기존 비디오 해상도 향상 기술은 화질 저하와 비효율성 문제를 안고 있습니다. 본 기술은 이러한 한계를 극복하기 위해 컨볼루션 신경망(CNN)을 활용합니다. 비디오 스트림을 샷 및 점진적 샷 변화 영역으로 지능적으로 그룹화하고, 각 그룹의 특성에 맞춰 사전 훈련된 필터를 미세 튜닝하여 최적화된 해상도 향상을 구현합니다. 이로써 영상 화질 열화를 최소화하고 학습 효율을 극대화하여, 탁월한 비디오 초해상도 성능을 제공합니다.

기존 이미지 검색 방식은 사용자가 원하는 특정 이미지를 찾아내는 데 한계가 있었습니다. 본 발명은 사용자가 질의 이미지 내의 특정 '관심 영역'을 지정하면, 해당 영역의 시각적 특징을 정밀하게 분석하여 가장 유사한 이미지를 찾아주는 내용 기반 이미지 검색 방법 및 시스템을 제공합니다. 특히, 관심 영역의 크기 비중을 고려한 검색 순위 재조정 기술을 통해 검색 정확도를 극대화하여, 사용자가 원하는 특정 이미지나 이미지 내의 특정 부분을 손쉽게 찾아낼 수 있도록 돕습니다.

본 발명은 기존 악성코드 검출 방식의 한계를 극복하는 AI 기반 솔루션을 제공합니다. 파일 이진 데이터를 이미지로 변환 후, CAM 및 R-CNN 모델을 학습하여 악성코드 유무뿐 아니라 정확한 위치까지 탐지합니다. 기존 CNN 방식의 이미지 크기 재조정으로 인한 정보 손실 문제를 해결하고, 원본 파일 이미지 전체를 분석하여 정밀도를 높였습니다. 이를 통해 악성코드 분석 및 대응 역량을 강화할 수 있습니다.

기존 동영상 장소 추출 기술은 전경 물체로 인해 배경 인식이 어렵고, 프레임별로 결과가 달라 일관성이 부족한 문제가 있었습니다. 본 특허 기술은 이러한 한계를 극복하기 위해 동영상을 '샷 단위'로 분석하고, 불필요한 물체가 포함된 프레임을 자동으로 필터링하는 혁신적인 방법을 제시합니다. 딥러닝 기반의 물체 인식(YOLO) 및 장소 인식(PlaceNet) 기술을 활용하여, 필터링된 프레임들의 배경 장소 확률값을 통합 분석함으로써, 각 샷에 대한 배경 장소를 정확하고 일관되게 추출합니다. 이 시스템은 동영상 콘텐츠 분석의 정밀도를 획기적으로 향상시켜, 대용량 미디어 데이터베이스 관리 및 검색 효율을 극대화합니다. 본 기술은 미디어 분석, 영상 보안, 콘텐츠 분류 등 다양한 분야에서 활용될 수 있습니다.

기존 동영상 인물 인식 기술은 학습되지 않은 인물을 오인식하거나, 주인공과 엑스트라를 명확히 구분하기 어렵다는 한계가 있었습니다. 특히, 얼굴 인식 확률만으로는 측면이나 노이즈가 포함된 얼굴의 분류가 어려웠습니다. 본 기술은 이러한 문제점을 해결합니다. 동영상 프레임 내 얼굴 영역의 크기와 위치 정보를 활용하여 얼굴 인식 결과를 보정하는 혁신적인 방식을 제안합니다. 이를 통해 각 샷(Shot) 단위로 주요 인물만을 선별적으로 정확하게 검출하는 시스템 및 방법을 제공합니다. 이 시스템은 엑스트라를 제외하고 동영상 콘텐츠 속 핵심 인물만을 효율적으로 식별하여, 미디어 콘텐츠 분석 및 관리의 정확도와 효율성을 획기적으로 향상시킬 수 있습니다.

기존 동영상 분석 기술은 샷 내 빈번하게 등장하는 객체를 중요 객체로 오인하여 정확한 메타데이터 추출에 어려움이 있었습니다. 본 기술은 이러한 문제점을 해결하고자 개발되었습니다. 동영상을 샷 단위로 분할하고 각 프레임에서 객체를 검출한 후, 샷 내 객체 빈도수(OF)와 동영상 전체에서의 객체 중요도(ISF)를 종합적으로 고려하여 진정한 중요 객체를 추출합니다. 이로써 특정 샷의 상황과 장소를 더욱 정확하게 파악하고, 고품질의 샷 단위 객체 메타데이터를 생성하여 동영상 콘텐츠 분석의 정확도를 획기적으로 향상시킬 수 있습니다. 이는 미디어 콘텐츠 관리 및 검색 효율성을 크게 높이는 핵심 기술입니다.