Server and method for facilitating using personalised image for on-demand service

Abstract

Aspects concern a server for facilitating using a personalised image for an on-demand service, the server comprising: a memory configured to store instructions; and a processor for executing the stored instructions and configured to: obtain a captured image of a user of the on-demand service; create a first image representing the user in an on-demand service platform, based on the captured image of the user; obtain information about an activity of the user for the on-demand service; create a second image based on the first image and the information about the activity of the user; and display the second image on a user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service.

Description

SERVER AND METHOD FOR FACILITATING USING PERSONALISED IMAGE FOR ON-DEMAND SERVICETECHNICAL FIELD

[0001] Various embodiments relate to a server and a method for facilitating using a personalised image for an on-demand service.BACKGROUND

[0002] Due to development of information technology, a consumer (who in some contexts herein may also be referred to as a “requester” , a “customer” , an “eater” , a “passenger” or a “Pax” ) may request an on-demand service using a computing device associated with the consumer. The on-demand service may allow the consumer to fulfil the consumer’s demand via an immediate access to goods and / or services. The consumer may request the on-demand service, for example, an item delivery service or a transport service (also referred to as an “e-hailing service” or a “car-hailing service” ) , using a user interface provided by an on-demand service platform and presented on the computing device associated with the consumer. To request the on-demand service, the consumer may make an order (also referred to as a “booking” ) for the on-demand service.

[0003] A server providing the on-demand service platform provided by an on-demand service platform provider may receive the order and allocate the order to a delivery service provider (who in some contexts herein may also be referred to as a “driver” , a “driver partner” , a “delivery partner” , a “delivery agent” or a “Dax” ) . If the item delivery service is requested, the server may request an item provider (who in some contexts herein may also be referred to  as a “merchant” , a “food provider” , a “restaurant” or a “Mex” ) to prepare an item for the order so that the delivery service provider may pick up the item and deliver the item to the consumer. If the transport service is requested, the server may request the delivery service provider to pick up the consumer and drop off the consumer at a requested destination.

[0004] However, conventionally, even though the server provides the on-demand service platform that users of the on-demand service (including the consumer, the delivery service provider, and / or the item provider) may share their experiences like a social media platform, the users have been rarely shared their experiences of the on-demand service, and thus user engagement for the on-demand service platform has been low.

[0005] Meanwhile, due to development of AI (Artificial Intelligent) technologies, for example, generative AI technologies, it may be considered to use AI-generated images in marketing to increase the user engagement.

[0006] Therefore, there is a need to provide a solution for generating and using personalised images in the on-demand service platform, to improve the user engagement in the on-demand service platform.SUMMARY

[0007] According to various embodiments, there is a server for facilitating using a personalised image for an on-demand service, the server comprising: a memory configured to store instructions; and a processor for executing the stored instructions and configured to: obtain a captured image of a user of the on-demand service; create a first image representing the user in an on-demand service platform, based on the captured image of the user; obtain information about an activity of the user for the on-demand service; create a second image based on the first image and the information about the activity of the user; and display the  second image on a user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service.

[0008] In some embodiments, the processor is further configured to: obtain background information about the user; and create the first image representing the user, further based on the background information about the user and a predetermined visual identity of the on-demand service platform.

[0009] In some embodiments, the background information about the user includes at least one of first information about a profile of the user and second information about a preference of the user.

[0010] In some embodiments, the processor is further configured to: extract, using an image encoder, at least one feature data from the captured image of the user; extract, using a text encoder, at least one sequence data from the first information about the profile of the user; extract, using a graph encoder, at least one graph data from the second information about the preference of the user; and fuse, using a cross attention layer, the at least one feature data, the at least one sequence data, and the at least one graph data, to create the first image.

[0011] In some embodiments, the processor is further configured to: check if the first image meets at least one first predetermined criterion; and if it is determined that the first image does not meet the at least one first predetermined criterion, modify the first image to meet the at least one first predetermined criterion before using the first image to represent the user.

[0012] In some embodiments, the processor is further configured to: receive a first input for the first image from the user; and modify the first image based on the first input received from the user, before using the first image to represent the user.

[0013] In some embodiments, the information about the activity of the user includes at least one of third information about an order attribute of the user and fourth information about a query from the user.

[0014] In some embodiments, the processor is further configured to: extract, using an image encoder, at least one feature data from the first image representing the user; extract, using a tabular encoder, at least one data table from the third information about the order attribute of the user; extract, using a text encoder, at least one sequence data from the fourth information about the query from the user; and fuse, using a cross attention layer, the at least one feature data, the at least one data table, and the at least one sequence data, to create the second image.

[0015] In some embodiments, the processor is further configured to: check if the second image meets at least one second predetermined criterion; and if it is determined that the second image does not meet the at least one second predetermined criterion, modify the second image to meet the at least one second predetermined criterion before displaying the second image on the user interface screen.

[0016] In some embodiments, the processor is further configured to: receive a second input for the second image from the user; and modify the second image based on the second input received from the user, before displaying the second image on the user interface screen.

[0017] According to various embodiments, there is a method for facilitating using a personalised image for an on-demand service, the method comprising: obtaining a captured image of a user of the on-demand service; creating a first image representing the user in an on-demand service platform, based on the captured image of the user; obtaining information about an activity of the user for the on-demand service; creating a second image based on the first image and the information about the activity of the user; and displaying the second image on a user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service.

[0018] In some embodiments, the method further comprises: obtaining background information about the user; and creating the first image representing the user, further based  on the background information about the user and a predetermined visual identity of the on-demand service platform.

[0019] In some embodiments, the background information about the user includes at least one of first information about a profile of the user and second information about a preference of the user.

[0020] In some embodiments, the method further comprises: extracting, using an image encoder, at least one feature data from the captured image of the user; extracting, using a text encoder, at least one sequence data from the first information about the profile of the user; extracting, using a graph encoder, at least one graph data from the second information about the preference of the user; and fusing, using a cross attention layer, the at least one feature data, the at least one sequence data, and the at least one graph data, to create the first image.

[0021] In some embodiments, the method further comprises: checking if the first image meets at least one first predetermined criterion; and if it is determined that the first image does not meet the at least one first predetermined criterion, modifying the first image to meet the at least one first predetermined criterion before using the first image to represent the user.

[0022] In some embodiments, the method further comprises: receiving a first input for the first image from the user; and modifying the first image based on the first input received from the user, before using the first image to represent the user.

[0023] In some embodiments, the information about the activity of the user includes at least one of third information about an order attribute of the user and fourth information about a query from the user.

[0024] In some embodiments, the method further comprises: extracting, using an image encoder, at least one feature data from the first image representing the user; extracting, using a tabular encoder, at least one data table from the third information about the order attribute of the user; extracting, using a text encoder, at least one sequence data from the fourth  information about the query from the user; and fusing, using a cross attention layer, the at least one feature data, the at least one data table, and the at least one sequence data, to create the second image.

[0025] In some embodiments, the method further comprises: checking if the second image meets at least one second predetermined criterion; and if it is determined that the second image does not meet the at least one second predetermined criterion, modifying the second image to meet the at least one second predetermined criterion before displaying the second image on the user interface screen.

[0026] In some embodiments, the method further comprises: receiving a second input for the second image from the user; and modifying the second image based on the second input received from the user, before displaying the second image on the user interface screen.

[0027] According to various embodiments, a data processing apparatus configured to perform the method of any one of the above embodiments is provided.

[0028] According to various embodiments, a computer program element comprising program instructions, which, when executed by one or more processors, cause the one or more processors to perform the method of any one of the above embodiments is provided.

[0029] According to various embodiments, a computer-readable medium comprising program instructions, which, when executed by one or more processors, cause the one or more processors to perform the method of any one of the above embodiments is provided. The computer-readable medium may include a non-transitory computer-readable medium.BRIEF DESCRIPTION OF THE DRAWINGS

[0030] The invention will be better understood with reference to the detailed description when considered in conjunction with the non-limiting examples and the accompanying drawings, in which:

[0031] - FIGS. 1 and 2 illustrate infrastructures of a system including a server for facilitating using a personalised image for an on-demand service according to various embodiments.

[0032] - FIG. 3 illustrates a block diagram of a server for facilitating using a personalised image for an on-demand service according to various embodiments.

[0033] - FIG. 4 illustrates a flowchart for a method for facilitating using a personalised image for an on-demand service according to various embodiments.

[0034] - FIG. 5 is a data flow diagram showing creating a first image representing a user in an on-demand service platform according to various embodiments.

[0035] - FIG. 6 is a data flow diagram showing creating a second image based on a first image and information about an activity of a user according to various embodiments.

[0036] - FIG. 7 is a data flow diagram showing fusing different formats of data to create a first image according to various embodiments.

[0037] - FIGS. 8 and 9 are exemplary diagrams showing creating a second image based on a first image and information about an activity of a user according to various embodiments.

[0038] - FIG. 10 is an exemplary diagram showing creating a second image based on information about an activity of a user according to various embodiments.DETAILED DESCRIPTION

[0039] The following detailed description refers to the accompanying drawings that show, by way of illustration, specific details and embodiments in which the disclosure may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the disclosure. Other embodiments may be utilised and structural, and logical changes may be made without departing from the scope of the disclosure. The various embodiments are not necessarily mutually exclusive, as some embodiments can be combined with one or more other embodiments to form new embodiments.

[0040] Embodiments described in the context of one of a server and a method are analogously valid for the other server and method. Similarly, embodiments described in the context of a server are analogously valid for a method, and vice-versa.

[0041] Features that are described in the context of an embodiment may correspondingly be applicable to the same or similar features in the other embodiments. Features that are described in the context of an embodiment may correspondingly be applicable to the other embodiments, even if not explicitly described in these other embodiments. Furthermore, additions and / or combinations and / or alternatives as described for a feature in the context of an embodiment may correspondingly be applicable to the same or similar feature in the other embodiments.

[0042] In the context of various embodiments, the articles “a” , “an” and “the” as used with regard to a feature or element include a reference to one or more of the features or elements.

[0043] As used herein, the term “and / or” includes any and all combinations of one or more of the associated listed items.

[0044] Throughout the description, the term “module” may be understood as an application specific integrated circuit (ASIC) , an electronic circuit, a combinational logic circuit, a field programmable gate array (FPGA) , a processor which executes code, other suitable hardware  components which provide the described functionality, or any combination thereof. The term of “module” may include a memory which stores code executed by the processor.

[0045] In the following, embodiments will be described in detail.

[0046] FIGS. 1 and 2 illustrate infrastructures of a system 200 including a server 100 for facilitating using a personalised image for an on-demand service according to various embodiments.

[0047] As shown in FIG. 1, the system 200 may include, but is not limited to, the server 100, a database system 140, a network 150, a plurality of first computing devices 160 each associated with a plurality of consumers 161 (who in some contexts herein may also be referred to as a “requester” , a “customer” , an “eater” , a “passenger” or a “Pax” ) , a plurality of second computing devices 170 (not shown) each associated with a plurality of delivery service providers 171 (who in some contexts herein may also be referred to as a “driver” , a “driver partner” , a “delivery partner” , a “delivery agent” or a “Dax” ) , and a plurality of third computing devices 180 (not shown) each associated with a plurality of item providers 181 (who in some contexts herein may also be referred to as a “merchant” , a “food provider” , a “restaurant” or a “Mex” ) . In some embodiments, a consumer 161a may be the eater or the passenger for the on-demand service. In some other embodiments, the consumer 161a may be different from the eater or the passenger, and may use the on-demand service for and / or on behalf of the eater or the passenger who is a third party.

[0048] In some embodiments, the on-demand service may be a service allowing the consumer 161a to fulfil the consumer’s 161a demand via an immediate access to items and / or services. The consumer 161a may request the on-demand service, such as a transport service (also referred to as an “e-hailing service” or a “car-hailing service” ) or an item delivery service, using a user interface screen presented on a first computing device 160a. The  consumer 161a may make an order for the on-demand service using the first computing device 160a.

[0049] In some embodiments, the consumer 161a may use an application, for example, a mobile application, provided by the server 100. For example, the server 100 may provide an on-demand service platform, and may be controlled and / or managed by an on-demand service platform provider. The application may be installed in the first computing device 160a associated with the consumer 161a, to interact with the server 100 for the on-demand service.

[0050] In some embodiments, the network 150 may include, but is not limited to, a Local Area Network (LAN) , a Wide Area Network (WAN) , a Global Area Network (GAN) , or any combination thereof. The network 150 may provide a wireline communication, a wireless communication, or a combination of the wireline and wireless communication between the server 100 and the plurality of first computing devices 160, between the server 100 and the plurality of second computing devices 170, and between the server 100 and the plurality of third computing devices 180. As shown in FIG. 2, the network 150 may provide the wireline communication, the wireless communication, or the combination of the wireline and wireless communication between the first computing device 160a of the plurality of first computing devices 160 and a second computing device 170a of the plurality of second computing devices 170.

[0051] In some embodiments, the plurality of first computing devices 160 may be connectable to the server 100 via the network 150. In some embodiments, the plurality of first computing devices 160 may be arranged in data or signal communication with the server 100 via the network 150. In some embodiments, the plurality of first computing devices 160 may include, but is not limited to, at least one of the following: a mobile phone, a tablet computer, a laptop computer, a desktop computer, a head-mounted display and a smart watch. In some  embodiments, the plurality of first computing devices 160 may be associated with the plurality of consumers 161 respectively. For example, the plurality of first computing devices 160 may belong to the plurality of consumers 161 respectively. For example, the first computing device 160a may belong to the consumer 161a who is the eater or the passenger. As another example, the first computing device 160a may belong to the consumer 161a requesting the on-demand service for the eater or the passenger who is a recipient of the on-demand service.

[0052] In some embodiments, the first computing device 160a may include a location sensor. In some embodiments, the location sensor may communicate with at least one of a global positioning satellite (GPS) server, a network server, and a Wi-Fi server, to detect a location of the first computing device 160a. In some embodiments, the first computing device 160a may generate information about the location of the first computing device 160a.

[0053] In some embodiments, the server 100, for example, implemented by a server computer, may include a communication interface 110, a processor 120, and a memory 130 (as will be described with reference to FIG. 3) .

[0054] In some embodiments, the server 100 may communicate with the plurality of first computing devices 160 via the network 150. In some embodiments, the consumer 161a may request the on-demand service, for example, the delivery service or the transport service, using the user interface screen presented on the first computing device 160a. In some embodiments, to request the on-demand service, the consumer 161a may make an order (also referred to as a “booking” ) for the on-demand service. In some embodiments, the first computing device 160a may receive the order from the consumer 161a for the on-demand service. The first computing device 160a may send the order to the server 100 via the network 150. In some embodiments, the order may relate to information about a pick-up location and a drop-off location for the on-demand service. In some embodiments, the order  may include the information about the pick-up location and the drop-off location for the on-demand service. In some embodiments, the information may include the location of the first computing device 160a. In some embodiments, the location of the first computing device 160a may be considered as a location of the consumer 161a. In some embodiments, the location of the consumer 161a may be considered as a drop-off location (that in some contexts herein may also be referred to as a “destination” or a “delivery location” ) of the on-demand service (for example, the item delivery service) . In some other embodiments, the location of the consumer 161a may be considered as a pick-up location (that in some contexts herein may also be referred to as a “starting point” ) of the on-demand service (for example, the transport service) . In some other embodiments, the first computing device 160a may send information about an address of the consumer 161a, and the address of the consumer 161a may be considered as the pick-up location or the drop-off location of the on-demand service. In some embodiments, the information may include a destination that the consumer 161a would like to go as the drop-off location. In some embodiments, the information may include information about an item provider 181a that the consumer 161a selected, and include a location of the item provider 181a as the pick-up location (as will be described below) .

[0055] In some embodiments, the system 200 may further include a database 141. In some embodiments, the database 141 may be a part of the database system 140 which may be external to the server 100. The server 100 may communicate with the database 141. In some other embodiments, although not shown, the database 141 may be implemented locally in the memory 130 of the server 100.

[0056] In some embodiments, the server 100 may communicate with the plurality of second computing devices 170 via the network 150. In some embodiments, the plurality of second computing devices 170 may be arranged in data or signal communication with the server 100 via the network 150. In some embodiments, the plurality of second computing devices 170  may include, but is not limited to, at least one of the following: a mobile phone, a tablet computer, a laptop computer, a desktop computer, a head-mounted display and a smart watch. In some embodiments, the plurality of second computing devices 170 may be associated with the plurality of delivery service providers 171 respectively. For example, the plurality of second computing devices 170 may belong to the plurality of delivery service providers 171 respectively.

[0057] In some embodiments, the server 100 may receive the order from the first computing device 160a. After the server 100 receives the order from the first computing device 160a, the server 100 may allocate (assign) the order to a suitable delivery service provider 171a. In some embodiments, the second computing device 170a associated with the delivery service provider 171a may send information about a location of the second computing device 170a to the server 100 via the network 150. The location of the second computing device 170a may be considered as a location of the delivery service provider 171a. In some embodiments, the location of the delivery service provider 171a may be considered as a current location of the delivery service provider 171a, and may change while the delivery service provider 171a moves. In some embodiments, the server 100 may provide the second computing device 170a with a map relating to a travel route from the current location of the second computing device 170a (which may be considered as the location of the delivery service provider 171a) to a next location (for example, the pick-up location or the drop-off location) for providing the on-demand service.

[0058] In some embodiments, the server 100 may communicate with the plurality of third computing devices 180 via the network 150. In some embodiments, the plurality of third computing devices 180 may be arranged in data or signal communication with the server 100 via the network 150. In some embodiments, the plurality of third computing devices 180 may include, but is not limited to, at least one of the following: a mobile phone, a tablet computer,  a laptop computer, a desktop computer, a head-mounted display and a smart watch. In some embodiments, the plurality of third computing devices 180 may be associated with the plurality of item providers 181 respectively. For example, the plurality of third computing devices 180 may belong to the plurality of item providers 181 respectively.

[0059] In some embodiments, the plurality of item providers 181 may include, but are not limited to, a food provider and a goods provider, that may manufacture and / or provide items, for example, foods or goods. For example, the food provider may include, but is not limited to, a restaurant and a café. As an example, the goods provider may include, but is not limited to, a store, a market, and a supermarket. In some embodiments, the server 100 may receive the order for the item delivery service with the information about the location of the consumer 161a, and then produce a list of items, associated with at least one item provider, that may be prepared and delivered to the consumer 161a. In some embodiments, the server 100 may communicate with the plurality of third computing devices 180 to check the plurality of item providers’ 181 availability. In some embodiments, the server 100 may communicate with the plurality of third computing devices 180 to aggregate information including, but not limited to, a list of available items, an estimated time of preparation of each item, and an estimated price of each item, in order to produce the list of items. In some embodiments, the first computing device 160a may display the list of items with the aggregated information of the at least one of the plurality of item providers 181 on the user interface screen. In some embodiments, after the consumer 161a makes selections on the user interface screen for the order for the item delivery service, for example, by selecting an item provider 181a and the item, the server 100 may communicate with a third computing device 180a associated with the selected item provider 181a to prepare the selected item. In some embodiments, the location of the first computing device 160a may be considered as a location of the consumer 161a. In some embodiments, the location of the consumer 161a may be  considered as the drop-off location (that in some contexts herein may also be referred to as the “destination” or the “delivery location” ) of the item delivery service. In some other embodiments, the first computing device 160a may send information about an address of the consumer 161a, and the address of the consumer 161a may be considered as the drop-off location of the item delivery service.

[0060] FIG. 3 illustrates a block diagram of a server 100 for facilitating using a personalised image for an on-demand service according to various embodiments.

[0061] As shown in FIG. 3, the server 100, for example, implemented by a server computer, may include a communication interface 110, a processor 120, and a memory 130.

[0062] In some embodiments, the memory 130 (also referred to as a “database” ) may store input data and / or output data temporarily or permanently. In some embodiments, the memory 130 may be configured to store instructions. In some embodiments, the memory 130 may store program code which allows the server 100 to perform a method 300 (as will be described with reference to FIG. 4) . In some embodiments, the program code may be embedded in a Software Development Kit (SDK) . The memory 130 may include an internal memory of the server 100 and / or an external memory. The external memory may include, but is not limited to, an external storage medium, for example, a memory card, a flash drive, and a web storage.

[0063] In some embodiments, the communication interface 110 may allow a plurality of first computing devices 160 to communicate with the processor 120 of the server 100 via the network 150, as shown in FIGS. 1 and 2. As shown in FIGS. 1 and 2, each of the plurality of first computing devices 160 may belong to each of consumers 161 who want to make an order for the on-demand service. In some embodiments, the communication interface 110 may transmit signals to the plurality of first computing devices 160, and / or receive signals from the plurality of first computing devices 160, via the network 150. For example, as  shown in FIGS. 1 and 2, a first computing device 160a may belong to a consumer 161a who wants to make an order for the on-demand service, and the communication interface 110 may transmit signals to the first computing device 160a, and / or receive signals from the first computing device 160a via the network 150.

[0064] In some embodiments, the communication interface 110 may allow a plurality of second computing devices 170 to communicate with the processor 120 of the server 100 via the network 150, as shown in FIGS. 1 and 2. As shown in FIGS. 1 and 2, each of the plurality of second computing devices 170 may belong to each of a plurality of delivery service providers 171 who may pick up an item from an item provider 181a at a pick-up location and deliver the item to the consumer 161a at a drop-off location and / or who may transport the consumer 161a from a pick-up location to a drop-off location. In some embodiments, the communication interface 110 may transmit signals to the plurality of second computing devices 170, and / or receive signals from the plurality of second computing devices 170, via the network 150.

[0065] In some embodiments, the communication interface 110 may allow a plurality of third computing devices 180 to communicate with the processor 120 of the server 100 via the network 150, as shown in FIG. 1. As shown in FIG. 1, each of the plurality of third computing devices 180 may belong to each of a plurality of item providers 181 who may prepare an item, for example, food, for the order. In some embodiments, the communication interface 110 may transmit signals to the plurality of third computing devices 180, and / or receive signals from the plurality of third computing devices 180, via the network 150.

[0066] The processor 120 may include, but is not limited to, a microprocessor, an analogue circuit, a digital circuit, a mixed-signal circuit, a logic circuit, an integrated circuit, a Central Processing Unit (CPU) , a Graphics Processing Unit (GPU) , a Digital Signal Processor (DSP) , a Field Programmable Gate Array (FPGA) , an Application Specific Integrated Circuit (ASIC) ,  or any combination thereof. Any other kind of implementation of the respective functions, which will be described below in further detail, may also be understood as the processor 120.

[0067] In some embodiments, the processor 120 may be connectable to the communication interface 110. In some embodiments, the processor 120 may be arranged in data or signal communication with the communication interface 110 to transmit / receive the signals.

[0068] In some embodiments, the communication interface 110 may receive a plurality of orders (also referred to as “aplurality of bookings” ) for the on-demand service from the plurality of first computing devices 160 each associated with the plurality of consumers 161 (who in some contexts herein may also be referred to as “requesters 161” ) . In some embodiments, the processor 120 may receive the plurality of orders for the on-demand service from the communication interface 110. For example, the communication interface 110 may receive an order (also referred to as a “booking” ) for the on-demand service from the first computing device 160a associated with the consumer 161a (who in some contexts herein may also be referred to as a “requester 161a” ) , and the processor 120 may receive the order for the on-demand service from the communication interface 110.

[0069] In some embodiments, the processor 120 may receive a request for a search for the item delivery service from the first computing device 160a. In some embodiments, the processor 120 may produce a list of items, associated with at least one item provider 181, that may be prepared and delivered to the consumer 161a. The processor 120 may then provide the list of items to the first computing device 160a, so that the consumer 161a may select an item provider 181a and an item for the item delivery service.

[0070] In some embodiments, the consumer 161a may select the item provider 181a and the item from the list of items. The first computing device 160a may generate information about the selected item provider 181a and the selected item, based on the consumer’s 161a input. The processor 120 may receive the information about the selected item provider 181a and the  selected item from the first computing device 160a, via the communication interface 110. In some embodiments, the processor 120 may then provide the information about the selected item to the selected item provider 181a for preparing the selected item, via the communication interface 110.

[0071] In some embodiments, the processor 120 may select a delivery service provider 171a from one or more delivery service providers 171 based on a geographical location of the one or more delivery service providers 171. In some embodiments, the processor 120 may request the selected delivery service provider 171a to pick up the selected item at a geographical location of the selected item provider 181a (i.e. the pick-up location) and deliver the selected item to the consumer 161a (i.e. the drop off location) .

[0072] In some embodiments, the processor 120 may receive a request for the transport service from the first computing device 160a. The first computing device 160a may generate information about a location of the first computing device 160a which may be considered as a location of the consumer 161a (i.e. the pick-up location) and a location of a destination (i.e. the drop-off location) , for example, based on the consumer’s 161a input. The processor 120 may receive the information about the pick-up location and the drop-off location from the first computing device 160a, via the communication interface 110. In some embodiments, the processor 120 may select a delivery service provider 171a from one or more delivery service providers 171 based on a geographical location of the one or more delivery service providers 171. In some embodiments, the processor 120 may request the selected delivery service provider 171a to pick up the consumer 161a at the pick-up location and drop off the consumer 161a at the drop-off location.

[0073] Throughout the description, a term of “users” refers to the plurality of consumers 161, the plurality of delivery service providers 171 and / or the plurality of item providers 181 who may participate in the on-demand service platform which is provided by the on-demand  service platform provider. Throughout the description, a term of a “user” refers to one of the consumer 161a, the delivery service provider 171a, and the item provider 181a. Throughout the description, a term of a “computing device” refers to one of the first computing device 160a, the second computing device 170a, and the third computing device 180a which is associated with the user, for example, which belongs to the user.

[0074] With reference to FIGS. 3 and 5, in some embodiments, the processor 120 may obtain a captured image, for example, a photo, of the user of the on-demand service. As an example, the photo of the user may include the user’s selfie. In some embodiments, the processor 120 may obtain the captured image of the user from the computing device. In some embodiments, the computing device may send the captured image to the processor 120.

[0075] In some embodiments, the computing device may include an image capturing module. In some embodiments, the image capturing module may obtain the image capturing an external environment including the user’s face. The captured image may be at least one of a static image (also referred to as a “still image” ) and sequences of images (also referred to as a “moving image” or a “video” ) . In some embodiments, the image capturing module may be in a form of a camera, for example, an RGB camera. In some embodiments, the image capturing module may generate a raw data image. Thereafter, the image capturing module may process, for example interpret, the raw data image to obtain the captured image. In some embodiments, the image capturing module may be physically mounted on the computing device. Although not shown, in some other embodiments, the image capturing module may be physically mounted on other devices, for example, an image capturing device (not shown) which is communicatively connectable to the computing device.

[0076] In some embodiments, the processor 120 may create a first image representing the user in an on-demand service platform, based on the captured image of the user. In some embodiments, the processor 120 may process the captured image, for example, the photo of  the user, and create the first image, for example, a persona (also referred to as an “avatar” , a “figure” , or an “icon” ) representing the user. In some embodiments, the processor 120 may analyse the captured image, extract at least one feature from the captured image, and create the first image, for example, the persona.

[0077] In some embodiments, the processor 120 may create the first image representing the user in the on-demand service platform, based on the captured image of the user, background information about the user, and a predetermined visual identity of the on-demand service platform.

[0078] In some embodiments, the processor 120 may obtain the background information about the user. In some embodiments, the background information about the user may include, but is not limited to, at least one of information about a profile of the user (hereinafter, referred to as “first information” ) and information about a preference of the user (hereinafter, referred to as “second information” ) .

[0079] In some embodiments, the processor 120 may obtain the first information about the profile of the user from the computing device. In some embodiments, the user may input the first information about the profile of the user on the user interface screen shown in the computing device, for example, when the user registers himself / herself to the on-demand service platform. In some other embodiments, the processor 120 may obtain the first information about the profile of the user from the memory 130 and / or the database 141. For example, the memory 130 and / or the database 141 may store the first information about the profile of the user, extract the first information about the profile of the user, and provide the first information about the profile of the user to the processor 120. In some embodiments, the first information about the profile of the user may be in a form of textual information. In some embodiments, the first information about the profile of the user may include, but is not limited to, a name, a gender, and a location (for example, a city) of the user.

[0080] In some embodiments, the processor 120 may obtain the second information about the preference of the user from the computing device. In some embodiments, the user may input the second information about the preference of the user on the user interface screen shown in the computing device, for example, when the user registers himself / herself to the on-demand service platform. In some other embodiments, the processor 120 may obtain the second information about the preference of the user from the memory 130 and / or the database 141. For example, the memory 130 and / or the database 141 may store historical data, extract the second information about the preference of the user from the historical data, and provide the second information about the preference of the user to the processor 120. In some embodiments, the second information about the preference of the user may be in a form of graphical information. In some embodiments, the second information about the preference of the user may include, but is not limited to, one or more locations that the user saved, the user’s favourite cuisine (restaurant) , and the user’s brand preference.

[0081] In some embodiments, the processor 120 may obtain the predetermined visual identity of the on-demand service platform. In some embodiments, the processor 120 may obtain the predetermined visual identity of the on-demand service platform from the memory 130 and / or the database 141. For example, the memory 130 and / or the database 141 may store the predetermined visual identity of the on-demand service platform, extract the predetermined visual identity of the on-demand service platform, and provide the predetermined visual identity of the on-demand service platform to the processor 120. In some embodiments, the predetermined visual identity of the on-demand service platform may include, but is not limited to, colours, graphics, typography, styles, effects and themes that the on-demand service platform provider determined.

[0082] In some embodiments, each of the captured image of the user, the first information about the profile of the user, and the second information about the preference of the user may  have a different data format. In some embodiments, the processor 120 may extract data from each of the captured image of the user, the first information about the profile of the user, and the second information about the preference of the user to a predetermined intermediate format, to create the first image.

[0083] In some embodiments, the processor 120 may include at least one of an image encoder, a text encoder, a graph encoder and a cross attention layer. In some embodiments, the processor 120 may include a multi-modality visual generation model which includes the cross attention layer. In some other embodiments, the processor 120 may include the multi-modality visual generation model which includes the cross attention layer and a generator. In some embodiments, the image encoder may analyse the captured image of the user and encode at least one feature data from the captured image of the user. In some embodiments, the text encoder may analyse the first information about the profile of the user and extract at least one sequence data from the first information about the profile of the user. In some embodiments, the graph encoder may analyse the second information about the preference of the user and extract at least one graph data from the second information about the preference of the user. In some embodiments, the cross attention layer may fuse the at least one feature data, the at least one sequence data, and the at least one graph data, and the generator may fuse the data fused by the cross attention layer and the predetermined visual identity of the on-demand service platform, to create the first image. In some other embodiments, the cross attention layer may fuse the at least one feature data, the at least one sequence data, the at least one graph data, and the predetermined visual identity of the on-demand service platform, to create the first image.

[0084] In some embodiments, the processor 120 may check if the created first image meets at least one predetermined criterion (hereinafter, referred to as a “first predetermined criterion” ) . In some embodiments, by checking if the created first image meets the at least one first  predetermined criterion, first images that do not follow the standards of the on-demand service platform provider, for example, the first images relating to threats, graphic violence, and / or hate speech, may not be allowed to be used in and / or posted on the on-demand service platform. In some embodiments, the on-demand service platform provider may determine the at least one first predetermined criterion. In some embodiments, the on-demand service platform provider may update the at least one first predetermined criterion periodically or non-periodically. In some embodiments, if the processor 120 determines that the first image does not meet the at least one first predetermined criterion, the processor 120 may modify the first image to meet the at least one first predetermined criterion before using the first image to represent the user on the on-demand service platform. In this regard, the first image may be modified before being used in and / or posted on the on-demand service platform. For example, the processor 120 may filter out a part of the first image, which may violate the at least one first predetermined criterion, so that the filtered first image may be used in and / or posted on the on-demand service platform. In some embodiments, the processor 120 may include a visual content moderation platform configured to check if the created first image meets the at least one first predetermined criterion. In this regard, for each first image created, it may be further processed by the visual content moderation platform to ensure no explicit and / or controversial content is shared with other users on the on-demand service platform.

[0085] In some embodiments, the processor 120 may receive an input (hereinafter, referred to as a “first input” ) for the first image from the user. In some embodiments, the processor 120 may modify the first image based on the first input received from the user, before using the first image to represent the user on the on-demand service platform. In some embodiments, the processor 120 may request the user to provide the first input, if the processor 120 determines that the first image does not meet the at least one first predetermined criterion and modifies the first image to meet the at least one first predetermined criterion. The user may  provide the first input to the first image modified by the processor 120, and the processor 120 may further modify the first image based on the first input received from the user, so that the further modified first image may be used in and / or posted on the on-demand service platform. In some other embodiments, the processor 120 may request the user to provide the first input, regardless of whether the processor 120 determines that the first image does not meet the at least one first predetermined criterion. The user may provide the first input to the first image created by the processor 120, and the processor 120 may modify the first image based on the first input received from the user, so that the modified first image may be used in and / or posted on the on-demand service platform.

[0086] In some embodiments, in case the user does not provide the first input, if the processor 120 has determined that the first image does not meet the at least one first predetermined criterion and modified the first image to meet the at least one first predetermined criterion, the processor 120 may use the first image modified by the processor 120 to represent the user on the on-demand service platform. In some embodiments, in case the user does not provide the first input, if the processor 120 has determined that the first image meets the at least one first predetermined criterion, the processor 120 may use the first image created by the processor 120 to represent the user on the on-demand service platform.

[0087] In some embodiments, the image encoder may analyse the first input and encode at least one feature data from the first input. In some embodiments, the cross attention layer may fuse the at least one feature data extracted from the first input, the at least one feature data extracted from the captured image, the at least one sequence data, and the at least one graph data, and the generator may fuse the data fused by the cross attention layer and the predetermined visual identity of the on-demand service platform, to create the finalised first image representing the user (hereinafter, referred to as a “first image representing the user” or a “user’s persona” ) to be used in and / or posted on the on-demand service platform. In some  other embodiments, the cross attention layer may fuse the at least one feature data extracted from the first input, the at least one feature data extracted from the captured image, the at least one sequence data, the at least one graph data, and the predetermined visual identity of the on-demand service platform, to create the first image representing the user, to be used in and / or posted on the on-demand service platform.

[0088] In some embodiments, the processor 120 may display the first image representing the user on the user interface screen, which is provided by the on-demand service platform, as the user’s profile. In some embodiments, the processor 120 may use the first image representing the user to create a second image (also referred to as a “visual content” ) (as will be described below) to be displayed, for example, in relation to the user’s activity, on the user interface screen which is provided by the on-demand service platform.

[0089] With reference to FIGS. 3 and 6, in some embodiments, the processor 120 may obtain the first image representing the user. In addition, the processor 120 may obtain information about an activity of the user for the on-demand service. In some embodiments, the information about the activity of the user may include, but is not limited to, at least one of information about an order (booking) attribute of the user (hereinafter, referred to as “third information” ) and information about a query from the user (hereinafter, referred to as “fourth information” ) .

[0090] In some embodiments, the processor 120 may obtain the third information about the order attribute from the memory 130 and / or the database 141. For example, the processor 120 may extract order data made by the user from the memory 130 and / or the database 141 and obtain the third information about the order attribute from the extracted order data. In some other embodiments, the processor 120 may obtain the third information about the order attribute from the computing device. For example, the processor 120 may extract order data made by the user from local database embedded in the computing device and obtain the third  information about the order attribute from the extracted order data. In some embodiments, the third information about the order attribute may be in the form of tabular information. In some embodiments, the third information about the order attribute may include, but is not limited to, a timestamp, a location, a vehicle type, order details, and a weather relating to each order made by the user.

[0091] In some embodiments, the processor 120 may obtain the fourth information about the query from the user from the computing device. In some embodiments, the user may input the query on the user interface screen shown in the computing device, for example, when the user asks for help service. In some other embodiments, the processor 120 may obtain the fourth information about the query from the user from the memory 130 and / or the database 141. For example, the memory 130 and / or the database 141 may store the previous queries made by the user and / or other users, and extract a query selected from the previous queries based on the user’s input. In some embodiments, the fourth information about the query from the user may be in a form of textual information. For example, the query from the user may include a message of “what is the status of my order” , and the fourth information about the query from the user may include “order status” .

[0092] In some embodiments, the processor 120 may create the second image (also referred to as the “visual content” ) based on the first image and the information about the activity of the user including at least one of the third information about the order attribute and the fourth information about the query from the user.

[0093] In some embodiments, each of the first image representing the user, the third information about the order attribute, and the fourth information about the query from the user may have a different data format. In some embodiments, the processor 120 may extract data from each of the first image representing the user, the third information about the order  attribute, and the fourth information about the query from the user to a predetermined intermediate format, to create the second image.

[0094] In some embodiments, the processor 120 may include at least one of the image encoder, a tabular encoder, the text encoder and the cross attention layer. In some embodiments, the processor 120 may include the multi-modality visual generation model which includes the cross attention layer. In some other embodiments, the processor 120 may include the multi-modality visual generation model which includes the cross attention layer and the generator. In some embodiments, the image encoder may analyse the first image representing the user and extract at least one feature data from the first image representing the user. In some embodiments, the tabular encoder may analyse the third information about the order attribute and extract at least one data table from the third information about the order attribute of the user. In some embodiments, the text encoder may analyse the fourth information about the query from the user and extract at least one sequence data from the fourth information about the query from the user. In some embodiments, the cross attention layer may fuse the at least one feature data, the at least one data table, and the at least one sequence data, and the generator may fuse the data fused by the cross attention layer and the predetermined visual identity of the on-demand service platform, to create the second image. In some other embodiments, the cross attention layer may fuse the at least one feature data, the at least one data table, the at least one sequence data, and the predetermined visual identity of the on-demand service platform, to create the second image.

[0095] In some embodiments, the processor 120 may check if the second image meets at least one predetermined criterion (hereinafter, referred to as a “second predetermined criterion” ) . In some embodiments, the second predetermined criterion may be the same as the first predetermined criterion. In some other embodiments, the second predetermined criterion may be different from the first predetermined criterion. In some embodiments, by checking if the  created second image meets the at least one second predetermined criterion, second images that do not follow the standards of the on-demand service platform provider, for example, the second images relating to threats, graphic violence, and / or hate speech, may not be allowed to be posted on the on-demand service platform. In some embodiments, the on-demand service platform provider may determine the at least one second predetermined criterion. In some embodiments, the on-demand service platform provider may update the at least one second predetermined criterion periodically or non-periodically. In some embodiments, if the processor 120 determines that the second image does not meet the at least one second predetermined criterion, the processor 120 may modify the second image to meet the at least one second predetermined criterion before displaying the second image on the user interface screen. In this regard, the second image may be modified before being posted on the on-demand service platform. For example, the processor 120 may filter out a part of the second image, which may violate the at least one second predetermined criterion, so that the filtered second image may be posted on the on-demand service platform. In some embodiments, the processor 120 may include the visual content moderation platform configured to check if the created second image meets the at least one second predetermined criterion. In this regard, for each second image created, it may be further processed by the visual content moderation platform to ensure no explicit and / or controversial content is shared with other users on the on-demand service platform.

[0096] In some embodiments, the processor 120 may receive an input (hereinafter, referred to as a “second input” ) for the second image from the user. In some embodiments, the processor 120 may modify the second image based on the second input received from the user, before displaying the second image on the user interface screen, for example, in relation to the user’s activity for the on-demand service. In some embodiments, the processor 120 may request the user to provide the second input, if the processor 120 determines that the second image does  not meet the at least one second predetermined criterion and modifies the second image to meet the at least one second predetermined criterion. The user may provide the second input to the second image modified by the processor 120, and the processor 120 may further modify the second image based on the second input received from the user, so that the further modified second image may be posted on the on-demand service platform. In some other embodiments, the processor 120 may request the user to provide the second input, regardless of whether the processor 120 determines that the second image does not meet the at least one second predetermined criterion. The user may provide the second input to the second image created by the processor 120, and the processor 120 may modify the second image based on the second input received from the user, so that the modified second image may be posted on the on-demand service platform.

[0097] In some embodiments, in case the user does not provide the second input, if the processor 120 has determined that the second image does not meet the at least one second predetermined criterion and modified the second image to meet the at least one second predetermined criterion, the processor 120 may display the second image modified by the processor 120 on the user interface screen. In some embodiments, in case the user does not provide the second input, if the processor 120 has determined that the second image meets the at least one second predetermined criterion, the processor 120 may display the second image created by the processor 120 on the user interface screen.

[0098] In some embodiments, the image encoder may analyse the second input and encode at least one feature data from the second input. For example, the second input may relate to a query from the user and may be in a form of sequence data. In some embodiments, the cross attention layer may fuse the at least one sequence data extracted from the second input, the at least one feature data, the at least one data table, and the at least one sequence data extracted from the fourth information, and the generator may fuse the data fused by the cross attention  layer and the predetermined visual identity of the on-demand service platform, to create the second image. In some other embodiments, the cross attention layer may fuse the at least one sequence data extracted from the second input, the at least one feature data, the at least one data table, the at least one sequence data extracted from the fourth information, and the predetermined visual identity of the on-demand service platform, to create the second image.

[0099] In some embodiments, the cross attention layer may concatenate the at least one sequence data extracted from the second input with previous data, for example, in the form of sequence data, from previous dialogue (as shown in FIG. 6) , so that the cross attention layer may fuse the at least one sequence data extracted from the second input with the previous data from the previous dialogue, to improve accuracy of interpretation of the user’s intention of the second input.

[0100] In some embodiments, the processor 120 may display the second image on the user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service. For example, the processor 120 may display the second image on the user interface screen relating to an order status update, a trip summary, and / or a help service dialogue.

[0101] It may be appreciated that the various embodiments may significantly enhance user engagement, foster user loyalty, and amplify a social footprint of the on-demand service platform provider, for example, by applying generative AI and multi-modality models. The various embodiments may achieve this by generating interactive visual contents based on the order attributes and presenting them to the users, thereby encouraging increased participation and sharing. The server 100, for example, the processor 120, according to the various embodiments may support various data format as an input, so that the processor 120 may ingest all relevant context information and generate personalised visual contents accordingly. In addition, the server 100, for example, the processor 120, may internalise an intrinsic style  of a visual identity of the on-demand service platform provider and may create a unique and context related imagery content. Further, the server 100, for example, the processor 120, may present the generated visual contents to the users in an interactive way. for example, a help service dialogue.

[0102] As described above, the various embodiments may generate images, for example, AI-generated images, based on the order attributes. By generating the images based on the order attributes and showing it up to the users, the various embodiments may help build greater user engagement over social media and improve adoption rate, and potentially Monthly Transacting Users (MTU) and Gross Merchandise Value (GMV) .

[0103] FIG. 4 illustrates a flowchart for a method 300 for facilitating using a personalised image for an on-demand service according to various embodiments. According to various embodiments, the method 300 for facilitating using the personalised image for the on-demand service may be provided.

[0104] In some embodiments, the method 300 may include a step 301 of obtaining a captured image of a user of the on-demand service.

[0105] In some embodiments, the method 300 may include a step 302 of creating a first image representing the user in an on-demand service platform, based on the captured image of the user.

[0106] In some embodiments, the method 300 may include a step 303 of obtaining information about an activity of the user for the on-demand service.

[0107] In some embodiments, the method 300 may include a step 304 of creating a second image based on the first image and the information about the activity of the user.

[0108] In some embodiments, the method 300 may include a step 305 of displaying the second image on a user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service.

[0109] FIG. 5 is a data flow diagram showing creating a first image representing a user in an on-demand service platform according to various embodiments. FIG. 6 is a data flow diagram showing creating a second image based on a first image and information about an activity of a user according to various embodiments.

[0110] FIGS. 5 and 6 show pipelines illustrating the flow for creating the persona (also referred to as the “first image” ) and generating the visual content (also referred to as the “second image” ) for a status query and a customised experience summary, respectively.

[0111] The various embodiments may create the unique persona, the personalised visual content, and an interactive dialogue UX (user experience) for the user. In some embodiments, the on-demand service platform provider may cater to three primary user groups, including the consumers (also referred to as “passengers (PAX) ” ) , the delivery service providers (also referred to as “drivers (DAX) ” ) , and item providers (also referred to as “merchants (MEX) ” ) .

[0112] As shown in FIG. 5, in some embodiments, upon a registration on the on-demand service platform, an avatar generative model of the processor 120 may create a unique and visually appealing persona that mirrors the user’s personal appearance in a distinctive style of the on-demand service platform provider. The user’s persona may serve as the user’s representative and may be integrated into all visual contents throughout the service consumption cycle provided by the on-demand service platform.

[0113] As shown in FIG. 5, in some embodiments, the avatar generative model of the processor 120 may include the multi-modality visual generation model. The multi-modality visual generation model may accept various data formats from different sources to generate the user’s persona. The user’s persona may even be editable by integrating the user’s visual modification into the currently generated user’s persona (also referred to as an “initial persona” ) . The user’s persona may further be used in the user’s profile and all visual contents  generated during the user’s service consumption cycle provided by the on-demand service platform.

[0114] As shown in FIG. 6, in some embodiments, depending on order attributes including car-hailing status (including items, a location, weather conditions, etc. ) , the processor 120 may generate and present personalised visual contents to the user. The multi-modality visual generation model may ingest various contexts across multiple modalities, including text sequences, tabular databases, relationship graphs, and an imagery. The output may dynamically be adapted to the user’s unique situation and may be updated periodically. To boost the user’s satisfaction and loyalty, the processor 120 may also provide summaries of users’ historical transactions and services via the generated visual contents in the distinct visual style of the on-demand service platform provider. For example, the consumer may receive a weekly order and a trip summary illustration featuring visited locations, food orders, etc., which may be readily shared within a community operated by the on-demand service platform provider and / or on other social networks.

[0115] As shown in FIG. 6, in some embodiments, in addition to AI-generated content notifications, the processor 120 may integrate into the user help service dialogue, providing a visually enhanced content that may reflect the current order status based on the user’s query. Therefore, the various embodiments may provide an improved user experience, compared to a traditional textual based interaction. This integration may enhance the user engagement, and may also boost the user’s satisfaction by providing visually enhanced content that may accurately reflect the current order status, a transaction record, and / or a policy.

[0116] As shown in FIG. 6, in some embodiments, the multi-modality visual generation model may be mainly used for the visual content generation to the users and stakeholders with all comprehensive contexts considered. The contexts may include the user’s (including the consumer, the delivery service provider, and the item provider) persona in an imagery  format, the order attributes in tabular format, and user / system spontaneous triggered query text. As a benefit from the interactive feature and multi-modality capability, the multi-modality visual generation model may be integrated into the help service dialogue system to fulfil the user’s requirements and give visual enriched feedback.

[0117] As shown in FIGS. 5 and 6, in some embodiments, for each generated persona and visual content, it may be further processed by the visual content moderation platform to ensure no explicit and / or controversial content is shared with other users on the on-demand service platform.

[0118] FIG. 7 is a data flow diagram showing fusing different formats of data to create a first image according to various embodiments.

[0119] As shown in FIG. 7, in some embodiments, for different data modalities, dedicated encoders may be designed to embed knowledges into features. To consolidate the features and obtain a comprehensive representation, the cross attention layer may be introduced. The on-demand service platform provider’s own visual style may be embedded offline and may be combined with the embeddings together. Then, the generated output from the generator may integrate all the relevant information and the on-demand service platform provider’s own visual style.

[0120] FIGS. 8 and 9 are exemplary diagrams showing creating a second image based on a first image and information about an activity of a user according to various embodiments.

[0121] As shown in FIG. 8, the order attributes may include at least one of a status of an order made by the consumer (for example, “out for delivery” ) , order details, a vehicle type (for example, “two-wheel motorbike” ) , a timestamp (for example, “6: 30 pm” ) , a weather (for example, “34 ℃” ) , and a location relating to the order. The processor 120 of the server 100 may obtain the order attributes, a DAX persona (the first image of the delivery service provider) , and the user / system spontaneous triggered query text (for example, a query  received from the consumer (for example, “What’s the current status of my order? ” ) ) . The processor 120 may generate the visual content (the second image) based on the obtained order attributes, the DAX persona, and the user / system spontaneous triggered query text, and provide the visual content to the consumer.

[0122] As shown in FIG. 9, the order attributes may include at least one of a status of an order made by the consumer (for example, “total mileage 12 km” ) , a vehicle type (for example, “car” ) , a timestamp (for example, a time duration (for example, “10: 30 -11: 00 pm”) ) , and a weather (for example, “heavy storm” ) relating to the order. The processor 120 of the server 100 may obtain the order attributes, a DAX persona (the first image of the delivery service provider) , and the user / system spontaneous triggered query text (for example, a query received from the delivery service provider (for example, “Give a snapshot of the last trip” ) ) . The processor 120 may generate the visual content (the second image) based on the obtained order attributes, the DAX persona, and the user / system spontaneous triggered query text, and provide the visual content to the delivery service provider.

[0123] FIG. 10 is an exemplary diagram showing creating a second image based on information about an activity of a user.

[0124] In some embodiments, the processor 120 of the server 100 may create the second image based on the information about the activity of the user, without the first image representing the user. For example, the processor 120 of the server 100 may create the second image based on the information about the activity of the user and a publicly available image obtained from the memory 130 and / or the database 141.

[0125] As shown in FIG. 10, the order attributes may include at least one of a status of an order made by the consumer (for example, “in the kitchen” ) , order details (for example, “beef” ) , and a MEX name (for example, a name of the item provider (for example, “XX Grill” ) ) relating to the order. The processor 120 may obtain the order attributes, and the  user / system spontaneous triggered query text (for example, a query received from the item provider (for example, “What did the PAX order just now? ” ) ) . The processor 120 may generate the visual content (the second image) based on the obtained order attributes and the user / system spontaneous triggered query text, and provide the visual content to the item provider. For example, the processor 120 may generate the visual content (the second image) based on the obtained order attributes, the user / system spontaneous triggered query text, and the publicly available image relating to the order details (for example, “beef” ) , and provide the visual content to the item provider.

[0126] As described above, the various embodiments may provide the followings:

[0127] · Generative AI for O2O (online-to-offline) Platform: The various embodiments may employ the generative AI to create unique, personalised, and / or company’s (on-demand service platform provider) VI (visual identity) integrated visual contents for each user and stakeholder, which may personalise the user experience to an unprecedented degree in the service consumption cycle.

[0128] · Multi-modality Model: The various embodiments may use the multi-modality visual generation model to generate real-time visual contents based on a variety of data types, including, but not limited to, text sequences, tabular databases, relationship graphs, and imagery. The various embodiments may allow a high level of customisation and adaptability.

[0129] · Interactive System Design: The various embodiments may integrate proprietary visual contents into the user help service dialogues, which may enhance the user engagement and the user’s satisfaction. The content moderation system may ensure the protection of the proprietary visual contents.

[0130] While the disclosure has been particularly shown and described with reference to specific embodiments, it should be understood by those skilled in the art that various changes  in form and detail may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. The scope of the invention is thus indicated by the appended claims and all changes which come within the meaning and range of equivalency of the claims are therefore intended to be embraced.

Claims

1.A server for facilitating using a personalised image for an on-demand service, the server comprising:a memory configured to store instructions; anda processor for executing the stored instructions and configured to:obtain a captured image of a user of the on-demand service;create a first image representing the user in an on-demand service platform, based on the captured image of the user;obtain information about an activity of the user for the on-demand service;create a second image based on the first image and the information about the activity of the user; anddisplay the second image on a user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service.2.The server according to claim 1, wherein the processor is further configured to:obtain background information about the user; andcreate the first image representing the user, further based on the background information about the user and a predetermined visual identity of the on-demand service platform.3.The server according to claim 2, wherein the background information about the user includes at least one of first information about a profile of the user and second information about a preference of the user.4.The server according to claim 3, wherein the processor is further configured to:extract, using an image encoder, at least one feature data from the captured image of the user;extract, using a text encoder, at least one sequence data from the first information about the profile of the user;extract, using a graph encoder, at least one graph data from the second information about the preference of the user; andfuse, using a cross attention layer, the at least one feature data, the at least one sequence data, and the at least one graph data, to create the first image.5.The server according to any one of claims 1 to 4, wherein the processor is further configured to:check if the first image meets at least one first predetermined criterion; andif it is determined that the first image does not meet the at least one first predetermined criterion, modify the first image to meet the at least one first predetermined criterion before using the first image to represent the user.6.The server according to any one of claims 1 to 5, wherein the processor is further configured to:receive a first input for the first image from the user; andmodify the first image based on the first input received from the user, before using the first image to represent the user.7.The server according to any one of claims 1 to 3, wherein the information about the activity of the user includes at least one of third information about an order attribute of the user and fourth information about a query from the user.8.The server according to claim 7, wherein the processor is further configured to:extract, using an image encoder, at least one feature data from the first image representing the user;extract, using a tabular encoder, at least one data table from the third information about the order attribute of the user;extract, using a text encoder, at least one sequence data from the fourth information about the query from the user; andfuse, using a cross attention layer, the at least one feature data, the at least one data table, and the at least one sequence data, to create the second image.9.The server according to any one of claims 1 to 8, wherein the processor is further configured to:check if the second image meets at least one second predetermined criterion; andif it is determined that the second image does not meet the at least one second predetermined criterion, modify the second image to meet the at least one second predetermined criterion before displaying the second image on the user interface screen.10.The server according to any one of claims 1 to 9, wherein the processor is further configured to:receive a second input for the second image from the user; andmodify the second image based on the second input received from the user, before displaying the second image on the user interface screen.11.A method for facilitating using a personalised image for an on-demand service, the method comprising:obtaining a captured image of a user of the on-demand service;creating a first image representing the user in an on-demand service platform, based on the captured image of the user;obtaining information about an activity of the user for the on-demand service;creating a second image based on the first image and the information about the activity of the user; anddisplaying the second image on a user interface screen, which is provided by the on-demand service platform, relating to the activity of the user for the on-demand service.12.The method according to claim 11, further comprising:obtaining background information about the user; andcreating the first image representing the user, further based on the background information about the user and a predetermined visual identity of the on-demand service platform.13.The method according to claim 12, wherein the background information about the user includes at least one of first information about a profile of the user and second information about a preference of the user.14.The method according to claim 13, further comprising:extracting, using an image encoder, at least one feature data from the captured image of the user;extracting, using a text encoder, at least one sequence data from the first information about the profile of the user;extracting, using a graph encoder, at least one graph data from the second information about the preference of the user; andfusing, using a cross attention layer, the at least one feature data, the at least one sequence data, and the at least one graph data, to create the first image.15.The method according to any one of claims 11 to 14, further comprising:checking if the first image meets at least one first predetermined criterion; andif it is determined that the first image does not meet the at least one first predetermined criterion, modifying the first image to meet the at least one first predetermined criterion before using the first image to represent the user.16.The method according to any one of claims 11 to 15, further comprising:receiving a first input for the first image from the user; andmodifying the first image based on the first input received from the user, before using the first image to represent the user.17.The method according to any one of claims 11 to 13, wherein the information about the activity of the user includes at least one of third information about an order attribute of the user and fourth information about a query from the user.18.The method according to claim 17, further comprising:extracting, using an image encoder, at least one feature data from the first image representing the user;extracting, using a tabular encoder, at least one data table from the third information about the order attribute of the user;extracting, using a text encoder, at least one sequence data from the fourth information about the query from the user; andfusing, using a cross attention layer, the at least one feature data, the at least one data table, and the at least one sequence data, to create the second image.19.The method according to any one of claims 11 to 18, further comprising:checking if the second image meets at least one second predetermined criterion; andif it is determined that the second image does not meet the at least one second predetermined criterion, modifying the second image to meet the at least one second predetermined criterion before displaying the second image on the user interface screen.20.The method according to any one of claims 11 to 19, further comprising:receiving a second input for the second image from the user; andmodifying the second image based on the second input received from the user, before displaying the second image on the user interface screen.

Images