JP6675743B1 - 間取り図生成装置及び間取り図生成方法 - Google Patents

間取り図生成装置及び間取り図生成方法 Download PDF

Info

Publication number
JP6675743B1
JP6675743B1 JP2019049425A JP2019049425A JP6675743B1 JP 6675743 B1 JP6675743 B1 JP 6675743B1 JP 2019049425 A JP2019049425 A JP 2019049425A JP 2019049425 A JP2019049425 A JP 2019049425A JP 6675743 B1 JP6675743 B1 JP 6675743B1
Authority
JP
Japan
Prior art keywords
floor plan
style
image
image information
plan generating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019049425A
Other languages
English (en)
Other versions
JP2020154362A (ja
Inventor
金子 英之
英之 金子
晃卓 河本
晃卓 河本
Original Assignee
ファミリアホームサービス株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ファミリアホームサービス株式会社 filed Critical ファミリアホームサービス株式会社
Priority to JP2019049425A priority Critical patent/JP6675743B1/ja
Application granted granted Critical
Publication of JP6675743B1 publication Critical patent/JP6675743B1/ja
Publication of JP2020154362A publication Critical patent/JP2020154362A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

【課題】間取り図のスタイルを変更する手間を削減できる装置や方法を提供する。【解決手段】間取り図生成装置200は、第1スタイルの間取り画像を含む入力画像情報から、要求に応じた第2スタイルの間取り画像を含む画像情報に変換する学習済みモデルを含む。【選択図】図1

Description

本発明は、間取り図を生成する装置や方法等に関する。
不動産のような業界では、不動産(建造物)の間取り図が扱われることがある。このような間取り図を取り扱うシステムが知られている。
例えば、特許文献1は、コンピュータで読み込んだ図面から意匠図面を作成することを支援する支援装置を開示する。特許文献1に記載された支援装置では、例えば、ユーザが、読み込んだ図面における建築物の外周線上の複数の点を指定すると、指定された点を順番に結ぶラインが自動生成される。
また、特許文献2は、2次元の間取り図から、3次元の間取り図を自動で作成する装置を開示している。
特開2005−157839号 特許第6116746号
本願の発明者は、間取り図を扱う不動産のような業界において、以下のような課題があることを見出した。例えば、不動産業界では、紙面に描かれた間取り図(画像)から、CADを利用して間取り図の電子データを逐一作成することが慣習となっている。特に、間取り図中に描かれる文字や図形、及び間取り図に付随する図形や文字等の情報は、不動産会社(ユーザ)ごとに独自のフォーマット(スタイル)を有していることが多い。そのため、同一の不動産物件を示す間取り図であっても、不動産会社毎に間取り図の電子データが、不動産会社ごとに逐一作成又は修正されている。
特許文献1は、間取り図の電子データ化を容易に行う支援装置を開示するだけであり、間取り図のスタイル変更に関する課題やその解決手段については何ら開示も示唆もしていない。特許文献2は、2次元の間取り図を3次元の間取り図に変換することを開示するものの、ユーザごとに指定されたスタイルの間取り図に変更することは開示していない。また、前述した課題やその解決手段についても何ら示唆されていない。
したがって、間取り図のスタイルを変更する手間を削減できる装置や方法が望まれる。
一態様によれば、間取り図生成装置は、第1スタイルの間取り画像を含む入力画像情報から、要求に応じた第2スタイルの間取り画像を含む画像情報に変換する学習済みモデルを含む。
好ましい一態様によれば、前記学習済みモデルは、少なくとも前記第2スタイルの間取り画像群からなる訓練データにより学習されたニューラルネットワークを含む。
好ましい一態様によれば、前記学習済みモデルは、前記第1スタイルの間取り画像群及び前記第2スタイルの間取り画像群を用いたGAN又はVAEにより学習されたニューラルネットワークを含む。
好ましい一態様によれば、前記入力画像情報から、前記第1スタイルの前記間取り画像の部分の領域のみを抽出する抽出部を有する。これにより、入力画像情報に、間取り図に関係の無い図表が存在したとしても、自動で間取り図の部分を抽出することができる。
好ましい一態様によれば、前記第2スタイルは、前記間取り図生成装置にアクセスするユーザのユーザ情報と関連づけられている。これにより、ユーザがスタイルを明示的に指定しなくても、間取り図生成装置は、ユーザに応じたスタイルの間取り図(出力画像情報)を自動で生成することができる。
好ましい一態様によれば、コンピュータ端末は、第1スタイルの間取り画像を含む入力画像情報を送信する送信部と、学習済みモデルを用いて要求に応じた第2スタイルの間取り画像を含む出力画像情報に変換するよう要求する要求部と、要求に応じて生成された前記出力画像情報を受けとる受信部と、を有する。
ここで、コンピュータ端末は、例えばパーソナルコンピュータや携帯端末のようなユーザ端末であってよい。送信部及び/又は受信部は、ネットワークを介してコンピュータ端末と通信可能に構成された通信部によって構成されていてよい。
一態様によれば、間取り図生成方法は、第1スタイルの間取り画像を含む入力画像情報から、学習済みモデルによって、要求に応じた第2スタイルの間取り画像を含む画像情報に変換するステップを含む。
一態様によるプログラムは、上記の間取り図生成方法をコンピュータに実行させるプログラムである。
上記態様によれば、間取り図のスタイルを変更する手間を削減することができる。
一実施形態における間取り図生成システムの機能構成を示す図である。 一実施形態における間取り図生成方法のフローを示す図である。 入力画像の一例を示す図である。 入力画像中の間取り図部分を抽出した中間画像の一例を示す図である。 自動生成された出力画像の一例を示す図である。 学習モデルの機能構成を示す図である。
以下、図面を参照して、実施形態について説明する。以下の図面において、同一又は類似の部分には、同一又は類似の符号を付している。
[全体構成]
図1は、一実施形態にかかる間取り図生成システムの機能構成を示す図である。図2は、一実施形態における間取り図生成方法のフローを示す図である。本実施形態に係る間取り図生成システムは、元のスタイルの間取り図を含む画像情報(入力画像情報)から、別のスタイルの間取り図(出力画像情報)へ自動変換する機能を有する。
間取り図生成システムは、間取り図生成装置200と、ユーザ端末300と、を有していてよい。本実施形態では、間取り図生成装置200は、インターネットのような通信回線900を介して複数のユーザ端末300と通信可能に構成されていてよい。
ユーザ端末300は、間取り図生成システム200と通信可能であれば、特に限定されない。例えば、ユーザ端末300は、デスクトップ型又はラックトップ型のパーソナルコンピュータや、携帯通信端末などであってよい。
ユーザ端末300は、画像データ入力部310と、スタイル選択部320と、通信部330と、を有していてよい。画像データ入力部310は、間取り図生成システムを構成するアプリケーションに、間取り図を含む画像データを取り込む機能を有する。
ユーザ端末300から取り込まれる間取り図は、例えば紙面上に描かれた間取り図を含む画像情報をスキャナや撮像装置で取り込んだ画像データであってよい。この代わりに、ユーザ端末300に予め保存されている間取り図を含む画像データであってもよい。このような画像データは、例えばラスタ形式の画像データ(ビットマップ画像)であってよい。
通信部330は、インターネットのような通信回線900を介して、間取り図生成装置200の通信部230と通信を行う。これにより、ユーザ端末300は、例えば、取り込んだ間取り図データ(入力画像情報)を間取り図生成装置200へ送ったり、ユーザからの指令(要求)を間取り図生成装置200へ送ったりすることができる。
スタイル選択部320は、必要に応じて設けられる。スタイル選択部320は、変換後の間取り図のスタイルを指定するために設けられる。これにより、ユーザは、複数のスタイルのうちの1つを選択することができる。スタイル選択部320は、例えばユーザ端末300上に表示されるチェックボックスを含んでいてよい。この場合、ユーザは、チェックボックスから特定のスタイルを指定することにより、変換後の間取り図のスタイルを指定することができる。間取り図生成装置200は、取り込んだ間取り図データ(入力画像情報)から、ユーザにより指定されたスタイルの間取り図へ自動変換する。
間取り図生成装置200は、ネットワークを介してユーザ端末300と通信を行う通信部230と、ユーザ端末300からの要求に応じて通信及び/データを制御する制御部310と、各種情報を記憶する記憶部220と、を有していてよい。
制御部210は、例えば、少なくともスタイル変換部212を有している。制御部210は、必要に応じて、ユーザ認証部211、抽出部213、文字情報処理部214などを有していてもよい。
ユーザ認証部211は、ユーザ端末300から間取り図生成装置200へのログイン要求に対する認証処理を行う。ユーザ認証部211によりユーザ認証が成功した場合、ユーザ端末300から間取り図生成装置200への通信が可能になる。一方、ユーザ認証部211によりユーザ認証が失敗した場合、ユーザ端末300から間取り図生成装置200への通信はできない。ユーザ認証の方法は、公知の任意の方法によって行われることができる。例えば、ユーザ端末300から入力されたユーザ情報とパスワードを、記憶部220に記憶されたアカウント情報と対比させることによって、ユーザ認証を行うことができる。
抽出部213は、取り込んだ間取り図データ(入力画像情報)から、間取り画像(第1スタイルの間取り画像)の部分の領域のみを抽出する。具体的には、抽出部213は、取り込んだ間取り図データ(入力画像情報)から、間取り図とは直接関係のない要素、例えば物件名や取り扱い企業名などの情報や、金額などの情報や、何らかの図表などの要素を自動で削除した中間画像を生成することができる。
図3は、入力画像の一例を示す図である。図3に示すように、入力画像は、間取り図に相当する画像と、間取り図とは直接関係のない要素(画像)が含まれている。図4は、入力画像中の間取り図部分を抽出した中間画像の一例を示す図である。すなわち、図4は、抽出部213により抽出された間取り図画像を示している。図4に示すように、図3に示す入力画像のうち、間取り図に相当する部分のみが抽出されていることがわかる。
なお、領域の抽出は、学習済みモデル(人工知能)を用いて行ってもよく、学習済みモデルを用いない画像処理技術によって行ってもよい。
領域抽出の例を以下に説明する。まず、入力画像から、線分と、間取り図を構成するオブジェクトを抽出する。線分の抽出は、例えば確率的ハフ変換のような公知の方法より実施できる。線分を抽出することにより、間取り図を構成する内壁や外壁、間取り図とは異なるその他の図表のラインを抽出することができる。
次に、間取り図を構成するオブジェクトを抽出する。より具体的には、間取り図に共通して使用されるオブジェクトが抽出される。そのようなオブジェクトとして、例えば、ドア(扉)を示す記号が挙げられる。このようなオブジェクトの抽出は、例えばパターンマッチングの画像処理技術により実現可能である。
次に、入力画像から抽出された線分のうち、抽出されたオブジェクトに連結された線分を抜き出す。間取り図を構成するものとして抽出されたオブジェクトに連結された線分は、間取り図を構成するものと考えられる。これにより抜き出された線分のうちの最も外側のラインで囲まれた領域が、間取り図を構成する部分と考えられる。したがって、抽出部213は、前述した一連の処理により、取り込んだ間取り図データ(入力画像情報)から、間取り画像(第1スタイルの間取り画像)の部分の領域のみを抽出することができる。言い換えると、抽出部213は、取り込んだ間取り図データ(入力画像情報)から、間取り図とは直接関係のない要素、例えば物件名、家賃、最寄り駅などの情報や、取り扱い企業名、その電話番号などの要素を自動で削除することができる。また、間取り図の外側に、間取りとは関係のない不要な図形があった場合であっても、当該不要な図形が自動で削除される。
スタイル変換部212は、第1スタイルの間取り画像(入力画像情報)から、要求に応じた第2スタイルの間取り画像を含む画像情報に変換する学習済みモデルを含んでいてよい。
スタイル変換部212への入力画像情報は、抽出部213による抽出処理後の画像情報であってもよく、抽出部213による処理がなされていない元の画像情報であってもよい。ただし、学習済みモデルによる画像スタイルの自動変換をより精度良く行うため、スタイル変換部212への入力画像情報は、抽出部213による抽出処理後の画像情報であることが好ましい。
スタイル変換部212を構成する学習済みモデルは、少なくとも第1スタイルの間取り画像から第2スタイルの間取り画像への変換するよう学習されている。学習済みモデルは、画像変換処理が可能であれば、どのような種類の学習モデルを利用したものであってもよい。そのような学習モデルは、例えば、少なくとも第2スタイルの間取り画像群からなる訓練データにより学習されたニューラルネットワークを含んでいてよい。
そのような例として、敵性的生成ネットワーク(GAN)が挙げられる。敵性的生成ネットワークとしては、例えば、例えば、DCGAN(Deep Convolutional Generative Adversarial Networks)、cycle GAN又はConditional GANなどがある。この代わりに、学習モデルは、例えば、Variational Auto Encoder(VAE)を用いたものであってもよい。
間取り図画像のスタイルの変換では、部屋又は区画の形や大きさを実質的に変更することなく、建具や家具のような使用物品を示すオブジェクト又は模様の変更、文字の種類や大きさの変更、部屋の装飾(例えば色)の変更などが行われる。建具や家具は、例えば、外枠、壁、窓、柱、扉、バスタブ、便器、フローリングやタイルのような床材等が挙げられる。ただし、後述するように、文字に関する変更は、文字情報解析部214によって行われることが好ましい。
さらに、間取り図画像のスタイルの変換は、間取り図の外枠の外側(土地部分)に装飾を施す変換であってもよい。そのような変換は、例えば高級なデザイン感を出す変換であってもよい。具体的には、そのような変換は、間取り図の外枠の外側に、車や木や鉢植えのような記号を付加する変換であってもよい。
図5は、スタイル変換部212により自動生成された間取り画像(出力画像情報)の一例を示す図である。スタイル変換部212による変換後の間取り画像は、入力画像(第1スタイル)とは異なる第2スタイルの間取り画像となっている。
図示した例では、スタイル変換後の間取り図では、各部屋に横線又は縦線が引かれていたり、洗面所やトイレのオブジェクトの形が変更されていたりする。また、窓を示すオブジェクトの形が変更されていたり、「6帖」との表記が「6」と変わっていたりする。これらの変換は、一例であり、図示したものに限定されないことに留意されたい。
図2に示すように、間取り図生成装置200は、ユーザ端末300から元の間取り図(入力画像情報)を受信し、間取り図生成の要求を受けると、入力画像情報の画像処理を開始する(ステップS1)。
必要に応じて、抽出部213により、取り込んだ間取り図データ(入力画像情報)から、間取り画像(第1スタイルの間取り画像)の部分の領域のみを抽出する(ステップS2)。なお、抽出部213による抽出処理が不要であれば、ステップS2は実施されなくてよい。
次に、スタイル変換部212により、ユーザ端末300からの要求に応じた第2スタイルの間取り画像を含む画像情報に変換する(ステップS3)。変換後の間取り画像(出力画像情報)のスタイル(第2スタイル)は、例えば、ユーザ端末300を通じてユーザにより指定されたものであってよい。
変換後の間取り画像(出力画像情報)は、ユーザ端末300へ出力される(ステップS4)。例えば、変換後の間取り画像(出力画像情報)は、通信部230,330を介してユーザ端末300に送られ、ユーザ端末300に表示される。
[学習済みモデル1]
次に、スタイル変換部212を構成する学習済みモデルの一例について説明する。図6は、訓練中の学習モデルの機能構成を示す図である。図6は、DCGANを用いた学習モデルを示している。
図6における生成器400は、入力画像情報から第2スタイルの間取り画像情報を生成するものであり、学習可能なニューラルネットワーク(CNN)を含んでいてよい。識別器402は、生成器400によって生成された画像情報が、本物であるかどうかを識別するものであり、学習可能なニューラルネットワーク(CNN)を含んでいてよい。CNNの構造は、画像処理分野で公知のニューラルネットワークであってよく、詳細な説明については省略する。
図6において、ノイズ410は、生成器400に入力される入力変数(潜在変数)である。学習データセット420は、予め準備された第2スタイルの多数の間取り画像である。言い換えると、学習データセット420は、スタイル変換部212によって出力されるべきスタイル(正しいスタイル)の間取り図である。
学習データセット420として予め準備された第2スタイルの多数の間取り画像は、同じ統一感を持った多種の間取り図である。統一感を持った間取り図とは、例えば、外壁を示すラインの太さや色、キッチンやトイレの区画の色、収納の色、文字のフォント、部屋に置かれるオブジェクトの記号などが同じ又は類似のものを意味する。
識別器402の学習の過程において、識別器402には、生成器400によって生成された画像情報と、予め準備された学習データセット420とが入力される。識別器402は、入力されたデータ(画像情報)が、生成器400によって生成されたものであるか、予め準備された学習データセット420かを識別可能なように学習される。すなわち、識別機402は、入力された画像情報が、生成器400によって生成されたものであるか、予め準備された学習データセット420であるかを判別し、判別結果の正解又は不正解に応じて、識別器402を構成するニューラルネットワークのパラメータ(バイアス又は重み)を更新(最適化)する。
最適化の方法は、誤差逆伝播法、最急降下法又はこれらの組み合わせなど、公知の方法をとることができる(以下、同様)。このような学習を繰り返すことによって、識別器402は、生成器400によって生成された画像情報と、予め準備された学習データセット420とを精度よく識別可能になる。
一方、生成器400は、識別器402によって識別できないデータ(画像情報)を生成可能なように学習される。生成器400に入力されるデータは、乱数(ノイズ)410によって生成されるデータである。乱数(ノイズ)410については、DCGANの学習手法において公知のあらゆる手法をとることができる。
生成器400の学習の過程において、生成器400によって生成されたデータ(画像情報)を、上記の識別器402に識別させる。そして、生成機400は、識別機402によって正しく識別されたか否かに応じて、生成機400を構成するニューラルネットワークのパラメータ(バイアス又は重み)を更新(最適化)する。
この学習を繰り返すことにより、生成器400は、学習データセット420に含まれる画像情報、すなわち第2スタイルの間取り画像と区別のつかない画像情報を生成できるようになる。
上記学習により、生成器400は、入力された画像情報、例えば第1スタイルの間取り図情報から、第2スタイルの間取り図を生成できるようになる。したがって、スタイル変換部212は、上述した学習済みの生成器400を含んでいてよい。
なお、スタイル変換部212が、複数のスタイルのうちのいずれか1つのスタイルへ間取り図を変換できるものである場合、スタイル変換部212は、スタイルごとに上記のように学習された生成器400を有していればよい。
[学習済み人工知能2]
次に、スタイル変換部212を構成する学習済み人工知能の別の一例について説明する。本例では、学習モデルとして、Conditional GANの一種であるpix 2 pixを用いる。この場合、学習データセットは、第1スタイルの間取り画像のセットと、第2スタイルの多数の間取り画像のセットである。
第2スタイルの間取り画像セットは、第1スタイルの多数の間取り画像セットに対応して準備される。すなわち、第2スタイルの間取り画像データは、第1スタイルの間取り画像データが正しく変換(翻訳)された正解データを構成する。学習モデルの構造自体は、図6と同様である。
本例では、学習の過程において、生成器400に予め準備された第1スタイルの間取り画像データが入力される。識別器402には、生成器400から出力された画像と、生成器400に入力した第1スタイルの間取り画像の対応する正解の第2スタイルの間取り図とのセットか、予め準備された第1スタイルの間取り画像と、正解の第2スタイルの間取り図とのセットが、入力される。これにより、識別器402は、本物の画像セットであるかどうかを識別する。
上記の学習において、識別器402は、入力された画像のセットが、本物のセットであるかどうかを識別し、識別結果の正解、不正解に応じて、識別機402を構成するニューラルネットワークのパラメータ(バイアス又は重み)を更新(最適化)する。一方、生成器400を構成するニューラルネットワークのパラメータ(バイアス又は重み)は、識別機402が本物の画像セットかどうかを識別できなくするよう更新される。これにより、生成器400は、第1スタイルの間取り画像から、第2スタイルの間取り画像を生成できるようになる。この場合であっても、スタイル変換部212は、上述した学習済みの生成器400を含んでいてよい。
前述した学習では、DCGAN及びConditional GANによる機械学習を説明したが、学習モデルがこれに限定されない。例えば、学習モデルは、Cycle GANであってもよい。この代わりに、学習モデルは、Variational Auto Encoder(VAE)を用いたものであってもよい。
[文字情報処理部]
文字情報処理214は、元の間取り画像(入力画像)に描かれている文字を認識する。すなわち、文字情報処理214は、元の間取り画像(入力画像)を解析することにより、間取り図に含まれる文字を検出する。例えば、図3に示した間取り図の例であれば、「洋室6帖」、「和室6帖」、「収納」、「押入」、「浴室」、「キッチン」、「洗面所」、「物件名」、「最寄駅」などの文字情報を検出する。
文字情報処理214は、検出された文字情報から、部屋又は区画の種類を認識することができる。仮に、「K」という文字が検出された場合、「K」と「キッチン」を対応付けたデータを記憶部220(データベース)に記憶させておけば、文字情報処理214は、記憶部220を参照することにより、「K」が「キッチン」であると特定することができる。このように、文字情報処理214は、検出された文字情報から、部屋又は区画の種類を認識することができる。
また、「6」のような数字が検出された場合、文字情報処理214は、部屋又は区画の大きさを特定することができる。より具体的には、文字情報処理214は、検出された文字情報と、当該文字情報が検出された位置(座標)の両方の情報に基づいて、間取り図における部屋又は区画の種類や大きさを特定することができる。
文字情報処理214は、第1スタイルの間取り画像から第2スタイルの間取り画像を生成する際に、必要に応じて間取り図内の文字の大きさやフォントを変更してもよい。すなわち、ユーザからの要求に応じて、文字情報処理214は、間取り画像の変更時に、第2スタイルに適したフォント及び/又は大きさの文字を変更してもよい。
文字情報処理214による文字の変更は、学習済みのモデルを用いたスタイル変換部212による変換前に行われてもよく、変換後に行われてもよい。
また、文字情報処理214によって第1スタイルの間取り図から検出された文字情報をすべて削除し、文字情報が削除された間取り画像をスタイル変換部212によって第2スタイルの間取り図へ変換してもよい。この場合、文字情報処理214は、スタイル変換部212により生成された第2スタイルの間取り図へ、改めて文字情報を付加すればよい。文字情報処理214は、文字情報を付加する際に、前述したように文字の大きさやフォントを変更してもよい。
文字情報処理214は、文字の大きさやフォントの変更の他、例えば、「キッチン」、「台所」、「K」などのように、同様の意味を示す別の文言への変更を行っても良い。さらに、文字情報処理214は、例えば、日本語表記を英語表記に変更したり、英語表記を日本語表記に変更したりしてもよい。
このような文字の変更は、同様の意味を示す文言をグループ化したデータベースを記憶しておくことにより容易に実行できる。すなわち、文字情報処理214は、同様の意味を示す文言をグループ化したデータベースを参照することにより、任意の文字に変更することができる。さらに、データベース上で文字の種類とスタイルとの関係を特定しておくことにとり、文字情報処理214は、ユーザにより指定されたスタイルに応じて、文字の種類を変更することができる。
このように、間取り図画像のスタイルの変換は、学習済みのモデル(AI)のみによって実行されなくてもよい。例えば、文字情報の検出は、AIを用いなくても高精度で実行できることが知られている。したがって、前述したように、文字情報については、スタイル変換部212を構成する学習済みモデルとは別の処理で実行してもかまわない。
もっとも、文字情報も高精度に変換可能であれば、スタイル変換部212を構成する学習済みモデルが、文字情報も含めたスタイルを変換してもよい。
[その他の機能]
前述した実施形態では、スタイル変換部212は、ユーザからの要求に応じて間取り図画像のスタイルの変換を実行している。この代わりに、スタイル変換部212は、間取り図生成装置200にアクセスするユーザ情報に基づいて、間取り図画像のスタイルの変換を実行してもよい。
この場合、記憶部220は、ユーザ情報を記憶するユーザ情報テーブル222を有していてよい。ユーザ情報テーブルは、ログイン可能なユーザと、ユーザと関連づけられたスタイル(間取り図のスタイル)の情報が記憶されている。この場合、ユーザが希望する間取り図のスタイルを明示的に指定しなくても、スタイル変換部212は、ユーザに応じたスタイルの間取り図(出力画像情報)を自動で生成することができる。
前述したように、不動産のような業界では、会社(ユーザ)ごとに独自のフォーマット(スタイル)で間取り図を作成することが多い。この場合には、ユーザと間取り図のスタイルの情報との関係を予め記憶しておいたとしても、ユーザが希望する間取り図を自動で生成することができる。
前述した機能の他に、間取り図生成装置200は、ユーザによる要求によりさらに別の機能を実行してもよい。例えば、間取り図生成装置200は、2次元の間取り図、3次元の間取り図又は疑似的な3次元の間取り図に変換する機能を有していても良い。
2次元から疑似的な3次元の間取り図への変更は、2次元の間取り図から壁や外枠のようなラインを抽出し、抽出したラインの一方の側に影のような陰影を自動で付けることにより実現できる。
また、2次元から3次元の間取り図への変更は、ユーザにより物件の高さ情報を入力させ、入力された高さ情報に基づき2次元の間取り図を3次元化すればよい。なお、建造物の床から天井までの高さは、ある程度の範囲内であることが多いため、2次元から3次元の間取り図への変更は、天井までの一般的な高さの値を用いて実行してもよい。
また、間取り図生成装置200は、スタイル変換部212により自動で生成された間取り図内に、家具に相当するオブジェクトを自動で配置する機能を有していてもよい。前述したように、間取り図生成装置200は、部屋や区画の種類を自動で認識することができる。すなわち、間取り図生成装置200は、自動で認識した部屋や区画の種類の情報を利用し、当該部屋や区画の種類に合わせた家具のオブジェクトを自動で出力画像に描いても良い。このような機能は、ユーザからの要求に応じて実行すればよい。
上述したように、実施形態を通じて本発明の内容を開示したが、この開示の一部をなす論述及び図面は、本発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替の実施形態、実施例及び運用技術が明らかとなる。したがって、本発明の技術的範囲は、上述の説明から妥当な特許請求の範囲に係る発明特定事項によってのみ定められるものである。
例えば、前述した間取り図生成方法をコンピュータに実行させるプログラムも本発明の範囲含まれることに留意されたい。具体的には、間取り図生成装置200及び/又はユーザ端末300に実行させるプログラムが本発明の範囲含まれる。特に、前述した間取り図生成装置200が行う方法を、コンピュータに実行させるプログラムも本発明の範囲含まれる。
また、図1に示す態様では、間取り図生成システムは、間取り図生成装置200とユーザ端末300とを含むクライアントサーバモデルを構成する。この代わりに、間取り図生成装置200は、ユーザにより直接操作される端末であってもよい。言い換えると、ユーザ端末が、ユーザ認証部211、スタイル変換部212、抽出部213及び/又は文字情報処理部214などを有しているとも言える。
200 間取り図生成装置
212 スタイル変換部
213 抽出部
300 ユーザ端末

Claims (7)

  1. 第1スタイルの間取り画像を含む入力画像情報から、要求に応じた第2スタイルの間取り画像を含む画像情報に変換する学習済みモデルを含
    前記学習済みモデルは、少なくとも建具又は家具を示すオブジェクト画像又は模様を別のスタイルのオブジェクト画像又は模様に変換するよう構成されている、間取り図生成装置。
  2. 前記学習済みモデルは、少なくとも前記第2スタイルの間取り画像群からなる訓練データにより学習されたニューラルネットワークを含む、請求項1に記載の間取り図生成装置。
  3. 前記学習済みモデルは、GAN又はVAEにより学習されたニューラルネットワークを含む、請求項1又は2に記載の間取り図生成装置。
  4. 前記入力画像情報から、前記第1スタイルの前記間取り画像の部分の領域のみを抽出する抽出部を有する、請求項1から3のいずれか1項に記載の間取り図生成装置。
  5. 前記第2スタイルは、前記間取り図生成装置にアクセスするユーザのユーザ情報と関連づけられている、請求項1から4のいずれか1項に記載の間取り図生成装置。
  6. 第1スタイルの間取り画像を含む入力画像情報から、学習済みモデルによって、要求に応じた第2スタイルの間取り画像を含む画像情報に変換するステップを含み、
    前記学習済みモデルは、少なくとも建具又は家具を示すオブジェクト画像又は模様を別のスタイルのオブジェクト画像又は模様に変換する、間取り図生成方法。
  7. 請求項に記載の間取り図生成方法をコンピュータに実行させるプログラム。
JP2019049425A 2019-03-18 2019-03-18 間取り図生成装置及び間取り図生成方法 Active JP6675743B1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019049425A JP6675743B1 (ja) 2019-03-18 2019-03-18 間取り図生成装置及び間取り図生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019049425A JP6675743B1 (ja) 2019-03-18 2019-03-18 間取り図生成装置及び間取り図生成方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2020036251A Division JP2020155115A (ja) 2020-03-03 2020-03-03 間取り図生成装置及び間取り図生成方法

Publications (2)

Publication Number Publication Date
JP6675743B1 true JP6675743B1 (ja) 2020-04-01
JP2020154362A JP2020154362A (ja) 2020-09-24

Family

ID=70001052

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019049425A Active JP6675743B1 (ja) 2019-03-18 2019-03-18 間取り図生成装置及び間取り図生成方法

Country Status (1)

Country Link
JP (1) JP6675743B1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111599020A (zh) * 2020-04-28 2020-08-28 北京字节跳动网络技术有限公司 房屋展示方法、装置和电子设备
KR102316079B1 (ko) * 2021-03-11 2021-10-22 서울대학교산학협력단 Gan을 이용하는 인테리어 추천 방법 및 장치
JP7062318B1 (ja) 2021-07-27 2022-05-06 株式会社マーキュリーリアルテックイノベーター 間取り図の画像を取得する装置とその方法及びプログラム
WO2023171831A1 (ko) * 2022-03-10 2023-09-14 서울대학교산학협력단 Gan을 이용하는 인테리어 추천 방법 및 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10124670A (ja) * 1996-10-18 1998-05-15 Nippon Telegr & Teleph Corp <Ntt> 図面認識方法
JP6828682B2 (ja) * 2015-06-10 2021-02-10 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
WO2017221759A1 (ja) * 2016-06-20 2017-12-28 ナーブ株式会社 情報管理装置、情報管理システム、情報管理方法、及びプログラム
JP6116746B1 (ja) * 2016-11-17 2017-04-19 株式会社ネクスト 情報処理装置、情報処理方法、及びプログラム

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111599020A (zh) * 2020-04-28 2020-08-28 北京字节跳动网络技术有限公司 房屋展示方法、装置和电子设备
CN111599020B (zh) * 2020-04-28 2023-10-27 北京字节跳动网络技术有限公司 房屋展示方法、装置和电子设备
KR102316079B1 (ko) * 2021-03-11 2021-10-22 서울대학교산학협력단 Gan을 이용하는 인테리어 추천 방법 및 장치
JP7062318B1 (ja) 2021-07-27 2022-05-06 株式会社マーキュリーリアルテックイノベーター 間取り図の画像を取得する装置とその方法及びプログラム
JP2023018585A (ja) * 2021-07-27 2023-02-08 株式会社マーキュリーリアルテックイノベーター 間取り図の画像を取得する装置とその方法及びプログラム
WO2023171831A1 (ko) * 2022-03-10 2023-09-14 서울대학교산학협력단 Gan을 이용하는 인테리어 추천 방법 및 장치

Also Published As

Publication number Publication date
JP2020154362A (ja) 2020-09-24

Similar Documents

Publication Publication Date Title
JP6675743B1 (ja) 間取り図生成装置及び間取り図生成方法
KR102002974B1 (ko) 인공지능 기반의 자동 로고생성 시스템 및 이를 이용한 로고생성 서비스 방법
CN110019745A (zh) 具有自学习自然语言理解的对话系统
KR101340780B1 (ko) 데이터 공유 시스템 및 방법
KR101970008B1 (ko) 딥러닝 신경망회로에 의한 번역알고리즘을 구비한 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 및 사용자 장치
CN109189351A (zh) 一种云打印方法、存储介质和服务器
CN110135449A (zh) 使用计算机视觉和机器学习的制造零件识别
US20170091885A1 (en) Systems and Methods for Improved Property Inspection Management
US20200293810A1 (en) Image processing device, machine learning device, and information processing method
US20200194003A1 (en) Meeting minute output apparatus, and control program of meeting minute output apparatus
CN106205622A (zh) 信息处理方法及电子设备
CN110737687A (zh) 数据查询方法、装置、设备及存储介质
CN105955683B (zh) 系统和控制方法
KR102003221B1 (ko) 필기 이미지 데이터 생성 시스템 및 이를 이용한 필기 이미지 데이터 생성 방법
CN110991279B (zh) 文档图像分析与识别方法及系统
JP2020155115A (ja) 間取り図生成装置及び間取り図生成方法
CN115374355A (zh) 一种基于特征匹配模型的相亲配对方法及系统
CN115718937A (zh) 基于神经网络的户型改造设计方法、装置、设备
JP2019153223A (ja) 画像生成装置、画像生成方法および画像生成プログラム
CN108023949A (zh) 拨号上网方法、系统、智能终端及服务器
CN113900645A (zh) 一种机顶盒环境下自定义模块组件的可视化开发方法
CN113010822A (zh) 信息处理方法、服务器以及电子设备
CN109446352B (zh) 一种模型展示方法、装置、客户端及存储介质
JP4992163B2 (ja) 柄デザインシミュレーションシステム及び柄デザインシミュレーションシステムに用いるサーバ
CN114153516B (zh) 数字人显示面板配置方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190401

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20190401

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20190909

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190909

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191001

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191127

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200218

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200303

R150 Certificate of patent or registration of utility model

Ref document number: 6675743

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250