[发明专利]用于数字内容的定制缩略图图像生成和选择在审

专利信息
申请号: 202011015459.0 申请日: 2020-09-24
公开(公告)号: CN112634131A 公开(公告)日: 2021-04-09
发明(设计)人: 毛一强;陈雨婷 申请(专利权)人: 脸谱公司
主分类号: G06T3/40 分类号: G06T3/40;G06F3/0484;G06N3/08
代理公司: 北京安信方达知识产权代理有限公司 11262 代理人: 周靖;杨明钊
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 数字 内容 定制 缩略图 图像 生成 选择
【权利要求书】:

1.一种系统,包括:

处理器;

存储指令的存储器,所述指令当由所述处理器执行时使所述处理器:

从数字内容提供商接收要被分发到与一个或更多个用户相关联的一个或更多个客户端设备的数字内容;

使用缩略图生成技术基于所述数字内容来生成多个缩略图候选;

从所述多个缩略图候选中选择缩略图子集;和

传输所述缩略图候选子集中的至少一个缩略图候选以在所述一个或更多个客户端设备处与所述数字内容一起呈现。

2.根据权利要求1所述的系统,其中所述缩略图生成技术包括:

使用计算机视觉技术识别所述数字内容的图像静像中的多个概念,其中所述计算机视觉技术包括图像分类、对象检测、对象跟踪、语义分割或实例分割中的至少一种;

基于来自所识别的多个不同概念的概念的独特性来选择所述图像静像;和

基于所选择的图像静像来生成多个不同的缩略图候选。

3.根据权利要求2所述的系统,其中选择所述图像静像包括利用值对每个图像静像进行评分,其中所述值指示所述图像静像中概念的独特性。

4.根据权利要求3所述的系统,其中用于所述图像静像中的每个图像静像的所述值被用来对所生成的缩略图候选进行排名或分类。

5.根据权利要求1所述的系统,其中所述缩略图子集通过机器学习技术被识别为具有刺激用户交互以预览所述数字内容的可能性。

6.根据权利要求5所述的系统,其中所述机器学习技术用于识别所述多个不同的缩略图候选中的概念,并将所述概念与关联于所述一个或更多个用户的信息进行匹配。

7.根据权利要求5所述的系统,其中所述机器学习技术包括使用神经网络、基于树的模型、贝叶斯网络、支持向量、聚类、核方法、样条或知识图中的至少一种。

8.一种方法,包括:

由处理器从数字内容提供商接收要被分发到与一个或更多个用户相关联的一个或更多个客户端设备的数字内容;

由所述处理器使用计算机视觉技术来识别所述数字内容中的至少一个概念;

由所述处理器基于所述数字内容使用缩略图生成技术来生成多个不同的缩略图候选;

由所述处理器从所述多个缩略图候选中选择缩略图子集;和

由所述处理器传输所述缩略图候选子集中的至少一个缩略图候选以在一个或更多个客户端设备处与所述数字内容一起呈现。

9.根据权利要求8所述的方法,其中所述计算机视觉技术包括图像分类、对象检测、对象跟踪、语义分割或实例分割中的至少一种。

10.根据权利要求8所述的方法,其中所述缩略图生成技术包括利用值对所述多个不同的缩略图候选中的每一个缩略图候选进行评分。

11.根据权利要求10所述的方法,其中用于所述多个不同的缩略图候选中的每一个缩略图候选的值被用来对所述缩略图候选进行排名。

12.根据权利要求8所述的方法,其中所述缩略图子集通过机器学习技术被识别为具有刺激用户交互以预览所述数字内容的可能性。

13.根据权利要求12所述的方法,其中所述机器学习技术用于识别所述多个不同的缩略图候选中的概念,并将所述概念与关联于所述一个或更多个用户的信息进行匹配。

14.根据权利要求12所述的系统,其中所述机器学习技术包括使用神经网络、基于树的模型、贝叶斯网络、支持向量、聚类、核方法、样条或知识图中的至少一种。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于脸谱公司,未经脸谱公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011015459.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top