결론
-1.
Ⅲ
기존까지 방송 사업자들은 독자적으로 개별적인 방송 서비스 플랫폼을 보유함으로 인해 파편화되 고 폐쇄적인 방식으로 서비스를 제공하고 있다 또한 방송 콘텐츠에 대한 기본적인 정보 위주로 빈약하. 고 제한된 수준의 메타데이터를 자체적인 규격으로 정의하여 사람이 직접 입력하는 수동적인 방식으로 생성하고 있다 이에 따라 방송사별로 독자적인 시스템 구축으로 인하여 운용관리 및 추가 요구사항 발. 생 시 대처하는데 시간 및 비용이 증가할 뿐만 아니라 뉴 미디어 패러다임 시대의 도래에 따른 개인화 된 맞춤형 스마트방송 서비스를 제공하는데 있어서 걸림돌이 되고 있다.
본 과제에서 수행하고 있는 스마트방송이란 융합형 메타데이터를 자동 생성하고 시청 상황에 최적- , 화된 부가정보를 실시간으로 결합해서 사용자 맞춤형의 방송 미디어 서비스를 제공하는 기술을 의미한 다 즉 융합형 메타데이터란 기존에 제공되었던 방송 콘텐츠에 대한 기본적인 정보뿐만 아니라 이와. , - , 관련된 대본이나 자막 등의 비정형 방송 데이터 시청자나 협찬사로부터의 크라우드 소싱 정보 블로그, , 나 뉴스 및 소셜네트워킹 등의 웹 데이터 시청 상황 및 사용자 프로파일 등과 같은 다양한 정보원들로, 부터의 데이터를 통합적으로 반영하여 보다 풍부하고 새로운 정보를 제공하고자 하는 확장형 개념의 메 타데이터라고 할 수 있다 그러므로 이와 같은 스마트방송 기술 개발을 통하여 향후에는 방송프로그램. 메타데이터를 활용한 방송 서비스에서 장면에 관한 시맨틱 클러스터 기반의 메타데이터를 활용한 개인, 화되고 지능화되는 방송 서비스로 진화될 것이다.
당해연도는 본 과제의 차년도 중 차년도에 해당하는 연구기간으로 크라우드 소싱을 이용한 개방형3 1 스마트방송 플랫폼 연구시제품 및 시범서비스 개발 목표를 달성하기 위한 연구를 진행하였다 과제 발. 주처 및 관계 협력사들과 협의하여 차세대 스마트미디어 시대를 선도할 수 있는 스마트방송에서의 핵심 기술 요소로서 장면 단위 클러스터 기반 융합형 메타데이터 생성 기술 개발 개방형 스마트미디어 기반- , 시스템 프로토타입 개발 및 표준화 타임라인 메타데이터 기반 미디어커머스 시범서비스 실시간 방송, , 콘텐츠 인지 알고리즘 개발 등을 핵심 연구과제로 도출하였다.
특히 당해연도에는 시맨틱 클러스터링 기술과 융합형 메타데이터 자동 생성 기술을 중점적으로 수, -행하였다 먼저 시맨틱 클러스터링 기술 개발에서는 방송 콘텐츠로부터 화면의 전환을 의미하는 샷을. , 자동 추출한 후 샷 단위 영상 음성 텍스트 특징, / / 14 종을 자동 구축하는 샷 추출기를 구현하였다 또한. 샷을 표현하는 다수의 특징에서 관측되는 정보의 차이를 감안하여 샷 간 연계성 측정을 위한
기반 기술을 개발하였다 이를 통하여 기존 클
Co-training AMSC(Adaptive Multiview Spectral Clustering) .
러스터링 기반 장면 분할 기술 대비 3% 성능 향상과 목표 성능 대비 6.3% 초과 달성함을 확인하였다. 한편, 융합형 메타데이터 자동 생성 기술 개발에서는 콘텐츠 토픽 추출을 위한- GHDP(Guided
모델을 개발하였으며 단어 간 와 시적
Hierarchical Dirichlet Process) , PMI(Point-wise Mutual Information)
관계를 고려한 유사 장면 결합을 통해 자막과 대본과 같은 짧고 적은 데이터에서의 토픽 학습이 가능하 도록 하였으며 기존, HDP와의 성능 비교 결과 평균 8.2%의 MLL(Model Log-Likelihood) 향상을 확인하였 다.
아울러 방송 후 생성되는 뉴스 시청자 데이터를 토픽에 반영하기 위한 토픽 확장 학습 기술을 선행 개,
기술도 개발하였다.
본 과제 수행을 통하여 획득한 이러한 기술들을 적용한다면 방송 콘텐츠의 자원 공유에 대한 접근성 과 편의성이 향상되고 시청 상황에 적응적인 개인화된 맞춤형 방송 서비스를 제공할 수 있게 되며 누, , 구나 새롭고 유용한 부가서비스를 쉽고 편리하게 창출할 수 있는 기반이 조성될 것으로 기대된다 그리. 고 방송 미디어 산업으로의 진입 장벽을 허물고 개방 참여 공유의 선 순환적 스마트미디어 생태계를· · 구축하여 스마트방송 서비스를 제공하는 디딤돌의 역할을 할 것으로 전망된다 융합형 메타데이터 및. -스마트방송 플랫폼 기술을 적용한 시범서비스의 대상으로 방송 내용과 관계된 상품 정보를 제공하는 미 디어커머스 서비스 시청 환경과 시청자 유형에 맞춘 상황인지 광고 서비스 토픽 기반의 영상 클립 모, , 음을 제공하는 영상클립 큐레이션 서비스 등은 사업자와 사용자의 관심을 유도할 수 있을 것이며 방송, 미디어 산업의 확산을 촉진시킬 것으로 예상된다.
차년도에는 차년도 기술개발 결과물을 바탕으로 핵심기술에 대한 기능 확장 및 성능 향상 사업화
2 1 ,
를 위한 연구개발을 중점적으로 추진할 예정이다 이와 같은 연구개발을 바탕으로 하여 국내 지상파. , 및 케이블 방송사들과 협력하여 조기에 상용 수준의 스마트방송 서비스를 제공할 수 있는 완성도 IPTV
높은 기술개발을 선도하고 스마트미디어 생태계 활성화에 이바지 하고자 한다, .
가. 1차년도 기술 개발 결과물에 대한 추가 기술 개발 요소
시맨틱 클러스터링 기술 개발 o
현재 샷 간 다양한 특징에 기반한 연관성을 이용하여 장면을 구축하는 기술 개발
- ( ) AMSC
계획 장면 간 의미적 연관성을 측정하기 위한 기술로 장면의 의미를 내포하는 스토리 그래프 구
- ( ) ,
축 기술 의미적 연관성 측정 기술 의미적 연관성 기반 장면 결합 기술 개발이 필요, ,
융합형 메타데이터 자동 생성 기술 개발
o
-현재 대본 자막으로부터 방송 콘텐츠의 토픽을 자동 학습하고 이를 장면에 태깅하는 기술 개발 - ( ) ,
계획 다양한 이종 도메인 데이터에서 대상 회별프로그램과 연관된 데이터를 선택하여 대상 프로 - ( )
그램의 토픽을 확장할 수 있는 데이터 마이닝 기술과 토픽과 시청 상황 간 연관성 분석을 통한 정 보 확장 기술 개발이 필요
이용자 프로파일 및 콘텐츠 분석 시스템 적용 기술 개발 o
현재 서비스 이용자 및 방송 시청자에 대한 활동 분석 시스템 연동이 안되어 있음 - ( )
계획 어플리케이션의 이용자별 이용 행태와 방송시청 행태를 결합 분석하여 가치있는 서비스 피 - ( )
드백이 될 수 있는 서비스 설계를 계획
콘텐츠 관련 메타데이터의 다양화 기술 개발 o
현재 방송 상품과 대본 분석의 토픽 데이터를 메타데이터로 활용 중 - ( ) PPL
계획 메타데이터의 자동화 프로세스를 확장하여 폭넓은 메타데이터 장르를 생성하여 플랫폼에 적 - ( )
용할 계획
실시간 방송 콘텐츠 인지 기술 알고리즘 기술 개발 o
현재 오디오 워터마크 기술을 이용하여 실시간 방송 콘텐츠 인지 기술 개발 - ( )
계획 오디오 워터마크 알고리즘을 실시간 방송 콘텐츠 인지를 위해 사용하기 위해서는 실시간으
문에 서비스에 문제가 발생했을 때 즉각적인 대처가 가능함
기존 마크애니의 해외 협력업체 미국 네덜란드 를 통한 제휴 마케팅을 추진하고 있으며
- MSI( ), Irdeto( ) ,
해외법인으로 중동의 두바이와 인도네시아에 각각 현지 법인을 갖고 있어서 이를 거점으로 해외 영업을 진행하려고 함 현재 해외 핑거프린팅 업체로부터 워터마킹 관련 기술개발을 요청받은 상태. 로 과제 완료시기 이전에 기술사업화(SDK형태로 사업화 는 가능할 것으로 예상됨)
주 다이퀘스트 [( ) ]
방송 비정형 데이터
o 기술 분야 사업화
방송뿐만 아니라 다양한 도메인을 아우르는 콘텐츠의 비정형 데이터와 콘텐츠의 시청자 행동 및
-로그를 대상으로 비정형 데이터 분석과 시청자 프로파일링을 통해 콘텐츠 서비스 품질 개선을 위 한 기술개발과 사업화를 추진하고자 함
주 디에스플러스텍
[( ) ]
o 스마트방송 시범서비스 기술 분야 사업화
별 고객 시장 조사를 바탕으로 한 시범서비스의 개발 각종 행사 및 컨퍼런스 참여로 솔루션
- MSO ,
의 인지도 증가를 이끌어 실 고객 대상 확대 및 서비스 개선을 통한 사업화를 진행하고자 함 또한. 독자 서비스 개발에 취약한 군소 SO 및 타 영역 사업자의 통합 플랫폼으로의 참여를 유도하여 범 용 플랫폼의 범위를 확대하여 사업화를 추진하고자 함
차년도 계획
- semantic coherence
크라우드 소싱을 통한 콘텍스트 기반 융합형 메타데이터 자동 생성 기술