KR102364533B1 - 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치 - Google Patents

인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
KR102364533B1
KR102364533B1 KR1020210131488A KR20210131488A KR102364533B1 KR 102364533 B1 KR102364533 B1 KR 102364533B1 KR 1020210131488 A KR1020210131488 A KR 1020210131488A KR 20210131488 A KR20210131488 A KR 20210131488A KR 102364533 B1 KR102364533 B1 KR 102364533B1
Authority
KR
South Korea
Prior art keywords
style
user
interior
similarity
information
Prior art date
Application number
KR1020210131488A
Other languages
English (en)
Inventor
김의현
Original Assignee
김의현
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 김의현 filed Critical 김의현
Priority to KR1020210131488A priority Critical patent/KR102364533B1/ko
Application granted granted Critical
Publication of KR102364533B1 publication Critical patent/KR102364533B1/ko

Links

Images

Classifications

    • 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
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Human Resources & Organizations (AREA)
  • Structural Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 인공 지능 기반의 인테리어 서비스 방법은 인테리어 서비스 장치가 사용자 입력 정보를 수신하는 단계, 인테리어 서비스 장치가 상기 사용자 입력 정보를 기반으로 사용자 스타일을 결정하는 단계와 인테리어 서비스 장치가 사용자 스타일을 기반으로 사용자 추천 인테리어 정보를 생성하는 단계를 포함할 수 있다.

Description

인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치{Method for interior service based on artificial intelligence and apparatus for performing the method}
본 발명은 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 구체적으로 사용자의 선호 스타일 정보와 공간 정보를 고려하여 사용자에게 공간 인테리어를 추천하기 위한 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치에 관한 것이다.
인공 지능 기술을 통해 데이터 속에서 피처(Feature)를 생성해 현상에 대한 모델화가 가능하다. 2010년으로 접어들면서 인공 지능은 인공신경망을 기반으로 컴퓨터가 축적된 데이터를 마치 사람처럼 스스로 학습하는 딥 러닝 기술이 적용되 며 급격히 진화하였다. 딥러닝 기반의 인공 지능은 혼재된 정보 속에서 사용자가 관심을 가질만한 정보를 스스로 학습하고 분류함으로써 사용자가 보다 신속한 의사 결정을 할 수 있도록 돕는다. 현재 시점에서 인공 지능은 웹(Web)상에서 뿐만 아니라 모바일, 옴니채널, 챗봇 등의 다방면의 기술 지원으로 고도의 기량을 갖춘 매장 직원이 응대하는 것과 같은 개인 맞춤 추천 서비스를 제공하기 위한 기반 기술이 되고 있다.
나아가 최근 딥 러닝(Deep learning) 기술을 통해 비약적으로 향상된 인공 지능은 개인의 경험에 의존했을 때 발생할 수 있는 위험을 줄이고 소비자가 만족할 만한 추천 서비스를 이끌어내고 있다.
인공 지능 기반의 추천 서비스는 최근 공간에 대한 시각화 기술 및 영상 처리 기술의 발전에 따라 인테리어 추천과 같은 공간에 대한 추천도 가능하게 하고 있다. 따라서, 인테리어에 관련된 추천을 보다 사용자의 취향에 맞게 정확하게 수행함에 있어서 필요한 공간 시각화 기술, 인공 지능 기반의 인테리어 아이템에 대한 추천 기술 등에 대한 연구가 필요하다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 인공 지능 기반의 추천 서비스를 기반으로 사용자 취향에 맞는 인테리어 서비스를 제공하는 것을 목적으로 한다.
또한, 본 발명은, 사용자의 취향의 중복성을 고려하여 가장 사용자 취향에 맞을 수 있는 추천 인테리어 정보를 스타일간 유사도를 고려하여 제공하여 사용자가 관심을 가질 수 있는 인테리어 상의 가구 및 공간에 대한 구체적인 추천이 제공되는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 실시예에 따르면, 인공 지능 기반의 인테리어 서비스 방법은 인테리어 서비스 장치가 사용자 입력 정보를 수신하는 단계, 상기 인테리어 서비스 장치가 상기 사용자 입력 정보를 기반으로 사용자 스타일을 결정하는 단계와 상기 인테리어 서비스 장치가 상기 사용자 스타일을 기반으로 사용자 추천 인테리어 정보를 생성하는 단계를 포함할 수 있다.
한편, 상기 사용자 스타일을 결정하는 단계는 상기 인테리어 서비스 장치가 가구 스타일 분류 인공 지능 엔진을 기반으로 사용자 가구 스타일을 결정하는 단계와 상기 인테리어 서비스 장치가 공간 스타일 분류 인공 지능 엔진을 기반으로 사용자 공간 스타일을 결정하는 단계를 포함할 수 있되, 상기 사용자 스타일은 상기 사용자 가구 스타일과 상기 사용자 공간 스타일을 포함할 수 있다.
또한, 상기 인테리어 서비스 장치는 스타일 유사도를 결정하고, 상기 사용자 추천 인테리어 정보는 상기 스타일 유사도를 더 고려하여 결정될 수 있다.
본 발명의 다른 실시예에 따르면, 인공 지능 기반의 인테리어 서비스 장치에 있어서 상기 인테리어 서비스 장치는 사용자 입력 정보를 수신하도록 구현된 사용자 정보 입력부와 상기 사용자 정보 입력부와 동작 가능하게(operatively) 연결된 프로세서를 포함할 수 있되, 상기 프로세서는 사용자 입력 정보를 수신하고, 상기 사용자 입력 정보를 기반으로 사용자 스타일을 결정하고, 상기 사용자 스타일을 기반으로 사용자 추천 인테리어 정보를 생성할 수 있다.
한편, 상기 프로세서는 가구 스타일 분류 인공 지능 엔진을 기반으로 사용자 가구 스타일을 결정하고, 공간 스타일 분류 인공 지능 엔진을 기반으로 사용자 공간 스타일을 결정하고, 상기 사용자 스타일은 상기 사용자 가구 스타일과 상기 사용자 공간 스타일을 포함할 수 있다.
또한, 상기 인테리어 서비스 장치는 스타일 유사도를 결정하고, 상기 사용자 추천 인테리어 정보는 상기 스타일 유사도를 더 고려하여 결정될 수 있다.
본 발명에 의하면, 인공 지능 기반의 추천 서비스를 기반으로 사용자 취향에 맞는 인테리어 서비스가 제공될 수 있다.
또한, 본 발명에 의하면, 사용자의 취향의 중복성을 고려하여 가장 사용자 취향에 맞을 수 있는 추천 인테리어 정보를 스타일 간 유사도를 고려하여 제공하여 사용자가 관심을 가질 수 있는 인테리어 상의 가구 및 공간에 대한 구체적인 추천이 제공될 수 있다.
도 1은 본 발명의 실시예에 따른 인공 지능 기반의 인테리어 서비스 장치를 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 가구 스타일 학습부의 동작을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 공간 스타일 학습부의 동작을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 스타일 유사도 학습부를 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 인테리어 추천부의 동작을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 인테리어 추천부의 동작을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 인테리어 추천부의 동작을 나타낸 개념도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 인공 지능 기반의 인테리어 서비스 장치를 나타낸 개념도이다.
도 1에서는 인공 지능 기반의 인테리어 서비스 장치가 인테리어를 추천하기 위한 방법이 개시된다.
도 1을 참조하면, 인공 지능 기반의 인테리어 서비스 장치는 인테리어 학습부(100), 사용자 정보 입력부(110), 인테리어 추천부(120), 프로세서(130)를 포함할 수 잇다.
도 1을 참조하면, 인테리어 학습부(110)는 인테리어 추천을 위한 가구 및 공간에 대한 인테리어 스타일을 학습하기 위해 구현될 수 있다. 인테리어 학습부(110)는 가구 스타일 학습부(150), 공간 스타일 학습부(160), 스타일 유사도 학습부(170)를 포함할 수 있다.
가구 스타일 학습부(150)는 가구의 스타일에 대한 학습을 수행하기 위해 구현될 수 있다. 가구 스타일에 대한 학습을 위해 가구 이미지와 가구 이미지에 태깅된 스타일 정보가 가구 스타일 학습부(150)로 전송될 수 있다. 예를 들어, 스타일은 6가지 타입(예를 들어, 모던(modern), 네추럴(natural), 노르딕(Nordic), 클래식(classic), 로맨틱(romantic), 모던 클래식(modern classic)) 등으로 나뉠 수 있다. 이하, 본 발명의 실시예에서는 스타일이 6개로 분류되는 것을 가정하나 분류되는 스타일의 개수는 다양하게 결정될 수 있다. 가구 이미지와 태깅된 스타일 정보를 기반으로 분류 학습을 통해 가구 스타일 학습부의 학습이 수행될 수 있다. 가구 스타일 학습부(150)는 위와 같은 분류 학습을 기반으로 가구 스타일 분류 인공 지능 엔진(155)을 생성할 수 있다.
공간 스타일 학습부(160)는 공간의 스타일에 대한 학습을 수행하기 위해 구현될 수 있다. 공간 스타일의 학습을 위해 공간 이미지와 공간 이미지에 태깅된 스타일 정보가 공간 스타일 학습부(160)로 전송될 수 있다. 예를 들어, 스타일은 6가지 타입(예를 들어, 모던, 네추럴, 노르딕, 클래식, 로맨틱, 모던 클래식) 등으로 나뉠 수 있다. 공간 이미지와 태깅된 스타일 정보를 기반으로 분류 학습을 통해 공간 스타일 학습부(160)의 학습이 수행될 수 있다. 공간 스타일 학습부(160)는 위와 같은 분류 학습을 기반으로 공간 스타일 분류 인공 지능 엔진(165)을 생성할 수 있다.
스타일 유사도 학습부(170)는 스타일 간의 유사도를 학습하기 위해 구현될 수 있다. 6가지 타입의 스타일인 모던, 네추럴, 노르딕, 클래식, 로맨틱, 모던 클래식에 대한 서로 유사도 평가가 수행되고, 스타일 유사도가 결정될 수 있다. 스타일 유사도는 스타일의 학습 이후, 판단의 정확도를 기준으로 결정될 수 있다. 예를 들어, 모던으로 결정된 스타일의 공간 이미지 또는 가구 이미지를 넣었을 때 판단되는 결과의 신뢰도를 기준으로 모던(70%), 모던 클래식(20%), 네추럴(10%)인 경우, 모던과 모던 클래식의 유사도가 20%, 모던과 네추럴의 유사도가 10%로 결정될 수 있다. 이러한 방법은 스타일 유사도를 결정하기 위한 하나의 예시이고 다른 다양한 방법으로 스타일 유사도가 결정될 수 있다.
사용자 정보 입력부(110)는 사용자에게 인테리어를 추천하기 위한 사용자 입력 정보를 수신하기 위해 구현될 수 있다. 인테리어 추천을 위한 사용자 입력 정보는 사용자에 의해 선택된 적어도 하나의 사용자 선택 인테리어 이미지일 수 있다. 사용자 선택 인테리어 이미지는 특정 가구, 특정 공간에 대한 정보를 포함하는 것으로서 사용자의 취향(가구 취향, 공간 취향)을 판단하기 위해 사용될 수 있다. 또는 인테리어 추천을 위한 사용자 입력 정보는 별도의 가구 이미지, 공간 이미지일 수도 있고, 사용자가 직접적으로 원하는 스타일(예를 들어, 모던, 네추럴, 노르딕, 클래식, 로맨틱, 모던 클래식)에 대한 선택 결과일 수도 있다.
또한, 사용자 입력 정보는 사용자가 인테리어하기 원하는 공간 정보, 예산 정보 등을 추가적으로 포함할 수 있다. 공간 정보는 사용자가 인테리어를 원하는 공간 평수, 공간 구조 등에 대한 정보를 포함하고, 예산 정보는 인테리어를 위해 가용한 금액에 대한 정보를 포함할 수 있다.
인테리어 추천부(120)는 사용자 입력 정보를 기반으로 사용자가 원하는 인테리어 스타일에 대한 추천을 위해 구현될 수 있다. 사용자 입력 정보를 기반으로 사용자가 원하는 스타일이 어떠한 스타일인지 여부가 결정되고, 사용자 추천 인테리어 정보를 제공할 수 있다.
사용자에 의해 선택되는 사용자 선택 인테리어 이미지가 가구 스타일 분류 인공 지능 엔진(155)으로 입력되고, 사용자가 원하는 사용자 가구 스타일이 가구 스타일 분류 인공 지능 엔진(155)의 출력값으로 생성될 수 있다. 또한, 사용자에 의해 선택되는 사용자 선택 인테리어 이미지가 공간 스타일 분류 인공 지능 엔진(165)으로 입력되고, 사용자가 원하는 사용자 공간 스타일이 공간 스타일 분류 인공 지능 엔진(165)의 출력값으로 생성될 수 있다.
사용자 정보를 기반으로 생성된 사용자 가구 스타일과 사용자 공간 스타일은 사용자 스타일로서 결정될 수 있다. 인테리어 추천부(120)는 사용자 스타일을 기반으로 사용자에게 사용자 추천 인테리어 정보를 제공할 수 있다.
이때, 사용자 추천 인테리어 정보는 사용자 가구 스타일과 사용자 공간 스타일을 개별적으로 고려하여 생성될 수도 있고, 사용자 가구 스타일과 사용자 공간 스타일을 개별적으로 고려하여 결정된 최종적인 하나의 스타일을 고려하여 생성될 수도 있다. 또한, 사용자 추천 인테리어 정보는 사용자 정보에 포함된 공간 정보, 예산 정보 등을 추가적으로 고려하여 생성될 수도 있다.
프로세서(130)는 인테리어 학습부(100), 사용자 정보 입력부(110), 인테리어 추천부(120)와 동작 가능하게(operatively) 연결되어 인테리어 학습부(100), 사용자 정보 입력부(110), 인테리어 추천부(120)를 제어할 수 있다.
도 2는 본 발명의 실시예에 따른 가구 스타일 학습부의 동작을 나타낸 개념도이다.
도 2에서는 가구 스타일 학습부가 가구 스타일에 대한 학습을 수행하는 동작이 개시된다.
도 2를 참조하면, 가구 스타일 학습부(200)는 복수의 가구 이미지와 가구 이미지에 대응되는 스타일을 태깅한 전처리 데이터를 입력받을 수 있다.
가구 스타일 학습부(200)의 학습에 사용되는 가구 이미지는 명확한 스타일을 가지는 가구에 대한 이미지일 수 있다. 가구 스타일 학습부(200)의 학습을 위해 각 스타일 별로 가구 스타일 학습 데이터(210)와 가구 스타일 검증 데이터(220)가 나뉠 수 있다. 가구 스타일 학습 데이터(210)를 기반으로 한 가구 스타일 학습부(200)의 학습 이후, 학습 정확도를 검증하기 위해 가구 스타일 검증 데이터(220) 기반의 검증이 수행될 수 있다.
가구 스타일 검증 데이터(220)에 대해 각 스타일 별로 임계 퍼센트 이상의 신뢰도가 나오는 경우, 학습된 모델은 가구 스타일 분류 인공 지능 엔진(250)으로서 인테리어 추천부 상에서 사용될 수 있다.
가구 스타일 분류 인공 지능 엔진(250)의 학습 결과의 신뢰도는 스타일 유사도(280)를 결정하기 위해 사용될 수 있다.
가구 스타일 검증 데이터(220)를 기준으로 스타일 별로 판단 신뢰도가 결정될 수 있다. 예를 들어, 복수의 모던 스타일에 대응되는 가구 스타일 검증 데이터(220)에 대해 가구 스타일 분류 인공 지능 엔진(250)이 모던 스타일이 아닌 다른 스타일(예를 들어, 모던 클래식, 네추럴, 로맨틱 등)으로 판단한 결과를 기준으로 각 스타일에 대한 판단 신뢰도가 종합적으로 결정되고, 판단 신뢰도를 고려하여 모던 스타일을 기준으로 다른 스타일 간의 스타일 유사도(280)가 결정될 수 있다.
가구 스타일 분류 인공 지능 엔진(250)을 기준으로 결정된 스타일 유사도(280)는 제1 스타일 유사도(290)라는 용어로 표현될 수 있다.
도 3은 본 발명의 실시예에 따른 공간 스타일 학습부의 동작을 나타낸 개념도이다.
도 3에서는 공간 스타일 학습부가 공간 스타일에 대한 학습을 수행하는 동작이 개시된다.
도 3을 참조하면, 공간 스타일 학습부(300)는 복수의 공간 이미지와 공간 이미지에 대응되는 스타일을 태깅한 전처리 데이터를 입력받을 수 있다. 공간 데이터에 대한 별도의 학습을 위해 가구에 대한 객체 인식을 통해 가구 객체가 삭제된 이미지가 공간 스타일 학습부(300)로 전달되어 학습이 진행될 수 있다. 또는 공간 이미지는 공간 이미지와 동일한 스타일을 가지는 가구 이미지를 포함하는 경우, 해당 공간 이미지는 별도의 삭제 없이 학습을 위해 사용될 수도 있다.
공간 스타일 학습부(300)의 학습에 사용되는 공간 이미지는 명확한 스타일을 가지는 공간에 대한 이미지일 수 있다.
공간 스타일 학습부(300)의 학습을 위해 각 스타일 별로 공간 스타일 학습 데이터(310)와 공간 스타일 검증 데이터(320)가 나뉠 수 있다. 공간 스타일 학습 데이터(310)를 기반으로 한 공간 스타일 학습부(300)의 학습 이후, 학습 정확도를 검증하기 위해 공간 스타일 검증 데이터 기반(320)의 검증이 수행될 수 있다.
공간 스타일 검증 데이터(320)에 대해 각 스타일 별로 임계 퍼센트 이상의 신뢰도가 나오는 경우, 학습된 모델은 공간 스타일 분류 인공 지능 엔진(350)으로서 인테리어 추천부 상에서 사용될 수 있다.
공간 스타일 분류 인공 지능 엔진(350)의 학습 결과의 신뢰도는 스타일 유사도(380)를 결정하기 위해 사용될 수 있다.
공간 스타일 검증 데이터(320)를 기준으로 스타일 별로 판단 신뢰도가 결정될 수 있다. 예를 들어, 복수의 모던 스타일에 대응되는 공간 스타일 검증 데이터(320)에 대해 공간 스타일 분류 인공 지능 엔진(350)이 모던 스타일이 아닌 다른 스타일(예를 들어, 모던 클래식, 네추럴, 노르딕 등)으로 판단한 결과를 기준으로 각 스타일에 대한 판단 신뢰도가 종합적으로 결정되고, 모던 스타일을 기준으로 한 다른 스타일 간의 스타일 유사도(380)가 결정될 수 있다.
공간 스타일 분류 인공 지능 엔진(350)을 기준으로 결정된 스타일 유사도(380)는 제2 스타일 유사도(390)라는 용어로 표현될 수 있다.
도 4는 본 발명의 실시예에 따른 스타일 유사도 학습부를 나타낸 개념도이다.
도 4에서는 스타일 간의 유사도에 대한 학습을 수행하는 스타일 유사도 학습부의 동작이 개시된다.
도 4를 참조하면, 가구 스타일 인공 지능 엔진(410)으로부터 획득된 제1 스타일 유사도(415), 공간 스타25일 인공 지능 엔진(420)으로부터 획득된 제2 스타일 유사도(410)를 기반으로 최종적으로 스타일 유사도(460)가 결정될 수 있다.
제1 스타일 유사도(415)와 제2 스타일 유사도(425)의 항목 중 양쪽 모두 임계 스타일 유사도(450) 이상의 값을 가지는 경우를 고려하여 스타일 유사도(460)를 결정할 수 있다.
제1 스타일 유사도(415)를 결정하기 위해 가구 스타일 분류 인공 지능 엔진(410)에 모던 스타일 이미지를 입력하는 경우, 모던 클래식 스타일로 20% 신뢰도를 가지고 결정되고, 네추럴 스타일로 10% 스타일로 결정되고, 노르딕 스타일로 5% 신뢰도를 가지고 결정될 수 있다. 즉, 제1 스타일 유사도(415)와 관련하여 모던 스타일을 기준으로 모던 클래식 스타일이 20% 스타일 유사도를 가지고, 네추럴 스타일이 10% 스타일 유사도를 가지고, 노르딕 스타일이 5% 스타일 유사도를 가질 수 있다.
제2 스타일 유사도(425)를 결정하기 위해 공간 스타일 분류 인공 지능 엔진(420)에 모던 스타일 이미지를 입력하는 경우, 모던 클래식 스타일로 18% 신뢰도를 가지고 결정되고, 네추럴 스타일로 12% 스타일로 결정되고, 로맨틱 스타일로 3% 신뢰도를 가지고 결정될 수 있다. 즉, 제2 스타일 유사도(425)와 관련하여 모던 스타일을 기준으로 모던 클래식 스타일이 18% 스타일 유사도를 가지고, 네추럴 스타일이 12% 스타일 유사도를 가지고, 노르딕 스타일이 3% 스타일 유사도를 가질 수 있다.
이러한 경우, 임계 스타일 유사도(450)를 7% 로 설정하면, 그 이하의 스타일 유사도를 가지는 노르딕 스타일과 로맨틱 스타일은 제외될 수 있고, 모던 스타일일 경우, 모던 클래식 스타일과 네추럴 스타일과 유사도를 가진다고 판단될 수 있다. 스타일 유사도의 크기는 다양하게 결정될 수 있다. 예를 들어, 각 스타일 유사도는 제1 스타일 유사도(415)와 제2 스타일 유사도(425)의 평균값으로 계산되어, 모던 스타일을 기준으로 모던 클래식과 19%의 유사도를 가지고, 네추럴 스타일과 11%의 유사도를 가지는 것으로 결정될 수 있다.
도 5는 본 발명의 실시예에 따른 인테리어 추천부의 동작을 나타낸 개념도이다.
도 5에서는 인테리어 추천부가 인테리어 추천 동작을 수행하는 방법으로서 사용자 정보를 기반으로 사용자 스타일을 결정하는 방법이 개시된다.
도 5를 참조하면, 사용자 정보로서 사용자에 의해 선택된 적어도 하나의 사용자 선택 인테리어 이미지가 입력될 수 있다.
입력된 사용자 선택 인테리어 이미지는 가구 스타일 분류 인공 지능 엔진(510)과 공간 스타일 분류 인공 지능 엔진(520) 각각으로 입력되어 사용자의 사용자 가구 스타일(530)과 사용자 공간 스타일(540)을 결정할 수 있다.
사용자 가구 스타일(530)과 사용자 공간 스타일(540)은 사용자 스타일(550)에 포함되고, 인테리어 추천부는 사용자 스타일(550)을 기반으로 사용자에게 사용자 추천 인테리어 정보를 제공할 수 있다.
사용자 선택 인테리어 이미지를 기반으로 사용자 스타일(550)을 결정하기 위해 다양한 방법이 사용될 수 있다.
사용자 선택 인테리어 이미지는 전처리를 통해 가구 스타일 분류 인공 지능 엔진(510)과 공간 스타일 분류 인공 지능 엔진(520) 각각으로 입력될 이미지를 다르게 설정할 수 있다.
사용자 선택 인테리어 이미지는 가구 스타일 분류 인공 지능 엔진(510)으로 입력되기 위해 전처리되어 사용자 선택 인테리어 이미지(가구)로 생성될 수 있다. 사용자 선택 인테리어 이미지(가구)는 사용자 선택 인테리어 이미지에서 객체 인식을 통해 가구를 추출한 이미지일 수 있다.
사용자 선택 인테리어 이미지는 공간 스타일 분류 인공 지능 엔진(520)으로 입력되기 위해 전처리되어 사용자 선택 인테리어 이미지(공간)으로 생성될 수 있다. 사용자 선택 인테리어 이미지(공간)은 사용자 선택 인테리어 이미지에서 가구를 삭제한 이미지일 수 있다.
사용자 선택 인테리어 이미지(가구)을 기반으로 가구 스타일 분류 인공 지능 엔진(510)은 사용자 가구 스타일(530)을 결정할 수 있다. 또한, 사용자 선택 인테리어 이미지(공간)을 기반으로 공간 스타일 분류 인공 지능 엔진(520)은 사용자 공간 스타일(540)을 결정할 수 있다
사용자 가구 스타일(530)과 사용자 공간 스타일(540)이 사용자 스타일(550)로서 결정된 이후, 인테리어 추천부는 사용자 스타일(550)을 기반으로 사용자 추천 인테리어 정보(560)를 생성할 수 있다.
도 6은 본 발명의 실시예에 따른 인테리어 추천부의 동작을 나타낸 개념도이다.
도 6에서는 사용자 스타일을 기반으로 인테리어 추천을 수행하는 방법이 개시된다.
도 6을 참조하면, 사용자 스타일에 포함되는 사용자 가구 스타일과 사용자 공간 스타일을 고려하여 인테리어 추천이 수행될 수 있다.
사용자 가구 스타일(610)과 사용자 공간 스타일(620)이 제1 스타일(615, 625)로서 동일한 경우, 제1 스타일을 기준으로 인테리어 추천이 수행될 수 있다.
사용자 가구 스타일과 사용자 공간 스타일 각각이 제1 스타일 및 제2 스타일로서 동일하지 않은 경우, 동일하지 않은 제1 스타일 및 제2 스타일 간의 스타일 유사도를 판단할 수 있다.
만약, 스타일 유사도가 임계 유사도 이상인 경우, 사용자 가구 스타일(630)은 제1 스타일(635)이되, 사용자 공간 스타일(640)은 제2 스타일(645)인 인테리어를 제1 우선 순위로 추천하고, 제2 우선 순위로 가구를 기준으로 한 제1 스타일의 인테리어, 공간을 기준으로 한 제2 스타일을 기준으로 한 인테리어에 대한 추천이 차순위로 제공될 수 있다.
이때, 가구를 기준으로 한 제1 스타일의 인테리어에 대한 추천과 공간을 기준으로 한 제2 스타일을 기준으로 한 인테리어에 대한 추천 중 어떠한 추천을 먼저 진행할지에 대한 것은 제1 스타일을 기준으로 한 제2 스타일의 제1 스타일 유사도와 제2 스타일을 기준으로 한 제1 스타일의 제2 스타일 유사도를 기준으로 결정될 수 있다.
만약, 제1 스타일 유사도가 제2 스타일 유사도보다 높은 경우, 가구를 기준으로 한 제1 스타일의 인테리어에 대한 추천이 가구를 기준으로 한 제2 스타일의 인테리어에 대한 추천보다 우선 순위로 제공될 수 있다.
반대로, 제2 스타일 유사도가 제1 스타일 유사도보다 높은 경우, 공간을 기준으로 한 제2 스타일의 인테리어에 대한 추천이 가구를 기준으로 한 제1 스타일의 인테리어에 대한 추천보다 우선 순위로 제공될 수 있다.
만약, 스타일 유사도가 임계 유사도 미만인 경우, 사용자 가구 스타일(650)은 제1 스타일이되, 사용자 공간 스타일(660)은 제2 스타일인 인테리어만이 사용자 추천 인테리어 정보로서 제공될 수 있다.
도 7은 본 발명의 실시예에 따른 인테리어 추천부의 동작을 나타낸 개념도이다.
도 7에서는 인테리어 추천부가 영상 분석을 통해 사용자 추천 인테리어 정보를 생성하는 방법이 개시된다.
도 7을 참조하면, 인테리어 추천부는 사용자의 특정 스타일이 결정된 경우에도 추가적으로 해당 스타일에서 우선 순위를 고려하여 사용자 추천 인테리어 정보를 제공할 수 있다. 예를 들어, 사용자 가구 스타일과 사용자 공간 스타일이 모던 스타일인 경우에도 모던 스타일에 해당하는 추천 인테리어는 다수가 존재할 수 있기 때문에 모던 스타일 내에서 별도의 우선 순위를 설정하여 사용자에게 모던 스타일을 추천할 수 있다.
하나의 스타일 내에서 우선 순위를 설정하기 위해서는 사용자가 해당 스타일에서 특별이 관심을 가지는 사용자 관심 정보(관심 객체 정보(700), 관심 색체 정보(720))를 찾아내고 사용자 관심 정보에 따라 사용자에게 사용자 추천 인테리어 정보를 제공할 수 있다.
사용자 관심 정보는 사용자가 고른 복수의 사용자 선택 인테리어 이미지에서 추출될 수 있다. 복수의 사용자 선택 인테리어 이미지에서 사용자 관심 정보를 추출하기 위해 복수의 사용자 선택 인테리어 이미지에 대한 분석이 수행될 수 있다.
복수의 사용자 선택 인테리어 이미지에 대한 분석은 객체 중심 분석, 색체 중심 분석으로 이루어질 수 있다.
객체 중심 분석은 사용자 선택 인테리어 이미지 내에 객체에 대한 분석일 수 있다. 객체 스타일과 객체 색상 등에 대한 분석으로서 가구, 소품 등에 대한 분석일 수 있다. 객체 중심 분석을 위해서는 사용자 선택 인테리어 이미지 상에서 메인 객체가 결정될 수 있다.
메인 객체는 사용자 선택 인테리어 이미지 내에 객체 크기를 고려하여 임계 크기 이상의 객체만을 추출하여 결정될 수 있다. 사용자 선택 인테리어 이미지 상에서 전체 객체를 추출한 이후, 임계 크기 이하의 객체는 노이즈 객체로서 제거하고 나머지만 후보 메인 객체로서 추출할 수 있다.
이후, 복수의 후보 메인 객체에 대한 개별적인 스타일 분석을 통해 복수의 후보 메인 객체를 태깅하고, 클러스터링을 진행할 수 있다. 개별적인 스타일 분석을 통해 복수의 후보 메인 객체를 태깅하는 절차는 가구 스타일 분류 인공 지능 엔진과 같은 별도의 객체 스타일에 대한 학습이 진행된 인공 지능 엔진에 의해 수행될 수 있다. 클러스터링을 통해 특정 스타일에 대한 특정 객체 클러스터가 형성되는 경우, 특정 스타일은 관심 스타일, 특정 클러스터은 관심 객체 클러스터로 설정될 수 있다.
사용자 선택 인테리어 이미지 상에서 관심 객체 클러스터에 대응되는 영역이 사용자의 관심 영역으로 설정하고, 관심 영역 내의 관심 객체가 메인 객체로서 결정될 수 있다.
복수의 사용자 선택 인테리어 이미지 내에서 메인 객체의 중복도 고려하여 최종적으로 사용자가 관심을 우선적으로 가지는 관심 객체 정보(700)가 추출될 수 있다.
색체 중심 분석은 사용자 선택 인테리어 이미지 내의 색체에 대한 분석일 수 있다. 색체 스펙트럼은 인테리어에 사용되는 색체 이미지를 기준으로 분류 학습되어 있을 수 있고, 색체 스펙트럼을 기분으로 사용자 선택 인테리어 이미지가 어떠한 색체 스펙트럼에 해당하는지 여부가 결정될 수 있다. 즉, 본 발명에서 사용되는 색체 스펙트럼은 일반 색체 스펙트럼이 아닌 인테리어 상에서 많이 사용되는 색체에 가중치가 부여된 스펙트럼일 수 있다.
색체 스펙트럼의 분석을 위해서 사용자 선택 인테리어 이미지는 영역별로 분류될 수 있다. 영역의 분류를 위해 사용자 선택 인테리어 이미지는 n 개의 하위 사용자 선택 인테리어 이미지로 분류될 수 있다. n개의 하위 사용자 선택 인테리어 이미지로 분류된 이후, n개의 하위 사용자 선택 인테리어 이미지 각각의 하위 색체 스펙트럼이 결정될 수 있다.
n개의 하위 사용자 선택 인테리어 이미지 각각의 하위 색체 스펙트럼은 클러스터링될 수 있고, 유사 범위의 색체 스펙트럼이 모인 x개의 색체 클러스터가 형성될 수 있다. 유사 범위는 색체 스펙트럼의 개수에 따라 조정되고, 추천의 정확도를 기분으로 피드백되어 조정될 수 있다.
복수의 사용자 선택 인테리어 이미지 에서 추출된 복수의 색체 클러스터 각각에 중복도를 고려하여 최종적으로 사용자가 관심을 우선적으로 가지는 관심 색체 정보(720)가 추출될 수 있다.
위와 같은 방식으로 관심 객체 정보와 관심 색체 정보를 기준으로 사용자 추천 인테리어 정보의 우선 순위가 결정되어 특정 스타일 내에서도 사용자가 더욱 관심을 가질 수 있는 정보가 제공될 수 있다. 또한, 관심 객체 정보와 관심 색체 정보 중 중복도가 더 높은 정보일수록 가중치를 더욱 부여하여 사용자 추천 인테리어 정보의 우선 순위가 결정되어 특정 스타일 내에서도 사용자가 더욱 관심을 가질 수 있는 정보가 제공될 수 있다.
또한, 본 발명에서는 사용자의 공간 정보 및 사용자의 개인 정보를 추가적으로 고려하여 인테리어 추천 서비스가 제공될 수 있다.
구체적으로 인공 지능 기반의 인테리어 서비스 장치는 사용자의 인테리어 장소와 가족 구성원, 자녀의 연령과 학년 성별, 취미활동 등을 페이지별로 따라 입력을 받을 수 있다. 사용자의 라이프스타일 패턴중 주소를 입력하고, 공간(주거,상업)별 입력분리탭, 주거공간, 상업공간 탭이 분리하여 사용자에 대한 정보를 입력받을 수 있다. 또한, 거주유형별 버튼을 통해 주거형태별 분류가 수행될 수 있다. 주소 검색은 지도 API(applicaton interface)를 토대로 검색되고, 해당 아파트 평형들이 생성하여 사용자가 요구하는 평형이 선택가능하게 한다.
이러한 방법을 통해 사용자의 공간에 대해 전술한 사용자에게 맞춤형 인테리어가 3D 모델링 되어 제공될 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

  1. 인공 지능 기반의 인테리어 서비스 방법은,
    인테리어 서비스 장치가 사용자 입력 정보를 수신하는 단계;
    상기 인테리어 서비스 장치가 상기 사용자 입력 정보를 기반으로 사용자 스타일을 결정하는 단계; 및
    상기 인테리어 서비스 장치가 상기 사용자 스타일을 기반으로 사용자 추천 인테리어 정보를 생성하는 단계를 포함하되,
    상기 사용자 스타일을 결정하는 단계는,
    상기 인테리어 서비스 장치가 가구 스타일 분류 인공 지능 엔진을 기반으로 사용자 가구 스타일을 결정하는 단계; 및
    상기 인테리어 서비스 장치가 공간 스타일 분류 인공 지능 엔진을 기반으로 사용자 공간 스타일을 결정하는 단계를 포함하되,
    상기 사용자 스타일은 상기 사용자 가구 스타일과 상기 사용자 공간 스타일을 포함하고,
    상기 가구 스타일 분류 인공 지능 엔진과 상기 공간 스타일 분류 인공 지능 엔진의 학습 결과의 신뢰도는 스타일 유사도를 결정하기 위해 사용되고,
    상기 스타일 유사도는 상기 가구 스타일 분류 인공 지능 엔진으로부터 획득된 제1 스타일 유사도와 상기 공간 스타일 인공 지능 엔진으로부터 획득된 제2 스타일 유사도를 기반으로 결정되고,
    상기 스타일 유사도는 상기 제1 스타일 유사도와 상기 제2 스타일 유사도 모두 임계 스타일 유사도 이상의 값을 가지는 스타일을 기반으로 결정되어 복수의 스타일 간의 유사 관계를 설정하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 인테리어 서비스 장치는 상기 사용자 가구 스타일과 상기 사용자 공간 스타일이 제1 스타일로서 동일한 경우, 상기 제1 스타일을 기준으로 인테리어 추천을 수행하고,
    상기 인테리어 서비스 장치는 상기 사용자 가구 스타일과 상기 사용자 공간 스타일 각각이 상기 제1 스타일 및 제2 스타일로서 동일하지 않은 경우, 동일하지 않은 상기 제1 스타일 및 상기 제2 스타일 간의 상기 스타일 유사도를 결정하고,
    상기 스타일 유사도가 임계 유사도 이상인 경우, 상기 인테리어 서비스 장치는 상기 사용자 가구 스타일은 상기 제1 스타일이되, 상기 사용자 공간 스타일은 상기 제2 스타일인 인테리어를 제1 우선 순위로 추천하고, 가구를 기준으로 한 상기 제1 스타일의 인테리어, 공간을 기준으로 한 상기 제2 스타일의 인테리어를 제2 우선 순위로 추천하고,
    상기 스타일 유사도가 상기 임계 유사도 미만인 경우, 상기 인테리어 서비스 장치는 상기 사용자 가구 스타일은 상기 제1 스타일이되, 상기 사용자 공간 스타일은 상기 제2 스타일인 인테리어만을 사용자 추천 인테리어 정보로서 제공하는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 인테리어 서비스 장치는 사용자 장치에 의해 결정된 스타일 내에서 우선 순위를 설정하기 위해 상기 스타일에 특별히 관심을 가지는 사용자 관심 정보인 관심 객체 정보, 관심 색체 정보를 찾아내고 상기 사용자 관심 정보에 따라 상기 사용자 장치로 사용자 추천 인테리어 정보를 제공하고,
    상기 관심 객체 정보, 상기 관심 색체 정보는 사용자 선택 인테리어 이미지에 대한 객체 중심 분석, 색체 중심 분석을 기반으로 결정되고,
    상기 객체 중심 분석은 상기 사용자 선택 인테리어 이미지 상에서 관심 객체 클러스터에 대응되는 영역을 사용자의 관심 영역으로 설정하고, 상기 관심 영역 내의 관심 객체를 메인 객체로서 결정하여 수행되고,
    상기 색체 중심 분석은 상기 사용자 선택 인테리어 이미지 내의 색체에 대한 분석이고, 상기 사용자 선택 인테리어 이미지에서 추출된 복수의 색체 클러스터 각각에 중복도를 고려하여 결정된 관심 색체 정보를 기반으로 수행되는 것을 특징으로 하는 방법.
  4. 인공 지능 기반의 인테리어 서비스 장치에 있어서,
    상기 인테리어 서비스 장치는 사용자 입력 정보를 수신하도록 구현된 사용자 정보 입력부; 및
    상기 사용자 정보 입력부와 동작 가능하게(operatively) 연결된 프로세서를 포함하되,
    상기 프로세서는 사용자 입력 정보를 수신하고,
    상기 사용자 입력 정보를 기반으로 사용자 스타일을 결정하고,
    상기 사용자 스타일을 기반으로 사용자 추천 인테리어 정보를 생성하도록 구현되되,
    상기 프로세서는 가구 스타일 분류 인공 지능 엔진을 기반으로 결정된 사용자 가구 스타일과 공간 스타일 분류 인공 지능 엔진을 기반으로 사용자 공간 스타일을 기반으로 상기 사용자 스타일을 결정하고,
    상기 가구 스타일 분류 인공 지능 엔진과 상기 공간 스타일 분류 인공 지능 엔진의 학습 결과의 신뢰도는 스타일 유사도를 결정하기 위해 사용되고,
    상기 스타일 유사도는 상기 가구 스타일 분류 인공 지능 엔진으로부터 획득된 제1 스타일 유사도와 상기 공간 스타일 인공 지능 엔진으로부터 획득된 제2 스타일 유사도를 기반으로 결정되고,
    상기 스타일 유사도는 상기 제1 스타일 유사도와 상기 제2 스타일 유사도 모두 임계 스타일 유사도 이상의 값을 가지는 스타일을 기반으로 결정되어 복수의 스타일 간의 유사 관계를 설정하는 것을 특징으로 하는 인테리어 서비스 장치.
  5. 제4항에 있어서,
    상기 프로세서는 상기 사용자 가구 스타일과 상기 사용자 공간 스타일이 제1 스타일로서 동일한 경우, 상기 제1 스타일을 기준으로 인테리어 추천을 수행하고,
    상기 프로세서는 상기 사용자 가구 스타일과 상기 사용자 공간 스타일 각각이 상기 제1 스타일 및 제2 스타일로서 동일하지 않은 경우, 동일하지 않은 상기 제1 스타일 및 상기 제2 스타일 간의 상기 스타일 유사도를 결정하고,
    상기 스타일 유사도가 임계 유사도 이상인 경우, 상기 인테리어 서비스 장치는 상기 사용자 가구 스타일은 상기 제1 스타일이되, 상기 사용자 공간 스타일은 상기 제2 스타일인 인테리어를 제1 우선 순위로 추천하고, 가구를 기준으로 한 상기 제1 스타일의 인테리어, 공간을 기준으로 한 상기 제2 스타일의 인테리어를 제2 우선 순위로 추천하고,
    상기 스타일 유사도가 상기 임계 유사도 미만인 경우, 상기 인테리어 서비스 장치는 상기 사용자 가구 스타일은 상기 제1 스타일이되, 상기 사용자 공간 스타일은 상기 제2 스타일인 인테리어만을 사용자 추천 인테리어 정보로서 제공하는 것을 특징으로 하는 인테리어 서비스 장치.
  6. 제5항에 있어서,
    상기 프로세서는 사용자 장치에 의해 결정된 스타일 내에서 우선 순위를 설정하기 위해 상기 스타일에 특별히 관심을 가지는 사용자 관심 정보인 관심 객체 정보, 관심 색체 정보를 찾아내고 상기 사용자 관심 정보에 따라 상기 사용자 장치로 사용자 추천 인테리어 정보를 제공하고,
    상기 관심 객체 정보, 상기 관심 색체 정보는 사용자 선택 인테리어 이미지에 대한 객체 중심 분석, 색체 중심 분석을 기반으로 결정되고,
    상기 객체 중심 분석은 상기 사용자 선택 인테리어 이미지 상에서 관심 객체 클러스터에 대응되는 영역을 사용자의 관심 영역으로 설정하고, 상기 관심 영역 내의 관심 객체를 메인 객체로서 결정하여 수행되고,
    상기 색체 중심 분석은 상기 사용자 선택 인테리어 이미지 내의 색체에 대한 분석이고, 상기 사용자 선택 인테리어 이미지에서 추출된 복수의 색체 클러스터 각각에 중복도를 고려하여 결정된 관심 색체 정보를 기반으로 수행되는 것을 특징으로 하는 인테리어 서비스 장치.
KR1020210131488A 2021-10-05 2021-10-05 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치 KR102364533B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210131488A KR102364533B1 (ko) 2021-10-05 2021-10-05 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210131488A KR102364533B1 (ko) 2021-10-05 2021-10-05 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치

Publications (1)

Publication Number Publication Date
KR102364533B1 true KR102364533B1 (ko) 2022-02-18

Family

ID=80495053

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210131488A KR102364533B1 (ko) 2021-10-05 2021-10-05 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102364533B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102467890B1 (ko) * 2022-06-20 2022-11-16 주식회사 노트디자인 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102478685B1 (ko) 2022-05-12 2022-12-19 김인기 인공지능 기반 인테리어 모델링 이미지 검증 방법, 장치 및 시스템
CN116823361A (zh) * 2023-08-31 2023-09-29 博洛尼智能科技（青岛）有限公司 基于人工智能的首饰搭配检测及推送方法
KR102650448B1 (ko) * 2023-03-06 2024-03-22 (주)에스엠건축사사무소 트렌드가 반영된 리모델링 설계를 고려한 건축물 설계 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102177336B1 (ko) * 2020-05-26 2020-11-10 주식회사 드림인사이트 데이터 필터링을 이용한 고객과 인테리어 업체간 매칭 시스템
KR102196560B1 (ko) * 2020-03-03 2020-12-31 주식회사 한샘 리하우스 솔루션 시스템 및 이를 이용한 리하우스 솔루션 제공방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102196560B1 (ko) * 2020-03-03 2020-12-31 주식회사 한샘 리하우스 솔루션 시스템 및 이를 이용한 리하우스 솔루션 제공방법
KR102177336B1 (ko) * 2020-05-26 2020-11-10 주식회사 드림인사이트 데이터 필터링을 이용한 고객과 인테리어 업체간 매칭 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102478685B1 (ko) 2022-05-12 2022-12-19 김인기 인공지능 기반 인테리어 모델링 이미지 검증 방법, 장치 및 시스템
KR102467890B1 (ko) * 2022-06-20 2022-11-16 주식회사 노트디자인 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102650448B1 (ko) * 2023-03-06 2024-03-22 (주)에스엠건축사사무소 트렌드가 반영된 리모델링 설계를 고려한 건축물 설계 시스템
CN116823361A (zh) * 2023-08-31 2023-09-29 博洛尼智能科技（青岛）有限公司 基于人工智能的首饰搭配检测及推送方法
CN116823361B (zh) * 2023-08-31 2023-12-12 博洛尼智能科技（青岛）有限公司 基于人工智能的首饰搭配检测及推送方法

Similar Documents

Publication Publication Date Title
KR102364533B1 (ko) 인공 지능 기반의 인테리어 서비스 방법 및 이러한 방법을 수행하는 장치
KR102400017B1 (ko) 객체를 식별하는 방법 및 디바이스
US20230237088A1 (en) Automatically detecting user-requested objects in digital images
JP6954003B2 (ja) データベースのための畳み込みニューラルネットワークモデルの決定装置及び決定方法
US10783402B2 (en) Information processing apparatus, information processing method, and storage medium for generating teacher information
TW201909112A (zh) 圖像特徵獲取
CN111373417A (zh) 与基于度量学习的数据分类相关的设备及其方法
CN110689091B (zh) 弱监督细粒度物体分类方法
CN109804363A (zh) 使用通过示例的格式修改的连接
KR20080089545A (ko) 정보 처리 장치 및 방법, 및 프로그램
US20110202530A1 (en) Information processing device, method and program
JPWO2018203555A1 (ja) 信号検索装置、方法、及びプログラム
CN111259192A (zh) 音频推荐方法和装置
KR20200075114A (ko) 이미지와 텍스트간 유사도 매칭 시스템 및 방법
JP2012203422A (ja) 学習装置、方法及びプログラム
KR20190028242A (ko) 뉴럴 네트워크 학습 방법 및 장치
CN108804577B (zh) 一种资讯标签兴趣度的预估方法
CN112288455A (zh) 标签生成方法及装置、计算机可读存储介质、电子设备
CN111353851A (zh) 酒店排序推荐方法、装置、电子设备、存储介质
CN117149944B (zh) 一种基于宽时间范畴的多模态情境情感识别方法及系统
CN111476319A (zh) 商品推荐方法、装置、存储介质和计算设备
CN114187558A (zh) 一种视频场景识别方法、装置、计算机设备及存储介质
CN113988195A (zh) 一种私域流量线索挖掘方法、装置、车辆、可读介质
CN112148919A (zh) 一种基于梯度提升树算法的音乐点击率预测方法及装置
US10242080B1 (en) Clustering applications using visual metadata

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant