Loading the company…
Loading the company…
㈜웨스트월드
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Gyeonggi, founded in 2018. Industry: Media & Content. Group consolidated revenue for 2025 was ₩26.7bn — this includes subsidiaries and is not the revenue of this entity alone. It has 198 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2025-05-22 · latest registration 2026-09-30 · newest first
본 개시의 일 실시예에 따라 영상 촬영 시스템의 안정화 장치가 개시된다. 상기 장치는, 복수의 카메라들이 배치되도록 구성된 플레이트(Plate); 지면을 기준으로 상기 복수의 카메라들에 가해지는 수평 방향의 물리적 자극을 흡수하기 위한 제 1 완충 모듈; 및 상기 제 1 완충 모듈과 결합되고, 상기 지면을 기준으로 상기 복수의 카메라에 가해지는 수직 방향의 물리적 자극을 흡수하기 위한 제 2 완충 모듈을 포함하고, 상기 플레이트 및 상기 제 1 완충 모듈 사이에는, 상기 복수의 카메라에 가해지는 복수의 방향들의 물리적 자극들을 흡수하기 위한 추가 완충 모듈이 추가로 설치될 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 인공 신경망 모델을 활용하여 다중 뷰포인트(Viewpoint) 360도 영상을 생성하는 방법이 개시된다. 구체적으로, 본 개시에 따르면, 컴퓨팅 장치가 제1 카메라에 의해 획득된 제1 영상 데이터 및 제2 카메라에 의해 획득된 제2 영상 데이터를 식별하고, 인공 신경망 모델을 활용하여, 상기 제1 영상 데이터 및 상기 제2 영상 데이터에 포함된, 동일한 시점(time point)의 프레임 데이터를 각각 포인트 클라우드 데이터로 변환하고, 상기 각각의 포인트 클라우드 데이터를 정합하는 것을 기초로 통합 포인트 클라우드 데이터를 생성하고, 상기 통합 포인트 클라우드 데이터, 상기 제1 영상 데이터 및 상기 제2 영상 데이터를 기초로 제3 영상 데이터를 생성하되, 상기 제3 영상 데이터는, 가상의 뷰포인트를 기반으로 한 360도 영상 데이터를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 실시간 리타겟팅 및 퍼포먼스 캡쳐를 위한 사용자 인터페이스(User Interface)를 제공하는 방법이 개시된다. 상기 방법은, 사용자 인터페이스의 제 1 영역에 캐릭터의 속성에 대한 정보를 표시하고, 상기 제 1 영역을 통해 캐릭터의 속성에 대한 조정 정보를 수신하는 단계; 상기 수신된 캐릭터의 속성에 대한 조정 정보에 기초하여, 상기 조정 정보가 반영된 캐릭터의 시각적 정보를 상기 사용자 인터페이스의 제 2 영역에 표시하는 단계; 모션 캡쳐를 진행하는 과정에서 모션 정보를 수신하고, 상기 수신된 모션 정보와 상기 조정 정보가 반영된 캐릭터를 연관시키기 위한 제어 정보를 상기 사용자 인터페이스의 제 3 영역에 표시하고, 상기 제 3 영역을 통해 조정 제어 정보를 수신하는 단계; 및 상기 수신된 조정 제어 정보에 기초하여, 상기 조정 제어 정보가 반영된 캐릭터의 시각적 정보를 상기 사용자 인터페이스의 제 2 영역에 표시하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 3차원 배치 데이터 생성 방법이 개시된다. 상기 방법은, 실측 지도 이미지(real map image)를 획득하는 단계, 상기 실측 지도 이미지 내의 하나 이상의 구조물에 대한 중심점을 추출하는 단계, 상기 중심점에 기초하여, 상기 하나 이상의 구조물에 대한 위치 정보 또는 회전 정보 중 적어도 어느 하나를 계산하는 단계, 및 상기 위치 정보 또는 상기 회전 정보 중 적어도 어느 하나를 포함하는 3차원 배치 데이터를 생성하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 이미지 획득 방법이 개시된다. 상기 방법은, 촬영 타겟에 대한 데이터를 획득하는 단계, 상기 촬영 타겟에 대한 데이터에 기초하여, 조절 가능한 촬영 장치의 촬영 모드를 선택하는 단계, 및 상기 선택된 촬영 모드로 동작하는 상기 조절 가능한 촬영 장치를 활용하여, 상기 촬영 타겟을 촬영한 복수의 이미지들을 획득하는 단계를 포함하고, 상기 조절 가능한 촬영 장치의 촬영 모드는, 상기 조절 가능한 촬영 장치의 촬영 궤적에 대한 정보, 상기 조절 가능한 촬영 장치의 촬영 속도에 대한 정보, 또는 상기 조절 가능한 촬영 장치의 촬영 환경에 대한 정보 중 적어도 어느 하나를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 타겟 인물의 바디(Body) 정보 획득 방법이 개시된다. 상기 방법은, 조절 가능한 촬영 장치를 활용하여 상기 타겟 인물을 복수의 방향들로 촬영한 복수의 이미지들을 획득하는 단계, 상기 획득된 복수의 이미지들에 기초하여 상기 타겟 인물의 3D 바디 이미지를 생성하는 단계, 및 상기 생성된 3D 바디 이미지에 기초하여 상기 타겟 인물의 바디 정보를 추출하는 단계를 포함하고, 상기 조절 가능한 촬영 장치는, 상기 타겟 인물의 변경에 대응하여 물리적인 구조가 조절될 수 있는 프레임 모듈, 및 상기 프레임 모듈 상에 장착되는 복수의 카메라들을 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 신경망 모델을 활용하여 영상의 조명을 조정하기 위한 방법이 개시된다. 상기 방법은, 적어도 하나의 객체가 포함된 영상을 획득하는 단계; 상기 획득된 영상에 기초하여 상기 영상의 구도 특징에 대한 정보를 획득하는 단계; 상기 획득된 영상의 구도 특징에 대한 정보에 기초하여 상기 영상에 대한 적어도 하나의 정보를 획득하는 단계; 및 상기 획득된 영상에 대한 적어도 하나의 정보에 기초하여 상기 영상으로부터 후처리된 영상을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 버추얼 프로덕션에서 가상 카메라의 위치를 결정하기 위해 컴퓨팅 장치에서 수행되는 방법이 개시된다. 구체적으로, 본 개시에 따르면, 컴퓨팅 장치가, 하나 이상의 객체를 포함하는 제1 장면을 촬영한 복수의 이미지들을 식별하고, 상기 복수의 이미지들을 기초로, 상기 제1 장면에 대응되는 포인트 클라우드 데이터를 생성하고, 상기 포인트 클라우드 데이터를 기초로, 하나 이상의 가상 카메라를 배치하고, 그리고 상기 하나 이상의 가상 카메라 각각의 파라미터를 조정한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 신경망 모델을 활용하여 영상을 획득하기 위한 방법이 개시된다. 상기 방법은, 적어도 하나의 객체가 포함된 제 1 영상을 획득하고, 상기 제 1 영상에 포함된 촬영 정보를 획득하는 단계; 상기 제 1 영상에 기초하여 제 1 객체 정보 및 제 1 배경 정보를 획득하는 단계; 제 1 신경망 모델을 활용하여, 상기 제 1 배경 정보 및 상기 촬영 정보에 기초하여 제 2 배경 정보를 획득하는 단계; 및 제 2 신경망 모델을 활용하여, 상기 제 1 객체 정보 및 상기 제 2 배경 정보에 기초하여 제 2 영상을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 조명이 조정된 이미지 생성 방법이 개시된다. 상기 방법은, 이미지에 포함된 오브젝트(object)의 움직임에 기초하여, 모션 데이터를 획득하는 단계, 상기 모션 데이터에 기초하여, 상기 이미지와 연관된 조명 파라미터를 조정하는 단계, 및 방사형 필드(Radiance Field) 기반의 신경망 모델을 활용하여, 상기 조정된 조명 파라미터를 기초로, 상기 오브젝트의 움직임에 대응하여 조명이 조정된 이미지를 생성하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 이미지 생성 방법이 개시된다. 상기 방법은, 입력 데이터를 타일 단위에 기초하여 분할하는 단계, 병렬 연결된 복수의 연산 소자들을 활용하여, 각각의 분할된 데이터에 대한 3D 렌더링 연산을 수행하는 단계, 및 각각의 연산된 데이터를 병합하여 출력 데이터를 생성하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 3D 안면 스캔 데이터를 처리하기 위해 컴퓨팅 장치에서 수행되는 방법이 개시된다. 구체적으로, 본 개시에 따르면, 컴퓨팅 장치가, 안면 스캔 장비를 기초로 획득된 원본 데이터를 식별하고,상기 원본 데이터를 기초로 렌더링을 위한 변환 데이터를 생성하고, 복수의 3D 변환 서브모듈들을 포함하는 렌더링 모듈을 활용하여, 상기 변환 데이터를 기초로 렌더링 데이터를 생성하되, 상기 복수의 3D 변환 서브모듈들 각각은 자동화된 변환 스크립트 기반으로 동작한다.
본 개시의 컴퓨팅 장치에 의해 수행되는, 포인트 클라우드 데이터를 활용한 실시간 렌더링 방법이 개시된다. 상기 방법은, 동적 장면을 촬영하여 복수의 프레임들을 획득하는 단계와, 각 프레임 별로 타겟 객체의 기하학적 정보를 포인트 클라우드 데이터로 변환하는 단계와, 상기 포인트 클라우드 데이터를 활용하여, 두 프레임 간 보간 처리를 수행하는 단계와, 상기 보간된 데이터를 기초로 렌더링하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 디지털 마커(Marker) 예측 방법이 개시된다. 상기 방법은, 입력된 영상으로부터 하나 이상의 프레임(Frame)을 추출하는 단계, 및 신경망 모델을 활용하여, 상기 하나 이상의 프레임에 포함된 얼굴에 대한 제 1 타입의 디지털 마커들 및 제 2 타입의 디지털 마커들을 예측하는 단계를 포함하고, 상기 제 1 타입의 디지털 마커들은, 상기 제 2 타입의 디지털 마커들과는 상이한 차원(Dimension)의 마커들일 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 얼굴 정보 획득 방법이 개시된다. 상기 방법은, 서로 상이한 방향으로 배치된 복수의 카메라들을 활용하여 동적인 인물을 촬영한 복수의 이미지들을 획득하는 단계, 상기 인물에 대한 모션 캡처(Motion capture) 정보 또는 상기 복수의 카메라들에 대한 위치 정보 중 적어도 어느 하나를 활용하여, 상기 복수의 카메라들 중 상기 동적인 인물의 얼굴 정보를 추출할 카메라를 선택하는 단계, 및 상기 선택된 카메라에 의해 생성된 이미지로부터 상기 동적인 인물의 얼굴 정보를 추출하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 모션 정보 생성 방법이 개시된다. 상기 방법은, 오브젝트(object)의 움직임에 기초하여, 모션 데이터를 생성하는 단계, 상기 모션 데이터의 특성을 분석하는 단계, 상기 분석된 특성에 기초하여, 상기 모션 데이터에 대해 태깅(tagging)하는 단계, 및 상기 태깅된 모션 데이터를 조합하여, 모션 시퀀스(Sequence)를 생성하는 단계를 포함하고, 상기 모션 데이터는, 상기 오브젝트에 대한 좌표 데이터, 위치 데이터, 속도 데이터, 포즈(Pose) 데이터, 또는 각도 데이터 중 적어도 어느 하나를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 데이터를 관리하기 위한 방법이 개시된다. 상기 방법은, 적어도 하나의 객체가 포함된 영상을 획득하는 단계; 상기 획득된 영상에 대한 적어도 하나의 서브 정보를 획득하는 단계; 신경망 모델을 활용하여, 상기 서브 정보에 대한 특징을 획득하고, 상기 서브 정보에 대한 특징에 기초하여 상기 영상에 포함된 객체에 대한 태그를 획득하는 단계; 및 상기 서브 정보와 상기 획득된 객체에 대한 태그를 서로 연관시키는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 다차원 얼굴 정보를 획득하기 위한 방법이 개시된다. 상기 방법은, 얼굴이 포함된 제 1 이미지를 획득하는 단계; 사용자 입력을 수신하고, 상기 사용자 입력에 기초하여 상기 얼굴이 포함된 제 2 이미지를 획득하는 단계; 신경망 모델을 활용하여, 상기 제 1 이미지 및 상기 제 2 이미지에 기초하여 얼굴 영상을 획득하는 단계; 및 상기 얼굴 영상에 기초하여 상기 얼굴에 대한 다차원 정보를 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 신경망 모델을 활용하여 얼굴 영상을 획득하기 위한 방법이 개시된다. 상기 방법은, 제 1 인물의 제 1 연령의 얼굴이 포함된 소스 영상을 획득하는 단계; 상기 제 1 연령과 상이한 제 2 연령의 얼굴이 포함된 타겟 영상을 획득하는 단계; 상기 소스 영상 및 상기 타겟 영상에 기초하여 얼굴 부위별 가중치를 결정하는 단계; 및 신경망 모델을 활용하여, 상기 결정된 가중치에 기초하여 상기 소스 영상 및 상기 타겟 영상을 결합하고, 결합 영상을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 영상을 처리하기 위한 방법이 개시된다. 상기 방법은, 객체가 포함된 영상을 획득하는 단계; 상기 획득된 영상에 기초하여 상기 영상의 특징을 획득하고, 상기 획득된 영상의 특징에 기초하여 상기 영상의 유형을 결정하는 단계; 상기 결정된 영상의 유형에 기초하여 복수의 영상 처리 과정 중 적어도 하나를 결정하는 단계; 상기 결정된 영상 처리 과정에 기초하여 상기 영상으로부터 후처리 데이터를 획득하는 단계; 및 상기 획득된 후처리 데이터에 기초하여 최종 렌더링(Rendering) 데이터를 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 가상 환경을 구현하기 위한 방법이 개시된다. 상기 방법은, 사용자 입력을 수신하고, 상기 사용자 입력에 기초하여 가상 환경을 구현하기 위한 사전 정보를 획득하는 단계; 상기 사용자 입력에 기초하여 임시 가상 환경을 획득하는 단계; 상기 사전 정보에 기초하여 상기 임시 가상 환경에 포함된 적어도 하나의 객체에 대해 시각적 특징을 적용하는 단계; 및 신경망 모델을 활용하여, 상기 시각적 특징이 적용된 임시 가상 환경에 기초하여 임시 영상을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 이미지(Image) 생성 방법이 개시된다. 상기 방법은, 이미지에 포함된 적어도 하나의 오브젝트(object)를 검출하는 단계, 상기 적어도 하나의 오브젝트에 기초하여, 상기 이미지를 복수의 레이어(Layer)들로 분할하는 단계, 상기 분할된 복수의 레이어들의 깊이 정보를 계산하는 단계, 상기 계산된 깊이 정보에 기초하여, 상기 복수의 레이어들 중 적어도 하나의 레이어에 대해 이미지 인페인팅(Image Inpainting)을 수행하는 단계, 및 상기 이미지 인페인팅이 수행된 적어도 하나의 레이어를 병합하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 영상의 정확도를 높이기 위한 방법이 개시된다. 상기 방법은, 영상에 대한 위치와 관련된 제 1 데이터를 획득하는 단계; 상기 영상의 움직임과 관련된 제 2 데이터를 획득하는 단계; 상기 제 1 데이터에 기초하여 상기 제 2 데이터를 보완하고, 상기 제 2 데이터에 기초하여 상기 제 1 데이터를 보완하여 결합 데이터를 획득하는 단계; 및 상기 결합 데이터 및 상기 영상에 기초하여 최종 영상을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 시뮬레이션을 기초로 모션 캡쳐 공간을 설계하기 위해 컴퓨팅 장치에서 수행되는 방법이 개시된다. 구체적으로, 본 개시에 따르면, 컴퓨팅 장치가, 제1 모션 캡쳐 시나리오에 포함된 하나 이상의 입력 변수와 관련된 정보를 식별하고, 상기 하나 이상의 입력 변수와 관련된 정보 및 모션 캡쳐 공간의 제1 설계 정보를 시뮬레이터에 입력하고, 상기 시뮬레이터를 기초로, 하나 이상의 출력 변수와 관련된 정보를 생성하고, 상기 출력 변수와 관련된 정보를 기초로, 상기 제1 설계 정보를 수정하여 제2 설계 정보를 생성한다.
본 개시의 일 실시예에 따라 인공 신경망 모델을 활용한 모션 캡쳐를 위해 컴퓨팅 장치에서 수행되는 방법이 개시된다. 구체적으로, 본 개시에 따르면, 컴퓨팅 장치가, 카메라 영상을 제1 인공 신경망 모델에 입력하고, 상기 제1 인공 신경망 모델을 활용하는 것을 기초로, 모션 캡쳐 공간 내 하나 이상의 객체의 변동과 관련된 이벤트 정보를 생성하고, 상기 이벤트 정보를 기초로, 상기 카메라 영상과 관련된 하나 이상의 객체에 대한 제1 모션 캡쳐 데이터를 생성한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 신경망 모델을 활용하여 영상을 획득하기 위한 방법이 개시된다. 상기 방법은, 영상과 관련된 자연어 입력을 획득하는 단계; 상기 자연어 입력에 기초하여 적어도 하나의 키워드를 획득하는 단계; 상기 적어도 하나의 키워드에 기초하여 신경망 모델에 입력하기 위한 프롬프트를 획득하는 단계; 상기 적어도 하나의 키워드에 기초하여 상기 프롬프트에 대한 가중치를 결정하는 단계; 및 상기 신경망 모델을 활용하여 상기 가중치가 결정된 프롬프트에 기초하여 영상을 획득하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 프로덕션(Production) 데이터의 실시간 렌더링을 위해 컴퓨팅 장치에서 수행되는 방법이 개시된다. 구체적으로, 본 개시에 따르면, 컴퓨팅 장치가, 실시간으로 전송되는 프로덕션 데이터에 포함된 제1 데이터 스트림 및 제2 데이터 스트림을 식별하고, 제1 시점에서 상기 제1 데이터 스트림을 렌더링하기 위해 필요한 리소스(Resource)와 관련된 제1 리소스 정보를 생성하고, 상기 제1 시점에서 상기 제2 데이터 스트림을 렌더링하기 위해 필요한 리소스와 관련된 제2 리소스 정보를 생성하고, 상기 제1 리소스 정보 및 상기 제2 리소스 정보를 기초로, 시스템 리소스를 동적으로 할당한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 신경망 모델을 활용하여 데이터를 변환하기 위한 방법이 개시된다. 상기 방법은, 복수의 제 1 랜더링 특징이 포함된 제 1 학습 데이터를 획득하는 단계; 상기 복수의 제 1 랜더링 특징과 적어도 일부가 상이한 제 2 랜더링 특징이 포함된 제 2 학습 데이터를 획득하는 단계; 신경망 모델을 활용하여 상기 제 1 학습 데이터에 기초하여 상기 복수의 제 1 랜더링 특징 각각에 대한 제 1 세부 특징을 추출하는 단계; 상기 신경망 모델을 활용하여 상기 제 2 학습 데이터에 기초하여 상기 복수의 제 2 랜더링 특징 각각에 대한 제 2 세부 특징을 추출하는 단계; 상기 제 2 학습 데이터, 상기 제 1 세부 특징, 상기 제 1 학습 데이터 또는 상기 제 2 세부 특징 중 적어도 둘에 기초하여 손실 함수를 계산하는 단계; 및 상기 손실 함수에 기초하여 상기 신경망 모델을 학습시키는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 3D 건물 오브젝트(3D Building Object) 생성 방법이 개시된다. 상기 방법은, 건물 정보를 수신하는 단계, 상기 수신한 건물 정보에 기초하여, 오브젝트 생성 코드를 생성하는 단계, 및 상기 오브젝트 생성 코드에 기초하여, 3D 건물 오브젝트를 생성하는 단계를 포함하고, 상기 오브젝트 생성 코드는, 상기 수신한 건물 정보를 세분화(Breakdown)한 건물 요소(Building Component)에 대응되는 템플릿 요소(Template Component)에 기초하여 생성될 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 영상 보정 방법이 개시된다. 상기 방법은, 촬영된 영상으로부터 복수의 프레임(Frame)들을 추출하는 단계, 상기 복수의 프레임들 각각에 대한 움직임 정보 또는 상기 복수의 프레임들 사이의 광학 정보 중 적어도 하나를 추출하는 단계, 및 상기 추출된 상기 복수의 프레임들 각각에 대한 움직임 정보 또는 상기 복수의 프레임들 사이의 광학 정보 중 적어도 하나를 활용하여, 상기 촬영된 영상에 대한 보정 정보를 생성하는 단계를 포함할 수 있다.
본 발명은 이미지 합성 장치 및 방법에 관한 것으로, 영상을 촬영하는 카메라와, 적어도 상기 카메라의 렌즈값을 원격에서 제어하는 원격 제어부와, 상기 원격 제어부에서 제어된 카메라의 렌즈값을 메타파일로 저장하는 메타파일 저장부와, 상기 카메라에서 촬영된 이미지와 소스 이미지를 합성하는 합성 소프트웨어를 구동하되, 상기 합성 소프트웨어 상에서 생성되는 가상 3D 카메라의 렌즈값을 상기 메타파일에서 추출하여 적용하는 합성장치부를 포함할 수 있다.
본 발명은 장면 분석을 통한 영상 검색 시스템 및 방법에 관한 것으로, 사용자 단말(90)의 이미지 검색요청 및 이미지 저장요청을 처리하는 이미지 검색 플랫폼(10)과, 상기 이미지 검색 플랫폼(10)을 통해 접수된 저장 이미지 또는 검색 이미지에서 오브젝트를 추출하는 오브젝트 추출부(20)와, 상기 오브젝트 추출부(20)에서 추출된 오브젝트가 저장 이미지 또는 검색 이미지에서 위치하는 위치 정보를 판별하는 오브젝트 위치 판별부(40)와, 상기 오브젝트 추출부(20)의 추출결과와 오브젝트 위치 판별부(40)의 위치 정보를 저장 이미지에 태깅하는 이미지 태깅부(50)와, 오브젝트 정보와 위치 정보가 태깅된 이미지를 이미지 데이터베이스(80)에 저장하는 저장관리부(60)와, 상기 이미지 데이터베이스(80)로부터 상기 오브젝트 추출부(20) 및 오브젝트 위치 판별부(40)에서 판별된 검색 이미지의 오브젝트 및 오브젝트 위치에 부합하는 이미지를 검색하여 상기 이미지 검색 플랫폼(10)에 제공하는 검색관리부(70)를 포함한다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 32 of 32 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 33.1 | 26.7 |
| Operating expenses | 29.5 | 29.0 |
| Operating income (loss) | 3.6 | (2.3) |
| Non-operating income | 4.3 | 7.1 |
| Other gains | 0.7 | 0.3 |
| Finance income | 3.6 | 6.8 |
| Non-operating expenses | 2.9 | 2.2 |
| Other losses | 0.0 | 0.2 |
| Finance costs | 2.8 | 2.0 |
| Profit (loss) before tax | 5.1 | 2.6 |
| Income tax expense | (0.0) | (0.1) |
| Net income (loss) | 5.1 | 2.8 |
Revenue ₩26.7bn, down 19.4% YoY.
Operating margin -8.7% (prior 11.0%).
Net income ₩2.8bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-06