KR102224056B1

KR102224056B1 - Ai 기반 착용감 예측 시스템 및 방법

Info

Publication number: KR102224056B1
Application number: KR1020190123767A
Authority: KR
Inventors: 황예슬; 나우식
Original assignee: 주식회사 예스나우
Priority date: 2019-10-07
Filing date: 2019-10-07
Publication date: 2021-03-09

Abstract

사용자의 다양한 신체 부위별로 의류 착용감을 예측할 수 있는 AI 기반 착용감 예측 시스템 및 방법, 기록 매체가 개시된다. 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템은 신체 데이터 수집부, 신장율 예측부 및 착용감 예측부를 포함한다. 신체 데이터 수집부는 사용자의 적어도 하나의 제1 신체 부분에 대해 측정된 제1 신체 치수를 수집하고 상기 제1 신체 치수를 기반으로 상기 사용자의 적어도 하나의 제2 신체 부분에 대해 제2 신체 치수를 추정하여 상기 사용자의 신체 데이터를 수집한다. 신장율 예측부는 의류의 부위별 치수와, 상기 의류의 신축성, 카테고리, 소재 함량, 짜임, 두께 중 적어도 하나를 포함하는 원단 물성 데이터를 기반으로 신장율 예측 모델에 의해 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 상기 의류의 부위별로 신장율을 예측한다. 착용감 예측부는 상기 제1 신체 치수, 상기 제2 신체 치수, 상기 의류의 부위별로 예측된 신장율을 기반으로, 상기 사용자가 상기 의류 착용시의 상기 제1 신체 부분 및 상기 제2 신체 부분의 착용감을 예측한다.

Description

AI 기반 착용감 예측 시스템 및 방법{SYSTEM AND METHOD FOR AI BASED PREDICTION OF WEARING FIT}

본 발명은 인공지능(AI; Artificial Intelligence) 기반 착용감 예측 시스템 및 방법에 관한 것으로, 보다 상세하게는 사용자의 다양한 신체 부위별로 의류 착용감을 예측할 수 있는 AI 기반 착용감 예측 시스템 및 방법에 관한 것이다.

최근 인터넷 환경의 변화로 인하여 사용자들은 많은 상품을 온라인을 통하여 구매하게 되었고, 특히 젊은 층이 자주 구매하는 의류 등의 패션 아이템에 대한 온라인 쇼핑몰 쉐어의 비중이 급속히 커지고 있다. 이러한 의류와 같은 패션 아이템의 경우, 소비자가 직접 상품을 확인하지 않고 온라인을 통해서 구매하게 되면, 사이즈를 잘못 주문하게 되는 문제가 발생할 수 있다.

일반적으로 온라인 쇼핑몰의 판매자가 의류의 상세한 치수를 온라인 쇼핑몰의 상품 정보에 개시해 놓았다 할지라도 자신의 정확한 치수를 알지 못하는 사용자는 적당히 S, M, L 사이즈 중에서 하나를 고르게 되는 경우가 많으며, 의류의 사이즈를 잘못 주문하게 되는 문제가 발생하게 된다.

또한, 온라인 쇼핑몰에서 제공하는 의류 정보는 단순히 의류 원단의 소재 함량이나 신축성 정도를 개략적으로 알려주는 수준에 그치고 있으며, 각 신체 부위별로 정확한 신장율 정보를 제공하지 못한다. 따라서 사용자가 실제 의류를 구입하여 착용하였을 때 사용자가 원하는 착용감을 느끼지 못하는 경우가 많아 구입한 의류 제품을 반품, 환불, 교환하는 사례도 빈번하게 발생하고 있다.

또한, 사용자에 의해 수집한 신체 부위의 신체 데이터를 의류의 치수와 비교하여 의류 착용성을 예측하는 기술이 있으나, 사용자가 다양한 신체 부위의 신체 치수를 정확하게 측정하기 어렵고, 측정되지 않은 신체 부분의 착용감을 예측하기 어려운 문제가 있다.

본 발명은 사용자의 다양한 신체 부위별로 의류 착용감을 예측할 수 있는 AI 기반 착용감 예측 시스템 및 방법, 기록 매체를 제공하기 위한 것이다.

또한, 본 발명은 사용자가 온라인 쇼핑몰 등에 전시되는 의류를 직접 입어보지 않고도 사용자가 원하는 착용감에 부합하는 의류를 추천할 수 있는 AI 기반 착용감 예측 시스템 및 방법, 기록 매체를 제공하기 위한 것이다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템은, 사용자의 적어도 하나의 제1 신체 부분에 대해 측정된 제1 신체 치수를 수집하고 상기 제1 신체 치수를 기반으로 상기 사용자의 적어도 하나의 제2 신체 부분에 대해 제2 신체 치수를 추정하여 상기 사용자의 신체 데이터를 수집하는 신체 데이터 수집부; 의류의 부위별 치수와, 상기 의류의 신축성, 카테고리, 소재 함량, 짜임, 두께 중 적어도 하나를 포함하는 원단 물성 데이터를 기반으로 신장율 예측 모델에 의해 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 상기 의류의 부위별로 신장율을 예측하는 신장율 예측부; 및 상기 제1 신체 치수, 상기 제2 신체 치수, 상기 의류의 부위별로 예측된 신장율을 기반으로, 상기 사용자가 상기 의류 착용시의 상기 제1 신체 부분 및 상기 제2 신체 부분의 착용감을 예측하는 착용감 예측부를 포함한다.

상기 제1 신체 치수는 상기 사용자의 키, 몸무게, 발 길이, 브라 사이즈, 팬티 사이즈, 목 둘레, 어깨 너비, 가슴 둘레, 팔단면 둘레, 윗허리 둘레, 아래허리 둘레 및 엉덩이 둘레 중의 적어도 셋 이상의 신체 치수를 포함할 수 있다.

상기 제2 신체 치수는 상기 사용자의 암홀 둘레, 상체 길이, 팔 길이 및 다리 길이 중의 적어도 하나를 포함할 수 있다.

상기 신체 데이터 수집부는, 상기 사용자의 가슴 둘레, 몸무게, 윗허리 둘레, 아래허리 둘레, 엉덩이 둘레, 허벅지 둘레 및 팔단면 둘레를 기반으로 상기 암홀 둘레를 추정하고; 상기 사용자의 키, 몸무게 및 팔 길이를 기반으로 상기 상체 길이를 추정하고; 상기 사용자의 발 길이, 키, 어깨 너비를 기반으로 상기 팔 길이를 추정하고; 그리고 상기 사용자의 상기 팔 길이, 발 길이, 키 및 어깨 너비를 기반으로 상기 다리 길이를 추정하도록 구성될 수 있다.

상기 착용감 예측부는, 상기 의류의 치수와 상기 사용자의 신체 치수 간의 차이와, 상기 의류의 부위별 신장율과, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏과 상기 의류의 카테고리 및 상기 의류의 부위별로 설정된 오차 한계를 기반으로 상기 착용감을 예측할 수 있다.

상기 착용감 예측부는, 상기 의류가 신축성이 없는 옷인 경우, 상기 의류의 부위별 치수와 상기 사용자의 부위별 신체 치수를 비교하여 상기 착용감을 예측하고; 그리고 상기 의류가 신축성이 있는 옷인 경우, 상기 의류의 부위별 치수와, 상기 사용자의 부위별 신체 치수와, 상기 의류의 신장율, 미리 설정된 상기 사용자에 허용 가능한 의복압, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏 중 상기 사용자에 의해 선택된 착용핏을 기반으로 상기 착용감을 예측하도록 구성될 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템은, 다양한 의류의 신축성, 카테고리, 소재 함량, 짜임 및 두께를 포함하는 원단 물성 데이터를 독립 변수로 하고, 상기 다양한 의류의 부위별 신장율을 종속 변수로 하는 학습을 통해 상기 신장율 예측 모델을 구축하는 학습부를 더 포함할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템은, 상기 착용감 예측부에 의해 다양한 치수의 복수의 의류에 대해 예측된 착용감을 기반으로, 상기 사용자에게 상기 복수의 의류 중 적어도 하나의 의류를 추천하는 의류 추천부를 더 포함할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템은, 상기 착용감 예측부에 의해 예측된 상기 착용감을 표시하는 착용감 표시부를 더 포함할 수 있다. 상기 착용감 표시부는, 상기 사용자의 가슴 둘레, 허리 둘레 및 엉덩이 둘레를 기반으로 미리 설정된 복수개의 신체 체형 중 어느 하나의 신체 체형을 선택하여 표시하고; 상기 의류의 치수 데이터와 상기 의류의 카테고리를 기반으로 미리 설정된 복수개의 의류 형상 중 어느 하나의 의류 형상을 선택하여 표시하고; 그리고 상기 신체 체형과 상기 의류 형상 간의 부위별 착용감을 표시하도록 구성될 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 방법은, 신체 데이터 수집부에 의해, 사용자의 적어도 하나의 제1 신체 부분에 대해 측정된 제1 신체 치수를 수집하고 상기 제1 신체 치수를 기반으로 상기 사용자의 적어도 하나의 제2 신체 부분에 대해 제2 신체 치수를 추정하여 상기 사용자의 신체 데이터를 수집하는 단계; 신장율 예측부에 의해, 의류의 부위별 치수와, 상기 의류의 신축성, 카테고리, 소재 함량, 짜임, 두께 중 적어도 하나를 포함하는 원단 물성 데이터를 기반으로 신장율 예측 모델에 의해 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 상기 의류의 부위별로 신장율을 예측하는 단계; 및 착용감 예측부에 의해, 상기 제1 신체 치수, 상기 제2 신체 치수, 상기 의류의 부위별로 예측된 신장율을 기반으로, 상기 사용자가 상기 의류 착용시의 상기 제1 신체 부분 및 상기 제2 신체 부분의 착용감을 예측하는 단계를 포함할 수 있다.

상기 신체 데이터를 수집하는 단계는, 상기 사용자의 가슴 둘레, 몸무게, 윗허리 둘레, 아래허리 둘레, 엉덩이 둘레, 허벅지 둘레 및 팔단면 둘레를 기반으로 상기 암홀 둘레를 추정하는 단계; 상기 사용자의 키, 몸무게 및 팔 길이를 기반으로 상기 상체 길이를 추정하는 단계; 상기 사용자의 발 길이, 키, 어깨 너비를 기반으로 상기 팔 길이를 추정하는 단계; 그리고 상기 사용자의 상기 팔 길이, 발 길이, 키 및 어깨 너비를 기반으로 상기 다리 길이를 추정하는 단계를 포함할 수 있다.

상기 착용감을 예측하는 단계는, 상기 의류의 치수와 상기 사용자의 신체 치수 간의 차이와, 상기 의류의 부위별 신장율과, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏과 상기 의류의 카테고리 및 상기 의류의 부위별로 설정된 오차 한계를 기반으로 상기 착용감을 예측할 수 있다.

상기 착용감을 예측하는 단계는, 상기 의류가 신축성이 없는 옷인 경우, 상기 의류의 부위별 치수와 상기 사용자의 부위별 신체 치수를 비교하여 상기 착용감을 예측하는 단계; 그리고 상기 의류가 신축성이 있는 옷인 경우, 상기 의류의 부위별 치수와, 상기 사용자의 부위별 신체 치수와, 상기 의류의 신장율, 미리 설정된 상기 사용자에 허용 가능한 의복압, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏 중 상기 사용자에 의해 선택된 착용핏을 기반으로 상기 착용감을 예측하는 단계를 포함할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 방법은, 학습부에 의해, 다양한 의류의 신축성, 카테고리, 소재 함량, 짜임 및 두께를 포함하는 원단 물성 데이터를 독립 변수로 하고 상기 다양한 의류의 부위별 신장율을 종속 변수로 하는 학습을 통해 상기 신장율 예측 모델을 구축하는 단계를 더 포함할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 방법은, 의류 추천부에 의해, 상기 착용감 예측부에 의해 다양한 치수의 복수의 의류에 대해 예측된 착용감을 기반으로, 상기 사용자에게 상기 복수의 의류 중 적어도 하나의 의류를 추천하는 단계를 더 포함할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 방법은, 착용감 표시부에 의해, 상기 착용감 예측부에 의해 예측된 상기 착용감을 표시하는 단계를 더 포함할 수 있다. 상기 착용감을 표시하는 단계는, 상기 사용자의 가슴 둘레, 허리 둘레 및 엉덩이 둘레를 기반으로 미리 설정된 복수개의 신체 체형 중 어느 하나의 신체 체형을 선택하여 표시하는 단계; 상기 의류의 치수 데이터와 상기 의류의 카테고리를 기반으로 미리 설정된 복수개의 의류 형상 중 어느 하나의 의류 형상을 선택하여 표시하는 단계; 그리고 상기 신체 체형과 상기 의류 형상 간의 부위별 착용감을 표시하는 단계를 포함할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 방법은, 보정부에 의해, 상기 사용자의 상기 의류에 대한 구매 후기 데이터를 기반으로 상기 사용자에 대한 상기 착용감 예측부의 착용감 예측 모델을 보정하는 단계를 더 포함할 수 있다.

본 발명의 실시예에 따르면, 상기 AI 기반 착용감 예측 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공된다.

본 발명의 실시예에 의하면, 사용자의 다양한 신체 부위별로 의류 착용감을 예측할 수 있는 AI 기반 착용감 예측 시스템 및 방법, 기록 매체가 제공된다.

또한, 본 발명의 실시예에 의하면, 사용자가 온라인 쇼핑몰 등에 전시되는 의류를 직접 입어보지 않고도 사용자가 원하는 착용감에 부합하는 의류를 추천할 수 있다.

도 1은 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템을 포함하는 의류 구매 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템의 구성도이다.
도 3은 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법의 순서도이다.
도 4는 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템을 구성하는 신체 데이터 수집부의 구성도이다.
도 5는 도 3의 단계 S130의 순서도이다.
도 6은 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템에 의해 수집된 사용자의 신체 데이터 측정 결과의 예시도이다.
도 7은 도 3의 단계 S150의 순서도이다.
도 8은 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법에 따라 사용자에게 의류를 추천하는 것을 나타낸 예시도이다.
도 9는 도 3의 단계 S170의 순서도이다.
도 10 및 도 11은 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법에 따라 착용감을 표시한 것을 나타내는 예시도이다.
도 12는 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템을 구성하는 보정부의 기능을 설명하기 위한 예시도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 본 명세서에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 이하에서는 도면을 참조하여 본 발명의 실시예에 대해서 구체적으로 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템을 포함하는 의류 구매 시스템의 구성도이다. 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템(100)은 의류 구매자에 해당하는 사용자의 단말기(10)로부터 제공받은 사용자 신체 치수와, 온라인 의류 쇼핑몰(20)로부터 제공받은 의류 치수, 소재 등의 정보를 포함하는 의류 데이터, 의류의 원단 물성 데이터 등을 기반으로, 사용자가 의류 착용시의 신체 부위별 착용감을 예측하여 사용자에게 제공하고, 사용자의 신체 부위별 착용감을 기반으로 사용자에게 적합한 치수의 의류를 추천할 수 있다.

본 발명의 실시예에 의하면, 사용자는 AI 기반 착용감 예측 시스템(100)에서 제공하는 사용자의 신체 부위별 착용감 예측 정보와, 의류 추천 정보를 기반으로 자신의 신체 치수에 맞는 의류를 구매할 수 있다. 따라서, 신체 치수에 맞지 않는 의류를 환불/반품하는데 따르는 사용자의 불편함을 줄일 수 있으며, 사용자에 대한 온라인 의류 쇼핑몰(20)의 서비스 만족도를 높일 수 있다.

또한, 온라인 의류 쇼핑몰(20)은 사용자가 원하지 않는 착용감의 의류를 환불/반품하는데 따르는 비용 부담을 줄이고 고객을 유지하여 수익성을 높일 수 있다. 또한, AI 기반 착용감 예측 시스템(100)은 사용자의 신체 부위별 착용감 제공 및 의류 추천에 따른 대가로 온라인 의류 쇼핑몰(20)로부터 판매 수수료를 지급받음으로써 수익을 얻을 수 있다.

의류 착용감을 예측하는 서비스의 효용성을 높이기 위해서는 사용자의 신체 부위별로 정확한 착용감 정보를 제공함과 동시에 사용자의 신체 치수 측정과 같은 서비스 이용에 따르는 불편함을 최소화할 필요가 있다. 도 2는 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템의 구성도이다. 도 1 및 도 2를 참조하면, 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템(100)은 사용자의 최소한의 노력으로 사용자로부터 다양한 신체 부위별 신체 데이터를 수집할 수 있도록 하는 서비스를 제공할 수 있다.

본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템(100)은 신체 데이터 수집부(110), 신체 정보 표시부(120), 의류 데이터 수집부(130), 원단 데이터 수집부(140), 신장율 예측부(150), 학습부(160), 착용감 예측부(170), 의류 추천부(180), 착용감 표시부(190), 구매후기 입력부(200) 및 보정부(210)를 포함할 수 있다.

신체 데이터 수집부(110)는 사용자의 적어도 하나의 제1 신체 부분에 대해 측정된 제1 신체 치수를 수집하고, 수집된 제1 신체 치수를 기반으로 사용자의 적어도 하나의 제2 신체 부분에 대해 제2 신체 치수를 추정하여 사용자의 신체 데이터를 수집할 수 있다. 즉, 신체 데이터 수집부(110)는 사용자에 대한 측정에 의해 제1 신체 부분의 제1 신체 치수를 수집할 뿐 아니라, 제1 신체 치수를 기반으로 사용자에 대해 측정되지 않은 제2 신체 부분의 제2 신체 치수를 추정하여, 제1 신체 부분 및 제2 신체 부분에 대한 착용감을 예측하도록 구성될 수 있다.

실시예에서, 신체 데이터 수집부(110)는 사용자가 서비스 제공자에 의해 제공받은 신체 측정용 밀착형 수트를 착용하여 촬영한 수트 착용 이미지로부터 제1 신체 치수를 수집할 수 있다. 사용자가 AI 기반 착용감 예측 시스템(100)에서 제공하는 앱을 단말기에서 실행하여 수트 착용 이미지를 촬영하면, 수트 착용 이미지가 AI 기반 착용감 예측 시스템(100)으로 자동 전송되고, 신체 데이터 수집부(110)는 수트 착용 이미지로부터 사용자의 제1 신체 부분의 신체 치수를 자동으로 측정하게 된다.

실시예에서, 신체 데이터 수집부(110)가 수트 착용 이미지로부터 측정하는 제1 신체 치수는 사용자의 발 길이, 목 둘레, 어깨 너비, 가슴 둘레, 팔단면 둘레, 윗허리 둘레, 아래허리 둘레 및 엉덩이 둘레를 포함할 수 있으나, 이에 제한되는 것은 아니다. 또한, 신체 데이터 수집부(110)는 사용자가 앱을 통해 입력한 신체 치수 정보(예를 들어, 키, 몸무게, 브라 사이즈, 팬티 사이즈)를 수집할 수 있다.

신체 데이터 수집부(110)는 복수개의 제1 신체 치수를 기반으로 하나 또는 복수개의 제2 신체 치수를 추정할 수 있다. 실시예에서, 제1 신체 치수들로부터 추정되는 제2 신체 치수는 사용자의 암홀(Arm Hole) 둘레, 상체 길이, 팔 길이 및 다리 길이를 포함할 수 있으나, 이에 제한되는 것은 아니다.

신체 데이터 수집부(110)에 의해 제1 신체 치수들이 측정되고, 제2 신체 치수들이 추정되면, 신체 정보 표시부(120)는 사용자의 신체 데이터(제1 신체 치수들, 제2 신체 치수들)를 사용자의 단말기에 표시한다. 사용자는 단말기에 표시된 자신의 신체 데이터를 확인한 후 저장할 수 있다.

의류 데이터 수집부(130)는 웹크롤링(web crawling)에 의해 온라인 쇼핑몰로부터 다양한 카테고리, 다양한 소재로 이루어진 의류들의 정보를 포함하는 의류 데이터를 수집할 수 있다. 의류 데이터 수집부(130)에서 수집하는 의류 데이터는 온라인 쇼핑몰에서 제공하는 의류의 카테고리와 소재, 부위별 치수, 두께, 신축성 등의 정보를 포함할 수 있다.

의류의 카테고리는 예를 들어, 티셔츠, 니트, 블라우스, 바지, 치마, 원피스, 아우터 등을 포함할 수 있으나, 이에 제한되는 것은 아니다. 의류의 소재는 예를 들어, 폴리에스테르, 면, 스판 등의 함량 정보를 포함할 수 있으나, 이에 제한되는 것은 아니다. 의류의 부위별 치수는 예를 들어, 의류의 사이즈(Small, Medium, Large, Extra Large), 총기장, 허리 치수, 엉덩이 치수, 허벅지 치수, 밑위 치수, 밑단 치수 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.

원단 데이터 수집부(140)는 의류의 신축성, 카테고리, 소재 함량, 짜임 및 두께를 포함하는 원단 물성 데이터를 수집할 수 있다. 실시예에서, 원단 데이터 수집부(140)는 수집한 의류들에 대해 원단 물성 시험기(예를 들어, universal test machine)를 이용하여 인장강도와 신장율을 측정하는 등의 방법으로 원단 물성 데이터를 수집할 수 있다.

신장율 예측부(150)는 의류의 부위별 치수와, 의류의 신축성, 카테고리, 소재 함량, 짜임, 두께 중 적어도 하나를 포함하는 원단 물성 데이터를 기반으로 신장율 예측 모델에 의해 제1 신체 부분 및 제2 신체 부분에 각각 대응되는 의류의 부위별로 신장율을 예측할 수 있다.

도 3은 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법의 순서도이다. 이하에서 도 1 내지 도 3을 참조하여, 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템 및 방법에 대해 설명한다. 학습부(160)는 다양한 의류의 원단 물성 데이터를 활용하여 신축성 지표(예를 들어, 3점 척도), 옷의 카테고리, 소재 함량, 짜임, 두께 등을 독립 변수로 하고 다양한 의류의 부위별 신장율을 종속 변수로 하여 신장율(인장률)을 예측하는 신장율 예측 모델을 학습할 수 있다(S110). 일 예로, 신장율은 최대 하중에서의 총 신도 비율(PTEMF; Percentage Total Elongation at Maximum Force)일 수 있으나, 이에 제한되지는 않는다.

신체 데이터 수집부(110)는 사용자의 제1 신체 부분에 대해 제1 신체 치수를 측정하고, 측정된 제1 신체 치수를 기반으로 제2 신체 치수를 추정할 수 있다(S120, S130). 도 4는 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템을 구성하는 신체 데이터 수집부의 구성도이다. 도 3 및 도 4를 참조하면, 신체 데이터 수집부(110)는 제1 신체 데이터 수집부(112)와, 제2 신체 데이터 수집부(114)를 포함할 수 있다.

제1 신체 데이터 수집부(112)는 수트 착용 이미지로부터, 사용자의 가슴 둘레, 몸무게, 윗허리 둘레, 아래허리 둘레, 엉덩이 둘레, 허벅지 둘레 및 팔단면 둘레 등의 제1 신체 치수들을 측정할 수 있다(S132). 제2 신체 데이터 수집부(114)는 제1 신체 데이터 수집부(112)에 의해 측정된 제1 신체 치수들을 기반으로 제1 신체 치수들과 상이한 신체 부위들에 해당하는 제2 신체 치수들을 추정할 수 있다. 제1 신체 치수들과 제2 신체 치수들 간의 상관 관계들은 다양한 사용자들의 신체 치수 데이터들을 포함하는 학습 데이터를 기반으로 학습에 의해 생성될 수 있다.

도 5는 도 3의 단계 S130의 순서도이다. 도 3 내지 도 5를 참조하면, 제2 신체 데이터 수집부(114)는 암홀 둘레 추정부, 상체 길이 추정부, 팔 길이 추정부 및 다리 길이 추정부를 포함할 수 있다. 암홀 둘레 추정부는 제1 신체 데이터 수집부(112)에 의해 측정된 사용자의 가슴 둘레, 몸무게, 윗허리 둘레, 아래허리 둘레, 엉덩이 둘레, 허벅지 둘레 및 팔단면 둘레를 기반으로 암홀 둘레를 추정할 수 있다(S132).

상체 길이 추정부는 제1 신체 데이터 수집부(112)에 의해 측정된 사용자의 키, 몸무게 및 팔 길이를 기반으로 사용자의 상체 길이를 추정할 수 있다(S134). 팔 길이 추정부는 제1 신체 데이터 수집부(112)에 의해 측정된 사용자의 발 길이, 키, 어깨 너비를 기반으로 팔 길이를 추정할 수 있다(S136). 다리 길이 추정부는 제1 신체 데이터 수집부(112)에 의해 측정된 사용자의 팔 길이, 발 길이, 키 및 어깨 너비를 기반으로 다리 길이를 추정할 수 있다(S138).

도 6은 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템에 의해 수집된 사용자의 신체 데이터 측정 결과의 예시도이다. 도 6을 참조하면, 수트 착용 이미지로부터 측정된 제1 신체 치수들(목 둘레, 어깨 너비, 팔단면 둘레, 엉덩이, 허벅지, 윗허리 둘레, 아래허리 둘레, 가슴 둘레) 뿐 아니라, 제2 신체 부분들에 대한 제2 신체 치수들(암홀 둘레, 팔 길이)을 추정하므로, 제1 신체 치수들과 함께 제2 신체 치수들을 고려하여 사용자의 신체 부위별 착용감을 예측할 수 있다.

다시 도 1 내지 도 3을 참조하면, 신장율 예측부(150)는 학습부(160)의 학습에 의해 생성된 신장율 예측 모델에 의해, 의류의 부위별 치수들과, 의류의 신축성, 카테고리, 소재 함량, 짜임 및 두께를 포함하는 원단 물성 데이터를 기반으로 제1 신체 부분들 및 제2 신체 부분들에 각각 대응되는 의류의 부위별로 신장율을 예측할 수 있다(S140). 신장율 예측부(150)는 옷의 카테고리에 따라 다른 신장율 예측 모델 가중치를 적용할 수 있다.

실시예에서, 신장율 예측 모델은 의류의 신축성, 카테고리, 소재별 함량 등의 변수들을 기반으로 신장율이 출력되는 함수로 주어질 수 있다. 신장율 예측 모델은 예를 들어, 함수 "PTEMF = f(a₀, a₁, a₂, a_3,a_{4, ...,}a_k,a_{k+1, ...,}a_n)"로 설정될 수 있다. 여기서, a₀: 상수, a₁ ~ a₃: 신축성 지표(3점 척도; 없음, 보통, 있음), a₄ ~ a_k: 옷의 카테고리(더미 변수), a_k+1 ~ a_n: 소재별 함량(실수)이다.

일 예로, 의류가 신축성이 보통인 면 97%, 스판 3%인 바지인 경우, 신장율은 PTEMF = a₀ + b₁*0 + b₂*1 + b₃*0 + b₄*1 + b₅*1 + b₆*0 + … + b_k*0 + b_k+1*97 + b_k+2*3 + b_k+3*0 + … + b_n*0 값으로 산출될 수 있다. 다른 예로, 의류가 신축성이 없는 폴리에스테르 100% 블라우스인 경우, 신장율은 PTEMF = a₀ + b₁*1 + b₂*0 + b₃*0 + b₄*0 + b₅*0 + b₆*1 + … + b_k*0 + b_k+1*0 + b_k+2*0 + b_k+3*100 + … + b_n*0 값으로 산출될 수 있다. 여기서, b_i는 각 변수의 계수이다(i = 1, ... ,n).

신장율 예측 모델에서, 각 변수(가중치)는 학습 데이터에 의해 특정 가중치로 확정된 값일 수도 있고, 의류 데이터가 추가될 때마다 업데이트될 수도 있다. 위에서 예시된 신장율 예측 모델은 각 변수들과 신장율이 선형적 관계로 표현되어 있으나, 변수들 중 하나 또는 둘 이상의 변수와 신장율 간에 비선형적 관계 항이 포함될 수도 있다.

착용감 예측부(170)는 신체 데이터 수집부(110)에 의해 수집된 제1 신체 치수들 및 제2 신체 치수들, 그리고 신장율 예측부(150)에 의해 의류의 부위별로 예측된 신장율을 기반으로, 사용자가 의류 착용시의 제1 신체 부분들 및 제2 신체 부분들의 착용감을 예측할 수 있다(S150).

도 7은 도 3의 단계 S150의 순서도이다. 도 1 내지 도 3 및 도 7을 참조하면, 사용자는 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏 중의 어느 하나의 착용핏을 선택할 수 있다(S152). 슬림핏은 사용자가 신체에 여백 없이 딱 맞는 옷을 입고 싶은 경우에 선택하는 착용핏이고, 일반핏은 사용자가 신체에 약간의 여백을 두고 옷을 입고 싶은 경우에 선택하는 착용핏이고, 오버핏은 사용자가 옷을 루즈하게 입고 싶은 경우에 선택하는 착용핏일 수 있다. 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법은 사용자가 선택한 착용핏에 따라 상이하게 착용감을 예측할 수 있다.

착용감 예측부(170)는 의류가 신축성이 없는 옷인 경우, 의류의 부위별 치수와 상기 사용자의 부위별 신체 치수를 비교하여 착용감을 예측할 수 있다(S154). 착용감 예측부(170)는 의류가 신축성이 있는 옷인 경우, 의류의 부위별 치수와 사용자의 부위별 신체 치수 간의 차이와, 의류의 부위별 신장율, 의류의 카테고리, 미리 설정된 사용자에 허용 가능한 의복압, 의류의 부위별로 설정된 오차 한계 및 사용자에 의해 선택된 착용핏을 기반으로 착용감을 예측할 수 있다(S156).

의류의 원단이 신축성이 없는 경우는 신체와 의류의 부위별 치수를 비교 할때 단순 비교를 하면 되지만, 의류의 원단이 신축성이 있는 경우에는 옷의 치수에 신장율(예를 들어, PTEMF)을 곱한 후 최대 하중에서의 하중(LML; Load at Maximum Load)으로 나누고, 다시 설정된 의복압을 곱하여, 사용자들이 견딜 수 있을 정도의 의복압 하에서 최대 늘어날 수 있는 길이를 산출함으로써 사용자의 신체 치수와 비교하여 착용감을 예측할 수 있다.

일 실시예에서, 착용감 예측부(170)는 "의류의 신체부위 치수*(1+PTEMF/LML*Pressure)" 수식을 기반으로 착용감을 예측할 수 있다. 여기서, "Pressure"는 사용자가 견딜 수 있는 최대의 의복압을 의미하고, 신체 부위별로 다르게 설정될 수 있다. 예를 들어, 의류의 카테고리가 블라우스인 경우, 의류의 가슴 둘레 치수가 90인 경우, 90*(1+4.598/50*0.01) = 90.0009 값을 사용자의 가슴 둘레 신체 치수와 비교하여 가슴 부분의 착용감을 예측할 수 있다.

본 발명의 실시예에서, 착용감 예측부(170)는 미리 설정된 기준에 따라, 옷과 신체의 치수들을 비교한 차이값들을 기반으로 착용감을 '크다', '딱 맞다', '애매하다', '작다' 등으로 나눌 수 있다. 옷과 신체 간의 부위별 차이의 기준은 사용자들이 선택한 착용핏과 옷의 카테고리에 따라 상이하게 설정될 수 있다. 이때, 착용감 예측부(170)는 신체 부위별로 사용자들에 의해 또는 디폴트로 최소로 필요한 여백이 설정되며, 사용자의 신체 치수를 단순히 사용하는 것이 아니라 각 부위별로 최소한으로 필요한 여분을 곱하여 착용감을 예측할 수 있다.

도 8은 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법에 따라 사용자에게 의류를 추천하는 것을 나타낸 예시도이다. 도 1 내지 도 3 및 도 8을 참조하면, 의류 추천부(180)는 착용감 예측부(170)에 의해 다양한 치수의 복수의 의류에 대해 예측된 착용감을 기반으로, 사용자에게 복수의 의류 중 적어도 하나의 의류를 추천할 수 있다(S160).

착용감 표시부(190)는 착용감 예측부(170)에 의해 예측된 착용감을 표시할 수 있다(S170). 도 9는 도 3의 단계 S170의 순서도이다. 도 10 및 도 11은 본 발명의 실시예에 따른 AI 기반 착용감 예측 방법에 따라 착용감을 표시한 것을 나타내는 예시도이다. 도 1 내지 도 3, 도 9 내지 도 11을 참조하면, 착용감 표시부(190)는 도 10에 도시된 바와 같이 사용자의 가슴 둘레, 허리 둘레 및 엉덩이 둘레를 기반으로 미리 설정된 복수개의 신체 체형 중 어느 하나의 신체 체형을 선택하여 표시할 수 있다(S172).

착용감 표시부(190)는 도 11에 도시된 바와 같이 의류의 치수 데이터와 의류의 카테고리를 기반으로 미리 설정된 복수개의 의류 형상 중 어느 하나의 의류 형상을 선택하여 표시하고, 신체 체형과 의류 형상 간의 부위별 착용감을 표시할 수 있다(S174, S176). 이때, 착용감 표시부(190)는 웹크롤링을 통하여 확보한 옷의 치수 데이터와 카테고리 데이터, 및 미리 그려진 옷의 형상을 매칭시켜서 표출할 수 있다.

착용감은 사용자에 의해 선택된 착용핏 별로, 의류의 치수와 신체 치수의 차이에 사용자의 활동성을 위하여 최소한으로 필요한 공간을 더한 값을 기반으로 예측될 수 있다. 어깨 너비를 예로 들면, "슬림핏"의 경우 활동성을 위한 여유 공간이 작게 설정되고, "오버핏"의 경우, 활동성을 위한 여유 공간이 크게 설정될 수 있다.

예시적으로, 어깨 너비와 관련된 착용감은 의류의 어깨 너비 치수와 사용자의 신체 치수(어깨 너비)의 차이 값에 사용자가 선택한 착용핏 별로 설정되는 로직에 따른 여유 공간을 반영하여 결정될 수 있다. 착용감은 {신체 치수 * ( 1 + 최소 공간 비율 )} 값을 착용핏 별로 설정된 로직과 비교한 결과를 기반으로 예측될 수 있다. 즉, 사전에 구축해둔 착용핏별, 의류 카테고리별, 부위별 오차 한계와, 계산된 옷과 신체 치수 간의 차를 비교하여 착용감 결과를 산출할 수 있다.

예를 들어, a) 사용자에 의해 "슬림핏"이 선택된 경우 제1 로직 {"크다": 1, "맞다": 0, "애매하다": -1}에 따라 어깨 부분의 착용감이 결정되고, b) 사용자에 의해 "일반핏"이 선택된 경우 제2 로직 {"크다": 2, "맞다": 1, "애매하다": 0}에 따라 어깨 부분의 착용감이 결정되고, c) 사용자에 의해 "오버핏"이 선택된 경우 제3 로직 {"크다": 50, "맞다": 2, "애매하다": 1}에 따라 어깨 부분의 착용감이 결정될 수 있다.

예를 들어, 옷의 어깨 너비 수치가 36 이고, 산출된 사용자의 어깨 너비 신체 치수도 36인 경우, "슬림핏"을 선택한 경우에는 착용감이 큰 것으로 산출되고, "일반핏"을 선택한 경우에는 애매한 착용감인 것으로 산출되고, "오버핏"을 선택한 경우에는 착용감이 작은(타이트한) 것으로 산출될 수 있다. 이와 같이, 같은 어깨 너비를 가지는 사용자들이 동일한 의류를 선택한 경우라도, 사용자들이 상이한 착용핏을 선택한 경우에는 사용자들에게 상이한 착용감 결과가 산출될 수 있다.

각 착용핏 마다 설정되는 여유 공간은 신체 부위별로도 상이하게 설정될 수 있다. 예를 들어, 어깨의 경우에는 정자세일 경우 가장 긴 길이를 요하므로 38cm의 어깨를 가진 사람의 어깨 너비 허용 수치는 최대 38 로 설정되는 반면, 가슴의 경우 약 2 ~ 3 %의 추가 길이를 요하며, 90cm의 가슴을 가진 사람에게 계산되는 가슴 부분의 허용 수치는 최대 92 ~ 93 으로 설정될 수 있다.

정확한 착용감 예측을 위해, 의류의 카테고리 개수와, 착용핏(슬림핏, 일반핏, 오버핏 등)의 개수 및 의류의 신축성 지표 개수를 곱한 개수만큼 착용감 예측모델이 구축될 수 있다. 본 발명의 실시예에 따르면, 의류의 카테고리, 사용자가 선택한 착용핏, 및 의류의 신축성 지표에 대응되는 착용감 예측 모델에 따라 사용자의 의류 착용감을 다양한 각 신체 부위 별로 정확하게 예측할 수 있으며, 각 신체 부위 별로 계산된 착용감 결과를 신체 부위별로 표출하여 구매자들의 의사결정을 도울 수 있으며, 구매자들이 원하는 착용감을 가지는 의류를 추천할 수 있다.

도 12는 본 발명의 실시예에 따른 AI 기반 착용감 예측 시스템을 구성하는 보정부의 기능을 설명하기 위한 예시도이다. 도 1 내지 도 3 및 도 12를 참조하면, 보정부(210)는 구매후기 입력부(200)에 의해 사용자가 입력한 의류에 대한 구매 후기 데이터를 기반으로 사용자에 대한 착용감 예측부(170)의 착용감 예측 모델을 보정할 수 있다. 도 12의 실시예에 의하면, 구매후기 입력부(200)에 입력되는 상기 구매 후기 데이터는 사용자가 구매후기 입력부(200)에서 선택한 상기 의류에 대한 신체부위별 착용감을 포함할 수 있고, 사용자 별로 느끼는 각 신체 부위별 평가 지표를 통해 신체 부위별 착용감의 사용자별 편차를 반영하여 착용감 예측 모델을 생성하고 이후의 의류 착용감 예측 및 의류 추천에 활용함으로써, 사용자 개인에 최적화된 착용감 결과를 제공하고, 사용자가 최적의 착용감을 느낄 수 있는 의류를 추천할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.

처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.

예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.

소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

10: 의류 구매자(사용자) 단말기
20: 온라인 의류 쇼핑몰
100: AI 기반 착용감 예측 시스템
110: 신체 데이터 수집부
120: 신체 정보 표시부
130: 의류 데이터 수집부
140: 원단 데이터 수집부
150: 신장율 예측부
160: 학습부
170: 착용감 예측부
180: 의류 추천부
190: 착용감 표시부
200: 구매후기 입력부
210: 보정부

Claims

사용자의 적어도 하나의 제1 신체 부분에 대해 측정된 제1 신체 치수를 수집하고 상기 제1 신체 치수를 기반으로 상기 사용자의 적어도 하나의 제2 신체 부분에 대해 제2 신체 치수를 추정하여 상기 사용자의 신체 데이터를 수집하는 신체 데이터 수집부;
의류의 부위별 치수와, 상기 의류의 신축성, 카테고리, 소재 함량, 짜임, 두께 중 적어도 하나를 포함하는 원단 물성 데이터를 기반으로 신장율 예측 모델에 의해 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 상기 의류의 부위별로 신장율을 예측하는 신장율 예측부;
상기 제1 신체 치수, 상기 제2 신체 치수, 상기 의류의 부위별로 예측된 신장율을 기반으로, 상기 사용자가 상기 의류 착용시의 상기 제1 신체 부분 및 상기 제2 신체 부분의 착용감을 예측하는 착용감 예측부; 및
상기 착용감 예측부에 의해 예측된 상기 착용감을 표시하는 착용감 표시부;를 포함하고,
상기 착용감 표시부는,
상기 사용자의 가슴 둘레, 허리 둘레 및 엉덩이 둘레를 기반으로 미리 설정된 복수개의 신체 체형 중 어느 하나의 신체 체형을 선택하여 표시하고;
상기 의류의 치수 데이터와 상기 의류의 카테고리를 기반으로 미리 설정된 복수개의 의류 형상 중 어느 하나의 의류 형상을 선택하여 표시하고; 그리고
상기 신체 체형과 상기 의류 형상 간의 부위별 착용감을 표시하도록 구성되고,
상기 의류에 대한 구매 후기 데이터가 사용자에 의해 입력되는 구매후기 입력부; 및
상기 구매후기 입력부에 입력된 상기 구매 후기 데이터를 기반으로 상기 사용자에 대한 상기 착용감 예측부의 착용감 예측 모델을 보정하는 보정부;를 더 포함하고,
상기 구매후기 입력부에 입력되는 상기 구매 후기 데이터는 사용자가 상기 구매후기 입력부에서 선택한 상기 의류에 대한 신체부위별 착용감을 포함하고,
다양한 의류의 신축성, 카테고리, 소재 함량, 짜임 및 두께를 포함하는 원단 물성 데이터를 독립 변수로 하고, 상기 다양한 의류의 부위별 신장율을 종속 변수로 하는 학습을 통해 상기 신장율 예측 모델을 구축하는 학습부와,
상기 착용감 예측부에 의해 다양한 치수의 복수의 의류에 대해 예측된 착용감을 기반으로, 상기 사용자에게 상기 복수의 의류 중 적어도 하나의 의류를 추천하도록 구성되는 의류 추천부를 더 포함하고,
상기 신장율 예측부는 상기 학습부의 학습에 의해 생성된 신장율 예측 모델에 의해, 상기 원단 물성 데이터를 기반으로 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 의류의 부위별로 신장율을 예측하고,
상기 신장율 예측 모델은 신장율이 출력되는 함수 “PTEMF = f(a₀, a₁, a₂, a_3,a_{4, ...,}a_k,a_{k+1, ...,}a_n)”로 설정되고,
상기 착용감 예측부는 수식 “의류의 신체부위 치수*(1+PTEMF/LML*Pressure)”을 기반으로 신체 부위별로 착용감을 예측하는 AI 기반 착용감 예측 시스템.
여기서, PTEMF: 최대 하중에서의 총 신장율, a₀: 상수, a₁ ~ a₃: 신축성 지표(3점 척도; 없음, 보통, 있음), a₄ ~ a_k: 옷의 카테고리(더미 변수), a_k+1 ~ a_n: 소재별 함량(실수), LML: 최대 하중에서의 하중, Pressure: 사용자가 견딜 수 있는 최대 의복압
제1항에 있어서,
상기 제1 신체 치수는 상기 사용자의 키, 몸무게, 발 길이, 브라 사이즈, 팬티 사이즈, 목 둘레, 어깨 너비, 가슴 둘레, 팔단면 둘레, 윗허리 둘레, 아래허리 둘레 및 엉덩이 둘레 중의 적어도 셋 이상의 신체 치수를 포함하는 AI 기반 착용감 예측 시스템.
제1항에 있어서,
상기 제2 신체 치수는 상기 사용자의 암홀 둘레, 상체 길이, 팔 길이 및 다리 길이 중의 적어도 하나를 포함하는 AI 기반 착용감 예측 시스템.
제3항에 있어서,
상기 신체 데이터 수집부는,
상기 사용자의 가슴 둘레, 몸무게, 윗허리 둘레, 아래허리 둘레, 엉덩이 둘레, 허벅지 둘레 및 팔단면 둘레를 기반으로 상기 암홀 둘레를 추정하고;
상기 사용자의 키, 몸무게 및 팔 길이를 기반으로 상기 상체 길이를 추정하고;
상기 사용자의 발 길이, 키, 어깨 너비를 기반으로 상기 팔 길이를 추정하고; 그리고
상기 사용자의 상기 팔 길이, 발 길이, 키 및 어깨 너비를 기반으로 상기 다리 길이를 추정하도록 구성되는 AI 기반 착용감 예측 시스템.
제1항에 있어서,
상기 착용감 예측부는,
상기 의류의 치수와 상기 사용자의 신체 치수 간의 차이와, 상기 의류의 부위별 신장율과, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏과 상기 의류의 카테고리 및 상기 의류의 부위별로 설정된 오차 한계를 기반으로 상기 착용감을 예측하는 AI 기반 착용감 예측 시스템.
제1항에 있어서,
상기 착용감 예측부는,
상기 의류가 신축성이 없는 옷인 경우, 상기 의류의 부위별 치수와 상기 사용자의 부위별 신체 치수를 비교하여 상기 착용감을 예측하고; 그리고
상기 의류가 신축성이 있는 옷인 경우, 상기 의류의 부위별 치수와, 상기 사용자의 부위별 신체 치수와, 상기 의류의 신장율, 미리 설정된 상기 사용자에 허용 가능한 의복압, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏 중 상기 사용자에 의해 선택된 착용핏을 기반으로 상기 착용감을 예측하도록 구성되는 AI 기반 착용감 예측 시스템.
삭제
삭제
삭제
신체 데이터 수집부에 의해, 사용자의 적어도 하나의 제1 신체 부분에 대해 측정된 제1 신체 치수를 수집하고 상기 제1 신체 치수를 기반으로 상기 사용자의 적어도 하나의 제2 신체 부분에 대해 제2 신체 치수를 추정하여 상기 사용자의 신체 데이터를 수집하는 단계;
신장율 예측부에 의해, 의류의 부위별 치수와, 상기 의류의 신축성, 카테고리, 소재 함량, 짜임, 두께 중 적어도 하나를 포함하는 원단 물성 데이터를 기반으로 신장율 예측 모델에 의해 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 상기 의류의 부위별로 신장율을 예측하는 단계;
착용감 예측부에 의해, 상기 제1 신체 치수, 상기 제2 신체 치수, 상기 의류의 부위별로 예측된 신장율을 기반으로, 상기 사용자가 상기 의류 착용시의 상기 제1 신체 부분 및 상기 제2 신체 부분의 착용감을 예측하는 단계; 및
착용감 표시부에 의해, 상기 착용감 예측부에 의해 예측된 상기 착용감을 표시하는 단계를 더 포함하고,
상기 착용감을 표시하는 단계는,
상기 사용자의 가슴 둘레, 허리 둘레 및 엉덩이 둘레를 기반으로 미리 설정된 복수개의 신체 체형 중 어느 하나의 신체 체형을 선택하여 표시하는 단계;
상기 의류의 치수 데이터와 상기 의류의 카테고리를 기반으로 미리 설정된 복수개의 의류 형상 중 어느 하나의 의류 형상을 선택하여 표시하는 단계; 그리고
상기 신체 체형과 상기 의류 형상 간의 부위별 착용감을 표시하는 단계를 포함하고,
구매후기 입력부에 의해, 상기 의류에 대한 사용자의 구매 후기 데이터가 입력되는 단계; 및
보정부에 의해, 상기 구매후기 입력부에 입력된 상기 구매 후기 데이터를 기반으로 상기 사용자에 대한 상기 착용감 예측부의 착용감 예측 모델을 보정하는 단계;를 더 포함하고,
상기 구매 후기 데이터가 입력되는 단계에서 상기 구매 후기 데이터는, 사용자가 상기 구매후기 입력부에서 선택한 상기 의류에 대한 신체부위별 착용감을 포함하고,
학습부에 의해, 다양한 의류의 신축성, 카테고리, 소재 함량, 짜임 및 두께를 포함하는 원단 물성 데이터를 독립 변수로 하고 상기 다양한 의류의 부위별 신장율을 종속 변수로 하는 학습을 통해 상기 신장율 예측 모델을 구축하는 단계와,
의류 추천부에 의해, 상기 착용감 예측부에 의해 다양한 치수의 복수의 의류에 대해 예측된 착용감을 기반으로, 상기 사용자에게 상기 복수의 의류 중 적어도 하나의 의류를 추천하는 단계를 더 포함하고,
상기 신장율을 예측하는 단계에서는 상기 학습부의 학습에 의해 생성된 신장율 예측 모델에 의해, 상기 원단 물성 데이터를 기반으로 상기 제1 신체 부분 및 상기 제2 신체 부분에 각각 대응되는 의류의 부위별로 신장율을 예측하고,
상기 신장율 예측 모델은 신장율이 출력되는 함수 “PTEMF = f(a₀, a₁, a₂, a_3,a_{4, ...,}a_k,a_{k+1, ...,}a_n)”로 설정되고,
상기 착용감 예측부는 수식 “의류의 신체부위 치수*(1+PTEMF/LML*Pressure)”을 기반으로 신체 부위별로 착용감을 예측하는 AI 기반 착용감 예측 방법.
여기서, PTEMF: 최대 하중에서의 총 신장율, a₀: 상수, a₁ ~ a₃: 신축성 지표(3점 척도; 없음, 보통, 있음), a₄ ~ a_k: 옷의 카테고리(더미 변수), a_k+1 ~ a_n: 소재별 함량(실수), LML: 최대 하중에서의 하중, Pressure: 사용자가 견딜 수 있는 최대 의복압
제10항에 있어서,
상기 제1 신체 치수는 상기 사용자의 키, 몸무게, 발 길이, 브라 사이즈, 팬티 사이즈, 목 둘레, 어깨 너비, 가슴 둘레, 팔단면 둘레, 윗허리 둘레, 아래허리 둘레 및 엉덩이 둘레 중의 적어도 셋 이상의 신체 치수를 포함하는 AI 기반 착용감 예측 방법.
제10항에 있어서,
상기 제2 신체 치수는 상기 사용자의 암홀 둘레, 상체 길이, 팔 길이 및 다리 길이 중의 적어도 하나를 포함하는 AI 기반 착용감 예측 방법.
제12항에 있어서,
상기 신체 데이터를 수집하는 단계는,
상기 사용자의 가슴 둘레, 몸무게, 윗허리 둘레, 아래허리 둘레, 엉덩이 둘레, 허벅지 둘레 및 팔단면 둘레를 기반으로 상기 암홀 둘레를 추정하는 단계;
상기 사용자의 키, 몸무게 및 팔 길이를 기반으로 상기 상체 길이를 추정하는 단계;
상기 사용자의 발 길이, 키, 어깨 너비를 기반으로 상기 팔 길이를 추정하는 단계; 그리고
상기 사용자의 상기 팔 길이, 발 길이, 키 및 어깨 너비를 기반으로 상기 다리 길이를 추정하는 단계를 포함하는 AI 기반 착용감 예측 방법.
제10항에 있어서,
상기 착용감을 예측하는 단계는,
상기 의류의 치수와 상기 사용자의 신체 치수 간의 차이와, 상기 의류의 부위별 신장율과, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏과 상기 의류의 카테고리 및 상기 의류의 부위별로 설정된 오차 한계를 기반으로 상기 착용감을 예측하는 AI 기반 착용감 예측 방법.
제10항에 있어서,
상기 착용감을 예측하는 단계는,
상기 의류가 신축성이 없는 옷인 경우, 상기 의류의 부위별 치수와 상기 사용자의 부위별 신체 치수를 비교하여 상기 착용감을 예측하는 단계; 그리고
상기 의류가 신축성이 있는 옷인 경우, 상기 의류의 부위별 치수와, 상기 사용자의 부위별 신체 치수와, 상기 의류의 신장율, 미리 설정된 상기 사용자에 허용 가능한 의복압, 슬림핏과 일반핏 및 오버핏을 포함하는 복수개의 착용핏 중 상기 사용자에 의해 선택된 착용핏을 기반으로 상기 착용감을 예측하는 단계를 포함하는 AI 기반 착용감 예측 방법.
삭제
삭제
삭제
삭제
제10항 내지 제15항 중 어느 한 항의 AI 기반 착용감 예측 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.