KR102260796B1 - 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 - Google Patents
기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 Download PDFInfo
- Publication number
- KR102260796B1 KR102260796B1 KR1020180097499A KR20180097499A KR102260796B1 KR 102260796 B1 KR102260796 B1 KR 102260796B1 KR 1020180097499 A KR1020180097499 A KR 1020180097499A KR 20180097499 A KR20180097499 A KR 20180097499A KR 102260796 B1 KR102260796 B1 KR 102260796B1
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- reference pattern
- information
- product
- vertices
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000005259 measurement Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 25
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000009958 sewing Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41H—APPLIANCES OR METHODS FOR MAKING CLOTHES, e.g. FOR DRESS-MAKING OR FOR TAILORING, NOT OTHERWISE PROVIDED FOR
- A41H3/00—Patterns for cutting-out; Methods of drafting or marking-out such patterns, e.g. on the cloth
- A41H3/007—Methods of drafting or marking-out patterns using computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Geometry (AREA)
- Manufacturing & Machinery (AREA)
- Textile Engineering (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
의류 상품의 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 제공된다. 방법은, 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받는 단계, 기준 패턴 영상 데이터를 기반으로 제 1 상품의 상품 분류를 결정하는 단계, 결정된 상품 분류에 따른 패턴 그레이딩 정보를 데이터베이스로부터 획득하는 단계 및 제 1 상품에 대한 기준 패턴 영상 데이터 및 패턴 그레이딩 정보를 기반으로 제 1 상품에 대한 추가 패턴 영상 데이터 - 추가 패턴은 기준 패턴과 상이한 크기를 가짐 - 를 생성하는 단계를 포함한다.
Description
본 발명은 의류를 포함하는 상품의 패턴에 관한 것으로서, 보다 구체적으로는 추가 패턴을 자동으로 제공하기 위한 방법 및 장치에 관한 것이다.
일반적으로 의류는 디자이너가 의류를 디자인하면, 해당 의류에 대한 패턴을 제작하고, 패턴에 맞게 재단된 원단을 미싱 작업 등에 의해 결합하는 것에 의해 제작된다. 여기서, "패턴"이란 디자인된 의류를 생산하기 위하여 제작하는 옷의 평면도를 나타낸다.
도 3 은 티셔츠에 대한 패턴의 예시도이다. 도 3 에 도시된 바와 같이, 예를 들어 티셔츠를 제작하기 위해서는 앞판, 뒷판, 소매와 같이 3 종류의 패턴을 제작하여, 패턴에 따라 재단된 원단을 결합시키는 과정이 요구된다. 티셔츠는 의류 상품 (이하, "상품" 이라고도 함) 의 한 가지 예시로서, 의류 상품은 티셔츠 이외에도 청바지, 스커트, 양복 등 많은 종류의 품목을 포함한다. 도 3 에 도시된 바와 같은 패턴을 전문적으로 제작하는 작업자들을 "패턴사"라고 한다.
한편, 의류 제작자는 각각의 상품별로 기준 사이즈 (Size) 에 대한 패턴 (이하, "기준 패턴"이라고도 함) 을 먼저 제작하고, 이와 같은 기준 패턴을 이용하여 다양한 사이즈의 패턴을 추가한다. 이를 "추가 패턴 작업"이라고 하며, 이하, 추가된 다양한 사이즈의 패턴들을 "추가 패턴"이라고 한다.
이와 같은 추가 패턴 작업은 통상적으로 패턴사의 경험과 직관에 의한 수작업으로 이루어지므로, 패턴사의 숙련 정도와 개인의 능력 등이 작업 결과에 절대적인 영향을 미치게 된다. 따라서, 이와 같은 패턴사의 수작업을 통한 추가 패턴 작업은 결과물의 사이즈가 일정하지 않고 기대한 사이즈와의 오차가 발생할 수 있고, 제작할 사이즈가 추가될수록 작업 시간이 비례하여 늘어나게 되며, 그에 따라 관리 비용이 증가하고 제작 단가 역시 상승하여 해당 상품에 대한 시장 경쟁력이 약화될 수 있는 문제점이 있다.
전술한 문제점을 해결하기 위한 본 발명의 목적은 기준 패턴을 기반으로 해당 기준 패턴의 상품 분류를 결정하고 상품 분류에 대응하는 패턴 그레이딩 정보를 이용하여 추가 패턴을 자동으로 생성하여 제공할 수 있는 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법을 제공하는 것이다.
전술한 문제점을 해결하기 위한 본 발명의 다른 목적은 기준 패턴을 기반으로 해당 기준 패턴의 상품 분류를 결정하고 상품 분류에 대응하는 패턴 그레이딩 정보를 이용하여 추가 패턴을 자동으로 생성하여 제공할 수 있는 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치를 제공하는 것이다.
다만, 본 발명의 해결하고자 하는 과제는 이에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.
전술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은, 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받는 단계; 상기 기준 패턴 영상 데이터를 기반으로 상기 제 1 상품의 상품 분류를 결정하는 단계; 결정된 상기 상품 분류에 따른 패턴 그레이딩 정보를 데이터베이스로부터 획득하는 단계; 및 상기 제 1 상품에 대한 기준 패턴 영상 데이터 및 상기 패턴 그레이딩 정보를 기반으로 상기 제 1 상품에 대한 추가 패턴 영상 데이터 - 상기 추가 패턴은 상기 기준 패턴과 상이한 크기를 가짐 - 를 생성하는 단계를 포함할 수 있다.
일 측면에 따르면, 상기 제 1 상품의 상품 분류를 결정하는 단계는, 기준 패턴 영상 데이터를 입력으로서, 상품 분류를 출력으로서 각각 포함하는 복수의 훈련 데이터들을 기반으로 인공 신경망을 훈련시켜 생성된 상품 분류 결정 모델에 의해 수행될 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상품 분류 정보; 상기 상품 분류에 따른 필수 구성 요소들에 대한 정보 - 상기 필수 구성 요소는 상기 상품 분류에 대한 패턴 생성을 위해 필수적인 수치 측정 항목들을 나타냄 - ; 및 상기 필수 구성 요소의 개수에 대한 정보를 포함할 수 있다.
일 측면에 따르면, 상기 상품 분류 정보는, 상의 및 하의를 포함하는 카테고리 정보; 및 긴팔, 반팔, 민소매, 긴바지 및 반바지를 포함하는 세부 상품 정보 중 적어도 하나를 포함할 수 있다.
일 측면에 따르면, 상기 추가 패턴 영상 데이터를 생성하는 단계는, 상기 기준 패턴 영상 데이터 내에서 상기 필수 구성 요소들에 각각 대응되는 부분들을 식별하는 단계; 식별된 상기 필수 구성 요소들 각각의 측정 기준이 되는 정점들을 이동시키는 단계; 및 이동된 상기 정점들 중 적어도 두 개를 연결하는 단계를 포함할 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상기 필수 구성 요소들의 정점 이동 처리에 대한 우선 순위 정보를 더 포함하고, 상기 정점들을 이동시키는 단계는, 상기 우선 순위 정보를 기반으로 우선 순위가 앞선 필수 구성 요소의 측정 기준이 되는 정점들을 먼저 이동시킬 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고, 상기 이동된 정점들 중 적어도 두 개를 연결하는 단계는, 상기 연결선 유형 정보가 직선이라는 결정에 응답하여, 상기 이동된 정점들 중 적어도 두 개를 직선으로 연결할 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고, 상기 이동된 정점들 중 적어도 두 개를 연결하는 단계는, 상기 연결선 유형 정보가 곡선이라는 결정에 응답하여, 이동 전의 정점을 연결한 곡선에 포함된 각각의 점들을 이동시키는 것에 의해 상기 이동된 정점들 중 적어도 두 개의 정점들을 연결하고, 상기 곡선에 포함된 각각의 점들에 대한 이동량은, 이동 전 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 대한 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리의 비율을, 이동 후 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 적용하여 결정될 수 있다.
일 측면에 따르면, 상기 제 1 정점과 제 2 정점 간의 거리 및 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리는, x 좌표 값 차이 및 y 좌표 값 차이 중 어느 하나를 기준으로 결정되고, 상기 이동량은 x 좌표 및 y 좌표에 대해 각각 결정될 수 있다.
일 측면에 따르면, 상기 생성된 추가 패턴 영상 데이터를 dxf 형식의 파일로 제공하는 단계를 더 포함할 수 있다.
전술한 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치는, 상기 장치는 프로세서, 메모리 및 수신부를 포함하고, 상기 프로세서는, 상기 수신부를 이용하여 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받고; 상기 기준 패턴 영상 데이터를 기반으로 상기 제 1 상품의 상품 분류를 결정하고; 결정된 상기 상품 분류에 따른 패턴 그레이딩 정보를 상기 메모리로부터 획득하고; 그리고 상기 제 1 상품에 대한 기준 패턴 영상 데이터 및 상기 패턴 그레이딩 정보를 기반으로 상기 제 1 상품에 대한 추가 패턴 영상 데이터 - 상기 추가 패턴은 상기 기준 패턴과 상이한 크기를 가짐 - 를 생성하도록 구성될 수 있다.
일 측면에 따르면, 상기 제 1 상품의 상품 분류를 결정하는 것은, 기준 패턴 영상 데이터를 입력으로서, 상품 분류를 출력으로서 각각 포함하는 복수의 훈련 데이터들을 기반으로 인공 신경망을 훈련시켜 생성된 상품 분류 결정 모델에 의해 수행될 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상품 분류 정보; 상기 상품 분류에 따른 필수 구성 요소들에 대한 정보 - 상기 필수 구성 요소는 상기 상품 분류에 대한 패턴 생성을 위해 필수적인 수치 측정 항목들을 나타냄 - ; 및 상기 필수 구성 요소의 개수에 대한 정보를 포함할 수 있다.
일 측면에 따르면, 상기 상품 분류 정보는, 상의 및 하의를 포함하는 카테고리 정보; 및 긴팔, 반팔, 민소매, 긴바지 및 반바지를 포함하는 세부 상품 정보 중 적어도 하나를 포함할 수 있다.
일 측면에 따르면, 상기 추가 패턴 영상 데이터를 생성하는 것은, 상기 기준 패턴 영상 데이터 내에서 상기 필수 구성 요소들에 각각 대응되는 부분들을 식별하는 것; 식별된 상기 필수 구성 요소들 각각의 측정 기준이 되는 정점들을 이동시키는 것; 및 이동된 상기 정점들 중 적어도 두 개를 연결하는 것을 포함할 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상기 필수 구성 요소들의 정점 이동 처리에 대한 우선 순위 정보를 더 포함하고, 상기 정점들을 이동시키는 것은, 상기 우선 순위 정보를 기반으로 우선 순위가 앞선 필수 구성 요소의 측정 기준이 되는 정점들을 먼저 이동시킬 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고, 상기 이동된 정점들 중 적어도 두 개를 연결하는 것은, 상기 연결선 유형 정보가 직선이라는 결정에 응답하여, 상기 이동된 정점들 중 적어도 두 개를 직선으로 연결할 수 있다.
일 측면에 따르면, 상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고, 상기 이동된 정점들 중 적어도 두 개를 연결하는 것은, 상기 연결선 유형 정보가 곡선이라는 결정에 응답하여, 이동 전의 정점을 연결한 곡선에 포함된 각각의 점들을 이동시키는 것에 의해 상기 이동된 정점들 중 적어도 두 개의 정점들을 연결하고, 상기 곡선에 포함된 각각의 점들에 대한 이동량은, 이동 전 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 대한 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리의 비율을, 이동 후 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 적용하여 결정될 수 있다.
일 측면에 따르면, 상기 제 1 정점과 제 2 정점 간의 거리 및 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리는, x 좌표 값 차이 및 y 좌표 값 차이 중 어느 하나를 기준으로 결정되고, 상기 이동량은, x 좌표 및 y 좌표에 대해 각각 결정될 수 있다.
일 측면에 따르면, 상기 프로세서는, 상기 생성된 추가 패턴 영상 데이터를 dxf 형식의 파일로 제공하도록 더 구성될 수 있다.
전술한 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 컴퓨터 판독 가능한 저장 매체는, 프로세서 실행 가능한 명령어들을 포함하는 컴퓨터 판독 가능한 장치로서, 상기 명령어들은 의류 상품의 기준 패턴을 기반으로 추가 패턴을 자동 제공하기 위한 명령어이며, 상기 명령어들은 상기 프로세서에 의해 실행 되었을 때, 상기 수신부를 이용하여 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받고; 상기 기준 패턴 영상 데이터를 기반으로 상기 제 1 상품의 상품 분류를 결정하고; 결정된 상기 상품 분류에 따른 패턴 그레이딩 정보를 상기 메모리로부터 획득하고; 그리고 상기 제 1 상품에 대한 기준 패턴 영상 데이터 및 상기 패턴 그레이딩 정보를 기반으로 상기 제 1 상품에 대한 추가 패턴 영상 데이터 - 상기 추가 패턴은 상기 기준 패턴과 상이한 크기를 가짐 - 를 생성하도록 구성될 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
전술한 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치에 따르면, 기준 패턴을 기반으로 해당 기준 패턴의 상품 분류를 결정하고 상품 분류에 대응하는 패턴 그레이딩 정보를 이용하여 추가 패턴을 자동으로 생성하여 제공할 수 있다.
따라서, 기준 패턴에 대한 생성 작업만 수행되면 패턴사의 숙련도나 능력에 구애받지 않고 자동으로 추가적인 사이즈에 대한 추가 패턴을 오차 없이 생성하는 것이 가능하다. 또한, 복수의 사이즈에 대한 추가 패턴 생성을 원할 경우에도 큰 작업 시간 증가 없이 패턴 생성이 가능하며, 관리비용 및 제작 단가를 절감하여 상품에 대한 시장 경쟁력까지 제고할 수 있다.
도 1 은 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법의 흐름도이다.
도 2 는 도 1 의 추가 패턴 영상 데이터 생성 단계에 대한 상세 흐름도이다.
도 3 은 티셔츠에 대한 패턴의 예시도이다.
도 4 는 티셔츠에 대한 필수 구성 요소의 예시도이다.
도 5 는 티셔츠에 대한 추가 패턴 생성 결과물의 예시도이다.
도 6 은 상품 분류 결정 모델의 개념도이다.
도 7 은 구성 요소 식별 모델의 개념도이다.
도 8a 는 패턴에 포함된 곡선의 이동에 대한 예시도이다.
도 8b 는 두 정점 중 한 정점의 이동에 따른 곡선 이동의 예시도를 나타낸다.
도 9 는 기준 패턴의 입력에 대한 인터페이스의 예시도이다.
도 10 은 입력된 기준 패턴에 대한 구성요소 분석 결과에 대한 예시도이다.
도 11a 는 티셔츠의 앞판에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이다.
도 11b 는 티셔츠의 뒷판에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이다.
도 11c 는 티셔츠의 소매에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이다.
도 12 는 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치의 구성을 나타내는 블록도이다.
도 2 는 도 1 의 추가 패턴 영상 데이터 생성 단계에 대한 상세 흐름도이다.
도 3 은 티셔츠에 대한 패턴의 예시도이다.
도 4 는 티셔츠에 대한 필수 구성 요소의 예시도이다.
도 5 는 티셔츠에 대한 추가 패턴 생성 결과물의 예시도이다.
도 6 은 상품 분류 결정 모델의 개념도이다.
도 7 은 구성 요소 식별 모델의 개념도이다.
도 8a 는 패턴에 포함된 곡선의 이동에 대한 예시도이다.
도 8b 는 두 정점 중 한 정점의 이동에 따른 곡선 이동의 예시도를 나타낸다.
도 9 는 기준 패턴의 입력에 대한 인터페이스의 예시도이다.
도 10 은 입력된 기준 패턴에 대한 구성요소 분석 결과에 대한 예시도이다.
도 11a 는 티셔츠의 앞판에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이다.
도 11b 는 티셔츠의 뒷판에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이다.
도 11c 는 티셔츠의 소매에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이다.
도 12 는 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치의 구성을 나타내는 블록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
앞서 살핀 바와 같이, 의류와 같은 상품을 위한 기준 패턴과 상이한 사이즈를 가지는 추가 패턴을 제작하는 작업은 통상적으로 패턴사의 경험과 직관에 의한 수작업으로 이루어지므로, 패턴사의 숙련 정도와 개인의 능력 등이 작업 결과에 절대적인 영향을 미치고, 결과물의 오차 발생 가능성이 있으며 작업 시간이 길어져, 관리 비용이 증가하고 제작 단가 역시 상승하여 해당 상품에 대한 시장 경쟁력이 약화될 수 있는 문제점이 있다.
본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은, 위와 같은 문제점을 해결하기 위한 것으로서, 기준 패턴을 기반으로 해당 기준 패턴의 상품 분류를 결정하고 상품 분류에 대응하는 패턴 그레이딩 정보를 이용하여 추가 패턴을 자동으로 생성하여 제공하도록 할 수 있다. 즉, 본 발명의 일 실시예에 따르면, 종래에 상품에 대한 기준 패턴 제작 및 추가 패턴 작업을 패턴사가 수작업으로 진행하던 것과 달리, 기준 패턴을 기준으로 손쉽고 빠르게 원하는 추가 패턴 작업을 증가 또는 감소된 수치로 자동으로 제작할 수 있다.
도 1 은 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법의 흐름도이다. 이하, 도 1 을 참조하여 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법에 대해서 보다 구체적으로 설명한다.
도 1 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은, 먼저 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받는다 (단계 110). 기준 패턴은 일반적으로 패턴사에 의해 생성되며, 영상 데이터의 형태로 저장될 수 있다. 영상 데이터는 다양한 파일 형식을 가질 수 있으며 예를 들어 다양한 파일 형식은 png, jpg, dxf 형식을 포함할 수 있고, 이외에도 이미지 파일 포맷의 특정 종류에 제한되지 않을 수 있다.
일 측면에 따르면, 기준 패턴의 영상 데이터는 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 실행되는 컴퓨팅 디바이스에 포함되거나 직접 연결된 저장 장치로부터 입력될 수도 있고, 다른 측면에 따르면 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 실행되는 컴퓨팅 디바이스와 원격에 위치한 사용자 단말로부터 무선 또는 유선 통신망을 통해 입력될 수도 있다.
도 9 는 기준 패턴의 입력에 대한 인터페이스의 예시도이다. 도 9 에 예시된 바와 같이, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법에서의 기준 패턴 영상 데이터의 입력 (단계 110) 은 사용자로 하여금 기준 패턴 영상 데이터에 대한 선택 영역 (910) 을 활성화시키도록 하여, 선택 윈도우 (920) 에서 추가 패턴 작업을 수행하고자 하는 기준 패턴 영상 데이터를 선택하도록 할 수 있다.
다시 도 1 을 참조하면, 입력된 기준 패턴 영상 데이터를 기반으로 제 1 상품의 상품 분류를 결정할 수 있다 (단계 120). 즉, 입력된 기준 패턴 영상 데이터를 기반으로, 입력된 기준 패턴 영상 데이터가 어떠한 상품 분류에 속하는 상품에 해당하는지 여부를 결정할 수 있다.
관련하여, 의류 상품은 예를 들어 상의 및 하의를 포함하는 카테고리로 먼저 분류될 수 있으며, 각각의 카테고리별로, 상의는 긴팔, 반팔, 민소매의 세부 상품으로 분류될 수 있고, 하의는 긴바지 및 반바지의 세부 상품으로 분류될 수 있다. 관련하여, 후술하는 바와 같이 기준 패턴을 기반으로 추가 패턴을 생성하기 위해 필요한 패턴 그레이딩 정보는 특정 세부 상품에 대해서는 세부 상품별로 상이할 수 있고, 특정 세부 상품에 대해서는 그 상품이 속하는 카테고리에 따라 상이하고, 동일 카테고리 내에서는 상이한 세부 상품에 따라서도 동일할 수도 있다. 따라서, 상품 분류를 결정 (단계 120) 에 있어서는, 카테고리 및 세부 상품 중 적어도 하나를 결정하도록 구성될 수도 있다.
여기서, 기준 패턴 영상 이미지에 대응하는 제 1 상품의 상품 분류를 결정 (단계 120) 하는 것은, 상품 분류 결정 모델에 의해 수행될 수 있다. 도 6 은 상품 분류 결정 모델의 개념도이다. 도 6 에 도시된 바와 같이, 상품 분류 결정 모델 (610) 은, 기준 패턴 영상 데이터를 입력으로서, 상품 분류를 출력으로서 각각 포함하는 복수의 훈련 데이터들을 기반으로 인공 신경망을 훈련시켜 생성된 것일 수 있다. 즉, 인공 신경망으로 이미 상품 분류를 알고 있는 기준 패턴 영상 이미지들을 트레이닝 세트로서 복수 개 제공하여, 인공 신경망에 기준 패턴 영상 이미지와 그에 따른 상품 분류의 연관 관계를 학습시킬 수 있다. 이와 같은 인공 신경망의 훈련 과정은 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 수행되는 컴퓨팅 디바이스와 별개의 디바이스에 의해 수행될 수도 있고 동일한 컴퓨팅 디바이스에 의해 수행될 수도 있다. 또한, 생성된 상품 분류 결정 모델 (610) 역시, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 수행되는 컴퓨팅 디바이스의 저장 장치에 저장될 수도 있고, 별개의 컴퓨팅 디바이스에 존재하여 통신망을 통해 정보를 주고받도록 구성될 수도 있다.
상품 분류 결정 모델 (610) 을 사용함에 따라, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은 사용자로부터 별도의 상품 분류에 대한 정보를 입력받지 않고서도 입력된 기준 패턴 영상 데이터의 상품 분류를 결정할 수 있어 사용자의 편의성을 증대시킬 수 있다.
다시 도 1 을 참조하면, 결정된 상품 분류를 기반으로, 해당 상품 분류에 따른 기준 패턴을 이용하여 추가 패턴 작업을 위해 필요한 패턴 그레이딩 정보를 데이터베이스로부터 획득할 수 있다 (단계 130). 하기의 표 1 은 패턴 그레이딩 정보의 예시도이다.
기준 패턴을 기반으로 자동으로 추가 패턴을 생성하기 위해서는 각각의 상품 분류별로 필수적으로 요구되는 정보들이 존재한다. 일 측면에 따르면, 표 1 에 도시된 바와 같이, 패턴 그레이딩 정보는, 상품 분류 정보와, 상품 분류에 따른 필수 구성 요소들에 대한 정보, 필수 구성 요소의 개수에 대한 정보 중 적어도 하나를 포함할 수 있다.
먼저, 앞서 살핀 바와 같은 상품 분류와 관련하여, 상품 분류 정보는 카테고리 정보 및 세부 상품 정보 중 적어도 하나를 포함할 수 있다. 표 1 에도 도시된 바와 같이, 필수 구성요소는 세부 상품에 따라 달라질 수도 있고, 카테고리에 따라 달라질 수도 있으므로, 상품 분류 정보는 결정된 세부 상품에 따라 카테고리에 대한 정보이거나 세부 상품에 대한 정보일 수 있다. 예를 들어, 카테고리가 "하의"일 경우 세부 상품이 "긴바지" 인지, "반바지"인지 여부에 무관하게 필수 구성요소는 동일하지만, 카테고리가 "상의"일 경우, 세부 상품이 "긴팔"이나 "반팔"인 경우와 "민소매"인 경우에는 필수 구성요소가 달라질 수 있다. 표 1 에 나타난 바와 같이, 카테고리 정보는 상의 및 하의를 포함할 수 있고, 세부 상품 정보는 긴팔, 반팔, 민소매, 긴바지 및 반바지를 포함할 수 있다.
여기서, 필수 구성 요소는 상기 상품 분류에 대한 패턴 생성을 위해 필수적인 수치 측정 항목들을 나타낸다. 각각의 상품에 대한 패턴을 생성하기 위해서는 각 상품마다 결정되어야 하는 수치 항목이 상이할 수 있다. 일 측면에 따르면, 표 1 에 나타난 바와 같이, "긴팔" 및 "반팔"에 대해서는 "1. 목 너비 2. 어깨너비 3. 앞판 총 기장 4. 가슴너비 5. 밑단너비 6. 소매 밑단너비 7. 소매너비 8. 소매 총 기장 9. 뒷판 총 기장"의 9 가지 수치에 대한 결정을 필요로 할 수 있다. 또한, "민소매"에 대해서는 "1. 목 너비 2. 어깨너비 3. 앞판 총 기장 4. 가슴너비 5. 밑단너비 6. 소매너비 7. 뒷판 총 기장"의 7 가지 수치에 대한 결정을 필요로 할 수 있다. 또한, "긴바지" 및 "반바지" 를 포함하는 "하의"에 대해서는 "1. 허리너비 2. 엉덩이너비 3. 허벅지너비 4. 밑위 높이 5. 바지 하단 밑단 너비 6. 바지 총 기장"의 6 가지 수치에 대한 결정을 필요로 할 수 있다.
도 3 은 티셔츠에 대한 패턴의 예시도이다. 앞서 설명한 상품 분류 중 예를 들어 "긴팔" 및 "반팔"과 같은 티셔츠를 예시하면, 도 3 에 도시된 바와 같이 앞판 (3a), 뒷판(3b), 소매 (3c) 를 포함하는 3 장의 패턴에 대한 제작이 요구될 수 있다. 여기서, 소매 (3c) 는 동일한 패턴으로 양쪽을 재단하기 때문에 하나의 패턴 조각만 있어도 되며 소매는 반을 접어 앞판과 뒷판의 암홀 (armhole) 영역, 즉, 팔의 연결 부분에 박음질되도록 한다. 다만, 의류 디자인에 따라 양팔에 대해 상이한 패턴이 존재할 수도 있으며, 이러한 디자인의 패턴에 대해 4 장의 기준 패턴에 대한 추가 패턴 작업이 수행될 수도 있다.
도 4 는 티셔츠에 대한 필수 구성 요소의 예시도이다. 도 3 과 같이, 상품 분류 중 예를 들어 "긴팔" 및 "반팔"과 같은 티셔츠를 예시하면, 티셔츠는 "1. 목 너비 2. 어깨너비 3. 앞판 총 기장 4. 가슴너비 5. 밑단너비 6. 소매 밑단너비 7. 소매너비 8. 소매 총 기장 9. 뒷판 총 기장"의 9 가지 수치를 필수 구성 요소로서 포함할 수 있으며, 티셔츠의 기준 패턴은 상기 "1. 목 너비 2. 어깨너비 3. 앞판 총 기장 4. 가슴너비 5. 밑단너비 6. 소매 밑단너비 7. 소매너비 8. 소매 총 기장 9. 뒷판 총 기장"의 9 가지 항목에 대한 수치들을 각각 포함할 수 있다. 하기의 표 2 는 도 4 의 티셔츠에 대한 필수 구성 요소 및 그 치수에 대한 정보의 예시도이다.
상기와 같이 기준 패턴에 대한 추가 패턴을 위해서는 대응되는 상품 분류에 대한 정보 및 각각의 상품 분류에 대한 필수 구성요소들에 대한 정보가 요구된다. 이러한 정보들을 포함하는 패턴 그레이딩 정보는 미리 정의되어 데이터베이스에 저장될 수 있다. 여기서, 데이터베이스는 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 수행되는 컴퓨팅 디바이스의 메모리에 저장될 수도 있고, 별도의 디바이스에 저장되어 무선 또는 유선의 통신망을 통해 정보를 교환하도록 구성될 수도 있다.
한편, 일 측면에 따르면, 패턴 그레이딩 정보는 필수 구성 요소들의 정점 이동 처리에 대한 우선 순위 정보, 필수 구성 요소들의 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보 중 적어도 하나를 더 포함할 수 있다. 우선 순위 정보 및 연결선 유형 정보에 대해서는 본 명세서 내에서 후술된다.
다시 도 1 을 참조하면, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은, 이후 제 1 상품에 대한 기준 패턴 영상 데이터 및 패턴 그레이딩 정보를 기반으로 제 1 상품에 대한 추가 패턴 영상 데이터를 생성할 수 있다 (단계 140). 여기서, 추가 패턴은 기준 패턴과 상이한 크기를 가지는 패턴일 수 있다. 예를 들어, 의류 제작자는 긴팔, 반팔, 민소매, 긴바지, 반바지 다섯가지 상품의 패턴을 제작할 수 있으며, 기준 패턴 및 추가 패턴 작업에 있어서 스몰 (S 사이즈), 미디움 (M 사이즈) 및 라지 (L 사이즈) 등에 대한 패턴을 작업할 수 있다. 예를 들면, 패턴사가 기준 패턴으로서 제작한 미디움 사이즈에 대한 패턴을 입력 기준 패턴 영상 데이터로서 입력하면, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은 해당 기준 패턴 영상 데이터가 어떤 상품 분류인지에 대해 결정하고, 해당 상품 분류에 따른 필수 구성 요소에 대한 정보를 포함하는 패턴 그레이딩 정보를 획득한 뒤, 이들을 기반으로 예를 들어 스몰 사이즈나 라지 사이즈에 대한 추가 패턴 작업을 자동으로 수행할 수 있다.
도 2 는 도 1 의 추가 패턴 영상 데이터 생성 단계에 대한 상세 흐름도이다. 도 2 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법에 있어서, 추가 패턴 영상 데이터를 생성하는 것 (단계 140) 은 먼저 기준 패턴 영상 데이터 내에서 해당하는 상품 분류에 따른 필수 구성 요소들에 각각 대응되는 부분들을 식별할 수 있다 (단계 141).
도 10 은 입력된 기준 패턴에 대한 구성요소 분석 결과에 대한 예시도이다. 도 10 에 도시된 바와 같이, 복수의 상품 분류 중 티셔츠를 예시로 설명하면, 입력된 기준 패턴 영상 데이터를 기반으로 이전 단계에서 티셔츠로 상품 분류를 결정 (단계 120) 하고, 그에 상응하는 패턴 그레이딩 정보를 획득 (단계 130) 하였으므로, 입력된 기준 패턴 영상 데이터에 "1. 목 너비 2. 어깨너비 3. 앞판 총 기장 4. 가슴너비 5. 밑단너비 6. 소매 밑단너비 7. 소매너비 8. 소매 총 기장 9. 뒷판 총 기장"의 9 가지 필수 구성 요소가 존재한다는 정보가 확보된 상태일 수 있다. 필수 구성 요소에 대응되는 부분의 식별 단계 (단계 141) 에서는 티셔츠에 대한 앞판의 기준 패턴 영상 데이터 (1040) 에서 상기 필수 구성요소들에 각각 대응되는 부분들을 각각 식별 (예를 들어, 목 너비, 어깨너비, 앞판 총 기장, 가슴너비, 밑단 너비) 할 수 있다. 또한, 소매의 기준 패턴 영상 데이터 (1050) 에서 상기 필수 구성요소들에 각각 대응되는 부분들을 식별 (예를 들어, 소매 밑단 너비, 소매너비, 소매 총 기장) 할 수 있다. 또한, 뒷판의 기준 패턴 영상 데이터 (1060) 에서 상기 필수 구성요소들에 각각 대응되는 부분들을 식별 (예를 들어, 목 너비, 어깨너비, 뒷판 총 기장, 가슴너비, 밑단 너비) 할 수 있다.
한편, 각각의 필수 구성요소들은 측정 기준이 되는 두 개의 정점 (예를 들어, 각 필수 구성요소에 있어서 패턴의 좌측 또는 상측에 위치한 제 1 정점 및 패턴의 우측 또는 하측에 위치한 제 2 정점) 을 포함하고, 의류 제작을 위한 패턴은 상기 복수의 필수 구성요소들의 정점들 중 적어도 두 개의 점을 연결한 연결선들에 의해 이루어질 수 있다. 일 측면에 따르면, 필수 구성요소에 대응되는 부분의 식별 단계 (단계 141) 는 상기 필수 구성요소들의 복수의 정점들 중 어느 정점들이 서로 연결되는지 여부에 대한 정보 및 연결된 연결선이 직선인지 또는 곡선인지 여부를 결정하도록 구성될 수 있다. 도 10 을 참조하면, 연결선들은 곡선 (1041, 1051, 1061) 또는 직선 (1043, 1053, 1063) 일 수 있다.
예를 들어, 가슴 너비의 제 1 정점 및 밑단 너비의 제 1 정점이 서로 연결되고 연결선은 직선이라는 정보, 또는 어깨 너비의 제 1 정점 및 가슴 너비의 제 1 정점이 서로 연결되고 연결선은 곡선이라는 정보가 입력된 기준 패턴 영상 데이터에 대한 이미지 처리 또는 분석에 의해 획득될 수 있다. 다른 측면에 따르면, 전술한 바와 같이 패턴 그레이딩 정보가 연결선 유형 정보를 포함할 수 있고, 연결선 유형 정보는 복수의 필수 구성 요소들의 측정 기준이 되는 정점들 중 어느 두 개의 정점들이 연결되는지 여부에 대한 정보, 정점들을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 정보 중 적어도 하나를 포함할 수 있다. 일 측면에 따르면 상기와 같은 정보가 필수 구성요소에 대응되는 부분의 식별을 위해 더 사용될 수도 있다.
한편, 필수 구성요소에 대응되는 부분을 식별 (단계 141) 하는 것은, 구성 요소 식별 모델에 의해 수행될 수 있다. 도 7 은 구성 요소 식별 모델의 개념도이다. 도 7 에 도시된 바와 같이, 구성 요소 식별 모델 (710) 은, 기준 패턴 영상 데이터의 적어도 일부를 입력으로서, 대응되는 필수 구성 요소를 출력으로서 각각 포함하는 복수의 훈련 데이터들을 기반으로 인공 신경망을 훈련시켜 생성된 것일 수 있다. 즉, 인공 신경망으로 이미 대응되는 필수 구성 요소를 알고 있는 기준 패턴 영상 이미지의 적어도 일부를 트레이닝 세트로서 복수 개 제공하여, 인공 신경망에 기준 패턴 영상 이미지의 일부와 그에 대응하는 필수 구성 요소 사이의 연관 관계를 학습시킬 수 있다. 이와 같은 인공 신경망의 훈련 과정은 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 수행되는 컴퓨팅 디바이스와 별개의 디바이스에 의해 수행될 수도 있고 동일한 컴퓨팅 디바이스에 의해 수행될 수도 있다. 또한, 생성된 구성 요소 식별 모델 (710) 역시, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법이 수행되는 컴퓨팅 디바이스의 저장 장치에 저장될 수도 있고, 별개의 컴퓨팅 디바이스에 존재하여 통신망을 통해 정보를 주고받도록 구성될 수도 있다.
구성 요소 식별 모델 (710) 을 사용함에 따라, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은 사용자가 입력된 기준 패턴의 영상 데이터 내에서 특정 부분에 대해서 직접 대응되는 필수 구성 요소임을 입력하도록 하지 않고서도 입력된 기준 패턴 영상 데이터 내의 각 부분들이 어느 필수 구성요소에 해당되는지 여부를 결정할 수 있어 사용자의 편의성을 증대시킬 수 있다.
한편, 도 10 을 다시 참조하면, 입력된 기준 패턴 이미지 영상에 대한 대응되는 필수 구성요소의 부분 식별 (단계 141) 이 완료되면, 식별 결과를 포함한 분석 결과를 사용자가 인지할 수 있도록 출력할 수 있다. 여기서, 사용자에게는 결정된 상품 분류에 대한 정보 (1010) 가 표시될 수 있고, 분류가 잘못된 경우 사용자가 직접 변경하도록 할 수도 있다. 한편, 추가 패턴을 생성하고자 하는 사이즈에 대한 선택 영역 (1020) 을 통해, 사용자는 모든 사이즈에 대한 그레이딩을 수행할지, 또는 예를 들어 스몰, 미디엄, 라지에 대해서만 그레이딩을 수행할지 여부를 결정하도록 할 수 있다. 변경 수치 설정 영역 (1030) 에서는 각각의 사이즈별로 수치를 증가 또는 감소시키는 변경량을 설정하도록 할 수 있다.
다시 도 2 를 참조하면, 추가 패턴 영상 데이터를 생성하는 것 (단계 140) 은 대응되는 필수 구성 요소의 식별 이후 식별된 필수 구성 요소들 각각의 측정 기준이 되는 정점들을 이동시킬 수 있다 (단계 143). 즉, 식별된 필수 구성 요소들 각각의 수치를 증가시키도록 측정 기준이 되는 정점들을 이동시키거나, 식별된 필수 구성 요소들 각각의 수치를 감소시키도록 측정 기준이 되는 정점들을 이동시킬 수 있다.
도 5 는 티셔츠에 대한 추가 패턴 생성 결과물의 예시도이다. 도 5 에 도시된 바와 같이, 각 필수 구성 요소는 두 개 이상의 정점으로 구성되어 있으며, 필수 구성 요소의 한개의 정점씩 순차적으로 이동시키는 것에 의해 사이즈를 증가 또는 감소시킬 수 있다. 도 5 에 도시된 바와 같이, 예를 들어 티셔츠의 기준 패턴에 대한 추가 패턴 작업을 기준으로 설명하면, 도 5의 5a 와 같은 절차를 거쳐 M 사이즈에 대한 패턴 (5b) 을 기반으로 L 사이즈의 추가 패턴 (5c) 을 생성할 수 있다. 한편, 도 5의 5a 에 도시된 바와 같이, 필수 구성 요소의 측정 기준이 되는 정점들의 이동 처리에 대해서는 우선 순위가 존재할 수 있다.
예를 들어, 앞판의 기준 패턴에 대해서는 "1) 목 너비 → 2) 어깨너비 → 3) 가슴너비 → 4) 밑단너비 → 5)목 높이 → 6) 앞판 총 기장"의 순서대로 필수 구성 요소의 측정 기준이 되는 정점들을 이동시킬 수 있다. 여기서, "목 높이"는 "목 너비"를 나타내는 필수 구성 요소 (도 4 의 41) 로부터 "앞판 총 기장"의 목에 붙어 있는 점 (도 4 의 43 의 상부 정점) 까지를 직각으로 연결한 선의 길이를 나타낼 수 있다.
이어서, 뒷판의 기준 패턴에 대해서는 "1) 목 너비 → 2) 어깨너비 → 3) 가슴너비 → 4) 밑단너비 → 5) 뒷판 총 기장"의 순서대로 필수 구성 요소의 측정 기준이 되는 정점들을 이동시킬 수 있다.
또한, 소매의 기준 패턴에 대해서는 "1) 소매너비 → 2) 소매 밑단너비 → 3) 소매 총 기장 → 4) 소매 암홀(armhole) 반 길이"의 순서대로 필수 구성요소의 측정 기준이 되는 정점들을 이동시킬 수 있다.
일 측면에 따르면, 전술한 패턴 그레이딩 정보는, 필수 구성 요소들의 정점 이동 처리에 대한 우선 순위 정보를 더 포함하고, 정점들을 이동시키는 단계 (단계 143) 는, 패턴 그레이딩 정보에 포함된 우선 순위 정보를 기반으로 우선 순위가 앞선 필수 구성 요소의 측정 기준이 되는 정점들을 먼저 이동시키도록 구성될 수 있다.
한편, 예를 들어 M 사이즈에서 L 사이즈로 변경하기 위해 각 필수 구성 요소의 수치가 1 cm 증가가 필요하다고 할 때, M 사이즈의 기준 패턴을 기준으로 생성된 L 사이즈 추가 패턴 작업 결과물은 도 5 와 같다. 예를 들어, 목 너비, 어깨너비, 가슴너비, 밑단 너비의 네 필수 구성 요소에 대해서는 각 필수 구성 요소의 측정 기준이 되는 정점들을 제 1 정점을 왼쪽으로 0.5 cm 씩 이동시키고, 제 2 정점들을 오른쪽으로 0.5 cm 씩 이동시켜 각각 0.5 cm 씩 필수 구성 요소의 수치를 증가시키도록 할 수 있다. 나아가, 목 높이 및 앞판 총 기장 두 가지에 대해서는 하방으로 측정 기준이 되는 정점들을 이동시켜 각각 1 cm 씩 y 좌표가 증가되도록 할 수 있다. 일 측면에 따르면, 그레이딩을 위한 필수 구성 요소인 "앞판 총기장"과 옷의 수치를 계산하기 위한 "총기장"은 길이를 계산하는 방법이 상이할 수 있고 그레이딩을 위해 "총기장"을 1 cm 증가시킬 경우, "앞판 총기장 (도 4 의 43)"의 하부 정점을 하방으로 1 cm 이동시키고, "목 높이"의 하부 정점이자 "앞판 총기장"의 상부 정점인 점을 역시 하방으로 1 cm 이동시켜, 결과적으로 "총기장"은 1 cm 증가하지만 "앞판 총기장"은 변동되지 않도록 할 수 있다.
다시 도 2 를 참조하면, 추가 패턴 영상 데이터를 생성하는 것 (단계 140) 은 필수 구성 요소들의 각각의 측정 기준이 되는 정점들의 이동 이후 이동된 정점들 중 적어도 두 개를 연결할 수 있다 (단계 145). 앞서 입력된 기준 패턴 이미지 영상에 대한 대응되는 필수 구성요소의 부분 식별 (단계 141) 에서 언급한 바와 같이, 필수 구성 요소들의 측정 기준이 되는 정점들 중 어느 두 개의 정점이 연결되는지 여부, 또한 연결된 정점이 직선인지 또는 곡선인지 여부에 대한 정보는 기준 패턴 영상 데이터에 대한 분석을 통해 획득되거나, 또는 패턴 그레이딩 정보에 포함되어 제공될 수 있다.
일 측면에 따라, 패턴 그레이딩 정보에 포함된 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보에 따라, 연결선 유형 정보가 직선이라고 결정되면, 이동된 정점들 중 적어도 두 개를 연결하는 단계 (단계 145) 는, 대상이 되는 이동된 정점들 중 적어도 두 개를 직선으로 연결할 수 있다. 예를 들어, 도 5 에 도시된 바와 같이 가슴너비의 제 1 정점과 밑단너비의 제 1 정점을 직선으로 연결할 수 있다.
일 측면에 따라, 연결선 유형 정보에 따라 특정 두 정점을 연결한 연결선이 곡선이라고 결정되면, 이동된 정점들 중 적어도 두 개를 연결하는 단계 (단계 145) 는, 이동 전의 정점을 연결한 곡선에 포함된 각각의 점들을 이동시키는 것에 의해 상기 이동된 정점들 중 적어도 두 개의 정점들을 연결할 수 있다. 도 5 에 도시된 바와 같은 티셔츠의 패턴을 예를 들면, 목너비의 제 1 정점과 제 2 정점을 잇는 목선과, 어깨너비의 제 1 정점과 가슴너비의 제 1 정점 또는 어깨너비의 제 2 정점과 가슴너비의 제 2 정점을 잇는 암홀 영역은 곡선으로 이루어질 수 있다. 이와 같은 곡선 영역은, 이동 전의 곡선에 포함되어 있는 각각의 점들을, 이동 전의 측정 기준이 되는 정점들에서의 거리 관계와 비례하여 이동 후의 측정 기준이 되는 정점들 사이로 이동시키는 것에 의해, 결과적으로 이동 후의 측정 기준이 되는 정점들을 곡선 형태로 연결할 수 있다.
일 측면에 따르면, 곡선에 포함된 각각의 점들에 대한 이동량은, 이동 전 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 대한 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리의 비율을, 이동 후 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 적용하여 결정할 수 있다. 즉, 이동 전의 곡선에 포함된 점을 I 점, 이동 후의 곡선에 포함된 I 점이 이동한 점을 I' 점이라고 할 때, 이동 전 곡선 양단의 점 중 "제 1 정점에서부터 I 점까지의 거리"의 "I 점으로부터 제 2 정점까지의 거리"에 대한 비율을 기반으로, "이동 후의 제 1 정점으로부터 I' 점까지의 거리"의 "I' 점으로부터 이동 후의 제 2 정점까지의 거리"에 대한 비율을 유지하도록 I' 점의 위치가 결정될 수 있다.
여기서, 제 1 정점과 제 2 정점 간의 거리 및 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리는, x 좌표 값 차이 및 y 좌표 값 차이 중 어느 하나를 기준으로 결정될 수 있다. 제 1 정점과 제 2 정점은 곡선으로 연결되어 있으므로, I 점은 제 1 정점과 제 2 정점을 지나는 직선에 위치하지 않는다. 따라서, 예를 들어, x 좌표 차이를 기준을 할 때, 제 1 정점과 제 2 정점 간의 거리는 양 정점 간의 x 좌표 값 차이로 결정될 수 있고, 제 1 정점과 곡선에 포함된 I 점 사이의 거리는 양 점 간의 x 좌표 값 차이로서 결정될 수 있다. 다른 측면에 따르면, y 좌표 차이를 기준으로 두 거리의 비율을 결정할 수 있다. 여기서, 도 8b 의 (a) 에 도시된 바와 같이, x 좌표를 기준으로 판단했을 때 제 1 정점 (A) 의 x 좌표 값과 제 2 정점 (B) 의 x 좌표 값 사이에 I1 점의 x 좌표가 위치하지 않았을 경우에는, 제 1 정점 (A) 과 제 2 정점 (B) 간의 거리는 두 정점의 y 좌표 값의 차이로 결정될 수 있고, 제 1 정점 (A) 과 I1 점 사이의 거리는 제 1 정점 (A) 과 I1 점 사이의 y 좌표 값의 차이로 결정되어 두 거리 간의 비율을 결정할 수 있다. 반대로, 도 8b 의 (b) 에 도시된 바와 같이, y 좌표를 기준으로 판단했을 때 제 1 정점 (A) 의 y 좌표 값과 제 2 정점 (B) 의 y 좌표 값 사이에 I2 점의 y 좌표가 위치하지 않았을 경우에는, 제 1 정점 (A) 과 제 2 정점 (B) 간의 거리는 두 정점의 x 좌표 값의 차이로 결정될 수 있고, 제 1 정점과 I2 점 사이의 거리는 제 1 정점 (A) 과 I2 점 사이의 x 좌표 값의 차이로 결정되어 두 거리 간의 비율을 결정할 수 있다. 도 8b 와 달리, I 점의 x 좌표 값 및 y 좌표 값이 모두 제 1 정점 (A) 과 제 2 정점 (B) 각각의 x 좌표 및 y 좌표 값 이내에 위치할 경우에는 y 좌표를 기준으로 하는 거리의 비율 및 x 좌표를 기준으로 하는 거리의 비율 중 임의의 비율을 사용할 수도 있고, 미리 결정된 어느 하나의 좌표 값 차이에 대한 비율을 사용하도록 구성될 수도 있다.
비율이 결정되면, I 점으로부터 I' 점으로의 이동량은 x 좌표 및 y 좌표에 대해 각각 결정될 수 있다. 즉, 이동 후의 제 1 정점으로부터 이동 후의 제 2 정점까지의 x 좌표 값 차이에, 상기 비율을 곱한 값이 제 1 정점과 I' 점의 x 좌표 차이 값이 될 수 있고, 이동 후의 제 1 정점으로부터 이동 후의 제 2 정점까지의 y 좌표 값 차이에, 상기 비율을 곱한 값이 제 1 정점과 I' 점의 y 좌표 차이 값이 될 수 있다.
도 8a 는 패턴에 포함된 곡선의 이동에 대한 예시도이다. 도 8a 에 도시된 바와 같이, 도 8a 의 (a) 의 첫번째 그래프는 이동 전의 암홀 (armhole) 곡선의 좌표를 나타낼 수 있다. 이어서, 도 8a 의 (b) 의 두번째 그래프에서는 그래프 상에서 한 칸이 0.5 cm라고 간주할 때, a 점과 b 점을 0.5 cm 만큼 우측 방향으로 이동할 수 있다. 여기서, a 점과 와 b 점를 연결하는 중간의 곡선 내에 포함된 점들 또한 a 점과 b 점을 연결할 때의 비율과 동일한 간격 비율로 우측 방향으로 이동할 수 있다. 도 8a 의 (c) 의 세번째 그래프에서는 예들 들어 M 사이즈를 L 사이즈로 확대시키기 위해 0.5 cm 를 최종 이동시킨 a’점과 b’점의 좌표를 표시하고 있다.
이와 같은 방식으로 목 선의 영역도 동일하게 비율을 고려하여 끝 점을 기준으로 이동시킬 수 있다. 한편, 이동 기준이 되는 양 정점을 전부 이동시키는 경우 이외에, 한 점을 고정시켜두고, 나머지 한 정점만을 이동하는 경우에도 유사한 방식으로 곡선 내의 점들을 이동 시킬 수 있다. 제 1 정점을 고정하여 두고 제 2 정점을 이동시키는 경우, 앞서 살핀 바와 같은 이동 후의 제 1 정점으로부터 이동 후의 I' 점으로의 거리는, 제 1 정점이 이동하지 않았으므로 그 자체로서 I 점의 I' 점으로의 이동량이 될 수 있다.
보다 구체적으로, 도 8b 는 두 정점 중 한 정점의 이동에 따른 곡선 이동의 예시도를 나타낸다. 관련하여, 두 정점이 결과적으로 모두 이동되는 경우에도 두 정점 중 어느 한 정점을 먼저 이동시키고 나머지 정점을 이동시키도록 구성하여 하기의 프로세스가 적용될 수 있다.
도 8b의 (a) 및 (b) 에 도시된 바와 같이, 제 1 정점 (A) 와 제 2 정점 (B) 를 연결하는 곡선을 암홀이라고 가정한다. 이 암홀 곡선은 양 끝점인 정점 A 및 B와, 이러한 양 끝점 사이의 곡선들을 형성하는 복수의 점들로 구성된다. 일 측면에 따르면, 이 암홀 곡선을 그레이딩 할 때 A 점은 이동하지 않고 B 점만 이동할 수 있다. 즉, 양 끝점 중 하나인 점 A 는 고정되고 다른 한 점인 점 B만 이동할 수 있다. 다른 측면에 따르면, 양 끝의 두 정점이 모두 이동되는 구성요소가 존재할 수 있으나 실제로 한 순간에는 하나의 점만 이동되고 그 다음 다른 점이 이동하도록 구성될 수 있으므로 이러한 구성 요소에 대해서도 하기에서 설명하는 바와 동일한 수식을 사용할 수 있다.
하기의 수학식에서 아래 첨자로 사용되는 a, b, i의 정보는 다음과 같다.
- a, b, i는 각 점 A, B, I 의 인덱스를 의미한다.
- 점 A 는 그레이딩 시 이동되지 않는 베이스 점 (양 끝점 중 하나) 이다.
- 점 B 는 그레이딩 시 이동되는 기준 점 (양 끝점 중 다른 하나) 이 이동되기 전을 의미한다.
- 점 B' 는 이동 후의 B 점을 나타낸다.
- 점 I 는 양 끝점 사이의 모든 점들 (점 B가 이동되는 비율만큼 함께 이동 됨) 이 이동되기 전을 나타낸다.
- 점 I' 은 이동 후의 I 점을 나타낸다.
곡선 그레이딩 방법은 양쪽 끝 점 중 하나의 점이 이동했을 때 이동된 비율 만큼 그 사이에 있는 모든 점들을 동일한 비율로 이동시키는 것이다. 환언하면,
1. 변경되기 전 원본 곡선을 기준으로 양쪽 끝 점 사이에 있는 한 점의 상대적인 위치 (비율) 를 계산한다.
2. 1 번에서 계산한 비율을 이용해서 변경된 곡선 사이에 해당 점을 적용하면 원본 곡선과 동일하게 변경된 곡선위에 상대적인 위치 (비율) 에 해당 점을 위치시키게 되는 것이다.
3. 여기서, 1 번에서 상대적인 위치를 계산할 때 기준이 되는 축의 조건이 있다. 양 끝점 사이에 있는 점들이 양 끝점 사이에 모두 포함되는 축으로 비율을 계산하도록 할 수 있다. 예를 들어, 도 8b의 (a) 에서는 점 A 와 점 B 사이에 I1점이 x 축을 기준으로 양 끝의 점 사이를 벗어나기 때문에 x 축은 비율 계산의 기준이 될 수 없고, 이 경우 y 축을 비율 계산의 기준 축으로 사용할 수 있다. 반대로, 도 8b의 (b) 에서는 점 A 와 점 B 사이에 I2점이 y 축을 기준으로 양 끝의 점 사이를 벗어나기 때문에 y 축은 비율 계산의 기준이 될 수 없고, 이 경우 x 축을 비율 계산의 기준 축으로 사용할 수 있다.
즉, 끝 점 사이의 점들의 상대적인 위치를 계산하는데 있어서 기준이 되는 축은 2 가지가 될 수 있고, x 축을 기준으로 양 끝점 사이의 거리와 I 점까지의 거리 비율을 계산하는 아래의 수학식 1 과 y 축을 기준으로 양 끝점 사이의 거리와 I 점까지의 거리 비율을 계산하는 아래의 수학식 2 의 두 수학식 중 어느 하나가 사용될 수 있다.
상기 수학식 1 및 수학식 2 에서, xi 는 I 점의 x 좌표, xb' 은 B' 점의 x 좌표, xa 는 A 점의 x 좌표, xb 는 B 점의 x 좌표, yi 는 I 점의 x 좌표, yb' 은 B' 점의 y 좌표, ya 는 A 점의 y 좌표, yb 는 B 점의 y 좌표, Xi' 은 A 점으로부터 I' 점까지의 x 좌표 거리, Yi' 은 A 점으로부터 I' 점까지의 y 좌표 거리를 나타낸다.
수학식 1 을 참조하면, A 점 및 B 점 사이의 x 축 기준 거리로 나누고, 수학식 2 를 참조하면, A 점 및 B 점 사이의 y 축 기준 거리로 나누는 것을 알 수 있다. 예를 들어, 수학식 1 의 Xi'과 관련된 왼쪽 수식에 대해서 구체적으로 살펴보면,
끝 점 사이에 있는 한 점인 점 I' 이 점 A 로부터 이동할 x 좌표 거리 (Xi') = 기존 곡선 (또는 직선) 대비 기존 Xi의 상대적인 위치 (비율) * 변경된 곡선의 길이 (Xb' - Xa)
Xi' = (Xi - Xa) / (Xb - Xa) * (Xb' - Xa)
= (Xi - Xa) * (Xb' - Xa) / (Xb - Xa)
= (XiXb' - XiXa -XaXb' + XaXa) / (Xb - Xa)
와 같이, 수학식 1 의 왼쪽 수식이 도출될 수 있다. 수학식 1 의 오른쪽 수식은 끝 점 사이에 있는 한 점인 I' 이 점 A 로부터 이동할 y 좌표 거리 (Yi') 에 관한 것이므로, 변경된 곡선의 길이가 (Yb' - Ya) 로 변경되는 것 이외에는 수학식 1 의 왼쪽 수식과 동일하다.
수학식 2 의 경우, y 축을 기준으로 하므로, 기존 곡선 (또는 직선) 대비 기존 Xi 의 상대적인 위치 (비율) 이 (Yi - Ya) / (Yb - Ya) 로 변경되는 것 이외에는 각각 수학식 1 의 좌변 및 우변과 동일하다.
예를 들어, x 축만을 기준으로 좌표 이동량을 예시하면,
a, b, i의 x 좌표가 각각 a = 10, b = 20, i = 15 라고 가정할 때,
b 의 x 좌표를 오른쪽으로 10 이동시키면 b = 30 이 되고 비율에 맞게 i 의 위치는 20 이 되어야 한다.
이러한 좌표 값을 상기의 수학식 1 에 대입한다면,
Xi' = (Xi(15) - Xa(10)) / (Xb(20) - Xa(10)) * (Xb'(30) - Xa(10))
= (Xi(15) - Xa(10)) * (Xb'(30) - Xa(10)) / (Xb(20) - Xa(10))
= (Xi(15)Xb'(30) - Xi(15)Xa(10) -Xa(10)Xb'(30) + Xa(10)Xa(10)) / (Xb(20) - Xa(10))
= (15*30 - 15*10 - 10*30 + 10*10) / (20 - 10)
= (450 - 150 - 300 + 100) / 10
= 100 / 10
= 10
와 같다.
즉, 결론은 Xi'는 10 이고, 이 값은 Xa 로부터 변경된 i점까지의 x 좌표 거리를 뜻므로 변경된 i 점의 실제 x좌표는 Xi' + Xa 를 통해, xi'(10) + Xa(10) = 20 이 되어 앞서 가정한 바에 따른 결과가 도출될 수 있다.
다시, 도 1 을 참조하면, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법은, 생성된 추가 패턴 영상 데이터를 dxf 형식의 파일로 제공할 수 있다 (단계 150). 다만, 제공되는 추가 패턴 영상 데이터는 dxf 형식의 파일에 한정되지 않으며 임의의 이미지 포맷으로서 제공될 수 있다.
또한, 파일 출력 전에, 작업 결과물을 사용자가 인지할 수 있도록 디스플레이 또는 인쇄 출력을 통해 나타낼 수도 있다. 도 11a 는 티셔츠의 앞판에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이고, 도 11a 에 도시된 바와 같이, 추가 패턴 결과물은 앞판 패턴의 스몰, 미디엄, 라지의 각각의 사이즈에 대해, 목 너비 (neck), 어깨 너비 (shoulder), 밑단너비 (hem), 앞판 총 기장 (height), 가슴너비 (chest) 의 필수 구성 요소 및 그 측정 기준이 되는 정점들을 나타내어 표시될 수 있다.
도 11b 는 티셔츠의 뒷판에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이고, 도 11b 에 도시된 바와 같이, 추가 패턴 결과물은 뒷판 패턴의 스몰, 미디엄, 라지의 각각의 사이즈에 대해, 목 너비 (neck), 어깨 너비 (shoulder), 밑단너비 (hem), 뒷판 총 기장 (height), 가슴너비 (chest) 의 필수 구성 요소 및 그 측정 기준이 되는 정점들을 나타내어 표시될 수 있다.
도 11c 는 티셔츠의 소매에 대한 기준 패턴 및 추가 패턴 결과물의 예시도이고, 도 11c 에 도시된 바와 같이, 추가 패턴 결과물은 소매 패턴의 스몰, 미디엄, 라지의 각각의 사이즈에 대해, 소매 밑단너비 (hem), 소매 총 기장 (height), 소매너비 (width) 의 필수 구성 요소 및 그 측정 기준이 되는 정점들을 나타내어 표시될 수 있다.
도 12 는 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치의 구성을 나타내는 블록도이다. 도 12 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치 (1200) 는 수신부 (1210), 프로세서 (1220) 및 메모리 (1230) 를 포함할 수 있다. 여기서, 프로세서 (1220) 는 수신부 (1210) 를 이용하여 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받고, 기준 패턴 영상 데이터를 기반으로 제 1 상품의 상품 분류를 결정하고, 결정된 상품 분류에 따른 패턴 그레이딩 정보를 메모리 (1230) 로부터 획득하고, 그리고 제 1 상품에 대한 기준 패턴 영상 데이터 및 패턴 그레이딩 정보를 기반으로 제 1 상품에 대한 추가 패턴 영상 데이터를 생성하도록 구성될 수 있다. 추가 패턴은 기준 패턴과 상이한 크기를 가지는 패턴일 수 있다.
여기서, 수신부 (1210) 는 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치 (1200) 와 별개의 컴퓨팅 디바이스로부터 입력되는 기준 패턴 영상 데이터를 수신하기 위한 무선 또는 유선 통신 유닛일 수 있고, 또는 사용자로 하여금 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치 (1200) 내의 메모리 (1230) 에 저장된 기준 패턴 영상 데이터들 중 어느 하나를 선택하도록 하기 위한 인터페이스 수단일 수 있으며, 저장 매체에 저장된 기준 패턴 영상 데이터를 판독하기 위한 입력 장치일 수도 있다. 이외에도, 기준 패턴 영상 데이터의 입력을 위한 임의의 수단이 수신부 (1210) 로서 동작할 수 있다.
또한, 도 12 에서 메모리 (1230) 이 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치 (1200) 에 포함된 것으로 도시되어 있으나, 메모리 (1230) 와 함께 사용되거나 또는 메모리 (1230) 를 대체하여 외부 저장 매체 또는 서버에 데이터가 저장될 수 도 있다. 패턴 그레이딩 정보를 포함하는 데이터베이스는 메모리 (1230) 또는 장치 (1200) 외부의 저장 매체 또는 독립 서버일 수 있다.
본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치 (1200) 의 구체적인 동작은 앞서 설명한 본 발명의 일 실시예에 따른 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 중 적어도 일부에 대응될 수 있다.
한편, 상술한 본 발명에 따른 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래시 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터로 판독 가능한 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
이상, 도면 및 실시예를 참조하여 설명하였지만, 본 발명의 보호범위가 상기 도면 또는 실시예에 의해 한정되는 것을 의미하지는 않으며 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
구체적으로, 설명된 특징들은 디지털 전자 회로, 또는 컴퓨터 하드웨어, 펌웨어, 또는 그들의 조합들 내에서 실행될 수 있다. 특징들은 예컨대, 프로그래밍 가능한 프로세서에 의한 실행을 위해, 기계 판독 가능한 저장 디바이스 내의 저장장치 내에서 구현되는 컴퓨터 프로그램 제품에서 실행될 수 있다. 그리고 특징들은 입력 데이터 상에서 동작하고 출력을 생성함으로써 설명된 실시예들의 함수들을 수행하기 위한 지시어들의 프로그램을 실행하는 프로그래밍 가능한 프로세서에 의해 수행될 수 있다. 설명된 특징들은, 데이터 저장 시스템으로부터 데이터 및 지시어들을 수신하기 위해, 및 데이터 저장 시스템으로 데이터 및 지시어들을 전송하기 위해 결합된 적어도 하나의 프로그래밍 가능한 프로세서, 적어도 하나의 입력 디바이스, 및 적어도 하나의 출력 디바이스를 포함하는 프로그래밍 가능한 시스템 상에서 실행될 수 있는 하나 이상의 컴퓨터 프로그램들 내에서 실행될 수 있다. 컴퓨터 프로그램은 소정 결과에 대해 특정 동작을 수행하기 위해 컴퓨터 내에서 직접 또는 간접적으로 사용될 수 있는 지시어들의 집합을 포함한다. 컴퓨터 프로그램은 컴파일된 또는 해석된 언어들을 포함하는 프로그래밍 언어 중 어느 형태로 쓰여지고, 모듈, 소자, 서브루틴(subroutine), 또는 다른 컴퓨터 환경에서 사용을 위해 적합한 다른 유닛으로서, 또는 독립 조작 가능한 프로그램으로서 포함하는 어느 형태로도 사용될 수 있다.
지시어들의 프로그램의 실행을 위한 적합한 프로세서들은, 예를 들어, 범용 및 특수 용도 마이크로프로세서들 둘 모두, 및 단독 프로세서 또는 다른 종류의 컴퓨터의 다중 프로세서들 중 하나를 포함한다. 또한 설명된 특징들을 구현하는 컴퓨터 프로그램 지시어들 및 데이터를 구현하기 적합한 저장 디바이스들은 예컨대, EPROM, EEPROM, 및 플래쉬 메모리 디바이스들과 같은 반도체 메모리 디바이스들, 내부 하드 디스크들 및 제거 가능한 디스크들과 같은 자기 디바이스들, 광자기 디스크들 및 CD-ROM 및 DVD-ROM 디스크들을 포함하는 비휘발성 메모리의 모든 형태들을 포함한다. 프로세서 및 메모리는 ASIC들(application-specific integrated circuits) 내에서 통합되거나 또는 ASIC들에 의해 추가되어질 수 있다.
이상에서 설명한 본 발명은 일련의 기능 블록들을 기초로 설명되고 있지만, 전술한 실시 예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경 가능하다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.
전술한 실시 예들의 조합은 전술한 실시 예에 한정되는 것이 아니며, 구현 및/또는 필요에 따라 전술한 실시예들 뿐 아니라 다양한 형태의 조합이 제공될 수 있다.
전술한 실시 예들에서, 방법들은 일련의 단계 또는 블록으로서 순서도를 기초로 설명되고 있으나, 본 발명은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당해 기술 분야에서 통상의 지식을 가진 자라면 순서도에 나타난 단계들이 배타적이지 않고, 다른 단계가 포함되거나, 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
전술한 실시 예는 다양한 양태의 예시들을 포함한다. 다양한 양태들을 나타내기 위한 모든 가능한 조합을 기술할 수는 없지만, 해당 기술 분야의 통상의 지식을 가진 자는 다른 조합이 가능함을 인식할 수 있을 것이다. 따라서, 본 발명은 이하의 특허청구범위 내에 속하는 모든 다른 교체, 수정 및 변경을 포함한다고 할 것이다.
Claims (21)
- 컴퓨팅 디바이스에 의해 각 단계가 수행되는 의류 상품의 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법으로서,
제 1 상품에 대한 기준 패턴 영상 데이터를 입력받는 단계;
상기 기준 패턴 영상 데이터를 기반으로 상기 제 1 상품의 상품 분류를 결정하는 단계;
결정된 상기 상품 분류에 따른 패턴 그레이딩 정보를 데이터베이스로부터 획득하는 단계; 및
상기 제 1 상품에 대한 기준 패턴 영상 데이터 및 상기 패턴 그레이딩 정보를 기반으로 상기 제 1 상품에 대한 추가 패턴 영상 데이터 - 상기 추가 패턴은 상기 기준 패턴과 상이한 크기를 가짐 - 를 생성하는 단계를 포함하고,
상기 패턴 그레이딩 정보는, 기준 패턴을 기반으로 추가 패턴을 생성하기 위해 요구되는 정보로서, 상품 분류에 따라 각각 상이하고,
상품 분류 정보;
상기 상품 분류에 따른 필수 구성 요소들에 대한 정보 - 상기 필수 구성 요소는 상기 상품 분류에 대한 패턴 생성을 위해 필수적인 수치 측정 항목들을 나타냄 - ; 및
상기 필수 구성 요소의 개수에 대한 정보를 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 1 항에 있어서,
상기 제 1 상품의 상품 분류를 결정하는 단계는,
기준 패턴 영상 데이터를 입력으로서, 상품 분류를 출력으로서 각각 포함하는 복수의 훈련 데이터들을 기반으로 인공 신경망을 훈련시켜 생성된 상품 분류 결정 모델에 의해 수행되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 삭제
- 제 1 항에 있어서,
상기 상품 분류 정보는,
상의 및 하의를 포함하는 카테고리 정보; 및
긴팔, 반팔, 민소매, 긴바지 및 반바지를 포함하는 세부 상품 정보 중 적어도 하나를 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 1 항에 있어서,
상기 추가 패턴 영상 데이터를 생성하는 단계는,
상기 기준 패턴 영상 데이터 내에서 상기 필수 구성 요소들에 각각 대응되는 부분들을 식별하는 단계;
식별된 상기 필수 구성 요소들 각각의 측정 기준이 되는 정점들을 이동시키는 단계; 및
이동된 상기 정점들 중 적어도 두 개를 연결하는 단계를 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 5 항에 있어서,
상기 패턴 그레이딩 정보는, 상기 필수 구성 요소들의 정점 이동 처리에 대한 우선 순위 정보를 더 포함하고,
상기 정점들을 이동시키는 단계는, 상기 우선 순위 정보를 기반으로 우선 순위가 앞선 필수 구성 요소의 측정 기준이 되는 정점들을 먼저 이동시키는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 5 항에 있어서,
상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고,
상기 이동된 정점들 중 적어도 두 개를 연결하는 단계는, 상기 연결선 유형 정보가 직선이라는 결정에 응답하여, 상기 이동된 정점들 중 적어도 두 개를 직선으로 연결하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 5 항에 있어서,
상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고,
상기 이동된 정점들 중 적어도 두 개를 연결하는 단계는, 상기 연결선 유형 정보가 곡선이라는 결정에 응답하여, 이동 전의 정점을 연결한 곡선에 포함된 각각의 점들을 이동시키는 것에 의해 상기 이동된 정점들 중 적어도 두 개의 정점들을 연결하고,
상기 곡선에 포함된 각각의 점들에 대한 이동량은, 이동 전 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 대한 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리의 비율을, 이동 후 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 적용하여 결정되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 8 항에 있어서,
상기 제 1 정점과 제 2 정점 간의 거리 및 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리는, x 좌표 값 차이 및 y 좌표 값 차이 중 어느 하나를 기준으로 결정되고,
상기 이동량은 x 좌표 및 y 좌표에 대해 각각 결정되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 제 1 항에 있어서,
상기 생성된 추가 패턴 영상 데이터를 dxf 형식의 파일로 제공하는 단계를 더 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법.
- 의류 상품의 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치로서,
상기 장치는 프로세서, 메모리 및 수신부를 포함하고,
상기 프로세서는,
상기 수신부를 이용하여 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받고;
상기 기준 패턴 영상 데이터를 기반으로 상기 제 1 상품의 상품 분류를 결정하고;
결정된 상기 상품 분류에 따른 패턴 그레이딩 정보를 상기 메모리로부터 획득하고; 그리고
상기 제 1 상품에 대한 기준 패턴 영상 데이터 및 상기 패턴 그레이딩 정보를 기반으로 상기 제 1 상품에 대한 추가 패턴 영상 데이터 - 상기 추가 패턴은 상기 기준 패턴과 상이한 크기를 가짐 - 를 생성하도록 구성되고,
상기 패턴 그레이딩 정보는, 기준 패턴을 기반으로 추가 패턴을 생성하기 위해 요구되는 정보로서, 상품 분류에 따라 각각 상이하고,
상품 분류 정보;
상기 상품 분류에 따른 필수 구성 요소들에 대한 정보 - 상기 필수 구성 요소는 상기 상품 분류에 대한 패턴 생성을 위해 필수적인 수치 측정 항목들을 나타냄 - ; 및
상기 필수 구성 요소의 개수에 대한 정보를 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 11 항에 있어서,
상기 제 1 상품의 상품 분류를 결정하는 것은,
기준 패턴 영상 데이터를 입력으로서, 상품 분류를 출력으로서 각각 포함하는 복수의 훈련 데이터들을 기반으로 인공 신경망을 훈련시켜 생성된 상품 분류 결정 모델에 의해 수행되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 삭제
- 제 11 항에 있어서,
상기 상품 분류 정보는,
상의 및 하의를 포함하는 카테고리 정보; 및
긴팔, 반팔, 민소매, 긴바지 및 반바지를 포함하는 세부 상품 정보 중 적어도 하나를 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 11 항에 있어서,
상기 추가 패턴 영상 데이터를 생성하는 것은,
상기 기준 패턴 영상 데이터 내에서 상기 필수 구성 요소들에 각각 대응되는 부분들을 식별하는 것;
식별된 상기 필수 구성 요소들 각각의 측정 기준이 되는 정점들을 이동시키는 것; 및
이동된 상기 정점들 중 적어도 두 개를 연결하는 것을 포함하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 15 항에 있어서,
상기 패턴 그레이딩 정보는, 상기 필수 구성 요소들의 정점 이동 처리에 대한 우선 순위 정보를 더 포함하고,
상기 정점들을 이동시키는 것은, 상기 우선 순위 정보를 기반으로 우선 순위가 앞선 필수 구성 요소의 측정 기준이 되는 정점들을 먼저 이동시키는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 15 항에 있어서,
상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고,
상기 이동된 정점들 중 적어도 두 개를 연결하는 것은, 상기 연결선 유형 정보가 직선이라는 결정에 응답하여, 상기 이동된 정점들 중 적어도 두 개를 직선으로 연결하는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 15 항에 있어서,
상기 패턴 그레이딩 정보는, 상기 측정 기준이 되는 정점들 중 어느 두 개의 정점을 연결한 연결선이 직선인지 또는 곡선인지 여부에 대한 연결선 유형 정보를 더 포함하고,
상기 이동된 정점들 중 적어도 두 개를 연결하는 것은, 상기 연결선 유형 정보가 곡선이라는 결정에 응답하여, 이동 전의 정점을 연결한 곡선에 포함된 각각의 점들을 이동시키는 것에 의해 상기 이동된 정점들 중 적어도 두 개의 정점들을 연결하고,
상기 곡선에 포함된 각각의 점들에 대한 이동량은, 이동 전 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 대한 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리의 비율을, 이동 후 곡선 양단의 제 1 정점과 제 2 정점 간의 거리에 적용하여 결정되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 18 항에 있어서,
상기 제 1 정점과 제 2 정점 간의 거리 및 상기 제 1 정점과 상기 곡선에 포함된 점 사이의 거리는, x 좌표 값 차이 및 y 좌표 값 차이 중 어느 하나를 기준으로 결정되고,
상기 이동량은, x 좌표 및 y 좌표에 대해 각각 결정되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 제 11 항에 있어서,
상기 프로세서는,
상기 생성된 추가 패턴 영상 데이터를 dxf 형식의 파일로 제공하도록 더 구성되는, 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 장치.
- 프로세서 실행 가능한 명령어들을 포함하는 컴퓨터 판독 가능한 저장 매체로서, 상기 명령어들은 의류 상품의 기준 패턴을 기반으로 추가 패턴을 자동 제공하기 위한 명령어이며, 상기 명령어들은 상기 프로세서에 의해 실행 되었을 때,
수신부를 이용하여 제 1 상품에 대한 기준 패턴 영상 데이터를 입력받고;
상기 기준 패턴 영상 데이터를 기반으로 상기 제 1 상품의 상품 분류를 결정하고;
결정된 상기 상품 분류에 따른 패턴 그레이딩 정보를 메모리로부터 획득하고; 그리고
상기 제 1 상품에 대한 기준 패턴 영상 데이터 및 상기 패턴 그레이딩 정보를 기반으로 상기 제 1 상품에 대한 추가 패턴 영상 데이터 - 상기 추가 패턴은 상기 기준 패턴과 상이한 크기를 가짐 - 를 생성하도록 구성되고,
상기 패턴 그레이딩 정보는, 기준 패턴을 기반으로 추가 패턴을 생성하기 위해 요구되는 정보로서, 상품 분류에 따라 각각 상이하고,
상품 분류 정보;
상기 상품 분류에 따른 필수 구성 요소들에 대한 정보 - 상기 필수 구성 요소는 상기 상품 분류에 대한 패턴 생성을 위해 필수적인 수치 측정 항목들을 나타냄 - ; 및
상기 필수 구성 요소의 개수에 대한 정보를 포함하는, 컴퓨터 판독 가능한 저장 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180097499A KR102260796B1 (ko) | 2018-08-21 | 2018-08-21 | 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180097499A KR102260796B1 (ko) | 2018-08-21 | 2018-08-21 | 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200102466A Division KR20200102391A (ko) | 2020-08-14 | 2020-08-14 | 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200023700A KR20200023700A (ko) | 2020-03-06 |
| KR102260796B1 true KR102260796B1 (ko) | 2021-06-07 |
Family
ID=69802843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180097499A KR102260796B1 (ko) | 2018-08-21 | 2018-08-21 | 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102260796B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11669603B2 (en) * | 2020-06-08 | 2023-06-06 | Kwong Lung Enterprise Co., Ltd. | Clothing pattern making management system |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102608906B1 (ko) * | 2021-08-23 | 2023-12-01 | 주식회사 코코파 | 패턴블록 구조물을 적용하는 의류 디자인 장치 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101672299B1 (ko) * | 2016-02-22 | 2016-11-03 | 이정구 | 의복패턴의 자동맞춤 서비스시스템 및 그 서비스방법 및 이를 이용해 제작되는 맞춤의복 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6688144B2 (en) * | 2000-10-18 | 2004-02-10 | Shima Seiki Mfg., Ltd. | Knit design system |
| KR101569670B1 (ko) | 2014-10-30 | 2015-11-17 | 신승정 | 의류패턴 설계용 자 세트 |
| KR20160120238A (ko) * | 2015-04-07 | 2016-10-17 | 주식회사 컴퍼니원헌드레드 | 의류 추천 시스템 |
-
2018
- 2018-08-21 KR KR1020180097499A patent/KR102260796B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101672299B1 (ko) * | 2016-02-22 | 2016-11-03 | 이정구 | 의복패턴의 자동맞춤 서비스시스템 및 그 서비스방법 및 이를 이용해 제작되는 맞춤의복 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11669603B2 (en) * | 2020-06-08 | 2023-06-06 | Kwong Lung Enterprise Co., Ltd. | Clothing pattern making management system |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200023700A (ko) | 2020-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2635294C1 (ru) | Способ и система интерактивного создания предметов одежды | |
| CN104978762B (zh) | 服装三维模型生成方法及系统 | |
| US11461819B2 (en) | Custom digital files for garment production | |
| US11280036B2 (en) | Method and apparatus for 3D clothing draping simulation | |
| CN110598017B (zh) | 一种基于自学习的商品详情页的生成方法 | |
| Li et al. | Modeling 3D garments by examples | |
| KR102260796B1 (ko) | 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 | |
| US20210342495A1 (en) | Garment Creation System, Method and Apparatus | |
| Mullet | Concepts of pattern grading: techniques for manual and computer grading | |
| JP6906288B2 (ja) | 仮想衣類または家具のアップホルスタリのシームを定義するためのコンピュータ実施方法 | |
| JP7220324B1 (ja) | グレーディングのためのシステム、方法、およびプログラム | |
| US20180012385A1 (en) | Method and System for Automatic Garment Fit Customization | |
| Datta et al. | Various approaches in pattern making for garment sector | |
| KR102322810B1 (ko) | 3d 패턴 생성 솔루션을 이용한 의류 샘플 제작 방법 | |
| CN113297641A (zh) | 印花处理方法、内容元素处理方法、装置、设备及介质 | |
| CN110335347B (zh) | 服装纸样生成方法、装置、计算机设备和存储介质 | |
| KR20200102391A (ko) | 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치 | |
| US11969041B2 (en) | Made to measure apparel patternmaking system and method | |
| De Silva et al. | Analysis of body-to-pattern relationship using traditional pattern drafting techniques: implications for automated digital prototyping | |
| Zhu et al. | Dual adaptive adjustment for customized garment pattern | |
| Moniruzzaman et al. | An approach to design solutions for garments using a CAD system | |
| US20210337904A1 (en) | Sizing garments for manufacturing semi-custom garments | |
| CN110226183A (zh) | 信息提示装置、信息提示方法及程序 | |
| Bond | Computerised pattern making in garment production | |
| Habib et al. | A Comparative Study of 3D Virtual Pattern and Traditional Pattern Making |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X601 | Decision of rejection after re-examination | ||
| J201 | Request for trial against refusal decision | ||
| J301 | Trial decision |
Free format text: TRIAL NUMBER: 2020101002039; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20200814 Effective date: 20210428 |
|
| GRNO | Decision to grant (after opposition) | ||
| GRNT | Written decision to grant |