[go: up one dir, main page]

KR102586936B1 - 머신 러닝 분류들에 기초한 디바이스 위치 - Google Patents

머신 러닝 분류들에 기초한 디바이스 위치 Download PDF

Info

Publication number
KR102586936B1
KR102586936B1 KR1020227032180A KR20227032180A KR102586936B1 KR 102586936 B1 KR102586936 B1 KR 102586936B1 KR 1020227032180 A KR1020227032180 A KR 1020227032180A KR 20227032180 A KR20227032180 A KR 20227032180A KR 102586936 B1 KR102586936 B1 KR 102586936B1
Authority
KR
South Korea
Prior art keywords
venue
image
venues
data
user device
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.)
Active
Application number
KR1020227032180A
Other languages
English (en)
Other versions
KR20220133307A (ko
Inventor
에보니 제임스 찰튼
수만트 미린드 하누만테
저우 런
드리티만 사가
Original Assignee
스냅 인코포레이티드
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 스냅 인코포레이티드 filed Critical 스냅 인코포레이티드
Priority to KR1020237033891A priority Critical patent/KR102714206B1/ko
Publication of KR20220133307A publication Critical patent/KR20220133307A/ko
Application granted granted Critical
Publication of KR102586936B1 publication Critical patent/KR102586936B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/36—Indoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/222—Monitoring or handling of messages using geographical location information, e.g. messages transmitted or received in proximity of a certain spot or area
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/131—Protocols for games, networked simulations or virtual reality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/02—Terminal devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Information Transfer Between Computers (AREA)
  • Elevator Control (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Heterocyclic Carbon Compounds Containing A Hetero Ring Having Nitrogen And Oxygen As The Only Ring Hetero Atoms (AREA)

Abstract

클라이언트 디바이스의 베뉴 시스템은 위치 요청을 서버에 제출할 수 있고, 이는 클라이언트 디바이스 근처에 있는 다수의 베뉴를 반환한다. 클라이언트 디바이스는 클라이언트 디바이스가 가능한 베뉴들의 특정 베뉴들 중 하나에 위치하는 것으로 결정하기 위해 하나 이상의 머신 러닝 스킴(예를 들어, 컨볼루션 신경 네트워크)을 사용할 수 있다. 베뉴 시스템은 베뉴 선택에 기초하여 프레젠테이션을 위한 이미지를 추가로 선택할 수 있다. 프레젠테이션은 네트워크 플랫폼에서 단기적 메시지로서 게시될 수 있다.

Description

머신 러닝 분류들에 기초한 디바이스 위치{DEVICE LOCATION BASED ON MACHINE LEARNING CLASSIFICATIONS}
우선권
본 출원은 2017년 8월 31일자로 출원된 미국 특허 출원 일련 번호 제15/692,990호에 대한 우선권의 이익을 주장하고 그의 연속출원인 2018년 4월 30일자로 출원된 미국 특허 출원 일련 번호 제15/967,201호에 대한 우선권의 이익을 주장하며, 이들 각각의 우선권의 이익은 이로써 주장되고, 그 전체가 본 명세서에 참조로 포함된다.
기술 분야
본 개시내용의 실시예들은 일반적으로 디바이스 위치들을 결정하는 것에 관한 것이고, 더 구체적으로는, 머신 러닝 분류들에 기초한 정확한 컴퓨터 디바이스 위치 결정들에 관한 것이지만, 이에 제한되는 것은 아니다.
컴퓨터(예를 들어, 스마트폰)는 지오로케이션(geolocation) 서비스들을 사용하여 그의 위치를 근사화할 수 있다. 예를 들어, 컴퓨터는 온보드 GPS 센서에 의해 생성된 GPS(global positioning system) 데이터를 사용하여 그의 위치를 결정할 수 있다. 그러나, 종종 그러한 정보는 컴퓨터 근처에 여러 베뉴들이 존재하는 경우에 컴퓨터가 어느 베뉴(예를 들어, 식당, 가스 스테이션)에 현재 위치하는지를 정확히 찾아낼 수 없다.
임의의 특정 요소 또는 행위의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 그 요소 또는 행위가 처음 도입되는 도면("FIG.") 번호를 지칭한다.
도 1은 네트워크를 통해 데이터(예를 들어, 메시지들 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템을 도시하는 블록도이다.
도 2는 예시적인 실시예들에 따른, 통합된 가상 객체 머신 러닝 시스템을 갖는 메시징 시스템에 관한 추가 상세들을 예시하는 블록도이다.
도 3은 특정 예시적인 실시예들에 따른, 메시징 서버 시스템의 데이터베이스에 저장될 수 있는 데이터를 예시하는 개략도이다.
도 4는 통신을 위해 메시징 클라이언트 애플리케이션에 의해 생성된, 일부 실시예들에 따른, 메시지의 구조를 예시하는 개략도이다.
도 5는 콘텐츠(예를 들어, 단기적(ephemeral) 메시지, 및 데이터의 연관된 멀티미디어 페이로드) 또는 콘텐츠 컬렉션(예를 들어, 단기적 메시지 스토리)에의 액세스가 시간-제한될(예를 들어, 단기적으로 될) 수 있다는 관점에서, 예시적인 액세스-제한 프로세스를 예시하는 개략도이다.
도 6a는 일부 예시적인 실시예들에 따른 클라이언트 베뉴 시스템의 예시적인 컴포넌트들을 도시한다.
도 6b는 일부 예시적인 실시예들에 따른 서버 베뉴 시스템의 예시적인 컴포넌트들을 도시한다.
도 7은 일부 예시적인 실시예들에 따른 머신 러닝 분류들을 이용하여 개선된 베뉴 선택을 구현하기 위한 방법의 흐름도를 도시한다.
도 8은 일부 예시적인 실시예들에 따른, 이미지들에 대한 분류들을 생성하는 방법의 흐름도를 도시한다.
도 9는 일부 예시적인 실시예들에 따른, 베뉴 데이터 세트로부터 하나 이상의 베뉴를 선택하기 위한 방법의 흐름도를 도시한다.
도 10은 일부 예시적인 실시예들에 따른, 베뉴들 및 디스플레이 콘텐츠를 필터링하거나 다른 방식으로 선택하기 위해 사용될 수 있는 데이터 구조를 도시한다.
도 11은 일부 예시적인 실시예들에 따른, 데이터 구조의 일부를 갖는 메타데이터 태그들의 일례를 도시한다.
도 12는 일부 예시적인 실시예들에 따른, 오버레이 콘텐츠를 갖는 와인 바의 이미지의 예시적인 프레젠테이션을 도시한다.
도 13은 일부 예시적인 실시예들에 따른, 오버레이 콘텐츠를 갖는 카지노의 예시적인 프레젠테이션을 도시한다.
도 14는 일부 예시적인 실시예들에 따른, 오버레이 콘텐츠를 갖는 수영장 영역의 예시적인 프레젠테이션을 도시한다.
도 15는 본원에서 설명된 다양한 하드웨어 아키텍처들과 함께 이용될 수도 있는 대표적인 소프트웨어 아키텍처를 예시하는 블록도이다.
도 16은 일부 예시적인 실시예들에 따라, 머신 판독가능 매체(예를 들어, 머신 판독가능 저장 매체)로부터의 명령어들을 판독하고 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행할 수 있는 머신의 컴포넌트들을 예시하는 블록도이다.
이하의 설명은 본 개시내용의 예시적인 실시예들을 구현하는 시스템들, 방법들, 기술들, 명령어 시퀀스들 및 컴퓨팅 머신 프로그램 제품들을 포함한다. 이하의 설명에서, 설명의 목적 상, 발명 요지의 다양한 실시예들의 이해를 제공하기 위해 다수의 구체적인 상세들이 기재되어 있다. 그렇지만, 발명 요지의 실시예들이 이 구체적인 상세들 없이도 실시될 수 있다는 것이 본 기술분야의 통상의 기술자에게는 명백할 것이다. 일반적으로, 널리 공지된 명령어 인스턴스들, 프로토콜들, 구조들, 및 기술들이 꼭 상세히 나타내어져 있지는 않다.
스마트폰과 같은 클라이언트 디바이스는 지오로케이션 서비스들을 사용하여 자신의 위치를 근사화할 수 있다. 예를 들어, 스마트폰은 온보드 GPS 센서를 사용하여 스마트폰 위도 및 경도를 결정할 수 있다. 그러나, GPS 정확도는 방해하는 건물들 및 GPS 신호들과 간섭하는 다른 객체들과 같은 환경 인자들에 의해 제한될 수 있다. 예를 들어, 물리적 장애물들(예를 들어, 물리적 벽들)로 인해, 클라이언트 디바이스의 GPS 센서는 실제로 클라이언트 디바이스가 다른 식당에 수백 피트 떨어져 위치할 때 디바이스에 하나의 식당으로 보여줄 수 있다. 또한, 클라이언트 디바이스 GPS 정확도도 프로토콜에 의해 제한될 수 있다. 예를 들어, 군용 등급 GPS는 매우 정확할 수 있지만, 소비자-등급 GPS는 종종 거리 해상도 제한들을 가져서, 소비자-등급 GPS 디바이스는 악의적인 목적들로 사용되지 않는다. 이러한 이유들로, 클라이언트 디바이스에 의해 생성된(client device generated) 지오로케이션 데이터는 클라이언트 디바이스가 현재 어느 베뉴(예를 들어, 카페, 식당, 가스 스테이션)에 위치하는지를 정확하게 설명하지 않을 수 있다.
위치 결정들을 개선하려고 시도하기 위해, 클라이언트 디바이스는 추가 분석을 위해 GPS 데이터를 서버에 전송할 수 있다. 그러나, 클라이언트 디바이스 GPS 신호가 불량한 경우 또는 서버에 전송된 데이터 근처에 많은 베뉴들이 있는 경우에는 부정확할 수 있으며, 이 경우 서버에 의해 생성된 후속 예측들이 또한 부정확할 것이다.
이를 위해, 클라이언트 디바이스 상에서 실행하는 베뉴 시스템은 가능한 베뉴들의 세트로부터 주어진 베뉴를 선택하기 위해 클라이언트 디바이스를 둘러싸는 환경의 시각적 큐들을 레버리지할 수 있다. 시각적 큐들은 이미지 처리를 위해 훈련되었던 하나 이상의 신경 네트워크(예를 들어, 컨볼루션 신경 네트워크들)와 같은 머신 러닝 스킴을 사용하여 식별될 수 있다. 처음에, 클라이언트 디바이스는 자체의 지오로케이션 데이터 및 위치 식별에 잠재적으로 도움이 되는 다른 정보, 예를 들어, 클라이언트 디바이스에 가시적인 인터넷 프로토콜(IP) 네트워크들의 목록을 수집할 수 있다. 클라이언트 디바이스는 추가 분석을 위해 수집된 정보를 위치 서버로 전송할 수 있다.
서버는 요청을 수신하고, 베뉴 데이터베이스에 액세스하고, 클라이언트 디바이스에 가장 가까운 다수의 베뉴(예를 들어, 5개의 베뉴)를 반환한다. 서버에 의해 액세스되는 베뉴 데이터베이스는 세계의 어딘가에 있는 베뉴들에 대한 위치 데이터(예를 들어, 위도/경도 데이터, 주소 데이터, 가시적 IP 네트워크 데이터)를 포함할 수 있다. 서버는 데이터베이스 내의 어느 베뉴들이 클라이언트 디바이스에 가장 가까운지를 결정하기 위해 지오로케이션 데이터 및 다른 데이터(예를 들어, 가시적인 IP 네트워크들)를 사용할 수 있다.
일부 예시적인 실시예들에 따르면, 서버로부터 베뉴들의 세트를 수신하는 것에 응답하여, 클라이언트 디바이스는 그 후 주변 환경의 이미지들로부터의 시각적 큐들을 사용하여 베뉴들의 세트로부터 베뉴들을 필터링 아웃하려고 시도한다. 특히, 예를 들어, 베뉴 시스템은 클라이언트 디바이스에 의해 생성된 이미지 데이터를 분석하기 위해 하나 이상의 훈련된 신경 네트워크를 구현한다. 예를 들어, 베뉴 시스템은 훈련된 신경 네트워크들을 사용하여, 자신의 스마트폰을 사용하여 사용자에 의해 캡처된 이미지들(예를 들어, 이미지, 비디오, 라이브 비디오 피드)을 분석할 수 있다. 이 접근법은 서버가 클라이언트 디바이스 상에 저장가능하지 않은 베뉴들의 잠재적으로 매우 큰 데이터베이스에 액세스하고 주위 환경의 시각적 큐들에 대한 클라이언트 디바이스의 액세스를 추가로 레버리지한다는 사실을 레버리지한다.
일부 예시적인 실시예들에서, 클라이언트 디바이스 상의 베뉴 시스템은 베뉴 선택을 위한 시각적 정보를 결정하기 위해 최대 3개의 머신 러닝 스킴을 사용한다. 이러한 예시적인 실시예들에서, 제1 러닝 스킴은 클라이언트 디바이스가 외부 환경에 있는지 또는 내부 환경에 있는지를 결정하도록 구성되고, 제2 머신 러닝 스킴은 직접 베뉴의 타입을 결정하도록 구성되고, 제3 머신 러닝 스킴은 주어진 베뉴에서 객체들(예를 들어, 커피 머그들, 피자 슬라이스들 등)을 인식하도록 구성된다. 엔진들의 추가 상세들은 도 6a를 참조하여 아래에서 논의된다.
일부 예시적인 실시예들에 따르면, 예는 머신 러닝 스킴 및 수반하는 로직이 구현되는 방법을 예시하는 것을 도울 수 있다. 클라이언트 디바이스가 커피숍에 있고, 사용자는 예를 들어, 커피숍의 사진 또는 비디오 피드를 찍음으로써, 커피숍을 이미징하기 위해 스마트폰을 사용한다고 가정한다. 커피숍의 촬영에 응답하여, 베뉴 시스템은 자동으로 위치 요청을 서버에 전송하고, 클라이언트 디바이스의 잠재적 위치들로서 4개의 근처 베뉴를 수신한다. 4개의 근처 베뉴는: 야외 옥상 식당, 소셜 미디어 기술 회사의 본사들, 이탈리안(Italian) 식당 및 커피숍을 포함한다고 가정한다.
이어서, 베뉴 시스템은 머신 러닝 스킴들을 이미지에 적용하여 이미지에 관한 속성들을 분류한다. 특히, 예를 들어, 제1 머신 러닝 스킴은 이미지가 내부 환경의 것이라고 결정하고, 제2 머신 러닝 스킴은 이미지가 이탈리안 식당 또는 커피숍일 가능성이 가장 크다고 결정하고, 제3 머신 러닝 스킴은 이미지에서 커피 머그를 식별한다. 이러한 결정들에 기초하여, 베뉴 시스템은 야외 식당을 배제하는데, 그 이유는 그것이 외부에 있고 이미징된 환경이 제1 머신 러닝 스킴에 의해 내부인 것으로 결정되었기 때문이다. 제2 머신 러닝 스킴은 이미지가 이탈리안 식당 또는 커피숍일 가능도(likelihood)가 같고, 이미지가 사무실 설정(예를 들어, 기술 회사의 본사들)일 것이라는 가능도가 낮은 것으로 결정했고, 이에 따라 본사들은 필터링되거나 그렇지 않으면 선택되지 않는다. 마지막으로, 제3 머신 러닝 시스템이 이미지 내의 커피 컵을 식별하는 것에 기초하여, 베뉴 시스템은 클라이언트 디바이스의 현재 위치에 대한 가장 가능성 있는 베뉴로서 커피숍을 선택한다.
일부 예시적인 실시예들에 따르면, 각각의 베뉴는 카테고리들 및 서브카테고리들을 포함하는 데이터 구조로 카테고리화될 수 있다. 카테고리들은 더 높은 레벨의 입도로 베뉴 타입들을 포함하고, 서브카테고리들은 대응하는 베뉴 타입을 세밀히 구분한다. 예를 들어, 음식 카테고리는 멕시칸(Mexican) 식당, 패스트 푸드 식당, 이탈리안 식당, 커피숍 등을 포함하는 서브카테고리들을 가질 수 있다. 다른 카테고리들 및 서브카테고리들이 유사하게 구성될 수 있다. 각각의 특정 베뉴는 더 용이하게 태그될 수 있는 더 넓은 레벨로 일반화될 수 있다. 예를 들어, "Tony's Family Italian Restaurant - World's Best!"는, 보다 용이하게 태그들이 할당될 수 있고 클라이언트 디바이스(예를 들어, 스마트폰)의 제한된 메모리 상에 저장될 수 있는 이탈리안 식당 베뉴 타입으로 추상화될 수 있다.
각각의 카테고리 및 서브카테고리는 카테고리 또는 서브카테고리를 설명하는 메타데이터 태그들을 가질 수 있다. 메타데이터 태그들은 주어진 타입의 베뉴와 연관된 객체들뿐만 아니라 환경 조건들(예를 들어, "외부", "내부")을 포함할 수 있다(예를 들어, 이탈리안 식당 서브카테고리는 "피자", "적색 및 백색 체크무늬 패턴", 및 "스파게티"를 포함하는 태그들을 가질 수 있고; 한편 커피숍 서브카테고리는 "커피 머그(coffee mug)", "커피 빈(coffee bean)", 및 "스타벅스 로고(Starbucks logo)"를 포함하는 태그들을 가질 수 있다.
베뉴 시스템은 머신 러닝 스킴들에 의해 생성된 분류들을 이용하여 매칭하는 베뉴들을 선택할 수 있다. 위의 예를 참조하면, 베뉴 시스템은 "야외" 태그들을 갖는 베뉴들을 필터링 아웃하였는데, 그 이유는 이미지가 내부 환경의 것이라고 결정되었기 때문이다. 또한, 제2 머신 러닝 스킴은 해당 이미지가 사무실의 것일 가능도가 낮다고 결정했고, 이탈리안 식당 및 커피숍에 대한 동일한 수치적 가능도들을 반환했고; 이에 따라, 베뉴 시스템은 기술 회사 본사 베뉴를 필터링 아웃하거나 그렇지 않으면 선택하지 않을 수 있다. 제3 머신 러닝 스킴은 이미지 내의 커피 머그를 성공적으로 식별했고 커피 머그는 커피숍 카테고리의 메타데이터 태그이므로, 커피숍은 클라이언트 디바이스의 현재 베뉴로서 선택된다. 다른 예들이 도면들을 참조하여 이하에서 논의된다.
일단 베뉴가 선택되면, 클라이언트 디바이스 상의 베뉴 시스템 또는 다른 애플리케이션들은 선택된 베뉴를 사용하여 위치 기반 사용자 인터페이스(UI) 콘텐츠를 생성할 수 있다. 이 예를 계속하여, 커피숍이 결정되면, 클라이언트 디바이스를 조작하는 사용자의 만화 아바타(예를 들어, 비트모지(bitmoji))가 커피숍의 이미지 상에 오버레이될 수 있다. 오버레이된 콘텐츠를 갖는 이미지는, 이하에서 더 상세히 설명되는 바와 같이, 예를 들어, 단기적 메시지로서 소셜 미디어 네트워크에 포스팅될 수 있다. UI 콘텐츠의 다른 예들은 배너들, 캡션들(예를 들어, 이미지가 찍혔던 곳을 나타내는 이미지의 경계 밖에 있는 캡션), 또는 증강 현실 콘텐츠 등을 포함한다. UI 콘텐츠는 베뉴 타입들을 구조화하기 위해 사용되는 카테고리들 및 서브카테고리들의 동일한 데이터 구조를 이용하여 카테고리화될 수 있다. 이러한 방식으로, 주어진 카테고리(또는 서브카테고리)의 베뉴가 선택될 때, 오버레이를 위한 UI 콘텐츠가 쉽게 검색될 수 있다.
도 1은 네트워크를 통해 데이터(예를 들어, 메시지 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템(100)을 도시하는 블록도이다. 메시징 시스템(100)은 다수의 클라이언트 디바이스(102)를 포함하고, 이들 각각은 메시징 클라이언트 애플리케이션(104)을 포함하는 다수의 애플리케이션을 호스팅한다. 각각의 메시징 클라이언트 애플리케이션(104)은 네트워크(106)(예를 들어, 인터넷)를 통해 메시징 클라이언트 애플리케이션(104) 및 메시징 서버 시스템(108)의 다른 인스턴스들에 통신가능하게 결합된다.
따라서, 각각의 메시징 클라이언트 애플리케이션(104)은 네트워크(106)를 통해 다른 메시징 클라이언트 애플리케이션(104)과 그리고 메시징 서버 시스템(108)과 통신하고 데이터를 교환할 수 있다. 메시징 클라이언트 디바이스들(102)들 사이에 그리고 메시징 클라이언트 애플리케이션(104)과 메시징 서버 시스템(108) 사이에 교환되는 데이터는, 기능들(예를 들어, 기능들을 기동시키는 명령들)뿐만 아니라, 페이로드 데이터(예를 들어, 텍스트, 오디오, 비디오 또는 다른 멀티미디어 데이터)를 포함한다.
메시징 서버 시스템(108)은 네트워크(106)를 통해 특정 메시징 클라이언트 애플리케이션(104)에 서버 측 기능성을 제공한다. 메시징 시스템(100)의 특정 기능들이 메시징 클라이언트 애플리케이션(104)에 의해 또는 메시징 서버 시스템(108)에 의해 수행되는 것으로 본 명세서에 설명되지만, 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 시스템(108) 내에서의 특정 기능성의 위치는 설계 선택사항이라는 것이 인식될 것이다. 예를 들어, 처음에는 특정 기술 및 기능성을 메시징 서버 시스템(108) 내에 배치하고, 나중에 클라이언트 디바이스(102)가 충분한 처리 용량을 갖는 경우 이 기술 및 기능성을 메시징 클라이언트 애플리케이션(104)으로 이전시키는 것이 기술적으로 바람직할 수 있다.
메시징 서버 시스템(108)은 메시징 클라이언트 애플리케이션(104)에 제공되는 다양한 서비스들 및 동작들을 지원한다. 그러한 동작들은 메시징 클라이언트 애플리케이션(104)에 데이터를 송신하고, 그로부터 데이터를 수신하고, 그에 의해 생성된 데이터를 처리하는 것을 포함한다. 이 데이터에는, 예들로서, 메시지 콘텐츠, 클라이언트 디바이스 정보, 위치 정보, 미디어 주석 및 오버레이들, 메시지 콘텐츠 지속 조건들, 소셜 네트워크 정보, 및 라이브 이벤트 정보를 포함할 수 있다. 메시징 시스템(100) 내의 데이터 교환들은 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스(UI)들을 통해 이용 가능한 기능들을 통해 기동되고 제어된다.
이제 구체적으로 메시징 서버 시스템(108)을 참조하면, 애플리케이션 프로그래밍 인터페이스(API) 서버(110)가 애플리케이션 서버(112)에 결합되어 프로그램 방식의 인터페이스(programmatic interface)를 제공한다. 애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신가능하게 결합되고, 이는 애플리케이션 서버(112)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.
API 서버(110)는 클라이언트 디바이스들(102)과 애플리케이션 서버(112) 사이에서 메시지 데이터(예를 들어, 커맨드들 및 메시지 페이로드들)를 수신하고 송신한다. 구체적으로, API 서버(110)는, 애플리케이션 서버(112)의 기능을 기동시키기 위해 메시징 클라이언트 애플리케이션(104)에 의해 호출되거나 질의될 수 있는 한 세트의 인터페이스(예를 들어, 루틴들 및 프로토콜들)를 제공한다. API 서버(110)는 애플리케이션 서버(112)에 의해 지원되는 다양한 기능들을 노출시키며, 이 다양한 기능들은 다음을 포함한다: 계정 등록; 로그인 기능; 애플리케이션 서버(112)를 통해, 특정 메시징 클라이언트 애플리케이션(104)으로부터 다른 메시징 클라이언트 애플리케이션(104)으로 메시지들을 전송하는 것; 다른 메시징 클라이언트 애플리케이션(104)에 의한 가능한 액세스를 위해 메시징 클라이언트 애플리케이션(104)으로부터 메시징 서버 애플리케이션(114)으로 미디어 파일들(예를 들어, 이미지들 또는 비디오)을 전송하는 것; 미디어 데이터의 컬렉션(예를 들어, 스토리)의 설정; 이러한 컬렉션들의 검색; 클라이언트 디바이스(102)의 사용자의 친구들의 목록 검색; 메시지들 및 콘텐츠의 검색; 소셜 그래프로의 그리고 그로부터의 친구들의 추가 및 삭제; 소셜 그래프 내의 친구들의 위치; 및 애플리케이션 이벤트들(예를 들어, 메시징 클라이언트 애플리케이션(104)에 관련됨)을 오픈하는 것.
애플리케이션 서버(112)는 메시징 서버 애플리케이션(114), 이미지 처리 시스템(116), 소셜 네트워크 시스템(122), 및 서버 베뉴 시스템(150)을 포함하는 다수의 애플리케이션 및 서브시스템을 호스팅한다. 메시징 서버 애플리케이션(114)은, 특히 메시징 클라이언트 애플리케이션(104)의 다수의 인스턴스로부터 수신된 메시지들에 포함된 콘텐츠(예를 들어, 텍스트 및 멀티미디어 콘텐츠)의 집성 및 다른 처리에 관련된, 다수의 메시지 처리 기술 및 기능을 구현한다. 더 상세히 설명되는 바와 같이, 다수의 소스로부터의 텍스트 및 미디어 콘텐츠는, 콘텐츠의 컬렉션들(예를 들어, 스토리들 또는 갤러리들이라고 불림)로 집성될 수 있다. 그 후, 이러한 컬렉션들은 메시징 서버 애플리케이션(114)에 의해, 메시징 클라이언트 애플리케이션(104)에 이용 가능하게 된다. 다른 프로세서의, 그리고 메모리 집약적인 데이터의 처리는 또한, 그러한 처리를 위한 하드웨어 요건들을 고려하여, 메시징 서버 애플리케이션(114)에 의해 서버 측에서 수행될 수 있다.
애플리케이션 서버(112)는 전형적으로 메시징 서버 애플리케이션(114)에서 메시지의 페이로드 내에서 수신된 이미지 또는 비디오에 관하여, 다양한 이미지 처리 동작들을 수행하는 데 전용되는 이미지 처리 시스템(116)을 또한 포함한다.
소셜 네트워크 시스템(122)은 다양한 소셜 네트워킹 기능들 및 서비스들을 지원하고, 이들 기능들 및 서비스들을 메시징 서버 애플리케이션(114)에 이용 가능하게 한다. 이를 위해, 소셜 네트워크 시스템(122)은 데이터베이스(120) 내의 엔티티 그래프(예를 들어, 도 3의 엔티티 그래프(304))를 유지하고 이에 액세스한다. 소셜 네트워크 시스템(122)에 의해 지원되는 기능들 및 서비스들의 예들은, 특정 사용자가 관계를 가지거나, 특정 사용자가 "팔로우하는" 메시징 시스템(100)의 다른 사용자들의 식별, 및 다른 엔티티들의 식별 및 특정 사용자의 관심사항들을 포함한다.
서버 베뉴 시스템(150)은 클라이언트 디바이스(102)로부터, 클라이언트 디바이스(102)의 위치 근처의 베뉴들에 대한 요청을 수신하도록 구성된다. 서버 베뉴 시스템(150)의 추가 상세들은 도 6b를 참조하여 이하에서 논의된다.
애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신가능하게 결합되고, 이는 메시징 서버 애플리케이션(114)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)에의 액세스를 용이하게 한다.
도 2는 예시적인 실시예들에 따른, 메시징 시스템(100)에 관한 추가의 상세들을 예시하는 블록도이다. 구체적으로, 메시징 시스템(100)은 메시징 클라이언트 애플리케이션(104) 및 애플리케이션 서버(112)를 포함하는 것으로 도시되며, 이는 결국 다수의 서브시스템, 즉, 단기적 타이머 시스템(202), 컬렉션 관리 시스템(204), 주석 시스템(206) 및 클라이언트 베뉴 시스템(210)을 구현한다.
단기적 타이머 시스템(202)은 메시징 클라이언트 애플리케이션(104) 및 메시징 서버 애플리케이션(114)에 의해 허용되는 콘텐츠에 대한 일시적인 액세스를 시행하는 것을 담당한다. 이를 위해, 단기적 타이머 시스템(202)은 메시지 또는 메시지들의 컬렉션(예를 들어, 스토리)과 연관된 지속기간 및 디스플레이 파라미터들에 기초하여, 메시징 클라이언트 애플리케이션(104)을 통해 메시지들 및 연관된 콘텐츠를 선택적으로 디스플레이하고 그에 대한 액세스를 가능하게 하는 다수의 타이머를 포함한다. 단기적 타이머 시스템(202)의 동작에 관한 추가 상세들이 이하에 제공된다.
컬렉션 관리 시스템(204)은 미디어의 컬렉션들(예를 들어, 텍스트, 이미지, 비디오, 및 오디오 데이터의 컬렉션들)을 관리하는 것을 담당한다. 일부 예들에서, 콘텐츠의 컬렉션(예를 들어, 이미지들, 비디오, 텍스트, 및 오디오를 포함하는 메시지들)은 "이벤트 갤러리" 또는 "이벤트 스토리"로 조직될 수 있다. 그러한 컬렉션은 콘텐츠가 관련되는 이벤트의 지속기간과 같은 지정된 시간 기간 동안 이용 가능하게 될 수 있다. 예를 들어, 음악 콘서트와 관련된 콘텐츠는 그 음악 콘서트의 지속기간 동안 "스토리"로서 이용 가능하게 될 수 있다. 컬렉션 관리 시스템(204)은 또한 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스에 특정 컬렉션의 존재의 통지를 제공하는 아이콘을 게시하는 것을 담당할 수 있다.
컬렉션 관리 시스템(204)은 더욱이 컬렉션 관리자가 콘텐츠의 특정 컬렉션을 관리 및 큐레이팅하는 것을 허용하는 큐레이션 인터페이스(208)를 포함한다. 예를 들어, 큐레이션 인터페이스(208)는 이벤트 조직자가 특정 이벤트에 관련된 콘텐츠의 컬렉션을 큐레이팅(예를 들어, 부적절한 콘텐츠 또는 중복 메시지들을 삭제)하는 것을 가능하게 한다. 추가적으로, 컬렉션 관리 시스템(204)은 머신 비전(또는 이미지 인식 기술) 및 콘텐츠 규칙들을 이용하여 콘텐츠 컬렉션을 자동으로 큐레이팅한다. 특정 실시예들에서, 사용자에 의해 생성된(user-generated) 콘텐츠를 컬렉션에 포함시키는 것에 대한 보상이 사용자에게 지불될 수 있다. 그러한 경우들에서, 큐레이션 인터페이스(208)는 그러한 사용자들에게 그들의 콘텐츠를 사용하는 것에 대해 자동으로 지불을 행하도록 동작한다.
주석 시스템(206)은 사용자가 메시지와 연관된 미디어 콘텐츠에 주석을 달거나, 그렇지 않으면 이를 수정하거나 편집하는 것을 가능하게 하는 다양한 기능들을 제공한다. 예를 들어, 주석 시스템(206)은 메시징 시스템(100)에 의해 처리된 메시지들에 대한 미디어 오버레이들의 생성 및 게시와 관련된 기능들을 제공한다. 주석 시스템(206)은 클라이언트 디바이스(102)의 지오로케이션에 기초하여 메시징 클라이언트 애플리케이션(104)에 미디어 오버레이(예를 들어, 지오필터(geofilter) 또는 필터)를 유효하게 공급한다. 다른 예에서, 주석 시스템(206)은 클라이언트 디바이스(102)의 사용자의 소셜 네트워크 정보, 또는 클라이언트 베뉴 시스템(210)에 의해 선택된 베뉴와 같은 다른 정보에 기초하여 미디어 오버레이를 메시징 클라이언트 애플리케이션(104)에 유효하게 공급한다. 미디어 오버레이는 오디오 및 시각적 콘텐츠 및 시각적 효과들을 포함할 수 있다. 오디오 및 시각적 콘텐츠의 예들은 픽처들, 텍스트들, 로고들, 애니메이션들, 및 사운드 효과들을 포함한다. 시각적 효과의 예는 컬러 오버레잉을 포함한다. 오디오 및 시각적 콘텐츠 또는 시각적 효과들은 클라이언트 디바이스(102)에 있는 미디어 콘텐츠 항목(예를 들어, 사진)에 적용될 수 있다. 예를 들어, 미디어 오버레이는 클라이언트 디바이스(102)에 의해 생성된 사진의 위에 오버레이될 수 있는 텍스트를 포함한다. 다른 예에서, 미디어 오버레이는, 위치의 식별(예를 들어, Venice Beach), 라이브 이벤트의 명칭, 또는 판매자의 명칭(예를 들어, Beach Coffee House)을 포함한다. 다른 예에서, 주석 시스템(206)은 클라이언트 디바이스(102)의 지오로케이션을 사용하여, 클라이언트 디바이스(102)의 지오로케이션에서의 판매자의 명칭을 포함하는 미디어 오버레이를 식별한다. 미디어 오버레이는 판매자와 연관된 다른 표시를 포함할 수 있다. 미디어 오버레이들은 데이터베이스(120)에 저장되고 데이터베이스 서버(118)를 통해 액세스될 수 있다.
하나의 예시적인 실시예에서, 주석 시스템(206)은 사용자들이 지도 상에서 지오로케이션을 선택하고, 선택된 지오로케이션과 연관된 콘텐츠를 업로드하는 것을 가능하게 하는 사용자 기반 게시 플랫폼을 제공한다. 사용자는 또한 특정 콘텐츠가 다른 사용자들에게 제공되어야 하는 상황들을 지정할 수 있다. 주석 시스템(206)은 업로드된 콘텐츠를 포함하고 업로드된 콘텐츠를 선택된 지오로케이션과 연관시키는 미디어 오버레이를 생성한다.
다른 예시적인 실시예에서, 주석 시스템(206)은 판매자들이 입찰 프로세스를 통해 지오로케이션과 연관된 특정한 미디어 오버레이를 선택하는 것을 가능하게 하는 판매자 기반 게시 플랫폼을 제공한다. 예를 들어, 주석 시스템(206)은 최고-입찰 판매자의 미디어 오버레이를 미리 정의된 시간량 동안 대응하는 지오로케이션과 연관시킨다.
도 3은 특정 예시적인 실시예들에 따른, 메시징 서버 시스템(108)의 데이터베이스(120)에 저장될 수 있는 데이터(300)를 예시하는 개략도이다. 데이터베이스(120)의 콘텐츠가 다수의 테이블을 포함하는 것으로 도시되어 있지만, 데이터는 다른 타입들의 데이터 구조들로(예를 들어, 객체-지향형 데이터베이스로서) 저장될 수 있다는 것이 인식될 것이다.
데이터베이스(120)는 메시지 테이블(314) 내에 저장된 메시지 데이터를 포함한다. 엔티티 테이블(302)은 엔티티 그래프(304)를 포함하는 엔티티 데이터를 저장한다. 레코드들이 엔티티 테이블(302) 내에 유지되는 엔티티들은, 개인들, 법인 엔티티들, 조직들, 객체들, 장소들, 이벤트들 등을 포함할 수 있다. 타입에 관계없이, 그에 관해 메시징 서버 시스템(108)이 데이터를 저장하는 임의의 엔티티는 인식된 엔티티일 수 있다. 각각의 엔티티는 고유 식별자뿐만 아니라 엔티티 타입 식별자(도시되지 않음)를 구비한다.
엔티티 그래프(304)는 더욱이 엔티티들 사이의 관계들 및 연관들에 관한 정보를 저장한다. 이러한 관계들은, 예를 들어, 사회적, 전문적(예를 들어, 일반 법인 또는 조직에서 일), 관심-기반 또는 활동 기반일 수 있다.
데이터베이스(120)는 또한 주석 데이터를, 필터들의 예시적인 형태로 주석 테이블(312)에 저장한다. 데이터가 주석 테이블(312) 내에 저장되는 필터들은, (데이터가 비디오 테이블(310)에 저장되는) 비디오들 및/또는 (데이터가 이미지 테이블(308)에 저장되는) 이미지들과 연관되고 이들에 적용된다. 일례에서, 필터들은, 수신 사용자에 대한 프레젠테이션 동안 이미지 또는 비디오 상에 오버레이되면서 디스플레이되는 오버레이들이다. 필터들은, 전송측 사용자가 메시지를 작성하고 있을 때 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 제시되는 필터들의 갤러리로부터의, 사용자에 의해 선택된(user-selected) 필터들을 포함하여, 다양한 타입들일 수 있다. 다른 타입들의 필터들은, 지리적 위치에 기초하여 전송측 사용자에게 제시될 수 있는 지오로케이션 필터들(지오필터들로서 또한 알려짐)를 포함한다. 예를 들어, 이웃 또는 특수한 위치에 특정한 지오로케이션 필터들이 클라이언트 디바이스(102)의 글로벌 포지셔닝 시스템(GPS) 유닛에 의해 결정된 지오로케이션 정보에 기초하여 메시징 클라이언트 애플리케이션(104)에 의해 사용자 인터페이스 내에 제시될 수 있다. 다른 타입의 필터는, 메시지 생성 프로세스 동안 클라이언트 디바이스(102)에 의해 수집된 정보 또는 다른 입력들에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 선택적으로 제시될 수 있는 데이터 필터이다. 데이터 필터들의 예들은, 특정한 위치에서의 현재 온도, 전송측 사용자가 이동하고 있는 현재 속도, 클라이언트 디바이스(102)에 대한 배터리 수명, 또는 현재 시간을 포함한다.
이미지 테이블(308) 내에 저장될 수 있는 다른 주석 데이터는 소위 "렌즈" 데이터이다. "렌즈"는 이미지 또는 비디오에 추가될 수 있는 실시간 특수 효과 및 사운드일 수 있다.
위에 언급된 바와 같이, 비디오 테이블(310)은, 일 실시예에서, 레코드들이 메시지 테이블(314) 내에 유지되는 메시지들과 연관되는 비디오 데이터를 저장한다. 유사하게, 이미지 테이블(308)은 메시지 데이터가 메시지 테이블(314)에 저장되는 메시지들과 연관된 이미지 데이터를 저장한다. 엔티티 테이블(302)은 주석 테이블(312)로부터의 다양한 주석들을 이미지 테이블(308) 및 비디오 테이블(310)에 저장된 다양한 이미지들 및 비디오들과 연관시킬 수 있다.
스토리 테이블(306)은, 컬렉션(예를 들어, 스토리 또는 갤러리)으로 컴파일되는, 메시지들 및 연관된 이미지, 비디오, 또는 오디오 데이터의 컬렉션들에 관한 데이터를 저장한다. 특정 컬렉션의 생성은 특정 사용자(예를 들어, 레코드가 엔티티 테이블(302)에서 유지되는 각각의 사용자)에 의해 개시될 수 있다. 사용자는 그 사용자에 의해 생성되고 전송/브로드캐스트된 콘텐츠의 컬렉션의 형태로 "개인 스토리"를 생성할 수 있다. 이를 위해, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스는, 전송측 사용자가 자신의 개인 스토리에 특정 콘텐츠를 추가하는 것을 가능하게 하기 위해 사용자 선택가능한 아이콘을 포함할 수 있다.
컬렉션은 또한, 수동으로, 자동으로, 또는 수동 및 자동 기술들의 조합을 사용하여 생성된 복수의 사용자로부터의 콘텐츠의 컬렉션인 "라이브 스토리"를 구성할 수 있다. 예를 들어, "라이브 스토리"는 다양한 위치들 및 이벤트들로부터의 사용자에 의해 제출된(user-submitted) 콘텐츠의 큐레이팅된 스트림을 구성할 수 있다. 그의 클라이언트 디바이스들(102)이 위치 서비스를 가능하게 하고 특정 시간에 공통 위치 또는 이벤트에 있는 사용자들에게는, 예를 들어, 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스를 통해, 특정 라이브 스토리에 콘텐츠를 기여하는 옵션이 제시될 수 있다. 라이브 스토리는 자신의 위치에 기초하여 메시징 클라이언트 애플리케이션(104)에 의해 사용자에게 식별될 수 있다. 최종 결과는 커뮤니티 관점에서 말한 "라이브 스토리"이다.
추가적인 타입의 콘텐츠 컬렉션은, 특정 지리적 위치(예를 들어, 칼리지 또는 대학 캠퍼스) 내에 그의 클라이언트 디바이스(102)가 위치하는 사용자가 특정 컬렉션에 기여하는 것을 가능하게 하는, "위치 스토리(location story)"로서 알려져 있다. 일부 실시예들에서, 위치 스토리에 대한 기여는 최종 사용자가 특정 조직 또는 다른 엔티티에 속한다는(예를 들어, 대학 캠퍼스의 학생이라는) 것을 검증하기 위해 제2 인증 정도를 요구할 수 있다.
도 4는 추가 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 애플리케이션(114)으로의 통신을 위해 메시징 클라이언트 애플리케이션(104)에 의해 생성된, 일부 실시예들에 따른, 메시지(400)의 구조를 예시하는 개략도이다. 특정 메시지(400)의 콘텐츠는 메시징 서버 애플리케이션(114)에 의해 액세스 가능한, 데이터베이스(120) 내에 저장된 메시지 테이블(314)을 채우기 위해 사용된다. 유사하게, 메시지(400)의 콘텐츠는 클라이언트 디바이스(102) 또는 애플리케이션 서버(112)의 "수송중" 또는 "비행중" 데이터로서 메모리에 저장된다. 메시지(400)는 다음의 컴포넌트들을 포함하는 것으로 도시된다:
· 메시지 식별자(402): 메시지(400)를 식별하는 고유 식별자.
· 메시지 텍스트 페이로드(404): 클라이언트 디바이스(102)의 사용자 인터페이스를 통해 사용자에 의해 생성되고 메시지(400)에 포함되는 텍스트.
· 메시지 이미지 페이로드(406): 클라이언트 디바이스(102)의 카메라 컴포넌트에 의해 캡처되거나 클라이언트 디바이스(102)의 메모리로부터 검색되고, 메시지(400)에 포함되는 이미지 데이터.
· 메시지 비디오 페이로드(408): 카메라 컴포넌트에 의해 캡처되거나 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(400)에 포함되는 비디오 데이터.
· 메시지 오디오 페이로드(410): 마이크로폰에 의해 캡처되거나 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(400)에 포함되는 오디오 데이터.
· 메시지 주석들(412): 메시지(400)의 메시지 이미지 페이로드(406), 메시지 비디오 페이로드(408) 또는 메시지 오디오 페이로드(410)에 적용될 주석들을 나타내는 주석 데이터(예를 들어, 필터들, 스티커들, 또는 기타의 강화물들).
· 메시지 지속기간 파라미터(414): 메시지(400)의 콘텐츠(예를 들어, 메시지 이미지 페이로드(406), 메시지 비디오 페이로드(408), 및 메시지 오디오 페이로드(410))가 메시징 클라이언트 애플리케이션(104)을 통해 사용자에게 제시되거나 액세스 가능하게 되는 시간량을 초 단위로 표시하는 파라미터 값.
· 메시지 지오로케이션 파라미터(416): 메시지(400)의 콘텐츠 페이로드와 연관된 지오로케이션 데이터(예를 들어, 위도 및 경도 좌표들). 복수의 메시지 지오로케이션 파라미터(416) 값들이 페이로드에 포함될 수 있으며, 이들 파라미터 값들 각각은 콘텐츠(예를 들어, 메시지 이미지 페이로드(406) 내의 특정한 이미지, 또는 메시지 비디오 페이로드(408) 내의 특정한 비디오)에 포함된 각자의 콘텐츠 항목들과 연관된다.
· 메시지 스토리 식별자(418): 메시지(400)의 메시지 이미지 페이로드(406) 내의 특정한 콘텐츠 항목이 연관되어 있는 하나 이상의 콘텐츠 컬렉션(예를 들어, "스토리")을 식별하는 값들을 식별한다. 예를 들어, 메시지 이미지 페이로드(406) 내의 복수의 이미지 각각은 식별자 값들을 사용하여 복수의 콘텐츠 컬렉션과 연관될 수 있다.
· 메시지 태그(420) : 하나 이상의 태그, 그 각각은 메시지 페이로드에 포함된 콘텐츠의 주제를 나타낸다. 예를 들어, 메시지 이미지 페이로드(406)에 포함된 특정한 이미지가 동물(예를 들어, 사자)을 묘사하는 경우, 관련 동물을 나타내는 태그 값이 메시지 태그(420) 내에 포함될 수 있다. 태그 값들은, 사용자 입력에 기초하여 수동으로 생성되거나, 예를 들어, 이미지 인식을 사용하여 자동으로 생성될 수 있다.
· 메시지 전송자 식별자(422): 그를 통해 메시지(400)가 생성되었고 그로부터 메시지(400)가 전송된 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소 또는 디바이스 식별자).
· 메시지 수신자 식별자(424): 메시지(400)가 어드레싱되는 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소, 또는 디바이스 식별자).
메시지(400)의 다양한 컴포넌트들의 콘텐츠(예를 들어, 값들)는, 콘텐츠 데이터 값들이 저장되어 있는 테이블들 내의 위치들에 대한 포인터들일 수 있다. 예를 들어, 메시지 이미지 페이로드(406) 내의 이미지 값은 이미지 테이블(308) 내의 위치에 대한 포인터(또는 그 주소)일 수 있다. 유사하게, 메시지 비디오 페이로드(408) 내의 값들은 비디오 테이블(310) 내에 저장된 데이터를 가리킬 수 있고, 메시지 주석(412) 내에 저장된 값들은 주석 테이블(312)에 저장된 데이터를 가리킬 수 있고, 메시지 스토리 식별자(418) 내에 저장된 값들은 스토리 테이블(306)에 저장된 데이터를 가리킬 수 있고, 메시지 전송자 식별자(422) 및 메시지 수신자 식별자(424) 내에 저장된 값들은 엔티티 테이블(302) 내에 저장된 사용자 레코드들을 가리킬 수 있다.
도 5는 콘텐츠(예를 들어, 단기적 메시지(502), 및 데이터의 연관된 멀티미디어 페이로드) 또는 콘텐츠 컬렉션(예를 들어, 단기적 메시지 스토리(504))에의 액세스가 시간-제한될(예를 들어, 단기적으로 될) 수 있다는 관점에서, 액세스-제한 프로세스(500)를 예시하는 개략도이다.
단기적 메시지(502)는 메시지 지속기간 파라미터(506)와 연관되는 것으로 도시되어 있고, 그 값은 단기적 메시지(502)가 메시징 클라이언트 애플리케이션(104)에 의해 단기적 메시지(502)의 수신측 사용자에게 디스플레이될 시간량을 결정한다. 일 실시예에서, 메시징 클라이언트 애플리케이션(104)이 애플리케이션 클라이언트인 경우, 전송측 사용자가 메시지 지속기간 파라미터(506)를 사용하여 지정하는 시간량에 따라, 최대 10초 동안 수신측 사용자에 의해 단기적 메시지(502)가 시청 가능하다.
메시지 지속기간 파라미터(506) 및 메시지 수신자 식별자(424)는 메시지 타이머(512)에 대한 입력들인 것으로 도시되어 있으며, 메시지 타이머는 단기적 메시지(502)가 메시지 수신자 식별자(424)에 의해 식별된 특정 수신측 사용자에게 보여지는 시간량을 결정하는 것을 담당한다. 특히, 단기적 메시지(502)는 메시지 지속기간 파라미터(506)의 값에 의해 결정된 시간 기간 동안 관련 수신측 사용자에게만 보여질 것이다. 메시지 타이머(512)는 수신측 사용자에게 콘텐츠(예를 들어, 단기적 메시지(502))의 디스플레이의 전체 타이밍을 담당하는 더 일반화된 단기적 타이머 시스템(202)에 출력을 제공하는 것으로 도시된다.
단기적 메시지(502)는 단기적 메시지 스토리(504)(예를 들어, 개인 스토리 또는 이벤트 스토리) 내에 포함되는 것으로 도 5에 도시된다. 단기적 메시지 스토리(504)는 연관된 스토리 지속기간 파라미터(508)를 가지며, 그 값은 단기적 메시지 스토리(504)가 메시징 시스템(100)의 사용자들에게 제시되고 액세스 가능한 시간 지속기간을 결정한다. 예를 들어, 스토리 지속기간 파라미터(508)는 음악 콘서트의 지속기간일 수 있으며, 여기서 단기적 메시지 스토리(504)는 그 콘서트에 관련된 콘텐츠의 컬렉션이다. 대안적으로, 사용자(소유 사용자 또는 큐레이터 사용자)는 단기적 메시지 스토리(504)의 셋업 및 생성을 수행할 때 스토리 지속기간 파라미터(508)에 대한 값을 지정할 수 있다.
추가적으로, 단기적 메시지 스토리(504) 내의 각각의 단기적 메시지(502)는 연관된 스토리 참여 파라미터(510)를 갖고, 그 값은 단기적 메시지(502)가 단기적 메시지 스토리(504)의 맥락 내에서 액세스 가능할 시간의 지속기간을 결정한다. 따라서, 특정 단기적 메시지(502)는, 그 단기적 메시지 스토리(504) 자체가 스토리 지속기간 파라미터(508)에 관하여 만료되기 전에, 단기적 메시지 스토리(504)의 맥락 내에서 "만료" 되고 액세스 불가능해질 수 있다. 스토리 지속기간 파라미터(508), 스토리 참여 파라미터(510), 및 메시지 수신자 식별자(424)는 각각 스토리 타이머(514)에 대한 입력을 제공하며, 이는 동작중에, 단기적 메시지 스토리(504)의 특정 단기적 메시지(502)가 특정 수신측 사용자에게 디스플레이될 것인지, 그리고 그렇다면, 얼마나 오랫동안 디스플레이될지를 결정한다. 단기적 메시지 스토리(504)는 또한 메시지 수신자 식별자(424)의 결과로서 특정 수신측 사용자의 아이덴티티를 인식한다는 점에 유의한다.
따라서, 스토리 타이머(514)는 동작중에 연관된 단기적 메시지 스토리(504)뿐만 아니라, 단기적 메시지 스토리(504)에 포함된 개개의 단기적 메시지(502)의 전체 수명을 제어한다. 일 실시예에서, 단기적 메시지 스토리(504) 내의 각각의 그리고 모든 단기적 메시지(502)는 스토리 지속기간 파라미터(508)에 의해 지정된 시간 기간 동안 시청 가능하고 액세스 가능하게 유지된다. 추가 실시예에서, 특정 단기적 메시지(502)는, 스토리 참여 파라미터(510)에 기초하여, 단기적 메시지 스토리(504)의 맥락 내에서 만료될 수 있다. 메시지 지속기간 파라미터(506)는 단기적 메시지 스토리(504)의 맥락 내에서도, 특정 단기적 메시지(502)가 수신측 사용자에게 디스플레이되는 시간의 지속기간을 여전히 결정할 수 있다는 점에 유의한다. 따라서, 메시지 지속기간 파라미터(506)는 수신측 사용자가 단기적 메시지 스토리(504)의 맥락 내부 또는 외부에서 단기적 메시지(502)를 시청하고 있는지에 관계없이, 특정 단기적 메시지(502)가 수신측 사용자에게 디스플레이되는 시간의 지속기간을 결정한다.
단기적 타이머 시스템(202)은 동작중에 그것이 연관된 스토리 참여 파라미터(510)를 초과했다는 결정에 기초하여 단기적 메시지 스토리(504)로부터 특정 단기적 메시지(502)를 추가로 제거할 수 있다. 예를 들어, 전송측 사용자가 포스팅으로부터 24시간의 스토리 참여 파라미터(510)를 설정했을 때, 단기적 타이머 시스템(202)은 지정된 24시간 후에 단기적 메시지 스토리(504)로부터 관련된 단기적 메시지(502)를 제거할 것이다. 단기적 타이머 시스템(202)은 또한 단기적 메시지 스토리(504) 내의 각각의 그리고 모든 단기적 메시지(502)에 대한 스토리 참여 파라미터(510)가 만료되었을 때, 또는 단기적 메시지 스토리(504) 자체가 스토리 지속기간 파라미터(508)에 관하여 만료되었을 때 단기적 메시지 스토리(504)를 제거하도록 동작한다.
특정 사용 경우들에서, 특정 단기적 메시지 스토리(504)의 생성자는 무기한 스토리 지속기간 파라미터(508)를 지정할 수 있다. 이 경우, 단기적 메시지 스토리(504) 내의 마지막 잔여 단기적 메시지(502)에 대한 스토리 참여 파라미터(510)의 만료는 단기적 메시지 스토리(504) 자체가 만료될 때를 결정할 것이다. 이 경우, 단기적 메시지 스토리(504)에 추가된 새로운 단기적 메시지(502)가, 새로운 스토리 참여 파라미터(510)를 이용하여, 단기적 메시지 스토리(504)의 수명을 스토리 참여 파라미터(510)의 값과 같도록 효과적으로 연장한다.
단기적 타이머 시스템(202)이 단기적 메시지 스토리(504)가 만료된 것으로(예를 들어, 더 이상 액세스 가능하지 않은 것으로) 결정하는 것에 응답하여, 단기적 타이머 시스템(202)은 메시징 시스템(100)(예를 들어, 구체적으로 메시징 클라이언트 애플리케이션(104))과 통신하여, 관련된 단기적 메시지 스토리(504)와 연관된 표시(예를 들어, 아이콘)가 더 이상 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스 내에 디스플레이되지 않게 한다. 유사하게, 단기적 타이머 시스템(202)이 특정 단기적 메시지(502)에 대한 메시지 지속기간 파라미터(506)가 만료된 것으로 결정할 때, 단기적 타이머 시스템(202)은 메시징 클라이언트 애플리케이션(104)으로 하여금 단기적 메시지(502)와 연관된 표시(예를 들어, 아이콘 또는 텍스트 식별)를 더 이상 디스플레이하지 않게 한다.
도 6a는 일부 예시적인 실시예들에 따른 클라이언트 베뉴 시스템(210)의 예시적인 내부 기능 컴포넌트들을 도시한다. 도시된 바와 같이, 클라이언트 베뉴 시스템(210)은 위치 엔진(600), 이미지 엔진(605), 환경 분류 엔진(610), 베뉴 분류 엔진(615), 객체 분류 엔진(620), 선택 엔진(625) 및 디스플레이 엔진(630)을 포함한다. 위치 엔진(600)은 일부 예시적인 실시예들에 따라 위치 요청을 위치 서버에 송신하도록 구성된다. 예를 들어, 요청은 클라이언트 디바이스, 특히 클라이언트 디바이스(102)의 온보드 GPS 센서로부터 생성된 위도 및 경도 정보를 포함할 수 있다. 위치 서버(도 6b 참조)는 위도 및 경도 정보를 이용하여 어느 베뉴들이 클라이언트 디바이스에 가장 가까이 있는지를 결정하고 가장 가까운 베뉴들(예를 들어, 가장 가까운 5개 베뉴까지)을 클라이언트 디바이스에 전송할 수 있다. 일부 예시적인 실시예들에서, 요청은 클라이언트 디바이스에 가시적인 IP 네트워크들을 추가로 포함한다. 이러한 예시적인 실시예들에서, 위치 서버는 가시적 IP 네트워크들의 명칭 또는 타입을 사용하여 어느 베뉴들이 클라이언트 디바이스에 가장 가까운지를 추가로 확인할 수 있다.
이미지 엔진(605)은 클라이언트 디바이스(102)의 이미지 센서를 사용하여 하나 이상의 이미지를 식별하는 것을 관리한다. 일부 예시적인 실시예들에서, 이미지 엔진(605)은 메시징 클라이언트 애플리케이션(104)에 의해 이미 생성된(그리고 이미지 테이블(308)에 저장된) 이미지들을 식별하고, 추가 처리를 위해 클라이언트 베뉴 시스템(210)으로 불러온다. 일부 예시적인 실시예들에서, 이미지 엔진(605)은 클라이언트 디바이스(102)의 이미지 센서와 인터페이스하여 하나 이상의 이미지를 생성한다. 또한, 예시적인 실시예들 중 임의의 것에서, 이미지 엔진(605)에 의해 식별되는 이미지들은 비디오가 기록될 때 클라이언트 디바이스(102)의 스크린 상에 동적으로 디스플레이되고 있는 라이브 비디오 피드의 일부일 수 있다.
환경 분류 엔진(610)은 이미지 엔진(605)에 의해 식별된 이미지들을 수신하고 각각의 이미지를 야외 환경의 이미지 또는 실내 환경의 이미지인 것으로서 분류하도록 구성된다. 환경 분류 엔진(610)에 의해 생성된 분류는 각각의 분류된 이미지의 메타데이터로서(예를 들어, 이미지 파일의 메타데이터로서, 또는 이미지 파일을 참조하는 별도의 데이터로서) 저장될 수 있다. 일부 예시적인 실시예들에서, 환경 분류 엔진(610)은 컨볼루션 신경 네트워크와 같은 머신 러닝 스킴으로서 구현된다. 환경 분류 엔진(610)에서의 컨볼루션 신경 네트워크는 야외 및 실내 환경들의 이미지들의 훈련 세트에 대해 훈련될 수 있다. 훈련 세트에서 이미징된 야외 환경들의 예들은 공원들, 거리들, 비행기 인테리어들, 원형 극장들 등을 포함한다. 훈련 세트에서 이미징된 실내 환경들의 예들은 볼링장들, 침실들, 주방들, 교실들, 무도회장들, 사무실들, 극장들 등을 포함한다. 일부 예시적인 실시예들에서, 환경 분류 엔진(610)에 의해 출력된 분류들은, 본 기술분야의 통상의 기술자에 의해 인식되는 바와 같이, 주어진 이미지가 특정 환경의 것일 수치적 가능도로서 출력된다(예를 들어, 공원의 이미지는 다음 분류 가능도들을 산출할 수 있다: 외부=0.93, 내부=0.20, 여기서 십진수들은 백분율들에 대응함).
베뉴 분류 엔진(615)은 이미지 엔진(605)에 의해 식별된 이미지들을 수신하고 각각의 이미지를 베뉴의 타입으로서 분류하도록 구성된다. 베뉴 분류 엔진(615)에 의해 생성된 분류는 각각의 분류된 이미지 파일의 메타데이터로서 또는 이미지 파일을 참조하는 별도의 데이터로서 저장될 수 있다. 일부 예시적인 실시예들에서, 베뉴 분류 엔진(615)은 컨볼루션 신경 네트워크와 같은 머신 러닝 스킴으로서 구현된다. 베뉴 분류 엔진(615) 내의 컨볼루션 신경 네트워크는 상이한 타입의 베뉴들 또는 장소들의 이미지들의 훈련 세트에 대해 훈련될 수 있다. 환경 분류 엔진(610)(이는 실내 및 야외 환경들의 가능도들을 출력함)과 대조적으로, 베뉴 분류 엔진(615)은 주어진 이미지가 알려진 특정 장소들(예를 들어, 바, 이탈리안 식당, 공원, 해변)의 이미지일 가능도들을 출력하도록 구성된다. 베뉴 분류 엔진(615) 내의 컨볼루션 신경 네트워크는 상이한 장소들의 이미지들 예를 들어, 바의 이미지, 해변의 이미지, 카지노의 이미지, 산 범위의 이미지를 포함하는 이미지들의 훈련 세트에 대해 훈련될 수 있다. 일부 예시적인 실시예들에서, 본 기술분야의 통상의 기술자에 의해 인식될 수 있는 바와 같이, 베뉴 분류 엔진(615)에 의해 출력된 분류들은 주어진 이미지가 특정 베뉴의 것일 수치적 가능도로서 출력된다(예를 들어, 해변의 이미지는 다음의 분류 가능도들을 산출할 수 있다: 해변=0.83, 마당=0.75, 바=0.34, 이탈리안 식당=0.30).
객체 분류 엔진(620)은 이미지들에 묘사된 물리적 객체들을 분류하도록 구성된다. 객체 분류 엔진(620)에 의해 생성된 분류는 각각의 분류된 이미지 파일의 메타데이터로서 또는 대응하는 이미지 파일을 참조하는 별도의 데이터로서 저장될 수 있다. 일부 예시적인 실시예들에서, 객체 분류 엔진(620)은 컨볼루션 신경 네트워크와 같은 머신 러닝 스킴으로서 구현된다. 객체 분류 엔진(620) 내의 컨볼루션 신경 네트워크는 커피 머그들, 와인 글래스들, 피자, 크리스마스 트리들, 수영장들, 차량들, 동물들 등과 같은 상이한 타입들의 물리적 객체들의 이미지들의 훈련 세트에 대해 훈련될 수 있다. 일부 예시적인 실시예들에서, 객체 분류 엔진(620)에 의해 출력된 분류들은, 본 기술분야의 통상의 기술자에 의해 인식될 수 있는 바와 같이, 이미지 내의 주어진 이미지 피처가 특정 객체의 것일 수치적 가능도로서 출력된다(예를 들어, 주어진 이미지 내의 경계가 있는 관심 영역(ROI) 내의 와인 유리 이미지 피처는 다음의 분류 가능도들을 가질 수 있다: 와인 글래스=0.93, 개구리=0.05, 농구=0.30, 커피 머그=0.60).
선택 엔진(625)은 일부 예시적인 실시예들에 따라, 다른 엔진들에 의해 생성된 분류 데이터를 사용하여 베뉴 데이터 세트(예를 들어, 애플리케이션 서버로부터 반환된 베뉴 데이터 세트)로부터의 베뉴를 선택하는 것을 관리한다. 또한, 선택 엔진(625)은 선택된 베뉴의 타입에 기초하여 하나 이상의 UI 디스플레이 요소를 선택하도록 추가로 구성될 수 있다. 예를 들어, 선택 엔진(625)이 클라이언트 디바이스(102)가 바(예를 들어, 바 서브카테고리) 내에 있다고 결정하는 경우, 선택 엔진(625)은 하나 이상의 이미지 상의 오버레이에 대한 선택적인 렌즈 데이터 및 선택적인 만화 아바타를 자동으로 선택한다.
디스플레이 엔진(630)은 선택된 디스플레이 요소들을 갖는 하나 이상의 이미지(예를 들어, 이미지, 라이브 비디오 피드)의 프레젠테이션을 생성하도록 구성된다. 위의 예를 계속하면, 디스플레이 엔진(630)은 바의 라이브 이미지 피드를 통해 마티니를 갖는 사람의 만화 아바타를 디스플레이할 수 있다. 일부 예시적인 실시예들에 따르면, 오버레이된 디스플레이 요소들을 갖는 라이브 이미지 피드(예를 들어, 이미지, 비디오 시퀀스)의 일부는 (예를 들어, 주석 시스템(206)을 통해) 소셜 네트워크 상에 단기적 메시지(502)로서 저장되거나 그렇지 않으면 게시될 수 있다.
도 6b는 일부 예시적인 실시예들에 따른 서버 베뉴 시스템(150)의 예시적인 기능 컴포넌트들을 도시한다. 예시된 바와 같이, 서버 베뉴 시스템(150)은 인터페이스 엔진(633) 및 장소 엔진(685)을 포함한다. 인터페이스 엔진(633)은 클라이언트 디바이스(102)로부터 베뉴 요청과 같은 요청들을 수신하도록 구성된다. 장소 엔진(635)은 클라이언트 디바이스(102)에 가장 가까운 베뉴들을 결정하기 위해 베뉴 요청에서 전송된 정보를 사용하도록 구성된다. 장소 엔진(635)은 위치 요청에 대한 응답으로서 가장 가까운 베뉴들의 세트를 클라이언트 디바이스(102)에 전송하도록 추가로 구성된다. 일부 예시적인 실시예들에서, 클라이언트 디바이스(102)에 반환된 베뉴들의 세트는 클라이언트 디바이스(102)에 가장 가까운 5개의 베뉴이다.
또한, 일부 예시적인 실시예들에서, 클라이언트 베뉴 시스템(210)의 엔진들 중 하나 이상은 서버 베뉴 시스템(150)에 폴백들로서 통합된다. 예를 들어, 환경 분류 엔진(610), 베뉴 분류 엔진(615), 객체 분류 엔진(620), 선택 엔진(625)의 인스턴스들은, 클라이언트 디바이스(102)가 분류들 및/또는 선택들을 수행하기에 충분한 계산 능력(예를 들어, 처리 속도, 메모리 공간)을 갖지 않는 경우, 애플리케이션 서버(112)로부터 실행될 수 있다. 이들 실시예들에서, 클라이언트 디바이스(102)는 처리를 위해 서버 베뉴 시스템(150)에 이미지 데이터 및 위치 데이터를 전송한다. 서버 베뉴 시스템은 분류들(예를 들어, 도 7 및 아래의 동작들)을 수행하고, 추가 동작들(예를 들어, 식별된 베뉴에 기초하여 오버레이 데이터의 디스플레이)을 위해 클라이언트 디바이스에 다시 데이터를 전송한다.
도 7은 일부 예시적인 실시예들에 따른, 머신 러닝 분류들을 사용하여 개선된 베뉴 선택을 구현하기 위한 방법(700)의 흐름도를 도시한다. 동작(705)에서, 위치 엔진(600)은 클라이언트 디바이스에 가장 가까운 베뉴들의 세트를 요청하는 서버(예를 들어, 애플리케이션 서버(112))에 통신을 송신한다. 요청은 클라이언트 디바이스에 의해 생성된 GPS 데이터 및 근처의 베뉴들을 식별하기 위해 사용되는 다른 정보(예를 들어, 가시적인 IP 네트워크들)를 포함할 수 있다.
동작(710)에서, 위치 엔진(600)은 서버로부터 베뉴 데이터 세트를 수신한다. 예를 들어, 위치 엔진은 클라이언트 디바이스(102)에 가장 가까운 5개의 베뉴를 수신할 수 있다. 동작(715)에서, 이미지 엔진(605)은 클라이언트 디바이스(102)를 사용하여 하나 이상의 이미지를 생성한다. 예를 들어, 이미지 엔진(605)은 클라이언트 디바이스(102) 상의 이미지 센서를 사용하여 이미지 또는 비디오(예를 들어, 순차적 다수의 이미지)를 생성한다. 일부 예시적인 실시예들에서, 클라이언트 디바이스(102)는 클라이언트 디바이스(102)의 스크린 상에 라이브 비디오 피드를 디스플레이하고, 동작(715)의 하나 이상의 이미지는 라이브 비디오 스트림으로부터 샘플링된다.
일부 예시적인 실시예들에서, 동작(715)은 동작(705) 이전에 발생하는데; 즉, 이미지는 베뉴 요청이 송신되기 전에 생성된다. 예를 들어, 사용자는 이미지를 생성할 수 있고, 이미지가 생성되는 것에 응답하여, 클라이언트 베뉴 시스템(210)은 동작(705)의 요청을 송신하여, 클라이언트 디바이스(102)가 이미지가 취해졌던 근사의 시간에 있는 곳을 결정한다.
동작(720)에서, 클라이언트 베뉴 시스템(210)은 이미지들이 묘사하는 것에 기초하여 하나 이상의 이미지를 분류한다. 예를 들어, 동작(715)에서 생성된 이미지가 커피숍 내의 커피 머그의 것인 경우, 동작(720)에서, 클라이언트 베뉴 시스템(210)은 머신 러닝 스킴을 사용하여 이미지가 커피 머그를 포함하는 실내 환경의 것이라는 것을 식별할 수 있다. 일부 예시적인 실시예들에서, 클라이언트 베뉴 시스템(210)은 머신 러닝 스킴을 하나 이상의 신경 네트워크으로서 구현한다. 동작들(720)의 분류의 추가 상세들은 도 8을 참조하여 아래에 상세히 논의되는 것과 같다.
동작(725)에서, 선택 엔진(625)은 동작(720)에서 생성된 분류 데이터에 기초하여 베뉴 데이터 세트로부터 베뉴를 선택한다. 예를 들어, 선택 엔진(625)은 분류 데이터(예를 들어, 실내 환경, 묘사된 커피 머그)에 기초하여, 커피숍이 가장 가능성 있는 베뉴 타입이고 따라서 커피숍 베뉴 타입을 선택하는 것으로 결정할 수 있다.
동작(730)에서, 선택 엔진(625)은 선택된 베뉴에 기초하여 하나 이상의 디스플레이 객체를 선택한다. 선택된 콘텐츠는 데이터 구조에서 베뉴 카테고리들 및 서브카테고리들과 미리 연관될 수 있다. 동작(735)에서, 일부 예시적인 실시예들에 따르면, 디스플레이 엔진(630)은 선택된 디스플레이 객체들로 이미지의 프레젠테이션을 생성한다.
일부 예시적인 실시예들에서, 선택 엔진(625)은 어느 디스플레이 객체들이 선택되었는지에 관한 정보를 주석 시스템(206)에 전달하고, 이 주석 시스템은 그 후 정보를 사용하여 단기적 메시지(502)를 생성할 수 있다. 동작(740)에서, 주석 시스템(206)은 일부 예시적인 실시예들에 따라, 단기적 메시지(502)로서 소셜 네트워크 플랫폼에 프레젠테이션을 게시한다.
도 8은 일부 예시적인 실시예들에 따른, 이미지들에 대한 분류들을 생성하는 방법(800)의 흐름도를 도시한다. 방법(800)의 동작들(805-815)은, 일부 예시적인 실시예들에 따라, 도 7에서 동작(720)의 서브루틴으로서 수행될 수 있다. 동작(805)에서, 환경 분류 엔진(610)은 이미지를 입력으로서 수신하고, 이미지가 외부 환경의 것일 수치적 가능도 및 이미지가 내부 환경의 것일 수치적 가능도를 생성한다. 동작(810)에서, 베뉴 분류 엔진(615)은 이미지를 입력으로서 수신하고, 이미지가 상이한 가능한 베뉴들의 것일 수치적 가능도를 생성한다. 수치적 가능도 출력은 베뉴 분류 엔진(615)이 얼마나 많은 베뉴들에 대해 훈련되었는지에 의존할 수 있다. 예를 들어, 컨볼루션 신경 네트워크가 10개의 상이한 베뉴의 이미지들에 대해 훈련되는 경우, 동작(810)에서, 베뉴 분류 엔진(615)은 주어진 이미지에 대해 10개의 상이한 수치적 가능도를 생성한다.
동작(815)에서, 객체 분류 엔진(620)은 주어진 이미지에 묘사된 객체가 알려진 타입의 객체일 수치적 가능도들을 생성한다. 예를 들어, 객체 분류 엔진(620)은 주어진 이미지 내의 상이한 관심 영역들(ROI)을 찾기 위해 먼저 이미지 피처 검출 스킴(예를 들어, 소벨 에지 검출, 블롭 검출 등)을 적용할 수 있다. 각각의 ROI는 주어진 이미지 피처를 둘러싸는 다각형이다. 각각의 ROI의 이미지 데이터는 그 후 분류를 위해 객체 분류 엔진(620)에 입력될 수 있다. 객체 분류 엔진(620)은, 각각의 ROI에 대해, ROI가 주어진 타입의 객체를 포함할 복수의 가능도를 생성할 수 있다. 예를 들어, 객체 분류 엔진(620)이 5개의 상이한 객체의 이미지들에 대해 훈련되는 경우, 동작(815)에서, 객체 분류 엔진(620)은 각각의 ROI에 대해 5개의 상이한 수치적 가능도를 생성한다.
도 9는 일부 예시적인 실시예들에 따른, 베뉴 데이터 세트로부터 하나 이상의 베뉴를 선택하기 위한 방법(900)의 흐름도를 도시한다. 동작(905)에서, 선택 엔진(625)은 잠재적 베뉴들의 세트(예를 들어, 애플리케이션 서버(112)로부터 반환된 베뉴 데이터 세트)를 식별한다. 동작(910)에서, 선택 엔진(625)은 도 8의 동작(805)에서 생성된 환경 분류 데이터와 매칭하지 않는 잠재적 베뉴들의 세트 내의 베뉴들을 필터링 아웃한다. 예를 들어, 환경 분류 데이터가 주어진 이미지가 외부 환경의 것임을 나타내는 경우, 실내 환경들인 잠재적 베뉴들은 동작(910)에서 필터링된다. 야외 및 실내 메타데이터 태그 둘 다를 갖는 베뉴들(예를 들어, 유명한 실내 카지노 영역을 갖고 또한 유명한 야외 수영장 영역을 갖는 고대 그리스를 본떠서 만든 라스 베가스 카지노)은 동작(910)에서 필터링 아웃되지 않을 수 있는데, 그 이유는 사용자가 베뉴의 외부 영역 또는 내부 영역에 있을 수 있기 때문이다. 동작(910)에서, 선택 엔진(625)은 동작(910)의 필터링 프로세스들이 베뉴들의 수를 충분히 좁혔는지를 결정한다. 예를 들어, 5개의 베뉴가 존재하고 동작(910)에서 4개가 필터링 아웃되는 경우, 나머지 베뉴는 동작(910)에서 선택 엔진(625)에 의해 선택된 것들로서 출력된다. 일부 실시예들에서, 동작(915)에서 미리 설정된 수의 베뉴들이 남아 있는 경우, 나머지 베뉴들은 선택된 것들로서 동작(920)에서 출력된다. 나머지 베뉴들(및 연관된 오버레이 콘텐츠)은 옵션들로서 사용자에게 제시될 수 있고, 사용자는 정확한 베뉴를 선택할 수 있다. 일부 예시적인 실시예들에서, 선택 엔진(625)이 상이한 베뉴 옵션들을 사용자들에게 제시할 때, 선택 엔진(625)은 어느 베뉴가 사용자들에 의해 가장 자주 선택되는지를 기록한다. 그 후, 사용자에게 다수의 베뉴 옵션이 제시될 때, 가장 자주 사용자에 의해 선택된(user selected) 베뉴가 옵션 목록의 상부에 배치된다.
여전히 베뉴들(예를 들어, 세트 내의 하나보다 많은 베뉴)이 있다고 가정하면, 방법(900)은 동작(905)으로 계속된다. 동작(905)에서, 선택 엔진(625)은 동작(810)에서 생성된 베뉴 분류들을 갖는 나머지 베뉴들 중 임의의 것이 미리 지정된 임계값을 초과하는지를 결정한다. 나머지 베뉴의 베뉴 분류 중 하나 이상이 미리 지정된 임계값을 초과하는 경우, 하나 이상의 베뉴는 동작(930)에서 선택된 것들로서 출력된다. 예를 들어, 임계값이 .90으로 설정되고, 이탈리안 식당이 .45의 수치적 가능도를 수신하고 커피 숍이 .95의 수치적 가능도를 수신하는 경우, 동작(930)에서 커피숍이 선택된다.
또한, 일부 예시적인 실시예들에서, 다른 엔진에 의해 인식되는 객체들은 베뉴의 수치적 가능도를 임계값 위로 푸시할 수 있다. 각각의 인식된 개체는 대응하는 베뉴의 수치적 가능도에 영향을 미치는 설정된 가중치 또는 값을 가질 수 있다. 예를 들어, 임계값이 0.90으로 설정되고, 이탈리안 식당이 .70의 수치적 가능도를 수신하고, 커피숍이 .80의 수치적 가능도를 수신하는 것으로 가정하면, 이에 따라 둘 다가 임계값 하에 있고 선택되지 않는다. 그러나, 나중에 커피 컵이 객체 분류 엔진(620)에 의해 검출된다고 가정한다. 커피 컵의 인식은 커피숍의 수치적 가능도에 0.2를 추가할 수 있고 그에 의해 커피숍을 임계값 위로 푸시하고 선택 엔진(625)에 의해 커피숍이 선택되게 한다.
동작(925)에서, 베뉴 분류들 중 어느 것도 강한 신호들(예를 들어, 임계값을 초과하는 신호들)이 없다고 가정하면, 방법(900)은 동작(935)으로 계속된다. 동작(935)에서, 선택 엔진(625)은 동작(815)에서 식별된 검출된 객체들 중 임의의 것이 나머지 베뉴들의 태그들에 매칭하는지를 결정한다. 객체들이 태그에 매칭한다면, 베뉴들은 동작(940)에서 선택된 것들로서 출력된다. 예를 들어, 커피 머그가 검출되고 커피 머그가 음식 카테고리 및 커피숍 서브카테고리에 대한 태그인 경우, 음식 또는 커피숍에 매칭하는 세트 내의 임의의 베뉴들이 동작(940)에서 선택된다. 한편, 이미지에서 인식가능한 객체들이 검출되지 않았을 경우, 또는 검출된 객체들이 나머지 베뉴들에 매칭하지 않는 경우, 동작(945)에서 나머지 베뉴들은 선택된 것들로서 출력된다. 예를 들어, 3개의 베뉴가 남아 있는 경우, 3개의 베뉴가 사용자에게 옵션들로서 디스플레이될 수 있고 사용자는 정확한 베뉴를 선택할 수 있다.
또한, 동작(935 내지 925)으로부터 연장되는 점선 화살표로 표시된 바와 같이, 동작(935)에서 분석된 객체들은 베뉴 수치적 가능도의 재조정을 트리거할 수 있다(예를 들어, 인식된 객체는 베뉴를 임계값 위로 푸시한다).
일부 예시적인 실시예들에서, 동작(925)은 스킵된다. 예를 들어, 동작(915) 후에, 프로세스는 객체 기반 선택을 위해 직접 동작(935)으로 계속된다. 이러한 실시예들에서, 클라이언트 베뉴 시스템은 비매칭 환경들을 필터링 아웃하고 있고, 이어서 정확한 베뉴를 결정하기 위해 객체들을 사용하고 있다.
또한, 일부 예시적인 실시예들에서, 선택된 베뉴들은 그들이 베뉴의 외부 부분의 것인지 또는 베뉴의 내부 부분의 것인지를 나타내기 위해 추가로 수정될 수 있다. 예를 들어, "카지노"를 베뉴로서 선택하는 대신에, "카지노-외부"가 선택된다. 베뉴의 이미지와 함께 디스플레이된 UI 콘텐츠는 베뉴에 의존할 수 있고, 또한 사용자가 베뉴 내부에 있는지 또는 외부에 있는지를 결정할 수 있다.
도 10은 일부 예시적인 실시예들에 따른, 베뉴들 및 디스플레이 콘텐츠를 필터링하거나 그렇지 않으면 선택하기 위해 사용될 수 있는 데이터 구조(1005)를 도시한다. 일부 예시적인 실시예들에서, 데이터는 관계형 데이터베이스, 그래프 데이터베이스, 및 다른 형태들의 구조화된 데이터에 저장된다. 예시적인 데이터 구조(1005)는 음식 카테고리(1010), 예술 및 엔터테인먼트 카테고리(1015), 상점 카테고리(1020), 야외 카테고리(1025), 여행 카테고리(1030), 및 교육 카테고리(1035)를 포함하는 카테고리들을 포함한다. 카테고리들 각각은 주어진 카테고리를 추가로 세밀히 구분하는 서브카테고리들과 연관되거나 그렇지 않으면 링크될 수 있다. 예를 들어, 음식 카테고리(1010)는 멕시칸 식당 음식 서브카테고리(1010A), 와인 바 서브카테고리(1010B), 및 커피숍 서브카테고리(1010C)를 포함하는 서브카테고리들로 세분된다. 또한, 예술 및 엔터테인먼트 카테고리(1015)는 경기장 서브카테고리(1015A), 극장 서브카테고리(1015B), 및 박물관 서브카테고리(1015C)를 포함하는 서브카테고리들로 세분된다. 또한, 상점 카테고리는 가스 스테이션 서브카테고리(1020A), 몰 카테고리(1020B), 및 하이엔드 카테고리(1020C)를 포함하는 서브카테고리들로 추가로 세분된다. 또한, 야외 카테고리(1025)는 해변 서브카테고리(1025A), 공원 서브카테고리(1025B), 및 호수 카테고리(1025C)를 포함하는 서브카테고리들로 세분된다. 또한, 여행 카테고리(1030)는 공항 카테고리(1030A), 기차 스테이션 카테고리(1030B) 및 호텔 카테고리(1030C)로 추가로 세분된다. 또한, 교육 카테고리(1035)는 대학 서브카테고리(1035A), 커뮤니티 칼리지 서브카테고리(1035B), 및 고등학교 서브카테고리(1035C)를 포함하는 서브카테고리들로 세분된다. 제한된 수의 카테고리 및 서브카테고리가 도 10의 예에 도시되어 있지만, 본 기술분야의 통상의 기술자에 의해, 카테고리들 및 대응하는 서브카테고리들의 수가 필요에 따라 추가의 카테고리들 및 서브카테고리들을 포함하도록 확장될 수 있다는 것이 인식될 수 있다.
베뉴 데이터 세트의 일부로서 반환된 베뉴들 각각은 데이터 구조의 카테고리들 또는 서브카테고리들 중 적어도 하나로 미리-카테고리화(pre-categorize)된다. 카테고리들 및 서브카테고리들 각각은 머신 러닝에 의해 생성된(machine learning generated) 분류들에 기초하여 카테고리들을 필터링하거나 선택하기 위해 사용될 수 있는 메타데이터 태그들과 연관될 수 있다. 데이터 구조 및 태그들은 클라이언트 디바이스 예를 들어, 클라이언트 디바이스(102)의 로컬 메모리에 저장될 수 있다.
도 11은 일부 예시적인 실시예들에 따른, 데이터 구조의 일부를 갖는 메타데이터 태그들의 일례를 도시한다. 특히, 음식 카테고리(1010)는 멕시칸 식당 음식 서브카테고리(1010A), 와인 바 서브카테고리(1010B), 및 커피숍 서브카테고리(1010C)를 포함하는 그의 연관된 서브카테고리들로 디스플레이된다. 카테고리들 및 서브카테고리들 각각은 대응하는 데이터 객체를 설명하는 메타데이터 태그들을 갖는다. 태그들은 도 9에서 논의된 바와 같이 베뉴들을 필터링하고 선택하기 위해 사용될 수 있다. 예시된 바와 같이, 음식 카테고리는 실내 태그들 및 야외 태그들 둘 다를 갖는데, 그 이유는 음식 베뉴들이 야외, 실내, 또는 둘 다(야외 파티오를 갖는 실내 식당)일 수 있기 때문이다. 마찬가지로, 서브카테고리들은 또한 베뉴들이 실내인지, 야외인지, 또는 둘 다인지를 나타내는 환경 태그들을 갖는다. 서브카테고리들은 (예를 들어, 객체 분류 엔진(620)에 의해) 검출될 가능성이 있는 특성들 또는 객체들을 추가로 설명하는 추가적인 태그들을 갖는데; 예를 들어, 와인 바(1010B)는 와인 병 태그 및 와인 글래스 태그를 갖는다. 검출된 객체가 주어진 태그에 대응할 때, 베뉴는 도 9에서 논의된 바와 같이 선택될 수 있다.
또한, 카테고리들 및 서브카테고리들 각각은 카테고리 또는 서브카테고리 베뉴 타입을 나타내는 연관된 또는 참조된 UI 콘텐츠를 가질 수 있다. 예를 들어, 예시된 바와 같이, 와인 바 서브카테고리(1010B)는 연관 카테고리 또는 서브카테고리의 타입에 대응하는 UI 콘텐츠(1100)(예를 들어, 아바타들, 캡션들)에 링크된다. UI 콘텐츠의 예들이 도 12 내지 도 14에 도시된다.
도 12는 일부 예시적인 실시예들에 따른, 오버레이 콘텐츠(1210A 및 1210B)를 갖는 와인 바의 이미지(1200)의 예시적인 프레젠테이션을 도시한다. 도 12의 예에서, 클라이언트 베뉴 시스템(210)은 사용자(예를 들어, 클라이언트 디바이스(102)로 와인 바의 사진을 찍는 사람 사용자)가 실내 환경 내에 있고 이미지(1200)에서 와인 글래스들(1205)을 추가로 검출했다는 것으로 결정했다. 클라이언트 베뉴 시스템은 그 후 위의 방법들(700-900) 및 데이터 구조(1000)를 사용하여 와인 바 서브카테고리를 선택한다. 와인 바 선택에 응답하여, 연관된 UI 콘텐츠(1100)가 검색되고 이미지(1200) 상에 오버레이된다. 특히, 예시된 바와 같이, 캡션 "Wine Time!"(1210A)과 함께 사용자의 여성 아바타(1210B)가 와인 바 이미지(1200) 상에 오버레이된다. 일부 예시적인 실시예들에서, 이미지 내에 통합된 UI 콘텐츠는 3차원이다(예를 들어, 와인 바 카운터 상단 상에서 춤을 추는 것으로 보이는 춤을 추는 만화 핫도그).
도 13은 일부 예시적인 실시예들에 따른, 오버레이 콘텐츠(1305)를 갖는 카지노의 이미지(1300)의 예시적인 프레젠테이션을 도시한다. 도 13에 도시된 예에서, 사용자는 카지노의 이미지를 캡처했고 클라이언트 베뉴 시스템(210)은 전술한 접근법들을 구현하여, 이미지가 실내 환경의 것이고, 추가로 이미지(1300)가 카지노 칩들 및/또는 그린 펠트 테이블(예를 들어, 테이블(1310))을 묘사한다고 결정했다. 그 결정들에 응답하여, 클라이언트 베뉴 시스템은 실내 카지노 환경을 선택하고 오버레이 콘텐츠(1305)(사용자가 도박하는 것에 대한 만화 아바타)를 이미지(1300)에 통합한다.
도 14는 일부 예시적인 실시예들에 따른, 오버레이 콘텐츠(1410 및 1415)를 갖는 수영장 영역의 예시적인 이미지(1400)를 도시한다. 도 14의 예에서, 클라이언트 베뉴 시스템(210)은 사용자가 카지노에 있지만 (환경 데이터에 따라) 빌딩 외부에 있다고 결정할 수 있다. 또한, 객체 분류 엔진(620)은 수영장(1405)을 식별했다. 결정들에 응답하여, 클라이언트 베뉴 시스템(210)은 카지노 베뉴에 대한 야외 콘텐츠를 선택하고 이를 이미지(1400) 상에 오버레이한다. 특히, 캡션 "Vegas Baby!"(1415) 및 사용자의 기대는 사용자 아바타(1410)가 이미지(1400) 상에 디스플레이된다.
이어서, 도 12 내지 도 14에 디스플레이된 프레젠테이션들은 전술한 바와 같이 단기적 메시지(502)로서 소셜 네트워크에 게시될 수 있다. 이러한 방식으로, 본 명세서에 개시된 베뉴 시스템은 클라이언트 디바이스가 현재 베뉴를 신속하고 더 정확하게 신속하게 결정하고, 사용자가 베뉴 내에 또는 근처에 있는 동안 베뉴-커스터마이징된(venue-customized) 단기적 메시지를 게시하는 것을 허용하는 시각적 큐들, 로직, 및 특정 데이터 구조를 구현한다.
도 15는 일부 예시적인 실시예들에 따른, 머신 상에 설치될 수 있는 소프트웨어 아키텍처의 일례를 나타내는 블록도이다. 도 15는 소프트웨어 아키텍처의 비제한적인 예일 뿐이고, 본 명세서에 설명된 기능을 용이하게 하기 위해 많은 다른 아키텍처가 구현될 수 있다는 것이 인식될 것이다. 소프트웨어 아키텍처(1502)는, 그 중에서도, 프로세서들(1610), 메모리(1630), 및 I/O 컴포넌트들(1650)을 포함하는 도 16의 머신(1600)과 같은 하드웨어 상에서 실행될 수 있다. 대표적인 하드웨어 계층(1504)이 예시되어 있으며, 예를 들어, 도 16의 머신(1600)을 나타낼 수 있다. 대표적인 하드웨어 계층(1504)은 연관된 실행가능 명령어들(1508)을 갖는 하나 이상의 처리 유닛(1506)을 포함한다. 실행가능 명령어들(1508)은 도 X-X의 방법들, 모듈들 등의 구현을 포함하는 소프트웨어 아키텍처(1502)의 실행가능 명령어들을 나타낸다. 하드웨어 계층(1504)은 또한 실행가능 명령어들(1508)을 또한 갖는 메모리 또는 저장 모듈들(1510)을 포함한다. 하드웨어 계층(1504)은 머신(1500)의 일부로서 예시된 다른 하드웨어와 같은, 하드웨어 계층(1504)의 임의의 다른 하드웨어를 나타내는 다른 하드웨어(1512)를 또한 포함할 수도 있다.
도 15의 예시적인 아키텍처에서, 소프트웨어 아키텍처(1502)는 각 계층이 특정 기능성을 제공하는 계층들의 스택으로서 개념화될 수 있다. 예를 들어, 소프트웨어 아키텍처(1502)는 운영 체제(1514), 라이브러리들(1516), 프레임워크들/미들웨어(1518), 애플리케이션들(1520), 및 프레젠테이션 계층(1544)과 같은 계층들을 포함할 수 있다. 동작 중에, 계층들 내의 애플리케이션들(1520) 및/또는 다른 컴포넌트들은 소프트웨어 스택을 통해 API 호출들(API calls)(1524)을 호출(invoke)하고 API 호출들(1524)에 응답하여 (메시지들(1526)로서 예시된) 응답, 반환 값(returned value)들 등을 수신할 수 있다. 예시된 계층들은 본질적으로 대표적인 것이며 모든 소프트웨어 아키텍처가 모든 계층을 갖는 것은 아니다. 예를 들어, 일부 모바일 또는 특수 목적 운영 체제들은 프레임워크들/미들웨어 계층(1518)을 제공하지 않을 수 있는 반면, 다른 것들은 이러한 계층을 제공할 수 있다. 다른 소프트웨어 아키텍처들은 추가의 또는 상이한 계층들을 포함할 수 있다.
운영 체제(1514)는 하드웨어 리소스들을 관리하고 공통 서비스들을 제공할 수 있다. 운영 체제(1514)는 예를 들어, 커널(kernel)(1528), 서비스들(1530), 및 드라이버들(1532)을 포함할 수 있다. 커널(1528)은 하드웨어와 다른 소프트웨어 계층들 사이의 추상화 계층(abstraction layer)으로서 기능할 수 있다. 예를 들어, 커널(1528)은, 메모리 관리, 프로세서 관리(예를 들어, 스케줄링), 컴포넌트 관리, 네트워킹, 보안 설정들 등을 담당할 수 있다. 서비스들(1530)은 다른 소프트웨어 계층들을 위한 다른 공통 서비스들을 제공할 수 있다. 드라이버들(1532)은 기저 하드웨어를 제어하거나 이와 인터페이스하는 것을 담당할 수 있다. 예를 들어, 드라이버들(1532)은, 하드웨어 구성에 따라, 디스플레이 드라이버들, 카메라 드라이버들, Bluetooth® 드라이버들, 플래시 메모리 드라이버들, 직렬 통신 드라이버들(예를 들어, USB(Universal Serial Bus) 드라이버들), Wi-Fi® 드라이버들, 오디오 드라이버들, 전력 관리 드라이버들 등을 포함할 수 있다.
라이브러리들(1516)은 애플리케이션들(1520) 및/또는 다른 컴포넌트들 및/또는 계층들에 의해 이용될 수 있는 공통 인프라스트럭처를 제공할 수 있다. 라이브러리들(1516)은 통상적으로, 다른 소프트웨어 모듈들이 기저 운영 체제(1514) 기능(예를 들어, 커널(1528), 서비스들(1530) 또는 드라이버들(1532))과 직접 인터페이스하는 것에 의해서보다 더 용이한 방식으로 태스크를 수행하는 것을 허용하는 기능을 제공한다. 라이브러리들(1516)은 메모리 할당 기능들, 문자열 조작 기능들, 수학 기능들 등과 같은 기능들을 제공할 수 있는 시스템 라이브러리들(1534)(예를 들어, C 표준 라이브러리)을 포함할 수 있다. 또한, 라이브러리들(1516)은 미디어 라이브러리들(예를 들어, MPEG4, H.264, MP3, AAC, AMR, JPG, PNG와 같은 다양한 미디어 포맷들의 프레젠테이션 및 조작을 지원하는 라이브러리들), 그래픽 라이브러리들(예를 들어, 디스플레이 상에 2D 및 3D 그래픽 콘텐츠를 렌더링하기 위해 사용될 수 있는 OpenGL 프레임워크), 데이터베이스 라이브러리들(예를 들어, 다양한 관계형 데이터베이스 기능들을 제공할 수 있는 SQLite), 웹 라이브러리들(예를 들어, 웹 브라우징 기능을 제공할 수 있는 WebKit) 등과 같은 API 라이브러리들(1536)을 포함할 수 있다. 라이브러리들(1516)은 또한, 많은 다른 API들을 애플리케이션들(1520) 및 다른 소프트웨어 컴포넌트들/모듈들에 제공하는 다양한 기타의 라이브러리들(1538)을 포함할 수 있다.
프레임워크들(1518)(때때로 미들웨어라고도 함)은 애플리케이션(1520) 또는 다른 소프트웨어 컴포넌트들/모듈들에 의해 이용될 수 있는 상위 레벨의 공통 인프라스트럭처를 제공할 수 있다. 예를 들어, 프레임워크들(1518)은 다양한 GUI(graphic user interface) 기능들, 상위 레벨 리소스 관리, 상위 레벨 위치 서비스들 등을 제공할 수 있다. 프레임워크들(1518)은 애플리케이션들(1520) 및/또는 다른 소프트웨어 컴포넌트들/모듈들에 의해 이용될 수 있는 광범위한 스펙트럼의 다른 API들을 제공할 수 있으며, 그 중 일부는 특정 운영 체제 또는 플랫폼에 특유할 수 있다.
애플리케이션들(1520)은 빌트인 애플리케이션들(1540) 및/또는 제3 자 애플리케이션들(1542)을 포함한다. 대표적인 빌트인 애플리케이션들(1540)의 예들은, 홈 애플리케이션, 연락처 애플리케이션, 브라우저 애플리케이션, 북 리더 애플리케이션, 위치 애플리케이션, 미디어 애플리케이션, 메시징 애플리케이션, 또는 게임 애플리케이션을 포함할 수 있지만, 이것으로 제한되지 않는다.
제3 자 애플리케이션들(1542)은 빌트인 애플리케이션들(1540) 중 임의의 것뿐만 아니라, 다른 애플리케이션들의 넓은 모음을 포함할 수 있다. 특정 예에서, 제3 자 애플리케이션(1542)(예를 들어, 특정한 플랫폼의 벤더(vendor) 이외의 엔티티에 의해 AndroidTM 또는 iOSTM 소프트웨어 개발 키트(software development kit)(SDK)를 사용하여 개발된 애플리케이션)은 iOSTM, AndroidTM, Windows® Phone, 또는 다른 모바일 운영 체제들과 같은 모바일 운영 체제 상에서 작동되는 모바일 소프트웨어일 수 있다. 이 예에서, 제3 자 애플리케이션들(1542)은 본 명세서에 설명된 기능을 용이하게 하기 위해 운영 체제(1514)와 같은 모바일 운영 체제에 의해 제공되는 API 호출(1524)을 호출할 수 있다.
애플리케이션들(1520)은, 빌트인 운영 체제 기능들(예를 들어, 커널(1528), 서비스(1530) 또는 드라이버들(1532)), 라이브러리들(예를 들어, 시스템 라이브러리들(1534), API들(1536) 및 기타의 라이브러리(1538)), 또는 시스템의 사용자들과 상호작용하는 사용자 인터페이스들을 생성하는 프레임워크들/미들웨어(1518)를 이용할 수 있다. 대안적으로 또는 추가적으로, 일부 시스템들에서, 사용자와의 상호 작용들은 프레젠테이션 계층(1544)과 같은 프레젠테이션 계층을 통해 일어날 수 있다. 이들 시스템들에서, 애플리케이션/모듈 "로직"은 사용자와 상호작용하는 애플리케이션/모듈의 양태들로부터 분리될 수 있다.
일부 소프트웨어 아키텍처들은 가상 머신들을 이용한다. 도 15의 예에서, 이것은 가상 머신(1548)에 의해 도시된다. 가상 머신은 애플리케이션들/모듈들이 (예를 들어, 도 16의 머신(1600)과 같은) 하드웨어 머신 상에서 실행되고 있었던 것처럼 실행될 수 있는 소프트웨어 환경을 생성한다. 가상 머신(1548)은 호스트 운영 체제(예를 들어, 운영 체제(1514))에 의해 호스팅되고, 항상 그러한 것은 아니지만, 전형적으로는 호스트 운영 체제(예를 들어, 운영 체제(1514))와의 인터페이스뿐만 아니라 가상 머신(1548)의 동작을 관리하는 가상 머신 모니터(1546)를 갖는다. 소프트웨어 아키텍처는 운영 체제(1550), 라이브러리들(1552), 프레임워크들/미들웨어(1554), 애플리케이션들(1556), 또는 프레젠테이션 계층(1558)과 같은 가상 머신(1548) 내에서 실행된다. 가상 머신(1548) 내에서 실행되는 이 소프트웨어 아키텍처 계층들은 이전에 기술된 대응하는 계층들과 동일할 수도 있거나 상이할 수 있다.
도 16은 예시적인 실시예에 따른, 머신으로 하여금 본 명세서에서 논의되는 방법론들 중 임의의 하나 이상을 수행하게 하기 위한 명령어들의 세트가 그 내부에서 실행될 수 있는 컴퓨터 시스템의 형태의 머신(1600)의 개략적 표현을 예시한다. 구체적으로, 도 16은 머신(1600)으로 하여금 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하게 하기 위한 명령어들(1616)(예를 들어, 소프트웨어, 프로그램, 애플리케이션, 애플릿(applet), 앱, 또는 다른 실행가능 코드)이 그 내부에서 실행될 수 있는 컴퓨터 시스템의 예시적인 형태의 머신(1600)의 개략적 표현을 도시한다. 예를 들어, 명령어들(1616)은 머신(1600)으로 하여금 도 16의 방법 XYZ를 실행하게 할 수 있다. 추가적으로 또는 대안적으로, 명령어들(1616)은 도면 X-X 등을 구현할 수 있다. 명령어들(1616)은 일반의, 프로그래밍되지 않은 머신(1600)을, 기술되고 예시된 기능들을 기술된 방식으로 수행하도록 프로그래밍된 특정의 머신(1600)으로 변환한다. 대안적인 실시예들에서, 머신(1600)은 독립형 디바이스로서 동작하거나 다른 머신들에 결합(예를 들어, 네트워킹)될 수 있다. 네트워킹된 배치(networked deployment)에서, 머신(1600)은 서버-클라이언트 네트워크 환경에서 서버 머신 또는 클라이언트 머신으로서, 또는 피어-투-피어(또는 분산) 네트워크 환경에서 피어 머신으로서 동작할 수 있다. 머신(1600)은 이것으로 제한되는 것은 아니지만, 서버 컴퓨터, 클라이언트 컴퓨터, 퍼스널 컴퓨터(personal computer)(PC), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, 셋톱 박스(set-top box)(STB), PDA, 엔터테인먼트 미디어 시스템, 셀룰러 텔레폰, 스마트 폰, 모바일 디바이스, 웨어러블 디바이스(예를 들어, 스마트 워치), 스마트 홈 디바이스(예를 들어, 스마트 어플라이언스), 기타 스마트 디바이스들, 웹 어플라이언스, 네트워크 라우터, 네트워크 스위치, 네트워크 브릿지, 또는 머신(1600)에 의해 행해질 작동들을 지정하는 명령어들(1616)을 순차적으로 또는 다른 방식으로 실행할 수 있는 임의의 머신을 포함할 수 있다. 또한, 단일 머신(1600)만이 도시되어 있지만, 용어 "머신"은 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하기 위해 개별적으로 또는 공동으로 명령어들(1616)을 실행하는 머신들(1600)의 컬렉션을 포함하도록 또한 취해져야 한다.
머신(1600)은 버스(1602)를 통해서와 같이 서로 통신하도록 구성될 수 있는 프로세서(1610), 메모리(1630), 및 I/O 컴포넌트들(1650)을 포함할 수 있다. 예시적인 실시예에서, 프로세서들(1610)(예를 들어, 중앙 처리 유닛(CPU), 축소 명령어 집합 컴퓨팅(Reduced Instruction Set Computing)(RISC) 프로세서, 복잡 명령어 집합 컴퓨팅(Complex Instruction Set Computing)(CISC) 프로세서, 그래픽 처리 유닛(GPU), 디지털 신호 프로세서(Digital Signal Processor)(DSP), ASIC, 무선 주파수 집적 회로(Radio-Frequency Integrated Circuit)(RFIC), 다른 프로세서, 또는 이들의 임의의 적합한 조합)은 예를 들어, 명령어들(1616)을 실행할 수 있는 프로세서(1612) 및 프로세서(1614)를 포함할 수 있다. "프로세서"라는 용어는 명령어들을 동시에 실행할 수 있는 2개 이상의 독립적 프로세서(때때로 "코어들"이라고 지칭됨)를 포함할 수 있는 멀티 코어 프로세서(multi-core processor)들을 포함하는 것으로 의도된다. 도 16은 다중 프로세서(1610)를 도시하지만, 머신(1600)은 단일 코어를 갖는 단일 프로세서, 다중 코어들을 갖는 단일 프로세서(예를 들어, 멀티 코어 프로세서), 단일 코어를 갖는 다중 프로세서들, 다중 코어들을 갖는 다중 프로세서들, 또는 이들의 임의의 조합을 포함할 수 있다.
메모리(1630)는 메인 메모리(1632), 정적 메모리(1634) 및 저장 유닛(1636)을 포함할 수 있으며, 둘 다는 버스(1602)를 통해서와 같이 프로세서들(1610)에 액세스 가능하다. 메인 메모리(1630), 정적 메모리(1634), 및 저장 유닛(1636)은 본 명세서에 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 구현하는 명령어들(1616)을 저장한다. 명령어들(1616)은 또한, 머신(1600)에 의한 그 실행 동안에, 완전히 또는 부분적으로, 메인 메모리(1632) 내에, 정적 메모리(1634) 내에, 저장 유닛(1636) 내에, 프로세서들(1610) 중 적어도 하나 내에(예를 들어, 프로세서의 캐시 메모리 내에), 또는 이들의 임의의 적절한 조합으로 존재할 수 있다.
I/O 컴포넌트들(1650)은 입력을 수신하고, 출력을 제공하며, 출력을 생성하고, 정보를 송신하며, 정보를 교환하고, 측정들을 포착하는 등을 위한 매우 다양한 컴포넌트들을 포함할 수 있다. 특정한 머신에 포함되는 구체적인 I/O 컴포넌트들(1650)은 머신의 타입에 의존할 것이다. 예를 들어, 모바일 전화들 등의 휴대형 머신들은 아마도 터치 입력 디바이스 또는 기타의 이러한 입력 메커니즘을 포함할 수 있을 것인 반면, 헤드리스 서버 머신(headless server machine)은 아마도 이러한 터치 입력 디바이스를 포함하지 않을 것이다. I/O 컴포넌트들(1650)이 도 16에 도시되지 않은 많은 다른 컴포넌트들을 포함할 수 있다는 것이 인식될 것이다. I/O 컴포넌트들(1650)은 다음의 논의를 단순화하기 위해서만 기능에 따라 그룹화되고 그룹화는 결코 제한되지 않는다. 다양한 예시적인 실시예들에서, I/O 컴포넌트들(1650)은 출력 컴포넌트들(1652) 및 입력 컴포넌트들(1654)을 포함할 수 있다. 출력 컴포넌트들(1652)은 비주얼 컴포넌트들(예를 들어, PDP(plasma display panel), LED(light emitting diode) 디스플레이, LCD(liquid crystal display), 프로젝터, 또는 CRT(cathode ray tube)와 같은 디스플레이), 청각 컴포넌트들(예를 들어, 스피커들), 햅틱 컴포넌트들(예를 들어, 진동 모터, 저항 메커니즘들), 다른 신호 생성기들 등을 포함할 수 있다. 입력 컴포넌트들(1654)은 영숫자 입력 컴포넌트들(예를 들어, 키보드, 영숫자 입력을 수신하도록 구성된 터치 스크린, 광-광학(photo-optical) 키보드 또는 다른 영숫자 입력 컴포넌트들), 포인트 기반 입력 컴포넌트들(예를 들어, 마우스, 터치 패드, 트랙볼, 조이스틱, 모션 센서 또는 다른 포인팅 장비), 촉각 입력 컴포넌트들(예를 들어, 물리적 버튼, 터치들 또는 터치 제스처들의 위치 및/또는 힘을 제공하는 터치 스크린 또는 기타 촉각 입력 컴포넌트들), 오디오 입력 컴포넌트들(예를 들어, 마이크로폰) 등을 포함할 수 있다.
추가의 예시적인 실시예들에서, I/O 컴포넌트들(1650)은, 매우 다양한 다른 컴포넌트들 중에서, 생체측정 컴포넌트(biometric component)들(1656), 모션 컴포넌트들(1658), 환경 컴포넌트들(1660), 또는 포지션 컴포넌트(position component)들(1662)을 포함할 수 있다. 예를 들어, 생체측정 컴포넌트들(1656)은 표현들(예를 들어, 손 표현(hand expression)들, 얼굴 표현(facial expression)들, 음성 표현(vocal expression)들, 보디 제스처(body gesture)들, 또는 눈 추적)을 검출하는, 생체신호(biosignal)들(예를 들어, 혈압, 심박수, 체온, 발한(perspiration) 또는 뇌파)을 측정하는, 사람을 식별하는(예를 들어, 음성 식별, 망막 식별, 얼굴 식별, 지문 식별, 또는 뇌파 기반 식별(electroencephalogram-based identification)), 등을 하는 컴포넌트들을 포함할 수 있다. 모션 컴포넌트들(1658)은 가속도 센서 컴포넌트들(예를 들어, 가속도계), 중력 센서 컴포넌트들, 회전 센서 컴포넌트들(예를 들어, 자이로스코프(gyroscope)) 등을 포함할 수 있다. 환경 컴포넌트들(1660)은 예를 들어, 조명 센서 컴포넌트들(예를 들어, 광도계), 온도 센서 컴포넌트들(예를 들어, 주변 온도를 검출하는 하나 이상의 온도계), 습도 센서 컴포넌트들, 압력 센서 컴포넌트들(예를 들어, 기압계), 음향 센서 컴포넌트들(예를 들어, 배경 잡음을 검출하는 하나 이상의 마이크로폰), 근접 센서 컴포넌트들(예를 들어, 근처의 객체들을 검출하는 적외선 센서들), 가스 센서들(예를 들어, 안전을 위해 유해 가스들의 농도들을 검출하거나 또는 대기 내 오염 물질들을 측정하는 가스 검출 센서들), 또는 주변의 물리적 환경에 상응하는 표시들, 측정치들 또는 신호들을 제공할 수 있는 다른 컴포넌트들을 포함할 수 있다. 포지션 컴포넌트들(1662)은 위치 센서 컴포넌트(location sensor component)들(예를 들어, GPS 수신기 컴포넌트), 고도 센서 컴포넌트들(예를 들어, 기압- 이로부터 고도가 도출될 수 있음 -을 검출하는 고도계들 또는 기압계들), 배향 센서 컴포넌트들(예를 들어, 자력계들) 등을 포함할 수 있다.
통신은 매우 다양한 기술들을 사용하여 구현될 수 있다. I/O 컴포넌트(1650)들은, 머신(1600)을 각각 결합(1682) 및 결합(1672)을 통해 네트워크(1680) 또는 디바이스들(1670)에 결합하도록 동작가능한 통신 컴포넌트들(1664)을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(1664)은 네트워크 인터페이스 컴포넌트 또는 네트워크(1680)와 인터페이스하기에 적합한 다른 디바이스를 포함할 수 있다. 추가의 예들에서, 통신 컴포넌트들(1664)은 유선 통신 컴포넌트들, 무선 통신 컴포넌트들, 셀룰러 통신 컴포넌트들, 근접장 통신(Near Field Communication)(NFC) 컴포넌트들, Bluetooth® 컴포넌트들(예를 들어, Bluetooth® Low Energy), Wi-Fi® 컴포넌트들 및 다른 모달리티들을 통해 통신을 제공하는 다른 통신 컴포넌트들을 포함할 수 있다. 디바이스들(1670)은, 다른 머신 또는 다양한 주변 디바이스들 중 임의의 것(예를 들어, USB를 통해 결합된 주변 디바이스)일 수 있다.
더욱이, 통신 컴포넌트들(1664)은 식별자들을 검출할 수 있거나 식별자들을 검출하기 위해 동작가능한 컴포넌트들을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(1664)은 RFID(Radio Frequency Identification) 태그 판독기 컴포넌트들, NFC 스마트 태그 검출 컴포넌트들, 광학 판독기 컴포넌트들(예를 들어, UPC(Universal Product Code) 바코드와 같은 1차원 바코드들, QR(Quick Response) 코드, Aztec 코드, Data Matrix, Dataglyph, MaxiCode, PDF417, Ultra Code, UCC RSS-2D 바코드와 같은 다차원 바코드들, 및 다른 광학 코드들을 검출하는 광학 센서), 또는 음향 검출 컴포넌트들(예를 들어, 태그된 오디오 신호(tagged audio signal)들을 식별하는 마이크로폰들)을 포함할 수 있다. 게다가, 인터넷 프로토콜(IP) 지오로케이션을 통한 위치, Wi-Fi® 신호 삼각측량을 통한 위치, 특정한 위치를 표시할 수도 있는 NFC 비컨 신호(beacon signal)를 검출하는 것을 통한 위치 및 등과 같은 다양한 정보는 통신 컴포넌트들(1664)을 통해 유도될 수도 있다.
실행가능 명령어들 및 머신 판독가능 매체
다양한 메모리들(즉, 1630, 1632, 1634, 및/또는 프로세서(들)(1610)의 메모리) 및/또는 저장 유닛(1636)은 본 명세서에 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 구현하거나 그에 의해 이용되는 명령어들 및 데이터 구조들(예를 들어, 소프트웨어)의 하나 이상의 세트를 저장할 수 있다. 이러한 명령어들(예를 들어, 명령어들(1616))은, 프로세서(들)(1610)에 의해 실행될 때, 다양한 동작들이 개시된 실시예들을 구현하게 한다.
본 명세서에서 사용되는 바와 같이, "머신-저장 매체", "디바이스-저장 매체", "컴퓨터-저장 매체"라는 용어들은 동일한 것을 의미하고 본 개시내용에서 상호교환가능하게 사용될 수 있다. 이 용어들은 실행가능 명령어들 및/또는 데이터를 저장하는 단일 또는 다수의 저장 디바이스 및/또는 매체들(예를 들어, 중앙집중형 또는 분산형 데이터베이스, 및/또는 연관된 캐시들 및 서버들)을 지칭한다. 따라서, 용어들은, 솔리드 스테이트 메모리들, 및 프로세서들 내부 또는 외부의 메모리를 포함하는 광학 및 자기 매체들을 포함하지만, 이에 제한되지 않는 것으로 취해져야 한다. 머신 저장 매체들, 컴퓨터 저장 매체들 및/또는 디바이스 저장 매체들의 특정 예들은 비휘발성 메모리를 포함하며, 이 비휘발성 메모리는 예로서, 반도체 메모리 디바이스들 예를 들어, EPROM(erasable programmable read-only memory), EEPROM(electrically erasable programmable read-only memory), FPGA, 및 플래시 메모리 디바이스들; 이동식 디스크들 및 내부 하드 디스크들과 같은 자기 디스크들; 자기-광학 디스크들; 및 CD-ROM 및 DVD-ROM 디스크들을 포함한다. 용어들 "머신-저장 매체들", "컴퓨터-저장 매체들", 및 "디바이스-저장 매체들"은 구체적으로 반송파들, 변조된 데이터 신호들, 및 다른 그러한 매체들을 배제하며, 이들 중 적어도 일부는 이하에서 논의되는 용어 "신호 매체" 하에서 커버된다.
송신 매체
다양한 예시적인 실시예들에서, 네트워크(1680)의 하나 이상의 부분은 애드혹 네트워크, 인트라넷, 엑스트라넷, VPN, LAN, WLAN, WAN, WWAN, MAN, 인터넷, 인터넷의 일부, PSTN의 일부, POTS(plain old telephone service) 네트워크, 셀룰러 전화 네트워크, 무선 네트워크, Wi-Fi® 네트워크, 다른 타입의 네트워크, 또는 2개 이상의 이러한 네트워크의 조합일 수 있다. 예를 들어, 네트워크(1680) 또는 네트워크(1680)의 일부는 무선 또는 셀룰러 네트워크를 포함할 수 있고, 결합(1682)은 CDMA(Code Division Multiple Access) 접속, GSM(Global System for Mobile communications) 접속, 또는 다른 타입의 셀룰러 또는 무선 결합을 포함할 수 있다. 이 예에서, 결합(1682)은 1xRTT(Single Carrier Radio Transmission Technology), EVDO(Evolution-Data Optimized) 기술, GPRS(General Packet Radio Service) 기술, EDGE(Enhanced Data rates for GSM Evolution) 기술, 3G, 4G(fourth generation) 무선 네트워크들, UMTS(Universal Mobile Telecommunications System), HSPA(High Speed Packet Access), WiMAX(Worldwide Interoperability for Microwave Access), LTE(Long Term Evolution) 표준을 포함한 3GPP(third Generation Partnership Project), 다양한 표준화 기구(standard-setting organization)들에 의해 정의된 다른 표준들, 다른 장거리(long range) 프로토콜들, 또는 다른 데이터 전송 기술과 같은, 다양한 타입의 데이터 전송 기술 중 임의의 것을 구현할 수 있다.
명령어들(1616)은 네트워크 인터페이스 디바이스(예를 들어, 통신 컴포넌트들(1664)에 포함된 네트워크 인터페이스 컴포넌트)를 통해 송신 매체를 사용하여 그리고 다수의 널리 공지된 전송 프로토콜(예를 들어, HTTP(hypertext transfer protocol)) 중 임의의 것을 이용하여 네트워크(1680)를 거쳐 송신 또는 수신될 수 있다. 유사하게, 명령어들(1616)은 디바이스들(1670)에 대한 결합(1672)(예를 들어, 피어-투-피어 결합)을 통해 송신 매체를 사용하여 송신 또는 수신될 수 있다. "송신 매체" 및 "신호 매체"라는 용어들은 동일한 것을 의미하고, 본 개시내용에서 상호교환가능하게 사용될 수 있다. "송신 매체" 및 "신호 매체"라는 용어들은 머신(1600)에 의한 실행을 위해 명령어들(1616)을 저장, 인코딩, 또는 운반할 수 있는 임의의 무형의 매체를 포함하는 것으로 취해져야 하고, 디지털 또는 아날로그 통신 신호들 또는 이러한 소프트웨어의 통신을 용이하게 하는 다른 무형의 매체를 포함한다. 따라서, "송신 매체" 및 "신호 매체"라는 용어들은 임의의 형태의 변조된 데이터 신호, 반송파 등을 포함하는 것으로 취해져야 한다. "변조된 데이터 신호"라는 용어는 신호 내의 정보를 인코딩하기 위한 것과 같은 그러한 문제에서 설정 또는 변경된 그것의 특성들 중 하나 이상을 갖는 신호를 의미한다.
용어해석
이 맥락에서 "캐리어 신호(CARRIER SIGNAL)" 란 머신(1600)에 의한 실행을 위한 명령어들(1616)을 저장, 인코딩, 또는 운반할 수 있는 임의의 무형의 매체를 지칭하고, 그러한 명령어들(1616)의 통신을 용이하게 하기 위한 디지털 또는 아날로그 통신 신호들 또는 다른 무형의 매체들을 포함한다. 네트워크 인터페이스 디바이스를 통해 송신 매체를 사용하여 그리고 다수의 잘 알려진 전송 프로토콜들 중 어느 하나를 사용하여 네트워크(1680)를 통해 명령어들(1616)이 송신되거나 또는 수신될 수 있다.
이러한 맥락에서 "클라이언트 디바이스(CLIENT DEVICE)"는 하나 이상의 서버 시스템 또는 다른 클라이언트 디바이스들(102)로부터 리소스들을 획득하기 위해 통신 네트워크(1680)에 인터페이스하는 임의의 머신(1600)을 지칭한다. 클라이언트 디바이스(102)는 모바일 폰, 데스크톱 컴퓨터, 랩톱, PDA, 스마트폰, 태블릿, 울트라북, 넷북, 멀티-프로세서 시스템, 마이크로프로세서 기반 또는 프로그래밍가능 소비자 전자 디바이스 시스템, 게임 콘솔, 셋톱 박스, 또는 사용자가 네트워크(1680)에 액세스하기 위해 사용할 수 있는 임의의 다른 통신 디바이스일 수 있지만, 이에 제한되지 않는다.
이러한 맥락에서 "통신 네트워크(COMMUNICATIONS NETWORK)"는 ad hoc 네트워크, 인트라넷, 엑스트라넷, VPN(virtual private network), LAN(local area network), WLAN(wireless LAN), WAN(wide area network), WWAN(wireless WAN), MAN(metropolitan area network), 인터넷, 인터넷의 일부, PSTN(Public Switched Telephone Network)의 일부, POTS(plain old telephone service) 네트워크, 셀룰러 전화 네트워크, 무선 네트워크, Wi-Fi® 네트워크, 다른 타입의 네트워크, 또는 둘 이상의 이러한 네트워크들의 조합일 수 있는 네트워크(1680)의 하나 이상의 일부를 지칭한다. 예를 들어, 네트워크 또는 네트워크(1680)의 일부는 무선 또는 셀룰러 네트워크를 포함할 수 있고, 결합은 CDMA(Code Division Multiple Access) 접속, GSM(Global System for Mobile communications) 접속, 또는 다른 타입의 셀룰러 또는 무선 결합을 포함할 수 있다. 이 예에서, 결합은 1xRTT(Single Carrier Radio Transmission Technology), EVDO(Evolution-Data Optimized) 기술, GPRS(General Packet Radio Service) 기술, EDGE(Enhanced Data rates for GSM Evolution) 기술, 3G, 4G(fourth generation) 무선 네트워크들, UMTS(Universal Mobile Telecommunications System), HSPA(High-Speed Packet Access), WiMAX(Worldwide Interoperability for Microwave Access), LTE(Long-Term Evolution) 표준을 포함한 3GPP(third Generation Partnership Project), 다양한 표준화 기구(standard-setting organization)들에 의해 정의된 다른 표준들, 다른 장거리(long-range) 프로토콜들, 또는 다른 데이터 전송 기술과 같은, 다양한 타입의 데이터 전송 기술 중 임의의 것을 구현할 수 있다.
이러한 맥락에서 "단기적 메시지(EMPHEMERAL MESSAGE)"는 시간-제한된 지속시간 동안 액세스 가능한 메시지(400)를 지칭한다. 단기적 메시지(502)는, 텍스트, 이미지, 비디오 등일 수 있다. 단기적 메시지(502)에 대한 액세스 시간은 메시지 전송자에 의해 설정될 수 있다. 대안적으로, 액세스 시간은 디폴트 설정 또는 수신자에 의해 지정된 설정일 수 있다. 설정 기술에 관계없이, 메시지(400)는 일시적이다.
이러한 맥락에서 "머신 판독가능 매체(MACHINE-READABLE MEDIUM)"는 명령어들(1616) 및 데이터를 일시적으로 또는 영구적으로 저장할 수 있는 컴포넌트, 디바이스 또는 기타 유형의 매체를 지칭하고, 이에 제한되는 것은 아니지만, RAM(random-access memory), ROM(read-only memory), 버퍼 메모리, 플래시 메모리, 광학 매체, 자기 매체, 캐시 메모리, 다른 타입들의 스토리지(예를 들어, EPROM(erasable programmable read-only memory)) 및/또는 이들의 임의의 적합한 조합을 포함할 수 있다. "머신 판독가능 매체(machine-readable medium)"라는 용어는, 명령어들(1616)을 저장할 수 있는 단일의 매체 또는 복수의 매체(예를 들어, 중앙집중형 또는 분산형 데이터베이스, 및/또는 연관된 캐시들 및 서버들)를 포함하는 것으로 취해져야 한다. "머신 판독가능 매체"이라는 용어는 또한, 명령어들(1616)이, 머신(1600)의 하나 이상의 프로세서(1610)에 의해 실행될 때, 머신(1600)으로 하여금 본 명세서에 설명된 방법론들 중 임의의 하나 이상을 수행하게 하도록, 머신(1600)에 의한 실행을 위한 명령어들(1616)(예를 들어, 코드)를 저장할 수 있는 임의의 매체 또는 다수의 매체의 조합을 포함하는 것으로 취해져야 한다. 따라서, "머신 판독가능 매체"는 단일 저장 장치 또는 디바이스뿐만 아니라, 다수의 저장 장치 또는 디바이스를 포함하는 "클라우드-기반" 저장 시스템들 또는 저장 네트워크들을 지칭한다. "머신 판독가능 매체"라는 용어가 그 자체로는 신호들을 배제한다.
본 맥락에서 "컴포넌트(COMPONENT)"란, 함수 또는 서브루틴 호출들, 분기점들, API들 또는 특정한 처리 또는 제어 기능들의 분할 또는 모듈화를 제공하는 기타의 기술들에 의해 정의된 경계를 갖는 디바이스, 물리적 엔티티, 또는 로직을 지칭한다. 컴포넌트들은 그들의 인터페이스들을 통해 다른 컴포넌트들과 조합되어 머신 프로세스를 수행할 수 있다. 컴포넌트는, 다른 컴포넌트들 및 일반적으로 관련된 기능들 중 특정 기능을 수행하는 프로그램의 일부와 함께 이용하도록 설계되는 패키징된 기능적 하드웨어 유닛일 수 있다. 컴포넌트들은 소프트웨어 컴포넌트들(예를 들어, 머신 판독가능 매체 상에 구현된 코드) 또는 하드웨어 컴포넌트들 중 하나를 구성할 수 있다. "하드웨어 컴포넌트"는 특정 동작들을 수행할 수 있는 유형적 유닛(tangible unit)이고, 특정 물리적 방식으로 구성되거나 배열될 수 있다. 다양한 예시적인 실시예들에서, 하나 이상의 컴퓨터 시스템(예를 들어, 독립형 컴퓨터 시스템, 클라이언트 컴퓨터 시스템, 또는 서버 컴퓨터 시스템) 또는 컴퓨터 시스템의 하나 이상의 하드웨어 컴포넌트(예를 들어, 프로세서(1612) 또는 프로세서들의 그룹(1610))은 본 명세서에서 설명되는 바와 같이 특정 동작들을 수행하기 위해 동작하는 하드웨어 컴포넌트로서 소프트웨어(예를 들어, 애플리케이션 또는 애플리케이션 부분)에 의해 구성될 수 있다. 하드웨어 컴포넌트는 또한, 머신적으로, 전자적으로, 또는 이들의 임의의 적합한 조합으로 구현될 수 있다. 예를 들어, 하드웨어 컴포넌트는 특정 동작들을 수행하도록 영구적으로 구성된 전용 회로부 또는 로직을 포함할 수 있다. 하드웨어 컴포넌트는, FPGA(field-programmable gate array) 또는 ASIC(application-specific integrated circuit)와 같은 특수 목적 프로세서일 수 있다. 하드웨어 컴포넌트는 또한 특정 동작들을 수행하기 위해 소프트웨어에 의해 일시적으로 구성되는 프로그래밍가능 로직 또는 회로부를 포함할 수 있다. 예를 들어, 하드웨어 컴포넌트는 범용 프로세서 또는 다른 프로그래밍가능 프로세서에 의해 실행되는 소프트웨어를 포함할 수 있다. 이러한 소프트웨어에 의해 구성되면, 하드웨어 컴포넌트들은 구성된 기능들을 수행하도록 독자적으로 맞춤화된(uniquely tailored) 특정 머신들(또는 머신(1600)의 특정 컴포넌트들)이 되고 더 이상 범용 프로세서들(1610)이 아니다. 하드웨어 컴포넌트를 머신적으로, 전용의 그리고 영구적으로 구성된 회로부에, 또는 일시적으로 구성된 회로부(예를 들어, 소프트웨어에 의해 구성됨)에 구현하기로 하는 결정이 비용 및 시간 고려사항들에 의해 주도될 수 있다는 것을 잘 알 것이다. 따라서, "하드웨어 컴포넌트"(또는 "하드웨어에 의해 구현된(hardware-implemented) 컴포넌트")라는 구문은, 유형의 엔티티, 즉, 특정 방식으로 동작하거나 본 명세서에 설명된 특정 동작들을 수행하도록 물리적으로 구성되거나, 영구적으로 구성되거나(예를 들어, 하드와이어드) 또는 일시적으로 구성되는(예를 들어, 프로그래밍되는) 엔티티를 포괄하는 것으로 이해되어야 한다.
하드웨어 컴포넌트들이 일시적으로 구성(예를 들어, 프로그래밍)되는 실시예들을 생각할 때, 하드웨어 컴포넌트들 각각이 임의의 하나의 시간 인스턴스(instance in time)에서 구성 또는 인스턴스화될 필요는 없다. 예를 들어, 하드웨어 컴포넌트가 특수 목적 프로세서가 되도록 소프트웨어에 의해 구성된 범용 프로세서(1612)를 포함하는 경우에, 범용 프로세서(1612)는 상이한 때에(예를 들어, 상이한 하드웨어 컴포넌트들을 포함하는) 각각 상이한 특수 목적 프로세서들로서 구성될 수 있다. 소프트웨어는 그에 따라, 예를 들어, 하나의 시간 인스턴스에서는 특정의 하드웨어 컴포넌트를 구성하고 상이한 시간 인스턴스에서는 상이한 하드웨어 컴포넌트를 구성하도록 특정의 프로세서(1612) 또는 프로세서들(1610)을 구성한다.
하드웨어 컴포넌트는 다른 하드웨어 컴포넌트들에 정보를 제공하고 이로부터 정보를 수신할 수 있다. 따라서, 설명되는 하드웨어 컴포넌트들은 통신가능하게 결합되는 것으로서 고려될 수 있다. 다수의 하드웨어 컴포넌트들이 동시에 존재하는 경우에, 하드웨어 컴포넌트들 중 2개 이상 간의 또는 그들 사이의(예컨대, 적절한 회로들 및 버스들을 통한) 신호 전송을 통해 통신이 달성될 수 있다. 다수의 하드웨어 컴포넌트들이 상이한 때에 구성되거나 인스턴스화되는 실시예들에서, 이러한 하드웨어 컴포넌트들 간의 통신은, 예를 들어, 다수의 하드웨어 컴포넌트들이 액세스할 수 있는 메모리 구조물들 내의 정보의 저장 및 검색을 통해 달성될 수 있다. 예를 들어, 하나의 하드웨어 컴포넌트는 동작을 수행하고, 그에 통신가능하게 결합되는 메모리 디바이스에 그 동작의 출력을 저장할 수 있다. 추가의 하드웨어 컴포넌트는 이어서, 추후에, 저장된 출력을 검색 및 처리하기 위해 메모리 디바이스에 액세스할 수 있다. 하드웨어 컴포넌트들은 또한 입력 또는 출력 디바이스들과 통신을 개시할 수 있고, 리소스(예를 들어, 정보의 컬렉션)를 처리할 수 있다.
본 명세서에 설명된 예시적인 방법들의 다양한 동작들이 관련 동작들을 수행하도록(예를 들어, 소프트웨어에 의해) 일시적으로 구성되거나 영구적으로 구성되는 하나 이상의 프로세서(1610)에 의해, 적어도 부분적으로, 수행될 수 있다. 일시적으로 구성되든 또는 영구적으로 구성되든 간에, 이러한 프로세서들(1610)은 본 명세서에 설명된 하나 이상의 동작 또는 기능을 수행하도록 동작하는 프로세서에 의해 구현된(processor-implemented) 컴포넌트들을 구성할 수 있다. 본 명세서에서 사용되는 바와 같이, "프로세서에 의해 구현된 컴포넌트(processor-implemented component)"는 하나 이상의 프로세서(1610)를 사용하여 구현되는 하드웨어 컴포넌트를 지칭한다. 유사하게, 본 명세서에 설명된 방법들은 적어도 부분적으로 프로세서에 의해 구현될 수 있고, 특정한 프로세서(1612) 또는 프로세서들(1610)은 하드웨어의 예이다. 예를 들어, 방법의 동작들 중 적어도 일부가 하나 이상의 프로세서(1610) 또는 프로세서에 의해 구현된 컴포넌트들에 의해 수행될 수 있다. 더욱이, 하나 이상의 프로세서(1610)는 또한 "클라우드 컴퓨팅(cloud computing)" 환경에서 또는 "서비스로서의 소프트웨어"(SaaS)로서 관련 동작들의 수행을 지원하기 위해 동작할 수 있다. 예를 들어, 동작들 중 적어도 일부는, (프로세서들(1610)을 포함하는 머신(1600)의 예로서의) 컴퓨터들의 그룹에 의해 수행될 수 있고, 이들 동작들은 네트워크(1680)(예를 들어, 인터넷)를 통해 그리고 하나 이상의 적절한 인터페이스(예를 들어, API)를 통해 액세스가능하다. 특정 동작들의 수행은 단일 머신(1600) 내에 상주할 뿐만 아니라, 다수의 머신(1600)에 걸쳐 배치된 프로세서들(1610) 사이에 분산될 수 있다. 일부 예시적인 실시예들에서, 프로세서들(1610) 또는 프로세서에 의해 구현된 컴포넌트들은 단일의 지리적 위치에(예를 들어, 가정 환경, 사무실 환경, 또는 서버 팜(server farm) 내에) 위치될 수 있다. 다른 예시적인 실시예들에서, 프로세서들(1610) 또는 프로세서에 의해 구현된 컴포넌트들이 다수의 지리적 위치들에 걸쳐 분산될 수 있다.
본 맥락에서 "프로세서(PROCESSOR)"란, 제어 신호들(예를 들어, "커맨드들", "연산 코드들", "머신 코드" 등)에 따라 데이터 값들을 조작하고, 머신(1600)을 작동시키기 위해 인가되는 대응하는 출력 신호들을 생성하는 임의의 회로 또는 가상 회로(실제 프로세서(1612)에서 실행되는 로직에 의해 에뮬레이트된 물리적 회로)를 지칭한다. 프로세서는, 예를 들어, 중앙 처리 유닛(CPU), RISC(reduced instruction set computing) 프로세서, CISC(complex instruction set computing) 프로세서, GPU(graphics processing unit), DSP(digital signal processor), ASIC, 무선 주파수 집적 회로(RFIC), 또는 이들의 임의의 조합일 수 있다. 프로세서(1610)는 추가로, 명령어들(1616)을 동시에 실행할 수 있는 2개 이상의 독립적 프로세서(1612, 1614)(때때로 "코어들(cores)"이라고 지칭됨)를 갖는 멀티-코어 프로세서(1610)일 수 있다.
이러한 맥락에서 "타임스탬프(TIMESTAMP)"는 특정 이벤트가 언제 발생했는지를 식별하는, 예를 들어, 때때로 1초의 소수까지 정확한, 날짜 및 시간을 제공하는, 문자들 또는 인코딩된 정보의 시퀀스를 지칭한다.
하기는 예시적 실시예들이다:
1. 방법으로서, 클라이언트 디바이스의 하나 이상의 프로세서를 사용하여, 베뉴(venue) 데이터에 대한 요청을 하나 이상의 서버로 송신하는 단계- 요청은 클라이언트 디바이스에 의해 생성된 지오로케이션(geolocation) 데이터를 포함함 -; 하나 이상의 서버로부터, 복수의 베뉴를 포함하는 베뉴 데이터 세트를 수신하는 단계- 복수의 베뉴의 각각의 베뉴는 베뉴를 설명하는 태그들과 연관됨 -; 클라이언트 디바이스에 의해 생성된 이미지를 식별하는 단계; 머신 러닝 스킴을 사용하여 이미지에 묘사된 객체를 분류하는 단계; 베뉴와 연관된 태그에 매칭하는 분류된 객체에 적어도 부분적으로 기초하여 베뉴 데이터 세트로부터 베뉴를 선택하는 단계; 선택된 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 단계; 및 클라이언트 디바이스 상에서, 하나 이상의 디스플레이 요소 및 이미지를 포함하는 프레젠테이션을 디스플레이하는 단계를 포함하는 방법.
2. 예 1에 있어서, 추가적인 머신 러닝 스킴을 사용하여 이미지에 대한 환경 데이터를 결정하는 단계를 추가로 포함하고, 환경 데이터는 이미지가 외부 환경의 것인지 또는 내부 환경의 것인지를 설명하는 방법.
3. 예 1-2에 있어서, 베뉴의 선택은 베뉴와 연관된 태그에 매칭하는 이미지의 환경 데이터에 적어도 부분적으로 추가로 기초하는 방법.
4. 제1항 내지 제3항 중 어느 한 항에 있어서, 이미지는 클라이언트 디바이스에 의해 생성된 액티브 비디오 피드(active video feed)의 일부이고; 및 프레젠테이션은 액티브 비디오 피드 상에 오버레이된 하나 이상의 디스플레이 요소를 디스플레이하는 방법.
5. 예 1-4에 있어서, 복수의 베뉴는 클라이언트 디바이스 상에서 카테고리들 및 서브카테고리들로 카테고리화되고, 태그들은 카테고리들 또는 서브카테고리들의 메타데이터인 방법.
6. 예 1-5에 있어서, 하나 이상의 디스플레이 요소는 카테고리들 및 서브카테고리들로 카테고리화되고, 하나 이상의 디스플레이 요소는 하나 이상의 디스플레이 요소 및 선택된 요소들이 동일한 카테고리 또는 서브카테고리 중 적어도 하나를 공유한다는 점에서 선택된 베뉴와 미리 연관되는 방법.
7. 예 1-6에 있어서, 하나 이상의 디스플레이 요소는 클라이언트 디바이스의 사용자의 아바타를 포함하는 방법.
8. 예 1-7에 있어서, 지오로케이션 데이터는 클라이언트 디바이스 상의 GPS 센서에 의해 생성된 글로벌 포지셔닝 시스템(global positioning system)(GPS) 데이터를 포함하는 방법.
9. 예 1-8에 있어서, 베뉴 데이터 세트는 클라이언트 디바이스의 지오로케이션 데이터에 의해 표시되는 위치에 근접하지 않은 베뉴들을 포함하는 더 큰 베뉴 데이터 세트의 서브세트인 방법.
10. 예 1-9에 있어서, 머신 러닝 스킴은 이미지 세트를 사용하여 물리적 객체들을 분류하기 위해 훈련된 하나 이상의 신경 네트워크를 포함하고, 이미지 세트는 복수의 물리적 이미지의 이미지들을 포함하는 방법.
11. 예 1-10에 있어서, 추가적인 머신 러닝 스킴은 환경들을 내부인 것으로 또는 외부인 것으로 분류하기 위해 훈련된 하나 이상의 신경 네트워크를 포함하고, 하나 이상의 신경 네트워크는 외부 및 내부 환경들의 복수의 이미지의 이미지들을 포함하는 이미지 세트에 대해 훈련되는 방법.
12. 예 1-11에 있어서, 클라이언트 디바이스 상에서, 프레젠테이션을 저장하라는 명령을 수신하는 단계를 추가로 포함하는 방법.
13. 예 1-12의 방법으로서, 프레젠테이션을 단기적 메시지로서 소셜 네트워크 사이트에 게시하는 단계를 추가로 포함하는 방법.
14. 시스템으로서, 머신의 하나 이상의 프로세서; 및 하나 이상의 프로세서에 의해 실행될 때, 머신으로 하여금 예들 1-13의 방법들 중 임의의 것을 수행하게 하는 명령어들을 저장하는 메모리를 포함하는 시스템.
15. 머신 판독가능 저장 매체로서, 머신에 의해 실행될 때, 머신으로 하여금 예들 1-13의 방법들 중 임의의 것을 수행하게 하는 명령어들을 구현하는 머신 판독가능 저장 매체.

Claims (20)

  1. 방법으로서,
    사용자 디바이스 상에서, 복수의 베뉴(venue)에 대한 베뉴 데이터를 포함하는 베뉴 데이터 세트를 식별하는 단계 - 상기 복수의 베뉴의 각각의 베뉴에 대한 베뉴 데이터는 상기 베뉴를 묘사하는 하나 이상의 태그를 포함하고, 상기 복수의 베뉴의 각각의 베뉴는 상기 베뉴가 실내 환경과 연관된 것임을 표시하는 태그 또는 상기 베뉴가 야외 환경과 연관된 것임을 표시하는 태그를 포함함 -;
    상기 사용자 디바이스 상에서 이미지를 식별하는 단계;
    제1 머신 러닝 스킴을 사용하여 상기 이미지를 처리하여 상기 복수의 베뉴 중의 베뉴를 묘사하는 것으로 상기 이미지를 분류하는 단계 - 상기 제1 머신 러닝 스킴은 상기 복수의 베뉴의 각각의 베뉴에 대해 상기 이미지가 상기 베뉴를 묘사하는 것일 수치적 가능도(numerical likelihood)를 포함하는 출력을 생성함 -;
    제2 머신 러닝 스킴을 사용하여 상기 이미지를 처리하여 상기 이미지가 실내 환경을 묘사하는지를 결정하는 단계;
    베뉴가 실내 환경과 연관된 것임을 표시하는 태그를 포함하는 베뉴 데이터를 갖고 가장 높은 수치적 가능도를 갖는 베뉴를 상기 복수의 베뉴로부터 선택하는 단계;
    상기 복수의 베뉴로부터 선택된 상기 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 단계; 및
    상기 사용자 디바이스 상에서, 상기 하나 이상의 디스플레이 요소 및 상기 이미지를 포함하는 프레젠테이션을 디스플레이하는 단계를 포함하는 방법.
  2. 제1항에 있어서,
    상기 복수의 베뉴는 카테고리들 및 서브카테고리들로 카테고리화되고, 상기 하나 이상의 태그는 상기 카테고리들 및 서브카테고리들에 대응하는 메타데이터인 방법.
  3. 제2항에 있어서,
    상기 이미지를 분류하는 것에 기초하여 선택된 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 단계는,
    상기 선택된 베뉴와 연관된 제1 태그를 상기 제1 태그에 대응하는 카테고리 및 상기 이미지의 분류에 기초하여 선택하는 단계를 포함하는 방법.
  4. 제3항에 있어서,
    상기 하나 이상의 디스플레이 요소는 상기 카테고리들 및 서브카테고리들로 카테고리화되는 방법.
  5. 제4항에 있어서,
    상기 선택된 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 단계는,
    제1 디스플레이 요소에 대응하는 카테고리가 상기 제1 태그에 대응하는 카테고리와 매칭하는 것으로 결정하는 단계를 포함하는 방법.
  6. 제3항에 있어서,
    상기 하나 이상의 디스플레이 요소는 상기 사용자 디바이스의 사용자의 아바타를 포함하는 방법.
  7. 제1항에 있어서,
    상기 하나 이상의 디스플레이 요소는 상기 선택된 베뉴를 묘사하는 텍스트 데이터를 포함하는 방법.
  8. 제1항에 있어서,
    상기 사용자 디바이스에 의해, 상기 사용자 디바이스에 근접한 베뉴들에 대한 네트워크 요청을 송신하는 단계;
    베뉴들에 대한 상기 네트워크 요청에 응답하여 상기 베뉴 데이터 세트를 수신하는 단계; 및
    상기 사용자 디바이스 상에 상기 베뉴 데이터 세트를 저장하는 단계를 더 포함하는 방법.
  9. 제8항에 있어서,
    상기 사용자 디바이스에 의해, 상기 사용자 디바이스의 위치를 묘사하는 위치 데이터를 생성하는 단계를 더 포함하고, 상기 네트워크 요청은 상기 위치 데이터를 포함하는 방법.
  10. 제9항에 있어서,
    상기 위치 데이터는 상기 사용자 디바이스 상의 GPS 센서에 의해 생성된 글로벌 포지셔닝 시스템(GPS) 데이터를 포함하는 방법.
  11. 제9항에 있어서,
    상기 위치 데이터는 상기 사용자 디바이스의 인터넷 프로토콜(IP) 네트워크 센서에 가시적인 IP 네트워크를 포함하는 방법.
  12. 제1항에 있어서,
    상기 사용자 디바이스 상의 이미지 센서를 사용하여 상기 이미지를 생성하는 단계를 더 포함하는 방법.
  13. 제1항에 있어서,
    상기 머신 러닝 스킴은 이미지들 내의 이미지 피처들을 분류하도록 훈련된 컨볼루션 신경 네트워크인 방법.
  14. 제13항에 있어서,
    상기 이미지 피처들은 상기 이미지들에 묘사된 물리적 항목들인 방법.
  15. 제1항에 있어서,
    상기 베뉴들은 물리적 환경들인 방법.
  16. 제15항에 있어서,
    상기 물리적 환경들은 실외 환경, 실내 환경, 식당, 해변, 공원, 소매점, 콘서트 스테이지, 수송 스테이션, 학교 캠퍼스 중 하나 이상을 포함하는 방법.
  17. 사용자 디바이스로서,
    하나 이상의 컴퓨터 프로세서; 및
    상기 하나 이상의 컴퓨터 프로세서에 의해 실행될 때 상기 사용자 디바이스로 하여금 동작들을 수행하게 하는 명령어들을 저장한 하나 이상의 컴퓨터 판독가능 매체를 포함하고, 상기 동작들은,
    복수의 베뉴에 대한 베뉴 데이터를 포함하는 베뉴 데이터 세트를 식별하는 동작 - 상기 복수의 베뉴의 각각의 베뉴에 대한 베뉴 데이터는 상기 베뉴를 묘사하는 하나 이상의 태그를 포함하고, 상기 복수의 베뉴의 각각의 베뉴는 상기 베뉴가 실내 환경과 연관된 것임을 표시하는 태그 또는 상기 베뉴가 야외 환경과 연관된 것임을 표시하는 태그를 포함함 -;
    이미지를 식별하는 동작;
    제1 머신 러닝 스킴을 사용하여 상기 이미지를 처리하여 상기 복수의 베뉴 중의 베뉴를 묘사하는 것으로 상기 이미지를 분류하는 동작 - 상기 제1 머신 러닝 스킴은 상기 복수의 베뉴의 각각의 베뉴에 대해 상기 이미지가 상기 베뉴를 묘사하는 것일 수치적 가능도(numerical likelihood)를 포함하는 출력을 생성함 -;
    제2 머신 러닝 스킴을 사용하여 상기 이미지를 처리하여 상기 이미지가 실내 환경을 묘사하는지를 결정하는 동작;
    베뉴가 실내 환경과 연관된 것임을 표시하는 태그를 포함하는 베뉴 데이터를 갖고 가장 높은 수치적 가능도를 갖는 베뉴를 상기 복수의 베뉴로부터 선택하는 동작;
    상기 복수의 베뉴로부터 선택된 상기 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 동작; 및
    상기 하나 이상의 디스플레이 요소 및 상기 이미지를 포함하는 프레젠테이션을 디스플레이하는 동작을 포함하는 사용자 디바이스.
  18. 제17항에 있어서,
    상기 복수의 베뉴는 카테고리들 및 서브카테고리들로 카테고리화되고, 상기 하나 이상의 태그는 상기 카테고리들 및 서브카테고리들에 대응하는 메타데이터인 사용자 디바이스.
  19. 제18항에 있어서,
    상기 이미지를 분류하는 것에 기초하여 선택된 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 동작은,
    상기 선택된 베뉴와 연관된 제1 태그를 상기 제1 태그에 대응하는 카테고리 및 상기 이미지의 분류에 기초하여 선택하는 동작을 포함하는 사용자 디바이스.
  20. 사용자 디바이스의 하나 이상의 컴퓨터 프로세서에 의해 실행될 때 상기 사용자 디바이스로 하여금 동작들을 수행하게 하는 명령어들을 저장한 비일시적 컴퓨터 판독가능 매체로서, 상기 동작들은,
    복수의 베뉴에 대한 베뉴 데이터를 포함하는 베뉴 데이터 세트를 식별하는 동작 - 상기 복수의 베뉴의 각각의 베뉴에 대한 베뉴 데이터는 상기 베뉴를 묘사하는 하나 이상의 태그를 포함하고, 상기 복수의 베뉴의 각각의 베뉴는 상기 베뉴가 실내 환경과 연관된 것임을 표시하는 태그 또는 상기 베뉴가 야외 환경과 연관된 것임을 표시하는 태그를 포함함 -;
    이미지를 식별하는 동작;
    제1 머신 러닝 스킴을 사용하여 상기 이미지를 처리하여 상기 복수의 베뉴 중의 베뉴를 묘사하는 것으로 상기 이미지를 분류하는 동작 - 상기 제1 머신 러닝 스킴은 상기 복수의 베뉴의 각각의 베뉴에 대해 상기 이미지가 상기 베뉴를 묘사하는 것일 수치적 가능도(numerical likelihood)를 포함하는 출력을 생성함 -;
    제2 머신 러닝 스킴을 사용하여 상기 이미지를 처리하여 상기 이미지가 실내 환경을 묘사하는지를 결정하는 동작;
    베뉴가 실내 환경과 연관된 것임을 표시하는 태그를 포함하는 베뉴 데이터를 갖고 가장 높은 수치적 가능도를 갖는 베뉴를 상기 복수의 베뉴로부터 선택하는 동작;
    상기 복수의 베뉴로부터 선택된 상기 베뉴와 미리 연관된 하나 이상의 디스플레이 요소를 선택하는 동작; 및
    상기 하나 이상의 디스플레이 요소 및 상기 이미지를 포함하는 프레젠테이션을 디스플레이하는 동작을 포함하는 비일시적 컴퓨터 판독가능 매체.
KR1020227032180A 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치 Active KR102586936B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020237033891A KR102714206B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US15/692,990 2017-08-31
US15/692,990 US9980100B1 (en) 2017-08-31 2017-08-31 Device location based on machine learning classifications
US15/967,201 US10264422B2 (en) 2017-08-31 2018-04-30 Device location based on machine learning classifications
US15/967,201 2018-04-30
KR1020217036156A KR102445720B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
PCT/US2018/049213 WO2019046790A1 (en) 2017-08-31 2018-08-31 DEVICE LOCATION BASED ON AUTOMATIC LEARNING CLASSIFICATIONS

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020217036156A Division KR102445720B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020237033891A Division KR102714206B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치

Publications (2)

Publication Number Publication Date
KR20220133307A KR20220133307A (ko) 2022-10-04
KR102586936B1 true KR102586936B1 (ko) 2023-10-10

Family

ID=62125409

Family Applications (5)

Application Number Title Priority Date Filing Date
KR1020207009091A Active KR102324699B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
KR1020247032826A Active KR102777142B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
KR1020217036156A Active KR102445720B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
KR1020227032180A Active KR102586936B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
KR1020237033891A Active KR102714206B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치

Family Applications Before (3)

Application Number Title Priority Date Filing Date
KR1020207009091A Active KR102324699B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
KR1020247032826A Active KR102777142B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치
KR1020217036156A Active KR102445720B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020237033891A Active KR102714206B1 (ko) 2017-08-31 2018-08-31 머신 러닝 분류들에 기초한 디바이스 위치

Country Status (5)

Country Link
US (6) US9980100B1 (ko)
EP (2) EP3677056B1 (ko)
KR (5) KR102324699B1 (ko)
CN (2) CN114615227A (ko)
WO (1) WO2019046790A1 (ko)

Families Citing this family (218)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9105014B2 (en) 2009-02-03 2015-08-11 International Business Machines Corporation Interactive avatar in messaging environment
WO2013166588A1 (en) 2012-05-08 2013-11-14 Bitstrips Inc. System and method for adaptable avatars
US10586570B2 (en) 2014-02-05 2020-03-10 Snap Inc. Real time video processing for changing proportions of an object in the video
US9830534B1 (en) * 2015-12-16 2017-11-28 A9.Com, Inc. Object recognition
US10339365B2 (en) 2016-03-31 2019-07-02 Snap Inc. Automated avatar generation
US10474353B2 (en) 2016-05-31 2019-11-12 Snap Inc. Application control using a gesture based trigger
US10360708B2 (en) 2016-06-30 2019-07-23 Snap Inc. Avatar based ideogram generation
US10348662B2 (en) 2016-07-19 2019-07-09 Snap Inc. Generating customized electronic messaging graphics
US10593084B2 (en) * 2016-08-01 2020-03-17 Facebook, Inc. Systems and methods for content interaction
US10609036B1 (en) 2016-10-10 2020-03-31 Snap Inc. Social media post subscribe requests for buffer user accounts
US10198626B2 (en) 2016-10-19 2019-02-05 Snap Inc. Neural networks for facial modeling
US10593116B2 (en) 2016-10-24 2020-03-17 Snap Inc. Augmented reality object manipulation
US10432559B2 (en) 2016-10-24 2019-10-01 Snap Inc. Generating and displaying customized avatars in electronic messages
US11616745B2 (en) 2017-01-09 2023-03-28 Snap Inc. Contextual generation and selection of customized media content
US10242503B2 (en) 2017-01-09 2019-03-26 Snap Inc. Surface aware lens
US10242477B1 (en) 2017-01-16 2019-03-26 Snap Inc. Coded vision system
US10951562B2 (en) 2017-01-18 2021-03-16 Snap. Inc. Customized contextual media content item generation
US10454857B1 (en) 2017-01-23 2019-10-22 Snap Inc. Customized digital avatar accessories
US11069103B1 (en) 2017-04-20 2021-07-20 Snap Inc. Customized user interface for electronic communications
KR20230012096A (ko) 2017-04-27 2023-01-25 스냅 인코포레이티드 지리공간적 활동 메트릭들을 표시하는 지도-기반 그래픽 사용자 인터페이스
US10212541B1 (en) 2017-04-27 2019-02-19 Snap Inc. Selective location-based identity communication
US11893647B2 (en) 2017-04-27 2024-02-06 Snap Inc. Location-based virtual avatars
JP6981041B2 (ja) * 2017-05-17 2021-12-15 富士通株式会社 駆動回路、これを用いた光送信モジュール及び光伝送装置
US10679428B1 (en) 2017-05-26 2020-06-09 Snap Inc. Neural network-based image stream modification
US11122094B2 (en) 2017-07-28 2021-09-14 Snap Inc. Software application manager for messaging applications
CN108305317B (zh) * 2017-08-04 2020-03-17 腾讯科技（深圳）有限公司 一种图像处理方法、装置及存储介质
US9980100B1 (en) 2017-08-31 2018-05-22 Snap Inc. Device location based on machine learning classifications
US10586368B2 (en) 2017-10-26 2020-03-10 Snap Inc. Joint audio-video facial animation system
US10657695B2 (en) 2017-10-30 2020-05-19 Snap Inc. Animated chat presence
US11460974B1 (en) 2017-11-28 2022-10-04 Snap Inc. Content discovery refresh
KR20230049759A (ko) 2017-11-29 2023-04-13 스냅 인코포레이티드 전자 메시징 애플리케이션들을 위한 그래픽 렌더링
KR102433817B1 (ko) 2017-11-29 2022-08-18 스냅 인코포레이티드 전자 메시징 애플리케이션에서의 그룹 스토리들
US10949648B1 (en) 2018-01-23 2021-03-16 Snap Inc. Region-based stabilized face tracking
US10979752B1 (en) 2018-02-28 2021-04-13 Snap Inc. Generating media content items based on location information
US10726603B1 (en) 2018-02-28 2020-07-28 Snap Inc. Animated expressive icon
US11310176B2 (en) 2018-04-13 2022-04-19 Snap Inc. Content suggestion system
US10719968B2 (en) 2018-04-18 2020-07-21 Snap Inc. Augmented expression system
US11074675B2 (en) 2018-07-31 2021-07-27 Snap Inc. Eye texture inpainting
AU2019317366A1 (en) * 2018-08-06 2021-03-04 Olive Seed Industries, Llc Methods and systems for personalizing visitor experience at a venue
US11030813B2 (en) 2018-08-30 2021-06-08 Snap Inc. Video clip object tracking
US12067683B2 (en) * 2018-09-14 2024-08-20 Streem, Llc Location persistent augmented reality object and annotation placement
US10896534B1 (en) 2018-09-19 2021-01-19 Snap Inc. Avatar style transformation using neural networks
US10895964B1 (en) 2018-09-25 2021-01-19 Snap Inc. Interface to display shared user groups
US10698583B2 (en) 2018-09-28 2020-06-30 Snap Inc. Collaborative achievement interface
US10904181B2 (en) 2018-09-28 2021-01-26 Snap Inc. Generating customized graphics having reactions to electronic message content
US11245658B2 (en) 2018-09-28 2022-02-08 Snap Inc. System and method of generating private notifications between users in a communication session
US11189070B2 (en) 2018-09-28 2021-11-30 Snap Inc. System and method of generating targeted user lists using customizable avatar characteristics
US11103795B1 (en) 2018-10-31 2021-08-31 Snap Inc. Game drawer
US10872451B2 (en) 2018-10-31 2020-12-22 Snap Inc. 3D avatar rendering
US11176737B2 (en) 2018-11-27 2021-11-16 Snap Inc. Textured mesh building
US10902661B1 (en) 2018-11-28 2021-01-26 Snap Inc. Dynamic composite user identifier
US11199957B1 (en) * 2018-11-30 2021-12-14 Snap Inc. Generating customized avatars based on location information
US10861170B1 (en) 2018-11-30 2020-12-08 Snap Inc. Efficient human pose tracking in videos
US10853061B2 (en) * 2018-12-13 2020-12-01 Slack Technologies, Inc. Developer tools for a communication platform
US11048486B2 (en) 2018-12-13 2021-06-29 Slack Technologies, Inc. Developer tools for a communication platform
US10983766B2 (en) 2018-12-13 2021-04-20 SlackTechnologies, Inc. Developer tools for a communication platform
US11055514B1 (en) 2018-12-14 2021-07-06 Snap Inc. Image face manipulation
US11501499B2 (en) 2018-12-20 2022-11-15 Snap Inc. Virtual surface modification
US11516173B1 (en) 2018-12-26 2022-11-29 Snap Inc. Message composition interface
US11032670B1 (en) 2019-01-14 2021-06-08 Snap Inc. Destination sharing in location sharing system
US10939246B1 (en) 2019-01-16 2021-03-02 Snap Inc. Location-based context information sharing in a messaging system
US11294936B1 (en) 2019-01-30 2022-04-05 Snap Inc. Adaptive spatial density based clustering
US11016630B2 (en) * 2019-01-31 2021-05-25 International Business Machines Corporation Virtual view-window
US10656797B1 (en) 2019-02-06 2020-05-19 Snap Inc. Global event-based avatar
US10984575B2 (en) 2019-02-06 2021-04-20 Snap Inc. Body pose estimation
US10936066B1 (en) 2019-02-13 2021-03-02 Snap Inc. Sleep detection in a location sharing system
US10964082B2 (en) 2019-02-26 2021-03-30 Snap Inc. Avatar based on weather
US10852918B1 (en) 2019-03-08 2020-12-01 Snap Inc. Contextual information in chat
US12242979B1 (en) 2019-03-12 2025-03-04 Snap Inc. Departure time estimation in a location sharing system
US11868414B1 (en) 2019-03-14 2024-01-09 Snap Inc. Graph-based prediction for contact suggestion in a location sharing system
US11852554B1 (en) 2019-03-21 2023-12-26 Snap Inc. Barometer calibration in a location sharing system
CN111753578A (zh) * 2019-03-27 2020-10-09 北京外号信息技术有限公司 光通信装置的识别方法和相应的电子设备
US11166123B1 (en) 2019-03-28 2021-11-02 Snap Inc. Grouped transmission of location data in a location sharing system
US10674311B1 (en) 2019-03-28 2020-06-02 Snap Inc. Points of interest in a location sharing system
US12070682B2 (en) 2019-03-29 2024-08-27 Snap Inc. 3D avatar plugin for third-party games
US10992619B2 (en) 2019-04-30 2021-04-27 Snap Inc. Messaging system with avatar generation
EP3966755A4 (en) * 2019-05-09 2023-02-08 Automobilia II, LLC METHODS, SYSTEMS AND PRODUCTS COMPUTER PROGRAMS FOR PROCESSING AND DISPLAYING MULTIMEDIA CONTENT
USD916809S1 (en) 2019-05-28 2021-04-20 Snap Inc. Display screen or portion thereof with a transitional graphical user interface
USD916871S1 (en) * 2019-05-28 2021-04-20 Snap Inc. Display screen or portion thereof with a transitional graphical user interface
USD916810S1 (en) * 2019-05-28 2021-04-20 Snap Inc. Display screen or portion thereof with a graphical user interface
USD916872S1 (en) 2019-05-28 2021-04-20 Snap Inc. Display screen or portion thereof with a graphical user interface
USD916811S1 (en) 2019-05-28 2021-04-20 Snap Inc. Display screen or portion thereof with a transitional graphical user interface
US10893385B1 (en) 2019-06-07 2021-01-12 Snap Inc. Detection of a physical collision between two client devices in a location sharing system
US11676199B2 (en) 2019-06-28 2023-06-13 Snap Inc. Generating customizable avatar outfits
US11189098B2 (en) 2019-06-28 2021-11-30 Snap Inc. 3D object camera customization system
US11188190B2 (en) 2019-06-28 2021-11-30 Snap Inc. Generating animation overlays in a communication session
US11307747B2 (en) 2019-07-11 2022-04-19 Snap Inc. Edge gesture interface with smart interactions
US11455081B2 (en) 2019-08-05 2022-09-27 Snap Inc. Message thread prioritization interface
US10911387B1 (en) 2019-08-12 2021-02-02 Snap Inc. Message reminder interface
US11232646B2 (en) * 2019-09-06 2022-01-25 Snap Inc. Context-based virtual object rendering
US11320969B2 (en) 2019-09-16 2022-05-03 Snap Inc. Messaging system with battery level sharing
US11343209B2 (en) 2019-09-27 2022-05-24 Snap Inc. Presenting reactions from friends
US11425062B2 (en) 2019-09-27 2022-08-23 Snap Inc. Recommended content viewed by friends
US11080917B2 (en) 2019-09-30 2021-08-03 Snap Inc. Dynamic parameterized user avatar stories
US11218838B2 (en) 2019-10-31 2022-01-04 Snap Inc. Focused map-based context information surfacing
US11544921B1 (en) 2019-11-22 2023-01-03 Snap Inc. Augmented reality items based on scan
WO2021102991A1 (en) * 2019-11-29 2021-06-03 SideChef Group Limited Crowd-sourced data collection and labelling using gaming mechanics for machine learning model training
US11063891B2 (en) 2019-12-03 2021-07-13 Snap Inc. Personalized avatar notification
US11128586B2 (en) 2019-12-09 2021-09-21 Snap Inc. Context sensitive avatar captions
US11036989B1 (en) 2019-12-11 2021-06-15 Snap Inc. Skeletal tracking using previous frames
US11227442B1 (en) 2019-12-19 2022-01-18 Snap Inc. 3D captions with semantic graphical elements
US11263817B1 (en) 2019-12-19 2022-03-01 Snap Inc. 3D captions with face tracking
US11128715B1 (en) 2019-12-30 2021-09-21 Snap Inc. Physical friend proximity in chat
US11140515B1 (en) 2019-12-30 2021-10-05 Snap Inc. Interfaces for relative device positioning
US11169658B2 (en) 2019-12-31 2021-11-09 Snap Inc. Combined map icon with action indicator
US11687778B2 (en) 2020-01-06 2023-06-27 The Research Foundation For The State University Of New York Fakecatcher: detection of synthetic portrait videos using biological signals
US11036781B1 (en) 2020-01-30 2021-06-15 Snap Inc. Video generation system to render frames on demand using a fleet of servers
US11991419B2 (en) 2020-01-30 2024-05-21 Snap Inc. Selecting avatars to be included in the video being generated on demand
US11356720B2 (en) 2020-01-30 2022-06-07 Snap Inc. Video generation system to render frames on demand
KR20220133249A (ko) 2020-01-30 2022-10-04 스냅 인코포레이티드 온 디맨드로 미디어 콘텐츠 아이템들을 생성하기 위한 시스템
US11284144B2 (en) 2020-01-30 2022-03-22 Snap Inc. Video generation system to render frames on demand using a fleet of GPUs
US11626994B2 (en) 2020-02-27 2023-04-11 Sneakertopia Inc. System and method for presenting content based on articles properly presented and verifiably owned by or in possession of user
US11619501B2 (en) 2020-03-11 2023-04-04 Snap Inc. Avatar based on trip
US11217020B2 (en) 2020-03-16 2022-01-04 Snap Inc. 3D cutout image modification
US11620795B2 (en) * 2020-03-27 2023-04-04 Snap Inc. Displaying augmented reality content in messaging application
US11625873B2 (en) 2020-03-30 2023-04-11 Snap Inc. Personalized media overlay recommendation
US11818286B2 (en) 2020-03-30 2023-11-14 Snap Inc. Avatar recommendation and reply
CN115699130A (zh) 2020-03-31 2023-02-03 斯纳普公司 增强现实美容产品教程
US11956190B2 (en) 2020-05-08 2024-04-09 Snap Inc. Messaging system with a carousel of related entities
US11922010B2 (en) 2020-06-08 2024-03-05 Snap Inc. Providing contextual information with keyboard interface for messaging system
US11543939B2 (en) 2020-06-08 2023-01-03 Snap Inc. Encoded image based messaging system
US11423652B2 (en) 2020-06-10 2022-08-23 Snap Inc. Adding beauty products to augmented reality tutorials
US11521339B2 (en) * 2020-06-10 2022-12-06 Snap Inc. Machine learning in augmented reality content items
US11356392B2 (en) 2020-06-10 2022-06-07 Snap Inc. Messaging system including an external-resource dock and drawer
US11682065B2 (en) * 2020-06-16 2023-06-20 Fujifilm Business Innovation Corp. Systems and methods for reducing service errors for restaurants
US12184809B2 (en) 2020-06-25 2024-12-31 Snap Inc. Updating an avatar status for a user of a messaging system
WO2021263208A1 (en) 2020-06-25 2021-12-30 Snap Inc. Updating avatar clothing in a messaging system
CN111880488B (zh) * 2020-06-29 2022-06-24 海尔优家智能科技（北京）有限公司 用于获取家电设备位置的方法及装置、设备
US11580682B1 (en) 2020-06-30 2023-02-14 Snap Inc. Messaging system with augmented reality makeup
US11863513B2 (en) 2020-08-31 2024-01-02 Snap Inc. Media content playback and comments management
US11360733B2 (en) 2020-09-10 2022-06-14 Snap Inc. Colocated shared augmented reality without shared backend
US11452939B2 (en) 2020-09-21 2022-09-27 Snap Inc. Graphical marker generation system for synchronizing users
US11470025B2 (en) 2020-09-21 2022-10-11 Snap Inc. Chats with micro sound clips
US11910269B2 (en) 2020-09-25 2024-02-20 Snap Inc. Augmented reality content items including user avatar to share location
US20220101416A1 (en) * 2020-09-30 2022-03-31 Snap Inc. Templates to generate augmented reality content items that display product information
US11615592B2 (en) 2020-10-27 2023-03-28 Snap Inc. Side-by-side character animation from realtime 3D body motion capture
US11660022B2 (en) 2020-10-27 2023-05-30 Snap Inc. Adaptive skeletal joint smoothing
US11734894B2 (en) 2020-11-18 2023-08-22 Snap Inc. Real-time motion transfer for prosthetic limbs
US11450051B2 (en) 2020-11-18 2022-09-20 Snap Inc. Personalized avatar real-time motion capture
US11748931B2 (en) 2020-11-18 2023-09-05 Snap Inc. Body animation sharing and remixing
WO2022146772A1 (en) 2020-12-30 2022-07-07 Snap Inc. Flow-guided motion retargeting
US12008811B2 (en) 2020-12-30 2024-06-11 Snap Inc. Machine learning-based selection of a representative video frame within a messaging application
US20220248166A1 (en) * 2021-02-01 2022-08-04 Zenreach, Inc. Machine-learning model for detecting a device within a venue
US11381962B1 (en) 2021-02-01 2022-07-05 Adentro, Inc. Integration of content distribution systems with device detection systems in physical venues
US11790531B2 (en) 2021-02-24 2023-10-17 Snap Inc. Whole body segmentation
US12106486B2 (en) 2021-02-24 2024-10-01 Snap Inc. Whole body visual effects
US11809633B2 (en) 2021-03-16 2023-11-07 Snap Inc. Mirroring device with pointing based navigation
US11908243B2 (en) 2021-03-16 2024-02-20 Snap Inc. Menu hierarchy navigation on electronic mirroring devices
US11734959B2 (en) 2021-03-16 2023-08-22 Snap Inc. Activating hands-free mode on mirroring device
US11798201B2 (en) 2021-03-16 2023-10-24 Snap Inc. Mirroring device with whole-body outfits
US11978283B2 (en) 2021-03-16 2024-05-07 Snap Inc. Mirroring device with a hands-free mode
US11544885B2 (en) 2021-03-19 2023-01-03 Snap Inc. Augmented reality experience based on physical items
US12067804B2 (en) 2021-03-22 2024-08-20 Snap Inc. True size eyewear experience in real time
US11562548B2 (en) 2021-03-22 2023-01-24 Snap Inc. True size eyewear in real time
US12165243B2 (en) 2021-03-30 2024-12-10 Snap Inc. Customizable avatar modification system
US12175570B2 (en) 2021-03-31 2024-12-24 Snap Inc. Customizable avatar generation system
US12170638B2 (en) 2021-03-31 2024-12-17 Snap Inc. User presence status indicators generation and management
US12034680B2 (en) 2021-03-31 2024-07-09 Snap Inc. User presence indication data management
US12100156B2 (en) 2021-04-12 2024-09-24 Snap Inc. Garment segmentation
US12182583B2 (en) 2021-05-19 2024-12-31 Snap Inc. Personalized avatar experience during a system boot process
US11636654B2 (en) 2021-05-19 2023-04-25 Snap Inc. AR-based connected portal shopping
US11941227B2 (en) 2021-06-30 2024-03-26 Snap Inc. Hybrid search system for customizable media
US12051054B2 (en) 2021-07-08 2024-07-30 Zenreach, Inc. Machine learning model for combining device presence data with physical venue transaction data
US11854069B2 (en) 2021-07-16 2023-12-26 Snap Inc. Personalized try-on ads
US11908083B2 (en) 2021-08-31 2024-02-20 Snap Inc. Deforming custom mesh based on body mesh
US11983462B2 (en) 2021-08-31 2024-05-14 Snap Inc. Conversation guided augmented reality experience
US11670059B2 (en) 2021-09-01 2023-06-06 Snap Inc. Controlling interactive fashion based on body gestures
US12198664B2 (en) 2021-09-02 2025-01-14 Snap Inc. Interactive fashion with music AR
US11673054B2 (en) 2021-09-07 2023-06-13 Snap Inc. Controlling AR games on fashion items
US11663792B2 (en) 2021-09-08 2023-05-30 Snap Inc. Body fitted accessory with physics simulation
US12127073B2 (en) 2021-09-08 2024-10-22 Zenreach, Inc. Integration of digital history with visits to physical venues
US11900506B2 (en) 2021-09-09 2024-02-13 Snap Inc. Controlling interactive fashion based on facial expressions
US11734866B2 (en) 2021-09-13 2023-08-22 Snap Inc. Controlling interactive fashion based on voice
US11798238B2 (en) 2021-09-14 2023-10-24 Snap Inc. Blending body mesh into external mesh
US11836866B2 (en) 2021-09-20 2023-12-05 Snap Inc. Deforming real-world object using an external mesh
US11983826B2 (en) 2021-09-30 2024-05-14 Snap Inc. 3D upper garment tracking
US11636662B2 (en) 2021-09-30 2023-04-25 Snap Inc. Body normal network light and rendering control
US11651572B2 (en) 2021-10-11 2023-05-16 Snap Inc. Light and rendering of garments
US11836862B2 (en) 2021-10-11 2023-12-05 Snap Inc. External mesh with vertex attributes
US11790614B2 (en) 2021-10-11 2023-10-17 Snap Inc. Inferring intent from pose and speech input
US11763481B2 (en) 2021-10-20 2023-09-19 Snap Inc. Mirror-based augmented reality experience
US12086916B2 (en) 2021-10-22 2024-09-10 Snap Inc. Voice note with face tracking
US12020358B2 (en) 2021-10-29 2024-06-25 Snap Inc. Animated custom sticker creation
US11996113B2 (en) 2021-10-29 2024-05-28 Snap Inc. Voice notes with changing effects
US11995757B2 (en) 2021-10-29 2024-05-28 Snap Inc. Customized animation from video
US11960784B2 (en) 2021-12-07 2024-04-16 Snap Inc. Shared augmented reality unboxing experience
US11748958B2 (en) 2021-12-07 2023-09-05 Snap Inc. Augmented reality unboxing experience
US12096153B2 (en) 2021-12-21 2024-09-17 Snap Inc. Avatar call platform
US12198398B2 (en) 2021-12-21 2025-01-14 Snap Inc. Real-time motion and appearance transfer
US11880947B2 (en) 2021-12-21 2024-01-23 Snap Inc. Real-time upper-body garment exchange
US12223672B2 (en) 2021-12-21 2025-02-11 Snap Inc. Real-time garment exchange
US11887260B2 (en) 2021-12-30 2024-01-30 Snap Inc. AR position indicator
US11928783B2 (en) 2021-12-30 2024-03-12 Snap Inc. AR position and orientation along a plane
WO2023137482A1 (en) 2022-01-17 2023-07-20 Snap Inc. Ar body part tracking system
US11823346B2 (en) 2022-01-17 2023-11-21 Snap Inc. AR body part tracking system
US11954762B2 (en) 2022-01-19 2024-04-09 Snap Inc. Object replacement system
US12142257B2 (en) 2022-02-08 2024-11-12 Snap Inc. Emotion-based text to speech
US11892989B2 (en) 2022-03-28 2024-02-06 Bank Of America Corporation System and method for predictive structuring of electronic data
US12002146B2 (en) 2022-03-28 2024-06-04 Snap Inc. 3D modeling based on neural light field
US12148105B2 (en) 2022-03-30 2024-11-19 Snap Inc. Surface normals for pixel-aligned object
US12254577B2 (en) 2022-04-05 2025-03-18 Snap Inc. Pixel depth determination for object
US12164109B2 (en) 2022-04-29 2024-12-10 Snap Inc. AR/VR enabled contact lens
US12062144B2 (en) 2022-05-27 2024-08-13 Snap Inc. Automated augmented reality experience creation based on sample source and target images
US12020384B2 (en) 2022-06-21 2024-06-25 Snap Inc. Integrating augmented reality experiences with other components
US12020386B2 (en) 2022-06-23 2024-06-25 Snap Inc. Applying pregenerated virtual experiences in new location
US11870745B1 (en) 2022-06-28 2024-01-09 Snap Inc. Media gallery sharing and management
US12235991B2 (en) 2022-07-06 2025-02-25 Snap Inc. Obscuring elements based on browser focus
US12062146B2 (en) 2022-07-28 2024-08-13 Snap Inc. Virtual wardrobe AR experience
US12216519B2 (en) 2022-08-17 2025-02-04 Snap Inc. Detecting wear status of wearable device
US12236512B2 (en) 2022-08-23 2025-02-25 Snap Inc. Avatar call on an eyewear device
US12051163B2 (en) 2022-08-25 2024-07-30 Snap Inc. External computer vision for an eyewear device
US12154232B2 (en) 2022-09-30 2024-11-26 Snap Inc. 9-DoF object tracking
US12229901B2 (en) 2022-10-05 2025-02-18 Snap Inc. External screen streaming for an eyewear device
US11893166B1 (en) 2022-11-08 2024-02-06 Snap Inc. User avatar movement control using an augmented reality eyewear device
US12243266B2 (en) 2022-12-29 2025-03-04 Snap Inc. Device pairing using machine-readable optical label
US12149489B2 (en) 2023-03-14 2024-11-19 Snap Inc. Techniques for recommending reply stickers
WO2024233832A1 (en) * 2023-05-09 2024-11-14 Google Llc Augmenting large language models understanding of web information with factual and subjective location based data
US12047337B1 (en) 2023-07-03 2024-07-23 Snap Inc. Generating media content items during user interaction

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170032186A1 (en) * 2014-05-22 2017-02-02 Sony Corporation Information processing apparatus, information processing method, and program
KR102324699B1 (ko) * 2017-08-31 2021-11-10 스냅 인코포레이티드 머신 러닝 분류들에 기초한 디바이스 위치

Family Cites Families (162)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5758257A (en) 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5978773A (en) 1995-06-20 1999-11-02 Neomedia Technologies, Inc. System and method for using an ordinary article of commerce to access a remote computer
EP0814611B1 (de) 1996-06-17 2002-08-28 Siemens Aktiengesellschaft Kommunikationssystem und Verfahren zur Aufnahme und Verwaltung digitaler Bilder
JP3783331B2 (ja) 1997-05-14 2006-06-07 ブラザー工業株式会社 メール送信システム、メール受信システムおよび記録媒体
US6158044A (en) 1997-05-21 2000-12-05 Epropose, Inc. Proposal based architecture system
CA2362716A1 (en) 1997-06-17 1998-12-23 Purdue Pharma Lp Self-destructing document and e-mail messaging system
FI973945L (fi) 1997-10-13 1999-04-14 Nokia Telecommunications Oy Lyhytsanomia välittävä tiedonsiirtojärjestelmä
US6484196B1 (en) 1998-03-20 2002-11-19 Advanced Web Solutions Internet messaging system and method for use in computer networks
US7173651B1 (en) 1998-06-02 2007-02-06 Knowles Andrew T Apparatus and system for prompt digital photo delivery and archival
US6205432B1 (en) 1998-06-05 2001-03-20 Creative Internet Concepts, Llc Background advertising system
US6711608B1 (en) 1998-09-23 2004-03-23 John W. L. Ogilvie Method for including a self-removing code in a self-removing message
US6757713B1 (en) 1998-09-23 2004-06-29 John W. L. Ogilvie Method for including a self-removing indicator in a self-removing message
US6324569B1 (en) 1998-09-23 2001-11-27 John W. L. Ogilvie Self-removing email verified or designated as such by a message distributor for the convenience of a recipient
US6701347B1 (en) 1998-09-23 2004-03-02 John W. L. Ogilvie Method for including a self-removing code in a self-removing email message that contains an advertisement
US6167435A (en) 1998-10-30 2000-12-26 Netcreations, Inc. Double opt-in™ method and system for verifying subscriptions to information distribution services
US7240199B2 (en) 2000-12-06 2007-07-03 Rpost International Limited System and method for verifying delivery and integrity of electronic messages
US7149893B1 (en) 1999-09-07 2006-12-12 Poofaway.Com, Inc. System and method for enabling the originator of an electronic mail message to preset an expiration time, date, and/or event, and to control processing or handling by a recipient
US7124164B1 (en) 2001-04-17 2006-10-17 Chemtob Helen J Method and apparatus for providing group interaction via communications networks
US6505123B1 (en) 2000-07-24 2003-01-07 Weatherbank, Inc. Interactive weather advisory system
US6754621B1 (en) 2000-10-06 2004-06-22 Andrew Cunningham Asynchronous hypertext messaging system and method
JP2002132647A (ja) 2000-10-19 2002-05-10 Kizna Corp 電子掲示板及び電子掲示板システム
US7243163B1 (en) 2001-08-07 2007-07-10 Good Technology, Inc. System and method for full wireless synchronization of a data processing apparatus with a messaging system
JP4440503B2 (ja) 2001-09-20 2010-03-24 富士通株式会社 情報一覧作成装置及びそのプログラム
US20100098702A1 (en) 2008-09-16 2010-04-22 Longgui Wang Method of treating androgen independent prostate cancer
US7356564B2 (en) 2002-01-09 2008-04-08 At&T Delaware Intellectual Property, Inc. Method, system, and apparatus for providing self-destructing electronic mail messages
US20030217106A1 (en) 2002-03-25 2003-11-20 Eytan Adar System and method for profiling clients within a system for harvesting community knowledge
US7278168B1 (en) 2002-11-27 2007-10-02 Adobe Systems Incorporated Dynamic enabling of functionality in electronic document readers
US7411493B2 (en) 2003-03-01 2008-08-12 User-Centric Ip, L.P. User-centric event reporting
US6978147B2 (en) 2003-03-19 2005-12-20 Motorola, Inc. Wireless messaging device with selectable scroll display and message pre-fetch
GB0308991D0 (en) 2003-04-17 2003-05-28 Psion Digital Ltd A data access replication or communication system comprising a distributed software application
US7703140B2 (en) 2003-09-30 2010-04-20 Guardian Data Storage, Llc Method and system for securing digital assets using process-driven security policies
US7191221B2 (en) 2003-10-30 2007-03-13 International Business Machines Corporation Method for managing electronic mail receipts using audio-visual notification enhancements
US7535890B2 (en) 2003-12-18 2009-05-19 Ayalogic, Inc. System and method for instant VoIP messaging
WO2005062217A1 (ja) 2003-12-19 2005-07-07 Fujitsu Limited プレゼンス情報管理方法、及び、サーバ
US7478402B2 (en) 2004-02-12 2009-01-13 Microsoft Corporation Configurable message pipelines
US7904510B2 (en) 2004-02-23 2011-03-08 Microsoft Corporation Systems and methods for managing discussion threads based on ratings
US7912904B2 (en) 2004-03-31 2011-03-22 Google Inc. Email system with conversation-centric user interface
US7607096B2 (en) 2004-05-01 2009-10-20 Microsoft Corporation System and method for a user interface directed to discovering and publishing presence information on a network
US7593740B2 (en) 2004-05-12 2009-09-22 Google, Inc. Location-based social software for mobile devices
US8238947B2 (en) 2004-05-27 2012-08-07 France Telecom Method and installation for transmitting a message with predetermined duration of validity addressed to a subscriber terminal
US7519670B2 (en) 2004-08-12 2009-04-14 International Business Machines Corporation Method for disappearing ink for text messaging
US8745132B2 (en) 2004-09-10 2014-06-03 Silver State Intellectual Technologies, Inc. System and method for audio and video portable publishing system
US7496347B2 (en) 2004-11-12 2009-02-24 Velocita Wireless Llc Method and apparatus for providing secure wireless communication
KR101115426B1 (ko) 2004-12-23 2012-03-08 에스케이플래닛 주식회사 위치 정보를 이용한 상점 안내 서비스 방법 및 그를 위한ｇｐｓ 이동통신 단말기
US8396456B2 (en) 2005-06-28 2013-03-12 Avaya Integrated Cabinet Solutions Inc. Visual voicemail management
US8266219B2 (en) 2005-07-20 2012-09-11 Research In Motion Limited Method and system for instant messaging conversation security
US7610345B2 (en) 2005-07-28 2009-10-27 Vaporstream Incorporated Reduced traceability electronic message system and method
CN1794708A (zh) 2005-07-29 2006-06-28 华为技术有限公司 呈现业务系统及发布呈现信息的方法
US8332475B2 (en) 2005-08-22 2012-12-11 Triplay Communications Ltd. Messaging system and method
US7949107B2 (en) 2005-08-24 2011-05-24 International Business Machines Corporation Method, system, and computer program product for providing privacy measures in instant messaging systems
US20070073823A1 (en) 2005-09-29 2007-03-29 International Business Machines Corporation Method and apparatus to secure and retrieve instant messages
US8284663B2 (en) 2005-10-14 2012-10-09 Turbine, Inc. Selectively ordered protocol for unreliable channels
ITMI20052290A1 (it) 2005-11-30 2007-06-01 Pasqua Roberto Della Servizio di messaggistica istantanea con interfaccia utente minimizzata
WO2007090133A2 (en) 2006-01-30 2007-08-09 Kramer Jame F System for providing a service to venues where people aggregate
EP2024811A4 (en) 2006-02-10 2010-11-10 Strands Inc SYSTEMS AND METHOD FOR PRIORIZING FILES OF MOBILE MEDIA PLAYERS
US8112478B2 (en) 2006-03-13 2012-02-07 Oracle International Corporation Email and discussion forum system
US8255473B2 (en) 2006-04-04 2012-08-28 International Business Machines Corporation Caching message fragments during real-time messaging conversations
US9304675B2 (en) 2006-09-06 2016-04-05 Apple Inc. Portable electronic device for instant messaging
US8229458B2 (en) 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
EP2147397A4 (en) 2007-04-23 2013-08-21 Univ Ramot SYSTEM, METHOD AND COMPUTER READABLE MEDIUM FOR PROVIDING AN OUTPUT IMAGE
US20080270938A1 (en) 2007-04-29 2008-10-30 Elizabeth Marie Carlson System for self-registering visitor information with geographic specificity and searchable fields
US8170957B2 (en) 2007-08-08 2012-05-01 Sinart Points Technology, Inc. System and method for managing digital interactions
US8909714B2 (en) 2007-08-21 2014-12-09 Microsoft Corporation Electronic mail delay adaptation
US8244593B2 (en) 2007-11-20 2012-08-14 Pure Verticals, Inc. Method and system for monetizing content
KR101387527B1 (ko) 2007-12-06 2014-04-23 엘지전자 주식회사 단말기 및 그 메뉴 아이콘 디스플레이 방법
US8214443B2 (en) 2008-03-05 2012-07-03 Aol Inc. Electronic mail forwarding service
KR20100126850A (ko) 2008-03-28 2010-12-02 셀트러스트 코포레이션 보안형 단문 메시징 서비스 및 멀티미디어 메시징 서비스를 위한 시스템 및 방법
CN101340661B (zh) * 2008-08-14 2011-12-28 北京中星微电子有限公司 实现导游控制的移动设备和服务器以及导游控制方法
US20100082427A1 (en) 2008-09-30 2010-04-01 Yahoo! Inc. System and Method for Context Enhanced Ad Creation
US8719238B2 (en) 2009-01-22 2014-05-06 Sunstein Kann Murphy & Timbers LLP Office-based notification messaging system
US8214446B1 (en) 2009-06-04 2012-07-03 Imdb.Com, Inc. Segmenting access to electronic message boards
US8479080B1 (en) 2009-07-12 2013-07-02 Apple Inc. Adaptive over-provisioning in memory systems
US10574614B2 (en) * 2009-08-03 2020-02-25 Picpocket Labs, Inc. Geofencing of obvious geographic locations and events
US20110099507A1 (en) 2009-10-28 2011-04-28 Google Inc. Displaying a collection of interactive elements that trigger actions directed to an item
CN102118419B (zh) 2009-12-30 2014-07-16 华为技术有限公司 一种图片信息的传输方法、装置和通信系统
US9443227B2 (en) 2010-02-16 2016-09-13 Tigertext, Inc. Messaging system apparatuses circuits and methods of operation thereof
US20110213845A1 (en) 2010-02-26 2011-09-01 Research In Motion Limited Automatic deletion of electronic messages
US8433755B2 (en) 2010-04-07 2013-04-30 Apple Inc. Dynamic designation of a central distributor in a multi-participant conference
US8582727B2 (en) 2010-04-21 2013-11-12 Angel.Com Communication of information during a call
US20110320373A1 (en) 2010-06-25 2011-12-29 Microsoft Corporation Product conversations among social groups
EP2589232B1 (en) 2010-07-01 2018-04-18 Absolute Software Corporation Automatic creation and modification of dynamic geofences
US8233887B2 (en) 2010-07-28 2012-07-31 Sprint Communications Company L.P. Covert message redaction and recovery in a wireless communication device
US8457668B2 (en) 2011-01-18 2013-06-04 Claremont Speede Mobile sender initiated SMS message deletion method and system
US20120209921A1 (en) 2011-02-10 2012-08-16 International Business Machines Corporation Instant Message Management Method and Apparatus
US9331972B2 (en) 2011-03-31 2016-05-03 Loment, Inc. Automatic expiration of messages communicated to an end user communication device
WO2013008251A2 (en) 2011-07-08 2013-01-17 Hughes Systique India Private Limited Method and system for social networking in a restricted connectivity environment
US20130071093A1 (en) 2011-09-16 2013-03-21 William Turner Hanks Maintaining viewer activity information of a recorded program for program deletion decisions
AU2012328871A1 (en) * 2011-10-24 2014-05-15 Ripple Resort Media, Llc Wireless tag communication applications for a venue
US20130194301A1 (en) 2012-01-30 2013-08-01 Burn Note, Inc. System and method for securely transmiting sensitive information
US10103784B2 (en) * 2012-05-24 2018-10-16 Blackberry Limited Creation and management of near field communications tags
US9439041B2 (en) * 2012-06-29 2016-09-06 Lighthouse Signal Systems, Llc Systems and methods for calibration based indoor geolocation
US9560006B2 (en) 2012-07-26 2017-01-31 Google Inc. Method and apparatus for expiring messages in electronic communications
US20160034712A1 (en) * 2012-10-02 2016-02-04 Banjo, Inc. System and method for event-related content discovery, curation, and presentation
US20150199082A1 (en) 2012-11-13 2015-07-16 Google Inc. Displaying actionable items in an overscroll area
US20140201527A1 (en) 2013-01-17 2014-07-17 Zohar KRIVOROT Systems and methods for secure and private delivery of content
US9264463B2 (en) 2013-03-15 2016-02-16 Facebook, Inc. Method and system of managing ephemeral post in a social networking system
US9736218B2 (en) 2013-04-24 2017-08-15 Blackberry Limited Device, system and method for processing character data
US9742713B2 (en) 2013-05-30 2017-08-22 Snap Inc. Apparatus and method for maintaining a message thread with opt-in permanence for entries
US9705831B2 (en) 2013-05-30 2017-07-11 Snap Inc. Apparatus and method for maintaining a message thread with opt-in permanence for entries
US8914752B1 (en) 2013-08-22 2014-12-16 Snapchat, Inc. Apparatus and method for accelerated display of ephemeral messages
US9083770B1 (en) 2013-11-26 2015-07-14 Snapchat, Inc. Method and system for integrating real time communication features in applications
US9977938B2 (en) * 2013-12-08 2018-05-22 Hydra Group Holdings Llc Method and apparatus for accessing electronic data via a plurality of electronic tags
CA2863124A1 (en) 2014-01-03 2015-07-03 Investel Capital Corporation User content sharing system and method with automated external content integration
US9628950B1 (en) 2014-01-12 2017-04-18 Investment Asset Holdings Llc Location-based messaging
US20150227601A1 (en) 2014-02-13 2015-08-13 Actifio, Inc. Virtual data backup
US8909725B1 (en) 2014-03-07 2014-12-09 Snapchat, Inc. Content delivery network for ephemeral objects
US9479909B2 (en) 2014-03-20 2016-10-25 Tigertext, Inc. Method of sending messages to devices not configured to receive them
US9276886B1 (en) 2014-05-09 2016-03-01 Snapchat, Inc. Apparatus and method for dynamically configuring application component tiles
US9537811B2 (en) 2014-10-02 2017-01-03 Snap Inc. Ephemeral gallery of ephemeral messages
US9396354B1 (en) 2014-05-28 2016-07-19 Snapchat, Inc. Apparatus and method for automated privacy protection in distributed images
CN105338479B (zh) * 2014-06-09 2020-03-10 阿里巴巴集团控股有限公司 基于场所的信息处理方法及装置
KR20200033999A (ko) 2014-10-24 2020-03-30 스냅 인코포레이티드 메시지의 우선 순위 지정
US9113301B1 (en) 2014-06-13 2015-08-18 Snapchat, Inc. Geo-location based event gallery
US9225897B1 (en) 2014-07-07 2015-12-29 Snapchat, Inc. Apparatus and method for supplying content aware photo filters
JP2016039592A (ja) * 2014-08-11 2016-03-22 富士通株式会社 情報処理装置、情報処理プログラム及び情報処理方法
KR102314274B1 (ko) * 2014-08-18 2021-10-20 삼성전자주식회사 컨텐츠 처리 방법 및 그 전자 장치
US10824654B2 (en) 2014-09-18 2020-11-03 Snap Inc. Geolocation-based pictographs
US11783898B2 (en) 2014-09-18 2023-10-10 Jonker Llc Ephemeral storage elements, circuits, and systems
US11216869B2 (en) 2014-09-23 2022-01-04 Snap Inc. User interface to augment an image using geolocation
US9385983B1 (en) 2014-12-19 2016-07-05 Snapchat, Inc. Gallery of messages from individuals with a shared interest
US9854219B2 (en) 2014-12-19 2017-12-26 Snap Inc. Gallery of videos set to an audio time line
US10311916B2 (en) 2014-12-19 2019-06-04 Snap Inc. Gallery of videos set to an audio time line
US9754355B2 (en) 2015-01-09 2017-09-05 Snap Inc. Object recognition based photo filters
US9111164B1 (en) 2015-01-19 2015-08-18 Snapchat, Inc. Custom functional patterns for optical barcodes
US11263432B2 (en) * 2015-02-06 2022-03-01 Veridium Ip Limited Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US9294425B1 (en) 2015-02-06 2016-03-22 Snapchat, Inc. Storage and processing of ephemeral messages
US9148424B1 (en) 2015-03-13 2015-09-29 Snapchat, Inc. Systems and methods for IP-based intrusion detection
KR102217723B1 (ko) 2015-03-18 2021-02-19 스냅 인코포레이티드 지오-펜스 인가 프로비저닝
US10395179B2 (en) * 2015-03-20 2019-08-27 Fuji Xerox Co., Ltd. Methods and systems of venue inference for social messages
US9482883B1 (en) 2015-04-15 2016-11-01 Snapchat, Inc. Eyewear having linkage assembly between a temple and a frame
US9482882B1 (en) 2015-04-15 2016-11-01 Snapchat, Inc. Eyewear having selectively exposable feature
US9743254B2 (en) * 2015-04-30 2017-08-22 Mist Systems, Inc. Methods and apparatus relating to the use of received signals to determine wireless terminal location and/or refine location determination models
US9881094B2 (en) 2015-05-05 2018-01-30 Snap Inc. Systems and methods for automated local story generation and curation
KR102473502B1 (ko) 2015-05-06 2022-12-05 스냅 인코포레이티드 단기 그룹 채팅을 위한 시스템 및 방법
US10516964B2 (en) * 2015-07-28 2019-12-24 Microsoft Technology Licensing, Llc Inferring user availability for a communication
US10218798B2 (en) * 2015-07-30 2019-02-26 Foursquare Labs, Inc. Creating segments for directed information using location information
EP3331622A4 (en) * 2015-08-07 2019-02-13 Fairwayiq, Inc. SYSTEM AND METHOD FOR CUSTOMER MANAGEMENT AND INTERACTION WITH CUSTOMERS IN A PLACE OF ACTIVITY
US10318884B2 (en) * 2015-08-25 2019-06-11 Fuji Xerox Co., Ltd. Venue link detection for social media messages
US9743253B2 (en) * 2015-08-27 2017-08-22 Glopos Fzc Method and arrangement for locating a mobile device
US9474042B1 (en) * 2015-09-16 2016-10-18 Ivani, LLC Detecting location within a network
US10455357B2 (en) * 2015-09-16 2019-10-22 Ivani, LLC Detecting location within a network
US20170109615A1 (en) * 2015-10-16 2017-04-20 Google Inc. Systems and Methods for Automatically Classifying Businesses from Images
US9652896B1 (en) 2015-10-30 2017-05-16 Snap Inc. Image based tracking in augmented reality systems
US20170161382A1 (en) 2015-12-08 2017-06-08 Snapchat, Inc. System to correlate video data and contextual data
US10354425B2 (en) 2015-12-18 2019-07-16 Snap Inc. Method and system for providing context relevant media augmentation
CN105653634B (zh) * 2015-12-25 2019-03-26 北京金山安全软件有限公司 一种拍摄对象的信息的推送方法及装置
US20180005142A1 (en) * 2016-02-02 2018-01-04 Ali Meruani Method for determining venue and restaurant occupancy from ambient sound levels
US11900418B2 (en) 2016-04-04 2024-02-13 Snap Inc. Mutable geo-fencing system
US10686899B2 (en) 2016-04-06 2020-06-16 Snap Inc. Messaging achievement pictograph display system
US9794750B1 (en) * 2016-04-12 2017-10-17 Qualcomm Incorporated Venue-specific wireless access point location information creation and distribution
US20170351713A1 (en) * 2016-06-03 2017-12-07 Robin Daniel Chamberlain Image processing systems and/or methods
US9681265B1 (en) 2016-06-28 2017-06-13 Snap Inc. System to track engagement of media items
EP3267368B1 (en) * 2016-07-06 2020-06-03 Accenture Global Solutions Limited Machine learning image processing
US10013643B2 (en) * 2016-07-26 2018-07-03 Intuit Inc. Performing optical character recognition using spatial information of regions within a structured document
US10419381B2 (en) * 2016-08-30 2019-09-17 Facebook, Inc. Prompt ranking
US11481690B2 (en) * 2016-09-16 2022-10-25 Foursquare Labs, Inc. Venue detection
US10250405B2 (en) * 2016-11-02 2019-04-02 United Bus Technology Inc. Advertisement management of internet communication with devices on a mobile platform
US10691971B2 (en) * 2016-11-28 2020-06-23 Samsung Electronics Co., Ltd. Method and apparatus for recognizing object
US10182153B2 (en) * 2016-12-01 2019-01-15 TechSee Augmented Vision Ltd. Remote distance assistance system and method
US10795022B2 (en) * 2017-03-02 2020-10-06 Sony Corporation 3D depth map
US10255525B1 (en) * 2017-04-25 2019-04-09 Uber Technologies, Inc. FPGA device for image classification
US10838941B2 (en) * 2017-06-14 2020-11-17 Salesforce.Com, Inc. Automated image-based record creation and related database systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170032186A1 (en) * 2014-05-22 2017-02-02 Sony Corporation Information processing apparatus, information processing method, and program
KR102324699B1 (ko) * 2017-08-31 2021-11-10 스냅 인코포레이티드 머신 러닝 분류들에 기초한 디바이스 위치
KR102445720B1 (ko) * 2017-08-31 2022-09-22 스냅 인코포레이티드 머신 러닝 분류들에 기초한 디바이스 위치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Langlotz, Tobias, et al. "Next-generation augmented reality browsers: rich, seamless, and adaptive." Proceedings of the IEEE 102.2 (2014)*

Also Published As

Publication number Publication date
US12039648B2 (en) 2024-07-16
KR20220133307A (ko) 2022-10-04
KR102777142B1 (ko) 2025-03-10
US20240331244A1 (en) 2024-10-03
KR102714206B1 (ko) 2024-10-11
US20230386112A1 (en) 2023-11-30
US20190069147A1 (en) 2019-02-28
KR20200037435A (ko) 2020-04-08
US20210392465A1 (en) 2021-12-16
EP3677056A1 (en) 2020-07-08
US10264422B2 (en) 2019-04-16
US11803992B2 (en) 2023-10-31
CN111226447A (zh) 2020-06-02
EP3677056A4 (en) 2020-08-26
EP3677056B1 (en) 2022-03-16
CN111226447B (zh) 2022-03-29
KR20210137236A (ko) 2021-11-17
KR102445720B1 (ko) 2022-09-22
US20190297461A1 (en) 2019-09-26
KR20230144126A (ko) 2023-10-13
KR20240151861A (ko) 2024-10-18
WO2019046790A1 (en) 2019-03-07
KR102324699B1 (ko) 2021-11-10
US9980100B1 (en) 2018-05-22
US11051129B2 (en) 2021-06-29
EP4033790A1 (en) 2022-07-27
CN114615227A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
KR102586936B1 (ko) 머신 러닝 분류들에 기초한 디바이스 위치
US11638115B2 (en) Points of interest in a location sharing system
KR102643417B1 (ko) 향상된 아이콘들을 갖는 개인화된 맵 인터페이스의 생성
KR102606601B1 (ko) 표면 인식 렌즈
US11030787B2 (en) Mobile-based cartographic control of display content
US10917743B2 (en) Mapping discovery system
KR20250037588A (ko) 머신 러닝 분류들에 기초한 디바이스 위치

Legal Events

Date Code Title Description
A107 Divisional application of patent
PA0104 Divisional application for international application

Comment text: Divisional Application for International Patent

Patent event code: PA01041R01D

Patent event date: 20220916

Application number text: 1020217036156

Filing date: 20211104

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20221201

Patent event code: PE09021S01D

AMND Amendment
PE0601 Decision on rejection of patent

Patent event date: 20230302

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20221201

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I

AMND Amendment
PX0701 Decision of registration after re-examination

Patent event date: 20230703

Comment text: Decision to Grant Registration

Patent event code: PX07013S01D

Patent event date: 20230602

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

Patent event date: 20230302

Comment text: Decision to Refuse Application

Patent event code: PX07011S01I

Patent event date: 20230201

Comment text: Amendment to Specification, etc.

Patent event code: PX07012R01I

X701 Decision to grant (after re-examination)
A107 Divisional application of patent
GRNT Written decision to grant
PA0104 Divisional application for international application

Comment text: Divisional Application for International Patent

Patent event code: PA01041R01D

Patent event date: 20231004

Application number text: 1020217036156

Filing date: 20211104

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20231004

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20231005

End annual number: 3

Start annual number: 1

PG1601 Publication of registration