회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 1995년 설립 회사입니다. 컴퓨터 시스템 통합 자문, 구축 및 관리업을 합니다. 2025년 매출은 7,948억입니다. 2026년 8월 기준 국민연금 가입자는 1,520명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-01-28 · 최근 등록 2026-10-13 · 최신 출원순
본 발명은 영상 분석 기술에 관한 것으로, 특히 비디오 내에서 특정 객체의 등장 구간 및 영역을 탐지하는 방법, 학습 방법 및 이를 위한 시스템에 관한 것이다. 객체 이미지와 비디오 간의 상관관계를 분석하고, 시공간적 정보를 반영하여 비디오 내에서 특정 객체가 존재하는 영역을 정확하게 탐지하는 기술에 관한 것이다.
본 발명은 대규모 언어 모델(LLM, Large Language Model)을 이용하여 생성된 응답을 다중 대규모 언어 모델 에이전트(LLM 에이전트)를 활용해 점수화 하는 방법 및 시스템에 관한 것이다. 특히, 다수의 대규모 언어 모델 에이전트를 활용하여 입력된 질문-응답 쌍에 대한 정량적 평가 기준을 생성하고, 생성된 평가 기준을 바탕으로 언어 모델의 생성 응답을 점수화 하는 기술에 관한 것이다.
일 실시예에 따른 다수의 대규모 언어 모델 에이전트를 이용하여 텍스트 콘텐츠를 요약하는 방법은, 변환부에서, 제1 언어로 작성된 텍스트 콘텐츠가 포함하는 대화형 텍스트를 서술형 텍스트로 변환하는 단계; 분할부에서, 상기 변환된 텍스트 콘텐츠를 하나 이상의 조각(chunk)으로 분할(split)하는 단계; 대규모 언어 모델부에서, 상기 하나 이상의 조각 각각에 대해 순차적으로, 제2 언어로의 번역을 수반하는 제1 조각 요약을 수행하는 단계; 및 상기 대규모 언어 모델부에서, 상기 제1 조각 요약의 수행 결과(performance results)의 단어 수가 미리 정해진 기준값보다 큰 지 비교하는 단계를 포함할 수 있다.
본 발명은 생성형 인공지능(Generative AI)을 활용하여 인과관계를 분석하는 방법 및 이를 위한 시스템에 관한 것이다. 구체적으로, 본 발명은 다양한 분야에서 발생하는 현상들 간의 인과관계를 효율적이고 정확하게 분석하고, 이를 통해 새로운 지식을 발견하고 의사 결정을 지원하는 데 유용하게 활용될 수 있는 방법 및 시스템에 관한 것이다.
본 발명은 스포츠 경기의 하이라이트 영상을 생성하는 방법 및 이를 위한 시스템에 관한 것이다. 구체적으로, 본 발명은 스포츠 경기로부터 얻어진 데이터를 분석한 결과와 대규모 언어 모델(LLM)을 활용하여 하이라이트 영상을 생성하는 방법 및 시스템에 관한 것이다.
본 발명은 데이터 증강 및 인공지능 모델 활용을 기반으로 한 편성안 생성 방법 및 이를 위한 시스템에 관한 것이다. 구체적으로 본 발명은 데이터 생성 모델을 활용하여 재개봉 영화 데이터를 생성하고, 사이트 별 재개봉 영화를 추천하기 위한 모델과 시즌 별 영화의 객석률을 예측할 수 있는 모델을 모두 활용함으로써 재개봉 영화의 객석률을 정확히 예측하며, 이를 통해 궁극적으로는 최적의 편성안을 생성하도록 한 방법 및 시스템에 관한 것이다.
본 발명은 음성 인식 및 동작 감지를 이용하여 스포츠 경기 영상으로부터 하이라이트 추출을 할 수 있는 시스템 및 방법에 관한 것이다.
본 발명의 실시예에 따른 얼굴 스왑 이미지를 생성하기 위한 전자 장치는, 하나 이상의 프로세서 및 하나 이상의 프로세서에 의한 실행 시, 하나 이상의 프로세서가 연산을 수행하도록 하는 명령들이 저장된 하나 이상의 메모리를 포함하고, 하나 이상의 프로세서는 원본 이미지에서 사람의 얼굴을 검출하고, 검출된 얼굴의 이미지가 얼굴 스왑 이미지 생성에 적합한지 여부를 판별하고, 얼굴의 이미지가 얼굴 스왑 이미지 생성에 적합하다고 판별된 경우, 얼굴의 랜드마크를 검출하고, 검출된 랜드마크를 기초로 얼굴의 영역을 지정하고, 얼굴을 파싱(parsing)하여 부위별로 검출 및 분할하고, 이미지 생성형 AI 모델을 이용하여, 얼굴의 이미지에서 얼굴의 적어도 일부를 가리는 객체를 제거하여 수정 이미지를 생성하고, 대상 이미지의 얼굴을 수정 이미지의 얼굴로 변경하여 얼굴 스왑 이미지를 생성할 수 있다.
본 발명은 영상 기반의 3차원 메쉬 복원 방법 및 이를 위한 시스템에 관한 것으로, 구체적으로는 영상 콘텐츠로부터 인물의 단위동작을 구별해 내고, 단위동작에 대응되는 프레임들로부터 정확한 3D 포즈 파라미터를 추출하여 해당 인물의 포즈를 3D 메쉬로 복원하는 방법, 그리고 이를 위한 시스템에 관한 것이다.
본 발명의 실시예에 따른 하이라이트 영상을 생성하기 위한 전자 장치는, 하나 이상의 프로세서 및 상기 하나 이상의 프로세서에 의한 실행 시, 상기 하나 이상의 프로세서가 연산을 수행하도록 하는 명령들이 저장된 하나 이상의 메모리를 포함하고, 상기 하나 이상의 프로세서는 대상 영상의 시청 데이터를 분석하여 시청 확률 분포 모델을 생성하고, GMM을 이용하여, 상기 시청 확률 분포 모델을 하나 이상의 가우시안 분포로 분해하고, 상기 하나 이상의 가우시안 분포 중 하나 이상의 가우시안 분포 후보를 선택하고, 상기 하나 이상의 가우시안 분포 후보로부터 하나 이상의 하이라이트 후보 구간을 추출하고, 상기 하나 이상의 하이라이트 후보 구간을 기초로 하이라이트 영상을 생성하도록 구성될 수 있다.
본 발명은 사용자 인터랙션 기반의 동일인물 추적 방법 및 이를 위한 시스템에 관한 것으로, 구체적으로는 영상 콘텐츠 내 등장하는 인물들의 특징들을 추출해 내어 각 등장인물을 추적 및 클러스터링 함으로써 하나의 영상 콘텐츠에 대한 등장인물 데이터베이스를 구축하는 방법, 그리고 이를 위한 시스템에 관한 것이다.
일 실시예에 따른 거대 언어 모델을 이용하여 텍스트 콘텐츠로부터 요약을 생성하는 방법은, 텍스트 콘텐츠를 하나 이상의 조각(chunk)으로 분할하는 단계; 거대 언어 모델에서, 상기 하나 이상의 조각(chunk) 각각에 대해 노드와 엣지를 포함하는 인물 관계 그래프를 출력하는 단계; 상기 거대 언어 모델에서, 상기 하나 이상의 조각(chunk) 각각에 대해 제1의 요약 조각을 출력하는 단계; 상기 거대 언어 모델에서, 각각의 제1의 요약 조각을 분해하여 제1의 분해된 요약을 출력하는 단계; 각각의 제1의 분해된 요약에 대해 리트리벌을 수행하여 제1의 검색된 장면을 출력하는 단계; 각각의 제1의 분해된 요약에 대해 리트리벌을 수행하여 제1의 검색된 인물 지식 그래프를 출력하는 단계; 상기 거대 언어 모델에서, 각각의 제1의 분해된 요약에 대하여, 대응되는 제1의 검색된 장면 및 대응되는 제1의 검색된 인물 지식 그래프에 의해 뒷받침되는지 여부를 판단하는 단계; 대응되는 제1의 검색된 장면 및 대응되는 제1의 검색된 인물 지식 그래프에 의해 뒷받침되지 않는 제1의 분해된 요약을 수정하거나 삭제하는 단계; 및 상기 수정 또는 상기 삭제가 수행된 후의 각각의 제1의 분해된 요약들에 기초하여 제2의 요약 조각을 생성하는 단계를포함할 수 있다.
일 실시예에 따른 질문의 분해 및 답변에 대한 평가를 통해 거대 언어 모델로부터 최적의 답변을 획득하는 방법은, 하나 이상의 에피소드를 갖는 대본을 에피소드 별로 요약기에 입력하는 단계; 상기 요약기에서 상기 대본의 줄거리를 생성하는 단계; 상기 대본에 대하여 관계 추출기를 통해 캐릭터 관계도를 생성하는 단계; 상기 캐릭터 관계도로부터 주연 및 조연에 대한 정보를 추출하는 단계; 상기 대본에 대한 평가 질문에 대응되는 하나 이상의 평가 기준을 식별하는 단계; 상기 주연 및 조연에 대한 정보 및 상기 하나 이상의 평가 기준에 기초하여 제1 거대 언어 모델에서 분해된 질문을 생성하는 단계; 상기 평가 질문에 대한 유사도를 통해 결정된 검색된 장면들, 상기 대본의 줄거리, 및 상기 대본에 관련된 기획안 중 적어도 하나를 포함하는 조합 및 상기 분해된 질문에 기초하여 제2 거대 언어 모델에서 후보 답변들을 생성하는 단계; 및 상기 후보 답변들 중 미리 정해준 기준에 의해 결정되는 스코어가 가장 높은 답변을 최종 답변으로 결정하는 단계를 수행할 수 있다.
일 실시예에 따른 거대 언어 모델을 이용하여 텍스트 콘텐츠로부터 인물관계도를 추출하는 방법은, 상기 텍스트 콘텐츠를 미리 정해진 크기보다 작은 크기를 갖는 조각(chunk)으로 분할하는 단계; 제1 거대 언어 모델에서, 각 조각에 대해 트리플 형식의 인물 관계 정보를 추출하는 단계; 모든 추출된 인물 관계 정보를 이용하여 노드와 엣지를 포함하는 초기 인물 관계도를 생성하는 단계; 및 상기 초기 인물 관계도를 수정하는 단계를 포함하고, 상기 수정된 초기 인물 관계도는, 우선순위에 따라 미리 정해진 개수 이하의 노드를 포함할 수 있다.
본 발명은 생성형 AI을 활용한 공정 최적화 지원방법 및 지원시스템에 관한 것으로, 구체적으로는 사용자로 하여금 생성형 AI를 이용한 공정 최적화, 즉, 인공지능 알고리즘을 통해 임의의 공정이 수반하는 다수의 단계들 및 변수들 간 인과관계를 탐색하거나 추론하며, 이에 따른 가설을 도출하여 시뮬레이션 및 검증을 할 수 있도록 한 공정 최적화를 보다 편리하게 이용할 수 있도록 지원하는 방법 및 시스템에 관한 것이다.
본 발명은 생성형 AI을 활용한 공정 최적화 방법 및 시스템에 관한 것으로, 구체적으로는 인공지능 알고리즘을 통해 임의의 공정이 수반하는 다수의 단계들 및 변수들 간 인과관계를 탐색하거나 추론하며, 이에 따른 가설을 도출하여 시뮬레이션 및 검증을 할 수 있도록 한 공정 최적화 방법 및 시스템에 관한 것이다.
본 발명은 영상 내에서 장면을 분할하는 방법 및 이를 위한 시스템에 관한 것이다. 구체적으로, 본 발명은 임의의 장면을 구성하는 숏(shot)들, 특히 특정 숏 뿐만 아니라 이에 인접한 숏들 간의 의미론적 특성을 추출하고, 이러한 특성들을 비교함으로써 장면 간의 전환(transition) 여부를 파악하여 각 장면들을 분할하는 방법 및 시스템에 관한 것이다.
본 발명의 일 실시예에 따른 검색 보강 생성 기술을 활용한 대규모 언어 모델의 정보 제공 방법은, 대본, 질문, 답변, 및 복수의 근거를 각각 포함하는 복수의 데이터세트를 수집하는 단계; 상기 복수의 데이터세트를 리트리버에 제공하는 단계; 상기 리트리버에서 상기 복수의 데이터세트 각각에 대하여, 질문에 대한 연관도가 가장 높은 미리 정해진 제1 개수의 근거를 관련 문서들로 하여 학습을 수행하는 단계; 상기 리트리버의 대비 손실을 계산하고, 상기 대비 손실을 기반으로 상기 리트리버를 미세 조정하는 단계; 상기 리트리버가 대상 질문에 대한 연관도가 가장 높은 미리 정해진 제2 개수의 근거를 제공하는 단계; 대상 대본 앞에 상기 미리 정해진 제2 개수의 근거를 추가하여 대규모 언어 모델에 제공되는 프롬프트를 구성하는 단계; 및 상기 대규모 언어 모델이 상기 프롬프트에 대응하는 답변을 제공하는 단계;를 포함할 수 있다.
본 발명은 차량에 반사된 개인정보 검출 및 비식별화 방법 및 장치에 관한 것으로서, 복수의 개인정보 이미지를 포함하는 원본 이미지셋과, 특정 객체가 차량에 반사된 복수의 차량 이미지를 포함하는 반사 이미지셋을 합하여 결과 이미지셋을 생성하는 단계; 상기 결과 이미지셋을 이용하여 인공지능 모델을 학습시키는 단계; 사용자로부터 입력된 특정 이미지를 학습된 인공지능 모델에 입력하여 상기 특정 이미지로부터 개인정보를 검출하는 단계; 및 상기 특정 이미지로부터 검출된 개인정보를 비식별화하는 단계를 포함한다.
본 발명의 일 실시예에 따른 콘텐츠 제작에 관한 정보를 제공하는 방법은, 대본 파일에 전처리를 수행하는 단계; 상기 전처리된 대본 파일을 분리 및 그룹화하는 단계; 각 분리된 대본 파일에서 미리 정해진 조건을 충족하는 문장들을 하나 이상의 카테고리에 대하여 각각 분류하는 단계; 상기 전처리된 대본 파일의 그룹화에 대한 정보 또는 상기 문장들을 상기 하나 이상의 카테고리에 대하여 각각 분류한 정보를 저장하는 단계; 상기 저장된 정보에 관련된 요청에 대응하여 상기 저장된 정보를 처리하는 단계; 및 상기 처리된 정보를 디스플레이하는 단계를 포함한다.
본 발명은 대규모 언어 모델에 기반하여 유사 콘텐츠를 검색하는 방법, 시스템 및 프로그램에 관한 것이다. 구체적으로는, 사용자가 콘텐츠의 대본 텍스트에 맞춰 유사한 콘텐츠를 찾아 내용을 비교 분석할 수 있도록 하는 방법, 시스템 및 프로그램에 관한 것이다.
본 발명은 음성 인식 기술 및 다양한 요약 기술을 기반으로 요약 콘텐츠를 생성하는 방법 및 시스템에 관한 것이다. 특히, 본 발명은 긴 영상 콘텐츠를 자동으로 분석하고 이에 대한 요약 영상을 생성할 뿐만 아니라, 사용자의 선호도나 특정 주제에 따라 개인화된 짧은 요약 영상을 생성하는 기술에 관한 것이다.
본 발명의 일 실시예에 따른 장치에서 분할 기법과 맥락 정제를 활용하여 장문 텍스트를 요약하는 방법은, 장문 텍스트의 입력을 확인하는 단계, 장문 텍스트를 청크 단위의 텍스트로 분할하는 단계, 개별 요약 모델을 이용하여 상기 분할된 청크들 각각을 요약하는 단계, 상기 요약된 청크들을 결합하는 단계, 맥락 정제 모델을 이용하여 상기 결합된 청크에 대한 맥락 정제를 수행하는 단계 및 상기 맥락 정제된 청크를 최종 요약본으로 확인하는 단계를 포함할 수 있으며, 그 외 다양한 실시예가 가능할 수 있다.
본 발명은 영상과 대본 파일을 페어링하여 자연어 기반의 학습 데이터를 생성하고, 상기 생성된 데이터를 이용하여 이미지 검색 및 추론을 수행하는 방법 및 장치에 관한 것이다.
본 발명은 생성형 인공지능 모델을 활용한 인공지능 모델 학습용 합성 데이터 생성 시스템은, 창작자 단말로부터 키워드 및 문구를 포함하는 키워드 정보를 제공받고, 상기 키워드 정보를 설정된 조합 조건으로 구분하는 키워드 제공부; 상기 키워드 정보를 생성형 인공지능 모델에 입력하여 시놉시스 정보를 생성하는 시놉시스 생성부; 상기 시놉시스 정보와 기존의 시놉시스 정보들과의 유사도를 검증하며, 상기 기존 시놉시스 정보와의 유사도가 낮은 경우에만 검증된 시놉시스 정보로 판단하고, 상기 검증된 시놉시스 정보로 이루어지는 합성 데이터를 생성하는 시놉시스 검증부; 상기 합성 데이터를 기반으로 생성형 인공지능 모델에 입력할 프롬프트 정보를 생성하는 프롬프트 변환부; 및 등장인물, 등장인물 간의 관계, 배경, 장르를 포함하는 상기 조합 조건 및 상기 키워드 정보가 저장되고, 상기 시놉시스 정보 및 합성 데이터가 저장되는 데이터베이스;를 포함하는 합성 데이터 생성 시스템 및 이를 이용하여 창작 데이터를 생성하는 창작 데이터 생성 시스템을 제공하는 것이다.
본 발명은 인공지능 기반의 이미지 변환 방법 및 장치에 관한 것으로서, 사용자로부터 입력받은 데이터가 이미지 또는 동영상인지 여부를 판단하는 제1 단계; 사용자로부터 입력받은 데이터가 이미지인 경우, 상기 이미지를 전처리하는 제2 단계; 인공지능을 이용하여 전처리된 이미지를 HDR(High Dynamic Range) 이미지로 변환하는 제3 단계; 상기 HDR 이미지를 축소시키는 제4 단계; 및 축소된 HDR 이미지를 기학습된 모델에 입력하여 고해상도 이미지로 변환하는 제5 단계를 포함한다.
본 발명은 촬영된 영상 콘텐츠 내에 등장한 장소/공간들을 3D로 복원하는 콘텐츠 영상으로부터의 3D 공간 복원 방법에 관한 것으로, 본 발명의 일실시예는 샷 분할 단계와, 샷 스케일 분류 단계와, 클로즈업 샷 제거 단계와, 비주얼 특징 추출 단계와, 유사 장소 그룹화 단계와, 3D 구조화 단계와, 카메라 움직임 추출 단계와, 프레임 샘플링 단계와, 추가 프레임 3D 구조화 단계와, 렌더링 단계를 포함한다.
본 발명은 사용자 주석 기반의 영상 내 객체 자동 검출 방법 및 장치에 관한 것으로서, 사용자로부터 영상 내 복수의 프레임 중 적어도 하나의 객체를 포함하는 적어도 하나의 프레임을 선택받는 단계; 사용자로부터 상기 적어도 하나의 객체에 관한 주석을 입력받는 단계; 상기 주석을 토대로 데이터 증강 기법을 통해 객체 검출 모델의 학습에 필요한 학습 데이터를 생성하는 단계; 상기 학습 데이터 및 상기 적어도 하나의 객체의 좌표 정보를 포함하는 학습 데이터셋에 기초하여 상기 객체 검출 모델을 학습시키는 단계; 및 학습된 객체 검출 모델을 사용하여 상기 영상으로부터 상기 적어도 하나의 객체를 검출하는 단계를 포함한다.
본 발명은 동영상을 활용하여 동적 장면을 3D 모델로 재현하는 방법 및 이를 위한 장치에 관한 것으로, 구체적으로는 전문인력 투입 없이 해당 모델을 바로 동적 움직임을 갖는 3D 콘텐츠화 할 수 있는 동적 장면을 3D 모델로 재현하는 방법 및 장치에 관한 것이다.
일 실시예에 따른 시스템은 사용자 단말의 CSP 접속 권한과 관련된 인증 정보를 저장하는 DB 서버; 사용자 단말로부터 CSP로의 접근 요청을 획득하면, 상기 DB 서버를 통해 상기 CSP에 대한 상기 사용자 단말의 접속 권한을 확인하여 상기 CSP로의 접근 가부를 결정하는 웹 서버; 상기 웹 서버의 결정에 따라 SSH 터널링을 기반으로 상기 CSP와 연결을 수행하고, 상기 연결에 따라 생성되는 상기 사용자 단말의 로그 정보를 로그 서버에 전송하는 연결 서버; 및 상기 사용자 단말의 CSP 접속 이력과 관련된 로그 정보를 저장하는 로그 서버를 포함할 수 있다.
본 발명은 텍스트 콘텐츠에 대한 분석을 통해 흥행 예측 결과를 제공하는 방법 및 이를 위한 장치에 관한 것으로, 구체적으로는 한글 및 영어를 포함한 다양한 언어로 입력된 텍스트를 분석하여 콘텐츠의 흥행 예측 결과를 제공하는 방법 및 장치에 관한 것이다.
본 발명은 인공지능 API 서비스의 지속적 배포 및 운영 통합 관리 방법 및 장치에 관한 것으로, 본 발명의 일 실시예에 따른 인공지능 API 서비스의 지속적 배포 및 운영 통합 관리 방법은, 인공지능 모델 및 예측 코드 기반으로 API(Application Programming Interface) 서비스를 생성하고 상기 생성된 API 서비스를 배포하는 단계, 컨테이너 관리 기술 기반으로 상기 배포된 API 서비스를 운영하고 관리하는 단계, 및 상기 API 서비스에 대한 운영 데이터 기반으로 상기 인공지능 모델을 고도화하는 단계를 포함한다.
본 발명은 택배를 이용할 때에 사용되는 송장으로부터 배송되는 물건의 카테고리를 분류하는 방법 및 시스템에 관한 것이다. 구체적으로, 본 발명은 택배를 발송하는 과정에서 발생되는 정보들을 활용하여 배송되는 상품의 카테고리를 추정하여 분류하는 방법 및 시스템에 관한 것이다.
본 발명은 편성안 생성 방법 및 이를 위한 시스템에 관한 것이다. 구체적으로 본 발명은 새로운 영화 콘텐츠의 개봉 예정이 없거나 또는 개봉하더라도 예상 객석률이 낮을 경우, 신규 콘텐츠를 대신할 수 있는 과거 콘텐츠를 탐색하여 과거 콘텐츠가 포함된 상태의 편성안을 편성 관리자에게 제공할 수 있는 방법 및 시스템에 관한 것이다.
본 발명은 얼굴데이터에 타겟이미지를 합성하는 방법 및 이를 위한 시스템에 관한 것이다. 구체적으로 본 발명은 실시간으로 인물영상을 송출할 때 인물의 얼굴면에 로고, 상품이미지 등과 같은 특정 타겟이미지를 합성하되, 이 때 타겟이미지가 얼굴면에 정밀하게 합성되어 상대방이 합성된 영상을 보았을 때 이질감 없이 자연스러운 인물영상 및 타겟이미지를 볼 수 있도록 한 방법 및 시스템에 관한 것이다.
본 발명은 시간 규칙성 함수와 최신성-빈도 함수를 활용하여 이벤트 발생 가능성을 예측하는 방법 및 시스템에 관한 것으로, 구체적으로는 미래의 이벤트 발생 가능성을 예측하고자 할 때에 이벤트 발생 시점에 따른 잔존효과를 반영함으로써 종전에 비해 더 정확한 예측이 가능하도록 한 방법 및 시스템에 관한 것이다.
본 발명은 모티브 정보를 입력받고, 입력받은 모티브 정보에 대한 모티브 샘플 음원정보를 수집 및 정제하여 정제 데이터를 생성하고, 정제 데이터를 딥러닝 학습 모델에 입력하여 모티브 마디 음원정보를 생성할 학습 모델 정보를 생성하는 모티브 정보 제공부; 사용자 단말로부터 작곡하고자 하는 모티브 정보를 입력받아 상기 학습 모델 정보를 기반으로 모티브 마디 음원정보를 생성하는 모티브 마디 생성부; 모티브 마디 음원정보로부터 사전 정의된 음악 요소를 추출하고, 사전 학습된 토크나이저를 이용하여 음악 요소 정보를 포함하는 모티브 정보를 토큰화한 후, 토큰화된 모티브 정보를 기반으로 신규 음악정보를 생성하는 음악 생성부; 상기 신규 음악정보가 이전에 창작된 기존 음악정보들과 중복, 또는 유사한지 여부를 확인하고, 확인 결과에 대한 유사도 측정 결과 정보를 생성하는 유사도 측정부; 및 상기 유사도 측정 결과 정보를 수신받아 신규 음악정보의 유사도 측정 결과 기존 음악정보와의 유사한지 여부를 판단하는 제어부;를 포함하는 인공지능 음악 콘텐츠 작곡 장치 및 이를 이용한 음악 콘텐츠 작곡 방법에 관한 것이다.
본 발명은 가상인물을 활용한 작품해설 서비스를 제공하는 방법 및 시스템에 관한 것이다. 구체적으로 본 발명은 사용자가 임의의 전시공간에 입장하였을 시 가상의 인물이 포함된 해설영상이 상기 입장한 사용자가 원하는 조건 또는 상기 입장한 사용자의 조건에 맞는 맞춤형으로 제공될 수 있도록 한 작품해설 서비스 제공 방법 및 시스템에 관한 것이다.
본 발명은 고객들을 대상으로 효율적인 마케팅 전략을 실행하는 방법 및 시스템에 관한 것으로, 구체적으로는 고객가치 감소함수(customer decay function)를 활용하여 고객가치 감소 곡선을 산출하고, 이로부터 넛지마케팅이 가능한 고객 범위를 찾아 마케팅 효과를 극대화 시킬 수 있는 방법 및 시스템에 관한 것이다.
본 발명은 텍스트 입력 기반의 발화가 가능한 가상인물 합성영상을 생성하는 방법 및 시스템에 관한 것이다. 구체적으로, 본 발명은 사용자에 의해 임의의 텍스트가 입력되었을 때, 텍스트로부터 획득될 수 있는 정보들을 활용하여 가상인물을 생성하고, 나아가 이 가상인물이 텍스트에 따라 말하는 것처럼 보이도록 하는 합성영상을 생성하는 방법 및 시스템에 관한 것이다.
본 발명은 하이브리드 아키텍처 기반의 인공지능 모델 배포 자동화 시스템 및 방법에 관한 것으로, 본 발명의 일 실시예에 따른 하이브리드 아키텍처 기반의 인공지능 모델 배포 자동화 시스템은 학습 데이터를 이용하여 인공지능 모델을 학습하는 학습부, 상기 학습된 인공지능 모델을 저장하는 저장부, 상기 학습된 인공지능 모델을 중간 표현 형식(Intermediate Representation, IR)으로 변환하고 미리 정해진 배포 조건을 만족하도록 상기 변환된 인공지능 모델을 최적화하는 변환부, 및 상기 최적화된 인공지능 모델이 미리 정해진 배포 조건을 만족하면 상기 최적화된 인공지능 모델을 배포하는 추론부를 포함한다.
본 발명은 상영관별 맞춤형 콘텐츠 상영표 생성 방법 및 이를 위한 시스템에 관한 것이다. 보다 자세하게는 콘텐츠 상영표 생성 서버가 분석 리소스 데이터 제공 서버로부터 상영관별 주변 상권에 관한 데이터, 콘텐츠에 관한 데이터, 소셜 네트워크에 관한 데이터 등을 획득하면, 예측 모델링 알고리즘이 획득한 데이터를 학습하여 상영관별 특징에 기인한 예측 결과 값(예. 관객 수, 주 연령층 등)을 도출하여, 예측 결과 값을 기반으로 상영관별 맞춤형 콘텐츠 상영표를 생성하는 방법 및 이를 위한 시스템에 관한 것이다.
본 발명은 뉴럴 렌더링 기반의 3차원 가상공간 생성 방법 및 이를 위한 서버에 관한 것으로, 구체적으로는 2차원 영상으로부터 동적 오브젝트를 제거한 뒤 공간 이미지를 획득하고, 위 2차원 영상, 그리고 위 2차원 영상을 촬영하는 데에 활용된 장치들로부터 렌더링 데이터를 수집한 뒤 위 공간 이미지 및 렌더링 데이터를 활용하여 3차원 가상공간을 생성하는 방법 및 서버에 관한 것이다.
본 발명은 인공지능에 기반한 미생물의 종을 예측하는 방법 및 장치에 관한 것이다. 구체적으로, 본 발명은 방대한 DNA 데이터베이스에 인공지능(artificial intelligence, AI)의 언어 모델을 도입함으로써 보다 효율적으로 미생물의 종 예측을 가능하게 하는 방법 및 장치에 관한 것이다.
본 발명은 영상 정보를 생성할 프레임 정보를 제공하는 사용자 단말; 상기 프레임 정보를 수신받으며, 수신받은 상기 프레임 정보의 특정벡터를 추출한 후, 상기 특정벡터와 동일/유사한 추천 프레임 정보를 생성하여, 상기 프레임 정보와 상기 추천 프레임 정보를 포함하는 최종 결정 프레임 정보를 생성하고, 생성된 최종 결정 프레임 정보를 클러스터링(Clustering) 및 정렬하여 배치 순서를 도출하며, 상기 최종 결정 프레임 정보를 기반으로 영상보간(Frame Interpolation)을 수행하여 영상 정보를 생성하는 영상 생성 서버; 및 상기 영상 생성 서버로부터 전송되는 프레임 정보들이 저장되는 데이터베이스;를 포함하는 AI를 이용한 영상 정보 생성 시스템 및 AI를 이용한 영상 정보 생성 시스템을 이용한 영상 정보 생성 방법을 제공하는 것을 특징으로 한다.
본 발명은 사용자 단말로부터 오류 검증을 수행해야 할 동영상 정보를 수신받아 저장하고, 저장한 동영상 정보에 대한 추출 프레임 간격 정보를 생성하며, 상기 추출 프레임 간격 정보를 포함하는 오류 검증 요청 신호를 생성하여 전송하는 동영상 정보 제공부; 및 상기 동영상 정보 제공부로부터 상기 오류 검증 요청 신호를 수신받으며, 수신받은 상기 오류 검증 요청 신호에 포함되어 있는 동영상 정보에 대한 오류의 종류를 판별하고, 판별한 오류의 종류에 따라 상기 동영상 정보의 오류를 검증하여 오류 검증 결과 정보를 생성하며, 생성한 상기 오류 검증 결과 정보를저장함과 동시에 상기 동영상 정보 제공부로 전송하는 동영상 품질 분석 서버;를 포함하는 인공지능 기반 동영상 품질 분석 시스템 및 이를 이용한 동영상 품질 분석 방법을 제공하는 것이다.
본 발명은 단어, 문장, 단락을 포함하는 창작 문구를 생성할 키워드와 상기 키워드의 콘텐츠 도메인을 입력 및 전송하며, 상기 창작 문구를 수신받아 디스플레이하는 사용자 단말; 콘텐츠 도메인별로 텍스트 정보로 이루어지는 데이터를 수집 및 정제하고, 정제된 데이터를 딥러닝 모델을 통해 학습이 이루어지도록 하이퍼 파라미터의 세팅이 이루어지도록 구성되며, 학습이 완료된 학습 모델 정보 및 상기 학습 모델의 레이어와 가중치를 저장하는 학습서버; 상기 사용자 단말 및 학습서버와 네트워크로 연결되며, 상기 사용자 단말로부터 키워드 및 콘텐츠 도메인이 수신되면, 상기 학습서버에 저장된 학습모델을 기반으로 창작 문구를 생성하는 창작 문구 생성 서버;를 포함하는 것을 특징으로 하는 인공지능 기반 창작 문구 생성 시스템 및 이 시스템을 이용한 창작 문구 생성 방법을 제공하는 것이다.
본 발명은 고객 별로 맞춤형 마케팅 문구를 생성하는 방법 및 이를 위해 필요한 시스템에 관한 것이다. 구체적으로 본 발명은 고객으로부터 수집된 행동데이터를 활용하여 개별 고객의 성향을 분석하고, 분석된 고객 성향에 따라 맞춤형 마케팅 문구를 생성 및 제공하는 방법, 그리고 이를 위한 시스템에 관한 것이다.
본 발명은 인공지능 기반 동영상 콘텐츠 내 섬네일 및 하이라이트 검출 방법 및 시스템에 관한 것으로서, 섬네일 검출이 선택된 경우, 하나의 입력된 영상에서 섬네일을 탐색할 영상 구간을 선택하고, 선택된 영상 구간으로부터 제1 복수의 이미지를 추출하는 단계; 제1 인공 신경망 모델을 이용하여, 추출된 제1 복수의 이미지 중 주요 대상이 포함된 복수의 제2 이미지를 추출하는 단계; 제2 인공 신경망 모델을 이용하여, 추출된 복수의 제2 이미지 중 자막이 없는 복수의 제3 이미지를 추출하는 단계; 추출된 복수의 제3 이미지를 후처리하여 최종 섬네일 이미지 후보 리스트로 출력하는 단계; 하이라이트 검출이 선택된 경우, 입력된 영상을 샷 단위로 분할하는 단계; 분할된 샷의 시각 및 음성 정보를 복수의 제3 인공 신경망 모델에 입력하여 복수의 하이라이트 후보군을 추출하는 단계; 복수의 제4 인공 신경망 모델을 이용하여 샷마다의 하이라이트 점수를 계산하는 단계; 각 하이라이트 후보군에 포함된 샷들의 하이라이트 점수를 합산하여 총 하이라이트 점수를 계산하는 단계; 및 상기 복수의 하이라이트 후보군 중 가장 높은 총 하이라이트 점수를 가지는 하이라이트 후보군을 최종 하이라이트 영상으로 출력하는 단계를 포함한다.
본 발명은 인공지능 기반 랜드마크를 이용한 이미지 발화 영상 생성 방법 및 장치에 관한 것으로, 본 발명의 일 실시예에 따른 이미지 발화 영상 생성 방법은, 얼굴 구성요소의 기준 위치가 정의된 사용자 정의 템플릿을 설정하는 단계, 상기 설정된 사용자 정의 템플릿을 기반으로 입력 이미지에서 얼굴 구성요소의 위치를 나타내는 얼굴 랜드마크(Landmark)를 생성하는 단계, 입력 음성과 상기 생성된 얼굴 랜드마크를 이용해 상기 입력 음성에 따라 움직이는 프레임별 얼굴 랜드마크를 생성하는 단계, 및 상기 입력 이미지, 상기 입력 음성 및 상기 생성된 프레임별 얼굴 랜드마크를 이용해, 상기 입력 이미지에 대해 상기 입력 음성에 따라 움직이는 이미지 발화 영상을 생성하는 단계를 포함한다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 97건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 7,277.4 | 7,947.7 |
| 매출원가 | (6,189.3) | (6,613.7) |
| 매출총이익(손실) | 1,088.1 | 1,334.0 |
| 판매비와관리비 | (514.3) | (512.4) |
| 영업이익(손실) | 573.8 | 821.6 |
| 영업외수익 | 88.5 | 191.1 |
| 기타이익 | 33.3 | 120.9 |
| 금융수익 | 55.2 | 70.3 |
| 영업외비용 | (126.2) | (68.0) |
| 기타손실 | (77.3) | (21.2) |
| 금융원가 | (48.9) | (46.7) |
| 법인세비용차감전순이익(손실) | 536.1 | 944.7 |
| 법인세비용 | (128.4) | (232.0) |
| 당기순이익(손실) | 407.6 | 712.8 |
매출은 7,947.7억으로 전년 대비 9.2% 증가한 것으로 나타났다.
영업이익률은 10.3%로 전년 7.9%에서 상승했다.
당기순이익은 712.8억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-05 확인