えば、プレビューイメージに含まれたコンテンツは、人、特定のオブジェクト（ｏｂｊｅｃｔ）、特定の動物、特定の風景、特定のパターンまたは特定の色のうちのいずれか１つを含むことができる。より具体的には、プレビューイメージに含まれたコンテンツが特定のオブジェクトである場合、制御部１３０は、オブジェクトの種類、色、またはパターンなどを識別することができる。プレビューイメージに含まれたコンテンツが人である場合、制御部１３０は、人の性別、皮膚の色、または毛髪の色などを識別することができる。制御部１３０は、準備された学習モデルを用いて、プレビューイメージに含まれたコンテンツの種類に適した２つ以上のイメージフィルターを選択することができる。

出力部１４０は、表示部１４１を含むことができる。表示部１４１は、画面を表示することができる。制御部１３０は、表示部１４１に画面が表示されるように制御することができる。表示部１４１は、ユーザーインターフェースを表示することができる。表示部１４１は、使用者からの入力に対する応答として、他の画面を表示することができる。

表示部１４１は、データを表示することができる。表示部１４１は、制御部１３０によって行われた演算結果を表示することができる。例えば、表示部１４１は、制御部１３０によって選択された２つ以上のイメージフィルターが適用されたプレビューイメージを出力することができる。表示部１４１は、保存部１２０に保存されたデータを表示することができる。表示部１４１は、通信部１５０によって受信されたデータを表示することができる。例えば、表示部１４１は、入力部１１０から受信される映像を表示することができる。

表示部１４１は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）、またはＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）などの平板表示装置を含むことができる。表示部１４１は、曲面ディスプレイまたはフレキシブルディスプレイ（ｆｌｅｘｉｂｌｅ ｄｉｓｐｌａｙ）を含むことができる。表示部１４１は、タッチスクリーンを含むことができる。表示部１４１が、タッチスクリーンを含む場合、表示部１４１は、出力動作を行うと共に入力部１１０として動作することができる。

出力部１４０は、音声を出力することができる。出力部１４０は、入力部１１０を介して受信された音声、または外部装置を介して受信された音声を出力することができる。例えば、出力部１４０は、スピーカー（ｓｐｅａｋｅｒ）を含むことができる。

通信部１５０は、端末機１００の外部にデータを出力したり、外部からデータを受信することができる。通信部１５０は、サーバー４００または外部装置にデータを出力することができる。通信部１５０は、サーバー４００及び外部装置からデータを受信することができる。通信部１５０は、制御部１３０によって行われた演算結果を外部に出力することができる。

通信部１５０は、プレビューイメージをサーバー４００に出力したり、プレビューイメージで識別されたコンテンツの種類に対する情報をサーバー４００に出力することができる。通信部１５０は、保存部１２０に保存されたイメージまたは保存されたイメージに適用されたイメージフィルターの種類に対する情報をサーバー４００に出力することができる。または、通信部１５０は、保存部１２０に保存された使用者情報または使用者入力情報をサーバー４００に出力することができる。そして、通信部１５０は、サーバー４００から選択された２つ以上のイメージフィルターの種類に対する情報を受信することができる。

通信部１５０は、例えば、３Ｇモジュール、ＬＴＥモジュール、ＬＴＥ−Ａモジュール、Ｗｉ−Ｆｉモジュール、ワイギグ（ＷｉＧｉｇ）モジュール、ＵＷＢ（Ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ）モジュール、またはＬＡＮカードなどのような遠距離用のネットワークインターフェースを含むことができる。また、通信部１５０は、マグネチック保安出力（ＭＳＴ）モジュール、ブルートゥースモジュール、ＮＦＣモジュール、ＲＦＩＤモジュール、ジグビー（ＺｉｇＢｅｅ）モジュール、Ｚ−Ｗａｖｅモジュール、または赤外線モジュールなどのような近距離用のネットワークインターフェースを含むことができる。また、通信部１５０は、その他ネットワークインターフェースを含むことができる。

図３は、本発明の実施例に係るサーバーの構成を示すブロック図である。図１及び図３を参照すると、サーバー４００は、通信部４１０、保存部４２０及び制御部４３０を含むことができる。

通信部４１０は、サーバー４００の外部にデータを出力したり、外部からデータを受信することができる。通信部４１０は、複数の端末機１００〜３００にデータを出力することができる。通信部４１０は、複数の端末機１００〜３００からデータを受信することができる。通信部４１０は、制御部４３０によって行われた演算結果を外部に出力することができる。また、通信部４１０は、保存部４２０に保存されたデータを外部に出力することができる。

通信部４１０は、複数の端末機１００〜３００のうちの少なくとも１つからイメージを受信することができる。イメージは、複数の端末機１００〜３００のうちの少なくとも１つの周辺から反射された光から変換されたプレビューイメージであることができる。または、イメージは、複数の端末機１００〜３００のうちの少なくとも１つに保存されたイメージであることができる。受信されたイメージにイメージフィルターが適用された場合、通信部４１０は、受信されたイメージに適用されたイメージフィルターの種類に対する情報を共に受信することができる。または、通信部４１０は、複数の端末機１００〜３００のうちの少なくとも１つからイメージ及びイメージに含まれたコンテンツの種類に対する情報を受信することができる。通信部４１０は、複数の端末機１００〜３００のうちの少なくとも１つから使用者入力情報または使用者情報を受信することができる。

通信部４１０によって出力されるデータまたは通信部４１０によって受信されたデータは、保存部４２０に保存されることができる。そして、通信部４１０は、制御部４３０で学習された機械学習モデルに対する情報を複数の端末機１００〜３００のうちのいずれか１つに伝送することができる。

通信部４１０は、例えば、３Ｇモジュール、ＬＴＥモジュール、ＬＴＥ−Ａモジュール、Ｗｉ−Ｆｉモジュール、ワイギグモジュール、ＵＷＢモジュール、またはＬＡＮカードなどのような遠距離用のネットワークインターフェースを含むことができる。また、通信部２０１は、マグネチック保安出力（ＭＳＴ）モジュール、ブルートゥースモジュール、ＮＦＣモジュール、ＲＦＩＤモジュール、ジグビーモジュール、Ｚ−Ｗａｖｅモジュール、または赤外線モジュールなどのような近距離用のネットワークインターフェースを含むことができる。また、通信部４１０は、その他のネットワークインターフェースを含むことができる。

保存部４２０は、アプリケーション、アプリケーション・プログラミング・ インターフェース（ＡＰＩ）などのようなプログラム及び様々な種類のデータを保存することができる。保存部４２０は、制御部４３０によって実行可能なコマンドを保存することができる。例えば、アプリケーションは、イメージにイメージフィルターを適用可能なイメージフィルターを推薦するサービスを提供するアプリケーションであることができる。保存部４２０は、通信部４１０を介して受信されたイメージ、イメージに適用されたイメージフィルターの種類に対する情報、またはイメージに含まれたコンテンツの種類に対する情報のうちの少なくとも１つを保存することができる。または、保存部４２０は、通信部４１０を介して受信された複数の端末機１００〜３００のうちの少なくとも１つの使用者入力情報または使用者情報を保存することができる。

保存部４２０は、揮発性メモリーまたは非揮発性メモリーのうちの少なくとも１つを含むことができる。保存部４２０は、例えば、フラッシュメモリー、ＲＯＭ、ＥＥＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ハードディスクドライブ、またはレジスターのうちの少なくとも１つを含むことができる。保存部４２０は、例えば、ファイルシステム、データベース、またはエンベデッドデータベースなどを含むことができる。

制御部４３０または制御部４３０に含まれた構成要素のそれぞれは、ソフトウェアまたはハードウェア形態で具現されることができる。例示的には、ソフトウェアは、機械コード、ファームウェアコード、エンベデッドコード、及びアプリケーションなどのようなプログラム実行コマンドで具現されることができる。ハードウェアは、電気電子回路、プロセッサー、コンピュータ、圧力センサー、慣性センサー、ＭＥＭＳ、受動素子、またはそれの組み合わせであることができる。

制御部４３０は、保存部４２０に保存されたコマンド及びアプリケーションを実行することができる。例えば、制御部４３０は、アプリケーションを実行することによって、複数の端末機１００〜３００のうちの少なくとも１つから受信されたイメージに含まれたコンテンツの種類を識別することができる。または、制御部４３０は、保存部４２０に保存されたアプリケーションを実行することによって、複数の端末機１００〜３００のうち、特定端末機の使用者が選択する確率が高いと予測される少なくとも２つ以上のイメージフィルターを選択することができる。例えば、制御部４３０は、複数の端末機１００〜３００のうちの少なくとも１つから受信されたイメージに含まれたコンテンツの種類に対する情報及び選択されたフィルターの種類に対する情報に基づいて、特定端末機の使用者が選択する確率が高いと予測される少なくとも２つ以上のイメージフィルターを選択することができる。

別の例において、制御部４３０は、保存部４２０に保存されたアプリケーションを実行することによって、複数の端末機１００〜３００のうちの少なくとも１つから受信された使用者情報、イメージに含まれたコンテンツの種類に対する情報、及び選択されたフィルターの種類に対する情報に基づいて、特定端末機の使用者が選択する確率が高いと予測される少なくとも２つ以上のイメージフィルターを選択することができる。

別の例において、制御部４３０は、保存部４２０に保存されたアプリケーションを実行することによって、複数の端末機１００〜３００のうちの少なくとも１つから受信された使用者入力情報、イメージに含まれたコンテンツの種類に対する情報、及び選択されたフィルターの種類に対する情報に基づいて、特定端末機の使用者が選択する確率が高いと予測される少なくとも２つ以上のイメージフィルターを選択することができる。

制御部４３０の動作は、図４〜図１４を参照して説明されることができる。

図４は、本発明の実施例に係るサーバーの動作方法を示すブロック図である。Ｓ１１０段階において、サーバー４００の通信部４１０は、対象端末機１００からイメージを受信することができる。本発明の説明のために、対象端末機１００は、第１端末機１００であるものと仮定する。例えば、サーバー４００は、通信部４１０を介して入力されるイメージに適用されるイメージフィルターを選択できるサービスを提供するアプリケーションを実行することができる。

Ｓ１２０段階において、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類を識別することができる。例えば、サーバー４００の制御部４３０は、準備された学習モデルを用いて、イメージに含まれたコンテンツの種類を識別することができる。

準備された学習モデルは、アプリケーションを介して受信されたイメージに含まれたコンテンツの種類を識別するために用いられるデータ認識モデルであることができる。データ認識モデルは、人工神経網（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を基盤とするモデルであることができる。例えば、学習モデルは、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、及びＢＲＤＮＮ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｒｅｃｕｒｒｅｎｔ Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）のようなモデルがデータ認識モデルとして使用されることができるが、これに限定されない。

準備された学習モデルは、イメージに含まれたコンテンツの種類を識別するための学習モデルであることができる。コンテンツの種類を識別するための学習モデルは、多数の写真に対するイメージデータ及び多数の写真に含まれたコンテンツの種類の間の相関関係について学習された結果であることができる。例えば、サーバー４００は、多数の写真に対するイメージデータ及び多数の写真に含まれたコンテンツの種類の間の相関関係を学習することができる。サーバー４００は、学習結果に基づいて人工神経網を訓練し、イメージに含まれたコンテンツの種類を識別するための学習モデルを生成することができる。

Ｓ１３０段階において、サーバー４００の制御部４３０は、イメージに適用可能なイメージフィルターに対する推薦アルゴリズムを準備することができる。例えば、準備された推薦アルゴリズムは、プレビューイメージに適用可能なイメージフィルターを選択するために用いられるデータ認識モデルであることができる。データ認識モデルは、人工神経網を基盤とするモデルであることができる。例えば、学習モデルは、ＤＮＮ、ＲＮＮ、及びＢＲＤＮＮのようなモデルがデータ認識モデルとして使用されることができるが、これに限定されない。

準備された推薦アルゴリズムは、イメージに適用可能なイメージフィルターを推薦するための学習モデルであることができる。イメージフィルターを推薦するための学習モデルは、多数のイメージに含まれたコンテンツの種類及び多数のイメージを補正するために、使用者によって選択されたイメージフィルターの種類の間の相関関係について学習された結果であることができる。例えば、サーバー４００は、多数のイメージに含まれたコンテンツの種類及び多数のイメージを補正するために選択されたイメージフィルターの種類の間の相関関係を学習することができる。サーバー４００は、学習結果に基づいて人工神経網を訓練し、イメージに適用可能なイメージフィルターの種類を選択するための学習モデルを生成することができる。

または、準備された推薦アルゴリズムは、複数の端末機１００〜３００のうち、対象端末機１００を除いた残りの端末機２００、３００から受信された情報に基づいて学習されることができる。これについての実施例は、図５を参照して説明することができる。

Ｓ１４０段階において、サーバー４００の制御部４３０は、イメージフィルターを選択するための推薦アルゴリズムを用いて、２つ以上のイメージフィルターを選択することができる。例えば、サーバー４００の制御部４３０は、対象端末機１００から受信されたイメージに含まれたコンテンツを補正するための２つ以上のイメージフィルターを選択することができる。

例えば、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類に応じて、対象端末機１００の使用者が選択する確率が高いと予測される２つ以上のイメージフィルターを選択することができる。例えば、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類に応じて、端末機１００の使用者が選択する確率が最も高いと予測されたイメージフィルター及び選択する確率が２番目に高いと予測されたイメージフィルターを選択することができる。

Ｓ１５０段階において、サーバー４００の通信部４１０は、選択された２つ以上のイメージフィルターに対する情報を対象端末機１００に伝送することができる。例えば、対象端末機１００の出力部１４０は、２つ以上のイメージフィルターに対する情報を基盤にイメージを２つ以上のイメージ領域に区分し、２つ以上のイメージ領域にそれぞれ選択された２つ以上のイメージフィルターを適用することができる。

図５は、本発明の実施例に係るサーバーが推薦アルゴリズムを準備する方法を示すフローチャートである。図４及び図５を参照すると、Ｓ１３１段階において、サーバー４００の通信部４１０は、少なくとも１つ以上の端末機から使用者入力情報及びイメージを受信することができる。例えば、少なくとも１つ以上の端末機は、複数の端末機１００〜３００のうち、対象端末機１００を除いた残りの端末機２００、３００であることができる。使用者入力情報は、対象端末機１００の表示部１４１に入力されるタッチドラッグ（ｔｏｕｃｈ ｄｒａｇ）入力から生成される情報であることができる。使用者入力情報が生成される方法は、図６〜図８を参照して説明されることができる。

図６〜図８は、本発明の実施例に係る端末機から使用者入力情報が生成される方法を示す図である。

図６に示された端末機は、第２端末機２００であるものと仮定する。本発明は、これに限定されず、図６に示された端末機は、第２端末機２００または第３端末機３００のうちの少なくとも１つで具現されることができる。

第２端末機２００の出力部１４１を介してプレビューイメージが表示されることができる。プレビューイメージは、第２端末機２００の入力部１１０を介して入力された第２端末機２００の周辺から反射された光から生成されることができる。例えば、表示部１４１の第１表示領域１４２は、プレビューイメージの第１イメージ領域に対応し、第２表示領域１４３は、プレビューイメージの第２イメージ領域に対応することができる。

第１表示領域１４２を介して表示される第１イメージ領域及び第２表示領域１４３を介して表示される第２イメージ領域のそれぞれに互いに異なるイメージフィルターが適用されることができる。例えば、第１表示領域１４２には、第１イメージフィルター（例えば、「ｍｅｌｌｏｗ」イメージフィルター）が適用された第１イメージ領域が表示されることができ、第２表示領域１４３には、第２イメージフィルター（例えば、「ｈｉｐｓｔｅｒ」イメージフィルター）が適用された第２イメージ領域が表示されることができる。すなわち、第１イメージ領域は、プレビューイメージで第１イメージフィルターが適用された範囲であることができ、第２イメージ領域は、プレビューイメージで第２イメージフィルターが適用された範囲であることができる。

例えば、第１イメージ領域は、プレビューイメージの左側一部領域に対応することができる。第２イメージ領域は、プレビューイメージの右側一部領域に対応することができる。そして、第２イメージ領域は、プレビューイメージで第１イメージ領域を除いた残りの領域に対応することができる。本発明はこれに限定されず、第１イメージ領域は、プレビューイメージの上側一部領域に対応することができる。第２イメージ領域は、プレビューイメージの下側一部領域に対応することができる。そして、第２イメージ領域は、プレビューイメージで第１イメージ領域を除いた残りの領域に対応することができる。

例えば、第１イメージ領域に適用された第１イメージフィルターは、サーバー４００でプレビューイメージに含まれるオブジェクトの種類に応じて、端末機１００の使用者が選択する確率が最も高いと予測されたイメージフィルターであることができる。第２イメージ領域に適用された第２イメージフィルターは、サーバー４００でプレビューイメージに含まれるオブジェクトの種類に応じて、端末機１００の使用者が選択する確率が２番目に高いと予測されたイメージフィルターであることができる。

例えば、第２端末機２００の表示部１４１は、第１表示領域１４２及び第２表示領域１４３の境界の任意の地点から始まるタッチドラッグ入力を受信することができる。図６を参照すると、第２端末機２００は、第１表示領域１４２及び第２表示領域１４３の境界の任意の地点をタッチし、第１方向（Ｄ１）にドラッグする使用者入力または第１方向（Ｄ１）と反対になる第２方向（Ｄ２）にドラッグする使用者入力のうちの１つを受信することができる。例えば、第１方向（Ｄ１）は、第２表示領域１４３から第１表示領域１４２に向かう方向であり、第２方向（Ｄ２）は、第１表示領域１４２から第２表示領域１４３に向かう方向であることができる。第２端末機２００は、使用者入力に基づいてプレビューイメージの第１イメージ領域または第２イメージ領域の比率を調整することができる。

図７を参照すると、第１表示領域１４２及び第２表示領域１４３の境界の任意の地点から始まる第１方向（Ｄ１）へのタッチドラッグ入力が受信される場合、端末機１００は、タッチドラッグ入力の始点と終点との間の距離に比例するようにプレビューイメージで第２イメージ領域の比率を増加させることができる。そして、第２イメージ領域の比率が増加した分だけ第１イメージ領域の比率が減少するのである。第２イメージ領域の大きさが増加すると、第２イメージ領域に対応する第２表示領域１４３の大きさも共に増加することができる。

第１表示領域１４２及び第２表示領域１４３の境界の任意の地点から始まる第１方向（Ｄ１）へのタッチドラッグ入力が受信される場合、第２端末機２００は、タッチドラッグ入力の始点と終点との間の距離に比例するようにプレビューイメージで第２イメージ領域の比率を増加させることができる。そして、第２イメージ領域の比率が増加した分だけ第１イメージ領域の比率が減少するのである。第２イメージ領域の大きさが増加すると、第２イメージ領域に対応する第２表示領域１４３の大きさも共に増加することができる。

図８を参照すると、第１表示領域１４２及び第２表示領域１４３の境界の任意の地点から始まる第２方向（Ｄ２）へのタッチドラッグ入力が受信される場合、第２端末機２００は、タッチドラッグ入力の始点と終点との間の距離に比例するようにプレビューイメージで第１イメージ領域の比率を増加させることができる。そして、第１イメージ領域の比率が増加した分だけ第２イメージ領域の比率は減少するのである。第１イメージ領域の大きさが増加すると、第１イメージ領域に対応する第１表示領域１４２の大きさも共に増加することができる。

第１イメージ領域の比率が第２イメージ領域よりも増加すると、第１表示領域１４２で表示される第１イメージ領域の横幅（Ｗ１）は、第２表示領域１４３で表示される第２イメージ領域の横幅（Ｗ２）より広くなることができ、プレビューイメージで第２イメージフィルターが適用された第２イメージ領域よりも第１イメージフィルターが適用された第１イメージ領域の大きさがより大きくなることができる。

例えば、第２端末機２００は、第１イメージ領域の比率が第２イメージ領域の比率よりも高くなった回数、または第２イメージ領域の比率が第１イメージ領域の比率よりも高くなった回数に関する情報を使用者入力情報として生成することができる。第２端末機２００は、生成された使用者入力情報をサーバー４００に伝送することができる。

別の例において、第２端末機２００は、第１イメージ領域の比率が第２イメージ領域の比率よりも高くなった時間、または第２イメージ領域の比率が第１イメージ領域の比率よりも高くなった時間に関する情報を使用者入力情報として生成することができる。第２端末機２００は、生成された使用者入力情報をサーバー４００に伝送することができる。

第３端末機３００は、図６〜図８を参照して説明された方法と類似または同一の方法で使用者入力情報を生成することができる。第３端末機３００は、生成された使用者情報をサーバー４００に伝送することができる。

再び図５を参照すると、Ｓ１３２段階において、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類を識別することができる。例えば、サーバー４００の制御部４３０は、準備された学習モデルを用いてイメージに含まれたコンテンツの種類を識別することができる。

Ｓ１３３段階において、サーバー４００の通信部４１０は、少なくとも１つ以上の端末機２００、３００からイメージに適用されるために選択されたイメージフィルターの種類に対する情報を受信することができる。例えば、イメージに適用されるために選択されたイメージフィルターは、少なくとも１つ以上の端末機２００、３００のそれぞれの使用者が自分の端末機に保存されたイメージに適用したイメージフィルターであることができる。

Ｓ１３４段階において、サーバー４００の制御部４３０は、少なくとも１つ以上の端末機２００、３００から受信された使用者入力情報、イメージから識別されたコンテンツの種類及び適用されたフィルターの種類を用いて学習モデルを学習することができる。学習モデルは、少なくとも１つ以上の端末機２００、３００から受信された使用者入力情報、及び少なくとも１つ以上の端末機２００、３００から受信されたイメージから識別されたコンテンツの種類とイメージに適用されるために選択されたイメージフィルターの種類との間の相関関係について学習された結果であることができる。

サーバー４００の制御部４３０は、学習結果に基づいて人工神経網を訓練し、互いに異なる２つ以上のイメージフィルターを選択するための学習モデルを生成することができる。サーバー４００の制御部４３０は、対象端末機１００から受信されたイメージ及び学習モデルを用いて対象端末機１００の使用者が選択する確率が高いと予測される少なくとも２つ以上のイメージフィルターを選択することができる。

図９は、本発明の他の実施例に係るサーバーの動作方法を示すフローチャートである。Ｓ２１０段階において、サーバー４００の通信部４１０は、対象端末機１００から使用者情報及びイメージを受信することができる。使用者情報は、対象端末機１００の使用者が自分の端末機に入力したプロフィール情報であることができる。プロフィール情報は、端末機の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルターの種類に対する情報のうちの少なくとも１つを含むことができる。例えば、サーバー４００は、対象端末機１００から受信されたイメージに適用可能なイメージフィルターを推薦することができるサービスを提供するアプリケーションを実行することができる。

Ｓ２２０段階において、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類を識別することができる。例えば、サーバー４００の制御部４３０は、準備された学習モデルを用いてイメージに含まれたコンテンツの種類を識別することができる。

Ｓ２３０段階において、サーバー４００の制御部４３０は、イメージに適用可能なイメージフィルターに対する推薦アルゴリズムを準備することができる。例えば、準備された推薦アルゴリズムは、アプリケーションを介してイメージに適用可能なイメージフィルターを選択するために用いられるデータ認識モデルであることができる。サーバー４００の制御部が推薦アルゴリズムを準備する方法は、図１０を参照して説明されることができる。

Ｓ２４０段階において、サーバー４００の制御部４３０は、イメージフィルターを選択するための推薦アルゴリズムを用いて、２つ以上のイメージフィルターを選択することができる。例えば、サーバー４００の制御部４３０は、対象端末機１００から受信されたイメージに含まれたコンテンツを補正するための２つ以上のイメージフィルターを選択することができる。サーバー４００の制御部４３０は、対象端末機から受信された使用者情報、イメージ、及び推薦アルゴリズムを用いて、互いに異なる２つ以上のイメージフィルターを選択することができる。

例えば、サーバー４００の制御部４３０は、対象端末機１００の使用者の使用者情報及びイメージに含まれたコンテンツの種類に応じて、対象端末機１００の使用者が選択する確率が高いと予測される２つ以上のイメージフィルターを選択することができる。例えば、サーバー４００の制御部４３０は、対象端末機１００の使用者の使用者情報及びイメージに含まれたコンテンツの種類に応じて、端末機１００の使用者が選択する確率が最も高いと予測されたイメージフィルター及び選択する確率が２番目に高いと予測されたイメージフィルターを選択することができる。

Ｓ２５０段階において、サーバー４００の通信部４１０は、選択された２つ以上のイメージフィルターに対する情報を対象端末機１００に伝送することができる。例えば、対象端末機１００の出力部１４０は、イメージを２つ以上のイメージ領域に区分し、２つ以上のイメージ領域にそれぞれ選択された２つ以上のイメージフィルターを適用することができる。

図１０は、本発明の他の実施例に係るサーバーが推薦アルゴリズムを準備する方法を示すフローチャートである。図３、図９、及び図１０を参照すると、Ｓ２３１段階において、サーバー４００の通信部４１０は、少なくとも１つ以上の端末機から使用者情報及びイメージを受信することができる。例えば、少なくとも１つ以上の端末機２００、３００は、複数の端末機１００〜３００のうち、対象端末機１００を除いた残りの端末機であることができる。使用者情報は、少なくとも１つ以上の端末機２００、３００のそれぞれの使用者が自分の端末機に入力したプロフィール情報であることができる。プロフィール情報は、端末機の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルター情報のうちの少なくとも１つを含むことができる。

Ｓ２３２段階において、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類を識別することができる。例えば、サーバー４００の制御部４３０は、準備された学習モデルを用いて、イメージに含まれたコンテンツの種類を識別することができる。

Ｓ２３３段階において、サーバー４００の通信部４１０は、少なくとも１つ以上の端末機２００、３００からイメージに適用されるために選択されたイメージフィルターの種類に対する情報を受信することができる。例えば、選択されたイメージフィルターは、少なくとも１つ以上の端末機２００、３００のそれぞれの使用者が自分の端末機に入力されたイメージに適用するために選択したイメージフィルターであることができる。

Ｓ２３４段階において、サーバー４００の制御部４３０は、少なくとも１つ以上の端末機２００、３００から受信された使用者情報、イメージで識別されたコンテンツの種類及び選択されたフィルターの種類を用いて学習モデルを学習することができる。学習モデルは、少なくとも１つ以上の端末機２００、３００から受信された使用者情報、及びイメージで識別されたコンテンツの種類と適用されたフィルターの種類との間の相関関係について学習された結果であることができる。

サーバー４００の制御部４３０は、学習結果に基づいて人工神経網を訓練し、互いに異なる２つ以上のイメージフィルターを選択するための学習モデルを生成することができる。制御部４３０は、学習モデル、対象端末機１００の使用者の使用者情報及びイメージに含まれたコンテンツの種類を用いて、対象端末機１００の使用者が選択する確率が高いと予測される２つ以上のイメージフィルターを選択することができる。

図１１は、本発明のまた他の実施例に係るサーバーの動作方法を示すフローチャートである。図３及び図１１を参照すると、Ｓ３１０段階において、サーバー４００の通信部４１０は、対象端末機１００からイメージを受信することができる。

Ｓ３２０段階において、サーバー４００の制御部４３０は、イメージに含まれたコンテンツの種類を識別することができる。例えば、サーバー４００の制御部４３０は、準備された学習モデルを用いてイメージに含まれたコンテンツの種類を識別することができる。

Ｓ３３０段階において、サーバー４００は、コンテンツの種類別に選択されたイメージフィルターの種類に対する情報を準備することができる。Ｓ３４０段階において、サーバー４００は、コンテンツの種類別に選択されたイメージフィルターの種類に対する情報を基盤に対象端末機１００の使用者が選択するものと予測される２つ以上のイメージフィルターを選択することができる。Ｓ３３０段階及びＳ３４０段階は、図１２及び図１３を参照して詳細に説明されることができる。

図１２は、本発明の実施例に係るサーバーに準備されたコンテンツの種類別に選択されたイメージフィルターの種類に対する情報を示す図である。図３、図１１及び図１２を参照すると、目録に含まれた情報は、複数の端末機１００〜３００から受信されることができる。目録は、サーバー４００の保存部４２０に保存されることができる。

例えば、第１イメージフィルター履歴情報４２１は、第１端末機１００から受信された、第１コンテンツ（ＣＮ１）が含まれたイメージに適用されたイメージフィルターの種類に対する情報を含むことができる。第１端末機１００の使用者は、第１コンテンツ（ＣＮ１）が含まれたイメージに適用するためのイメージフィルターとして、第２イメージフィルター（ＩＦ２）、第３イメージフィルター（ＩＦ３）、第６イメージフィルター（ＩＦ６）、第７イメージフィルター（ＩＦ７）及び第８イメージフィルター（ＩＦ８）を選択することができる。

選択されたフィルター（例えば、第２イメージフィルター（ＩＦ２）、第３イメージフィルター（ＩＦ３）、第６イメージフィルター（ＩＦ６）、第７イメージフィルター（ＩＦ７）または第８イメージフィルター（ＩＦ８））に対する情報は、第１端末機１００の使用者によって、第１コンテンツ（ＣＮ１）を含むイメージに適用するために、それぞれのイメージフィルターが選択されるたびに、サーバー４００に伝送されることができる。

第２イメージフィルター履歴情報４２２は、第２端末機２００から受信された、第１コンテンツ（ＣＮ１）が含まれたイメージに適用されたイメージフィルターの種類に対する情報を含むことができる。第２端末機２００の使用者は、第１コンテンツ（ＣＮ１）が含まれたイメージに適用するためのイメージフィルターとして、第３イメージフィルター（ＩＦ３）、第４イメージフィルター（ＩＦ４）、第５イメージフィルター（ＩＦ５）、第８イメージフィルター（ＩＦ８）、第９イメージフィルター（ＩＦ９）、及び第１０イメージフィルター（ＩＦ１０）を選択することができる。

選択されたフィルター（例えば、第３イメージフィルター（ＩＦ３）、第４イメージフィルター（ＩＦ４）、第５イメージフィルター（ＩＦ５）、第８イメージフィルター（ＩＦ８）、第９イメージフィルター（ＩＦ９）、または第１０イメージフィルター（ＩＦ１０））に対する情報は、第２端末機２００の使用者によって、第１コンテンツ（ＣＮ１）を含むイメージに適用するために、それぞれのイメージフィルターが選択されるたびに、サーバー４００に伝送されることができる。

第３イメージフィルター履歴情報４２３は、第３端末機３００から受信された、第１コンテンツ（ＣＮ１）が含まれたイメージに適用するために選択されたイメージフィルターの種類に対する情報を含むことができる。第３端末機３００の使用者は、第１コンテンツ（ＣＮ１）が含まれたイメージに適用するためのイメージフィルターとして、第１イメージフィルター（ＩＦ１）、第３イメージフィルター（ＩＦ３）、第６イメージフィルター（ＩＦ６）、第７イメージフィルター（ＩＦ７）、第８イメージフィルター（ＩＦ８）、及び第９イメージフィルター（ＩＦ９）を選択することができる。

選択されたフィルター（例えば、第１イメージフィルター（ＩＦ１）、第３イメージフィルター（ＩＦ３）、第６イメージフィルター（ＩＦ６）、第７イメージフィルター（ＩＦ７）、第８イメージフィルター（ＩＦ８）、または第９イメージフィルター（ＩＦ９））に対する情報は、第３端末機３００の使用者によって、第１コンテンツ（ＣＮ１）を含むイメージに適用するために、それぞれのイメージフィルターが選択されるたびに、サーバー４００に伝送されることができる。

対象端末機１００から受信されたイメージから識別されたコンテンツの種類は、第１コンテンツ（ＣＮ１）であることができる。サーバー４００は、対象端末機１００に提供される２つ以上のイメージフィルターの種類に対する情報を生成するために、複数の端末機１００〜３００のそれぞれから受信された第１〜第３イメージフィルター履歴情報４２１〜４２３を用いることができる。複数の端末機１００〜３００のそれぞれから受信された第１〜第３イメージフィルター履歴情報４２１〜４２３は、対象端末機１００からイメージを受信する前に受信され、サーバー４００の保存部４２０に保存されることができる。

サーバー４００の制御部４３０は推薦アルゴリズムであって、協業フィルタリングアルゴリズム（ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ）を用いることができる。サーバー４００の制御部４３０は、協業フィルタリングアルゴリズムを用いて、対象端末機１００に提供される２つ以上のイメージフィルターの種類に対する情報を生成することができる。より具体的には、サーバー４００の制御部４３０は、協業フィルタリングアルゴリズムを用いて、対象端末機１００の使用者が選択する確率が高いと予測されるイメージフィルターを選択することができる。

サーバー４００の制御部４３０は、第２イメージフィルター履歴情報４２２及び第３イメージフィルター履歴情報４２３のうち、第１イメージフィルター履歴情報４２１に含まれたイメージフィルターと重複したイメージフィルターを最も多く含む情報を選択することができる。第２イメージフィルター履歴情報４２２は、第１イメージフィルター履歴情報４２１と２つの重複したイメージフィルターを含むことができる。例えば、第２イメージフィルター履歴情報４２２及び第１イメージフィルター履歴情報４２１の間に重複したイメージフィルターは、第３イメージフィルター（ＩＦ３）、及び第８イメージフィルター（ＩＦ８）であることができる。そして、第３イメージフィルター履歴情報４２３は、第１イメージフィルター履歴情報４２１と４つの重複したイメージフィルターを含むことができる。例えば、第３イメージフィルター履歴情報４２３及び第１イメージフィルター履歴情報４２１の間の重複したイメージフィルターは、第３イメージフィルター（ＩＦ３）、第６イメージフィルター（ＩＦ６）、第７イメージフィルター（ＩＦ７）及び第８イメージフィルター（ＩＦ８）であることができる。

第１イメージフィルター履歴情報４２１と重複したイメージフィルターを最も多く含む情報は、第３イメージフィルター履歴情報４２３である。したがって、サーバー４００の制御部４３０は、第３端末機３００の使用者が選択したイメージフィルターを対象端末機１００の使用者が選好するものと予測することができる。

サーバー４００の制御部４３０は、第３イメージフィルター履歴情報４２３を基盤に対象端末機１００に提供されるイメージフィルターの種類を選択することができる。例えば、サーバー４００の制御部４３０は、第３イメージフィルター履歴情報４２３に含まれたイメージフィルターの種類の中から、第１イメージフィルター履歴情報４２１に含まれたイメージフィルターの種類と重複していない残りの２つのイメージフィルターを対象端末機１００の使用者が選好するイメージフィルターとして選択することができる。残り２つのイメージフィルターは、第１イメージフィルター（ＩＦ１）及び第９イメージフィルター（ＩＦ９）であることができる。

再び図１１を参照すると、Ｓ３５０段階において、サーバー４００の通信部４１０は、選択された２つ以上のイメージフィルターの種類に対する情報を対象端末機に伝送することができる。サーバー４００は、協業フィルタリングアルゴリズムを用いて、対象端末機１００の使用者が選好するものと予測されたイメージフィルターを選択し、選択されたイメージフィルターの種類に対する情報を対象端末機１００に伝送することができる。サーバー４００がイメージフィルターの種類に対する情報を対象端末機１００に伝送する方法は、図９を参照して説明されることができる。

図１３は、本発明の実施例に係る端末機及びサーバーの通信方法を示す図である。図１１〜図１３を参照すると、サーバー４００は、イメージフィルターの種類に対する情報として、第１イメージフィルター情報（ＩＦ１＿ＩＮＦｐ）、及び第９イメージフィルター情報（ＩＮＦ９＿ＩＮＦ）を対象端末機１００に伝送することができる。

図１４は、本発明の他の実施例に係るサーバーの動作方法を示すフローチャートである。図４及び図１４を参照すると、Ｓ４１０段階において、サーバー４００の通信部４１０は、対象端末機１００からコンテンツの種類に対する情報を受信することができる。例えば、対象端末機１００は、イメージに適用されるイメージフィルターを選択できるサービスを提供するアプリケーションを実行することができる。対象端末機１００は、準備された学習モデルを用いて、イメージに含まれたコンテンツの種類を識別することができる。

準備された学習モデルは、イメージに含まれたコンテンツの種類を識別するための学習モデルであることができる。コンテンツの種類を識別するための学習モデルは、多数の写真に対するイメージデータ及び多数の写真に含まれたコンテンツの種類の間の相関関係について学習された結果であることができる。対象端末機１００は、コンテンツの種類を識別するための学習モデル及びイメージを用いて、イメージに含まれたコンテンツの種類を予測することができる。予測されたコンテンツの種類に対する情報は、対象端末機１００からサーバー４００に伝送されることができる。

Ｓ４２０段階において、サーバー４００の制御部４３０は、イメージに適用可能なイメージフィルターに対する推薦アルゴリズムを準備することができる。Ｓ４３０段階において、サーバー４００の制御部４３０は、イメージフィルターを選択するための推薦アルゴリズムを用いて、２つ以上のイメージフィルターを選択することができる。そして、Ｓ４４０段階において、サーバー４００の通信部４１０は、選択された２つ以上のイメージフィルターに対する情報を対象端末機１００に伝送することができる。Ｓ４２０段階〜Ｓ４４０段階は、それぞれ図４を参照して説明されたＳ１３０段階〜Ｓ１５０段階と類似または同一であることができる。したがって、Ｓ４２０段階〜Ｓ４４０段階に対する詳細な説明は省略する。

図１〜図１４を参照して説明されたように、本発明の実施例に係るサーバー４００は、使用者によって撮影されるイメージに含まれたコンテンツの種類に適した互いに異なる２つ以上のイメージフィルターを自動的に推薦することができる。サーバー４００が互いに異なる２つ以上のイメージフィルターを自動的に推薦することによって、使用者の便利性が向上することができる。

以上で説明した実施例は、コンピュータによって実行されるプログラムモジュールのようなコンピュータによって実行可能なコマンドを含む記録媒体の形態でも具現されることができる。コンピュータ判読可能な媒体は、コンピュータによってアクセスすることができる任意の使用可能な媒体であることができ、揮発性及び非揮発性媒体、分離型及び非分離型媒体をすべて含むことができる。

また、コンピュータ判読可能な媒体は、コンピュータ保存媒体または通信媒体を含むことができる。コンピュータ保存媒体は、コンピュータ判読可能なコマンド、データ構造、プログラムモジュールまたはその他のデータのような情報の保存のための任意の方法または技術で具現された揮発性及び非揮発性、分離型及び非分離型媒体をすべて含むことができる。通信媒体は、典型的にコンピュータ判読可能なコマンド、データ構造、プログラムモジュール、または搬送波のような変調したデータ信号のその他のデータ、またはその他の出力メカニズムを含み、任意の情報伝達媒体を含むことができる。

以上、添付された図面を参照して、本発明の実施例を説明したが、本発明が属する技術分野における通常の知識を有する者は、本発明がその技術的思想や必須的な特徴を変更せず、他の具体的な形で実施できることを理解することができるはずである。したがって、以上で記述した実施例は、あらゆる面で例示的なものであり、限定的ではないことを理解しなければならない。

Claims (12)

1. サーバーの動作方法において、
   複数の端末機のうちの対象端末機からイメージを受信する段階と、
   前記受信されたイメージに含まれたコンテンツの種類を識別する段階と、
   前記イメージに適用可能なイメージフィルターに対する推薦アルゴリズムを準備する段階と、
   前記推薦アルゴリズムを用いて前記コンテンツの種類に対応する互いに異なる２つ以上のイメージフィルターを選択する段階、及び
   前記選択された２つ以上のイメージフィルターに対する情報を前記対象端末機に伝送する段階を含み、
   前記イメージに適用可能なイメージフィルターに対する推薦アルゴリズムを準備する段階は、
   前記複数の端末機のうちの前記対象端末機以外の少なくとも１つ以上の他の端末機から使用者入力情報を受信する段階であって、前記使用者入力情報は、前記少なくとも１つ以上の他の端末機の表示部に表示されたプレビューイメージの第１のイメージ領域と第２のイメージ領域の比率に関する情報であり、前記第１のイメージ領域は、第１のイメージフィルターが適用され、前記表示部の第１の表示領域を介して表示される領域であり、前記第２のイメージ領域は、第２のイメージフィルターが適用され、前記表示部の第２の表示領域を介して表示される領域である、段階と、
   前記使用者入力情報を用いて、前記推薦アルゴリズムのための学習モデルを生成する段階と、を含む、
   動作方法。
2. 前記イメージに含まれた前記コンテンツの種類を識別する前に、多数の写真に対するイメージデータ及び前記多数の写真に含まれたコンテンツの種類の間の相関関係について学習された、前記イメージに含まれた前記コンテンツの種類を識別するための学習モデルを準備する段階をさらに含む請求項１に記載の動作方法。
3. 前記対象端末機から前記対象端末機の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルターの種類に対する情報のうちの少なくとも１つを含む使用者情報を受信する段階をさらに含み、
   前記イメージに適用される前記イメージフィルターに対する前記推薦アルゴリズムを準備する段階は、
   前記少なくとも１つ以上の他の端末機のそれぞれから前記使用者情報及びイメージを受信する段階と、
   前記少なくとも１つ以上の他の端末機のそれぞれから受信された前記イメージに含まれたコンテンツの種類を識別する段階と、
   前記少なくとも１つ以上の他の端末機のそれぞれから前記イメージに適用するために選択されたイメージフィルターの種類に対する情報を受信する段階、及び
   前記使用者情報、前記識別されたコンテンツの種類に対する情報、及び前記受信されたイメージフィルターの種類に対する情報を用いて、学習モデルを準備する段階を含む請求項１に記載の動作方法。
4. 前記使用者情報、前記識別されたコンテンツの種類に対する情報、及び前記受信されたイメージフィルターの種類に対する情報を用いて、前記学習モデルを準備する段階は、
   前記使用者情報、及び前記識別されたコンテンツの種類に対する情報と前記受信されたイメージフィルターの種類に対する情報との間の相関関係について学習された前記互いに異なる２つ以上のイメージフィルターを選択するための学習モデルを準備する段階を含む請求項３に記載の動作方法。
5. 前記推薦アルゴリズムを用いて、前記コンテンツの種類に対応する前記互いに異なる２つ以上のイメージフィルターを選択する段階は、
   前記対象端末機から受信された前記使用者情報、前記対象端末機から受信されたイメージで識別された前記コンテンツの種類に対する情報及び前記学習モデルを用いて、前記対象端末機の使用者が選択する確率が高いと予測される前記２つ以上のイメージフィルターを選択する段階を含む請求項３に記載の動作方法。
6. 前記受信されたイメージに含まれたコンテンツの種類を識別する段階は、
   前記対象端末機から前記受信されたイメージに含まれた前記コンテンツが、第１コンテンツであると判断する段階を含み、
   前記イメージに適用されるイメージフィルターに対する前記推薦アルゴリズムを準備する段階は、
   前記対象端末機から前記イメージが受信される前に受信された、前記第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報及び前記少なくとも１つ以上の他の端末機からそれぞれ受信された、前記第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報を準備する段階を含み、
   前記推薦アルゴリズムを用いて、前記コンテンツの種類に対応する前記互いに異なる２つ以上のイメージフィルターを選択する段階は、
   前記少なくとも１つ以上の他の端末機からそれぞれ受信された、前記イメージフィルター履歴情報の中から前記対象端末機から受信されたイメージフィルター履歴情報に含まれたイメージフィルターと重複したイメージフィルターを最も多く含むイメージフィルター履歴情報を選択する段階、及び
   前記選択されたイメージフィルター履歴情報の中から前記対象端末機から受信された前記イメージフィルター履歴情報と重複していないイメージフィルターに基づいて、前記互いに異なる２つ以上のイメージフィルターを選択する段階を含む、
   請求項１に記載の動作方法。
7. 前記受信されたイメージに含まれた前記コンテンツの種類を識別する段階は、
   前記コンテンツは、人、特定のオブジェクト（ｏｂｊｅｃｔ）、特定の動物、特定の風景、特定のパターンまたは特定の色のうちの少なくとも１つを含んでいるか否かを検出する段階を含む請求項１に記載の動作方法。
8. 前記推薦アルゴリズムを用いて、前記コンテンツの種類に対応する前記互いに異なる２つ以上のイメージフィルターを選択する段階は、
   前記推薦アルゴリズムを用いて、前記対象端末機の使用者が選択する確率が最も高いと予測された第１イメージフィルター、及び前記対象端末機の前記使用者が選択する確率が２番目に高いと予測された第２イメージフィルターを選択する段階を含む請求項１に記載の動作方法。
9. 請求項１に記載の動作方法をコンピュータで実行させるプログラムが記録されたコンピュータ判読可能な記録媒体。
10. 複数の端末機のうちで対象端末機からイメージと、前記複数の端末機のうちの前記対象端末機以外の少なくとも１つ以上の他の端末機から使用者入力情報を受信する通信部、及び
    前記受信されたイメージに含まれたコンテンツの種類を識別し、前記イメージに適用されるイメージフィルターに対する推薦アルゴリズムを用いて、互いに異なる２つ以上のイメージフィルターを選択する制御部を含み、
    前記使用者入力情報は、前記少なくとも１つ以上の他の端末機の表示部に表示されたプレビューイメージの第１のイメージ領域と第２のイメージ領域の比率に関する情報であり、前記第１のイメージ領域は、第１のイメージフィルターが適用され、前記表示部の第１の表示領域を介して表示される領域であり、前記第２のイメージ領域は、第２のイメージフィルターが適用され、前記表示部の第２の表示領域を介して表示される領域であり、
    前記制御部は、
    前記使用者入力情報を用いて、前記推薦アルゴリズムのための学習モデルを生成し、
    前記推薦アルゴリズムを用いて、前記対象端末機の使用者が選択する確率が最も高いと予測された第１イメージフィルター、及び前記対象端末機の使用者が選択する確率が２番目に高いと予測された第２イメージフィルターを選択し、
    前記通信部は、前記第１イメージフィルターに対する情報及び前記第２イメージフィルターに対する情報を前記対象端末機に伝送するサーバー。
11. 前記制御部は、前記対象端末機から前記受信されたイメージに含まれた前記コンテンツが第１コンテンツであると判断し、
    前記通信部は、前記対象端末機から前記イメージが受信される前に受信された、前記第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報及び前記少なくとも１つ以上の他の端末機からそれぞれ受信された、前記第１コンテンツを含むイメージに適用されるために選択されたイメージフィルターの種類に対するイメージフィルター履歴情報を受信し、
    前記制御部は、前記少なくとも１つ以上の他の端末機からそれぞれ受信された、前記イメージフィルター履歴情報の中から前記対象端末機から受信されたイメージフィルター履歴情報に含まれたイメージフィルターと重複したイメージフィルターを最も多く含むイメージフィルター履歴情報を選択し、前記選択されたイメージフィルター履歴情報の中から前記対象端末機から受信された前記イメージフィルター履歴情報と重複していないイメージフィルターに基づいて、前記互いに異なる２つ以上のイメージフィルターを選択する、
    請求項１０に記載のサーバー。
12. 前記通信部は、前記対象端末機から前記対象端末機の使用者の趣味情報、性別情報、年齢情報、または選好するイメージフィルターの種類に対する情報のうちの少なくとも１つを含む使用者情報、前記少なくとも１つ以上の他の端末機のそれぞれから前記使用者情報、イメージフィルターが適用されたイメージ及び前記イメージフィルターが適用されたイメージのイメージフィルターの種類に対する情報を受信し、
    前記制御部は、前記少なくとも１つ以上の他の端末機のそれぞれから受信された前記イメージフィルターが適用されたイメージに含まれたコンテンツの種類を識別し、前記使用者情報、前記識別されたコンテンツの種類、及び前記受信されたイメージフィルターの種類の間の相関関係について学習された、前記互いに異なる２つ以上のイメージフィルターを選択するための前記推薦アルゴリズムを準備する請求項１０に記載のサーバー。