KR102478685B1 - 인공지능 기반 인테리어 모델링 이미지 검증 방법, 장치 및 시스템 - Google Patents

Abstract

일실시예에 따른 장치는 인테리어 모델링 영상으로부터 비디오 타입을 추출하여 제1 비디오를 생성하고, 인테리어 모델링 영상에 대응하는 실제 촬영한 인테리어 결과물 영상으로부터 비디오 타입을 추출하여 제2 비디오를 생성하고, 제1 비디오를 통해 확인 요소들을 추출하고, 제2 비디오로부터 미리 정의된 주기마다 프레임들을 추출하고, 추출된 프레임들 중 어느 하나의 제1 프레임으로부터 확인 요소들 중 어느 하나의 제1 확인 요소가 포함되어 있는지를 판단하고, 제1 확인 요소를 검출하고, 제1 확인 요소의 유무, 제1 확인 요소의 위치, 제1 확인 요소의 형상, 제1 확인 요소의 색상 및 제1 확인 요소의 질감 중 적어도 하나를 포함하는 제1 요소 노출 변수를 생성하고, 프레임들에 대응하는 요소 노출 변수들을 이용하여, 제2 비디오에 포함되어 있는 제1 확인 요소에 대응하는 요소 노출 값을 생성하고, 프레임들에 대응하는 요소 노출 변수들을 이용하여, 제1 비디오에 포함되어 있는 제1 확인 요소에 대응하는 기준 요소 노출 값을 생성하고, 요소 노출 값과 기준 요소 노출 값을 비교하여 일치율을 생성하고, 일치율을 기준으로 미리 정의된 조건에 따라 인테리어가 완성되었는지 판단한다.

Description

인공지능 기반 인테리어 모델링 이미지 검증 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR VALIDATING INTERIOR MODELING IMAGES BASED ON ARTIFICIAL INTELLIGENCE}

아래 실시예들은 인공지능 기반 인테리어 모델링 이미지 검증 방법, 장치 및 시스템에 관한 것이다.

삶의 질을 중요시하는 가치가 현 세대에 급부상함에 따라 사람이 일하거나 휴식을 취하는 공간(예를 들면, 주거 공간 또는 상업 공간)에 대한 인테리어(interior)의 관심이 높아지고 있다.

또한, 주거공간 또는 상업공간 등의 인테리어를 변경하기 위해 인테리어 구매자가 인테리어 업체에서 상담을 하는 경우, 인테리어 구매자가 자신이 원하는 인테리어 자재(예를 들면, 장판, 벽지 또는 가구 등)를 선택할 수 있는데, 인테리어 업체들은 인테리어 상담 시에 인테리어 구매자가 원하는 조건으로 인테리어가 완성된 공간을 모델링하여 사용자에게 제공함으로써 인테리어 업체의 추가 시공을 방지하고 인테리어 구매자의 욕구를 만족시키기 위한 기술들이 많이 등장하였다.

그러나, 기존의 인테리어 모델링과 실제 완성된 인테리어가 일치하는지 검증하기 위해서는 인테리어 구매자 및 인테리어 업체가 직접 수동으로 비교하여 미리 정한 조건대로 인테리어가 이루어졌는지 확인해야하는 불편함이 있었다.

따라서, 기존의 인테리어 모델링과 실제 완성된 인테리어가 일치하는지 자동으로 검증하기 위한 기술의 필요성이 대두되었다.

한국등록특허 제 10-2328876호 한국등록특허 제 10-2222319호 한국등록특허 제 10-2316079호 한국등록특허 제 10-2364533호

실시예들은 인공지능 기반 인테리어 모델링과 실제 인테리어가 미리 정의된 조건으로 완성되었는지 여부를 검증하고자 한다.

실시예들은 업종의 정보, 예산 정보, 분위기에 기초하여 기준 요소 노출 값을 생성하고자 한다.

실시예들은 인테리어 구매자에게 인테리어가 미리 정의된 조건에 따라 수행되었는지 확인 자료를 제공하고자 한다.

인공지능 기반 인테리어 모델링 이미지 검증 방법은 인테리어 모델링 영상으로부터 비디오 타입을 추출하여 제1 비디오를 생성하는 단계; 상기 인테리어 모델링 영상에 대응하는 실제 촬영한 인테리어 결과물 영상으로부터 비디오 타입을 추출하여 제2 비디오를 생성하는 단계; 상기 제1 비디오를 통해 확인 요소들을 추출하는 단계; 상기 제2 비디오로부터 미리 정의된 주기마다 프레임들을 추출하는 단계; 상기 추출된 프레임들 중 어느 하나의 제1 프레임으로부터 상기 확인 요소들 중 어느 하나의 제1 확인 요소가 포함되어 있는지를 판단하고, 상기 제1 확인 요소를 검출하는 단계; 상기 제1 확인 요소의 유무, 상기 제1 확인 요소의 위치, 상기 제1 확인 요소의 형상, 상기 제1 확인 요소의 색상 및 상기 제1 확인 요소의 질감 중 적어도 하나를 포함하는 제1 요소 노출 변수를 생성하는 단계; 상기 프레임들에 대응하는 요소 노출 변수들을 이용하여, 상기 제2 비디오에 포함되어 있는 상기 제1 확인 요소에 대응하는 요소 노출 값을 생성하는 단계; 상기 프레임들에 대응하는 요소 노출 변수들을 이용하여, 상기 제1 비디오에 포함되어 있는 상기 제1 확인 요소에 대응하는 기준 요소 노출 값을 생성하는 단계; 및 상기 요소 노출 값과 상기 기준 요소 노출 값을 비교하여 일치율을 생성하고, 상기 일치율을 기준으로 미리 정의된 조건에 따라 인테리어가 완성되었는지 판단하는 단계를 포함한다.

상기 제1 요소 노출 변수를 생성하는 단계는 상기 제1 프레임 내에서 상기 제1 확인 요소의 유무를 판단하는 단계; 상기 제1 확인 요소가 상기 제1 프레임 내에 있는 경우, 상기 제1 프레임 내에서 상기 제1 확인 요소를 추출하는 단계; 상기 제1 프레임 내 상기 제1 확인 요소가 위치하고 있는 위치를 미리 정의된 위치 카테고리들 중 어느 하나로 판단하여, 상기 제1 확인 요소의 위치를 생성하는 단계; 상기 제1 확인 요소의 모양 및 크기를 판단하여, 상기 제1 확인 요소의 형상을 생성하는 단계; 상기 제1 확인 요소의 색상을 미리 정의된 색상 카테고리들 중 어느 하나로 판단하여, 상기 제1 확인 요소의 색상을 생성하는 단계; 및 상기 제1 확인 요소의 질감을 미리 정의된 질감 카테고리들 중 어느 하나로 판단하여, 상기 제1 확인 요소의 질감을 생성하는 단계를 포함하고, 상기 요소 노출 값을 생성하는 단계는 상기 프레임들에 대응하는 요소 노출 변수들에 기초하여 요소 노출 값을 생성하는 단계를 포함한다.

상기 기준 요소 노출 값은 인테리어를 하고자 하는 장소에서 업종의 정보, 인테리어 예산 정보 및 인테리어를 통해 얻고 싶은 분위기에 기초하여 정의되고, 상기 기준 요소 노출 값을 생성하는 단계는 상기 업종의 정보, 상기 예산 정보 및 상기 분위기 정보를 기초로, 제1 입력 신호를 생성하는 단계; 상기 제1 입력 신호를 기초로 제1 인공신경망-상기 제1 인공신경망은 업종의 정보, 예산 정보 및 분위기 정보에 따라 기준 요소 노출 값을 추론하는 인공지능모델이고, 트레이닝 업종 정보들, 트레이닝 예산 정보들, 트레이닝 분위기 정보들에 각각 대응하는 트레이닝 기준 요소 노출 값들 및 제1 출력 신호들에 기초하여 미리 학습됨-에 적용하여 제1 출력 신호를 생성하는 단계; 상기 제1 출력 신호에 기초하여 상기 인테리어에 대응하는 기준 요소 노출 값을 생성하는 단계를 포함하고, 상기 트레이닝 기준 요소 노출 값들은 상기 트레이닝 업종 정보들, 상기 트레이닝 예산 정보들, 상기 트레이닝 분위기 정보들에 각각 대응하는 기준 요소 노출 값들이고, 상기 제1 출력 신호들은 상기 트레이닝 업종 정보들, 상기 트레이닝 예산 정보들, 상기 트레이닝 분위기 정보들이 상기 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 상기 제1 인공신경망은 상기 제1 출력 신호들 및 상기 트레이닝 기준 요소 노출 값들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.

상기 일치율을 기준으로 상기 미리 정의된 조건에 따라 인테리어가 완성되었는지 판단하는 단계는 상기 요소 노출 값과 상기 기준 요소 노출 값을 기초로 상기 일치율을 생성하는 단계; 상기 일치율이 미리 설정된 제1 목표율보다 큰지 여부를 확인하는 단계; 상기 일치율이 상기 제1 목표율 보다 큰 것으로 확인되면, 상기 인테리어가 상기 미리 정의된 조건과 일치하게 완성되었다고 판단하는 단계; 상기 일치율이 상기 제1 목표율 보다 작은 것으로 확인되면, 상기 일치율이 미리 설정된 제2 목표율 보다 큰지 여부를 확인하는 단계; 상기 일치율이 상기 제2 목표율 보다 큰 것으로 확인되면, 상기 인테리어가 상기 미리 정의된 조건과 유사하게 완성되었다고 판단하고, 상기 미리 정의된 조건과 다른 부분을 문서화하여 제1 인테리어 구매자 단말로 제공하는 단계; 및 상기 일치율이 상기 제2 목표율보다 작은 것으로 확인되면, 상기 인테리어가 상기 미리 정의된 조건과 다르게 완성되었다고 판단하고, 상기 제1 인테리어 구매자 단말로 재인테리어를 원하는지 여부를 판단할 수 있는 메시지를 전송하는 단계를 포함한다.

일 실시예에 따른 방법은 상기 제1 프레임 내 상기 확인 요소들이 차지하고 있는 비율로 제1 비율을 획득하는 단계; 상기 제1 비율이 미리 정의된 제1 임계 비율보다 큰지 여부를 판단하는 단계; 상기 제1 비율이 상기 제1 임계 비율보다 큰 경우, 상기 일치율을 생성하기 위한 가중치 중 제1 프레임에 대한 가중치를 상기 제1 비율에 따라 높이는 단계; 및 상기 제1 비율에 따라 높아진 가중치에 기초하여 상기 일치율을 생성하는 단계를 더 포함한다.

일 실시예에 따른 방법은 상기 인테리어를 하고자 하는 장소에 포함된 구역의 개수가 미리 정의된 제1 기준 값 보다 큰지 여부를 판단하는 단계; 상기 장소에 포함된 구역의 개수가 상기 제1 기준 값보다 큰 경우, 상기 제1 인테리어 구매자 단말로부터 미리 정의된 기간동안 상기 장소에 포함된 제1 구역에 대응하는 제1 하루 평균 소비 시간을 획득하는 단계; 상기 제1 하루 평균 소비 시간이 미리 정의된 제1 기준 시간보다 큰지 여부를 판단하는 단계; 상기 제1 하루 평균 소비 시간이 상기 제1 기준 시간보다 큰 경우, 상기 일치율을 생성하기 위한 가중치 중 상기 제1 구역을 포함하고 있는 프레임에 대한 가중치를 상기 제1 하루 평균 소비 시간에 따라 높이는 단계; 및 상기 제1 하루 평균 소비 시간에 따라 높아진 가중치에 기초하여 상기 일치율을 생성하는 단계를 더 포함한다.

일 실시예에 따른 방법은 상기 제1 인테리어 구매자 단말로부터 상기 인테리어가 상기 미리 정의된 조건에 따라 수행되었는지 확인 자료 요청을 수신하는 단계; 상기 확인 요소들에 대응하는 페이지들을 생성하고, 상기 페이지들에 대응하는 재생 시간들을 설정하는 단계; 상기 페이지들 및 상기 재생 시간들을 기초로, 상기 확인 자료를 생성하는 단계; 및 상기 생성된 확인 자료를 상기 제1 인테리어 구매자 단말로 전송하는 단계를 더 포함하고, 상기 확인 요소들에 대응하는 상기 페이지들을 생성하고, 상기 페이지들에 대응하는 상기 재생 시간들을 설정하는 단계는 상기 제2 비디오로부터 추출된 상기 프레임들 중 상기 제1 확인 요소가 포함된 프레임을 제1 그룹으로 분류하는 단계; 상기 제1 그룹으로 분류된 프레임들 중 임의로 하나의 프레임인 제2 프레임을 추출하는 단계; 상기 제1 비디오로부터 상기 제2 프레임에 대응하는 프레임인 제3 프레임을 획득하는 단계; 제1 영역 및 제2 영역으로 이루어진 제1 페이지를 생성하고, 상기 제2 프레임을 상기 제1 영역에 표시하고, 상기 제3 프레임을 상기 제2 영역에 표시하는 단계; 상기 제2 프레임 및 상기 제3 프레임의 일치율인 제1 일치율을 생성하는 단계; 상기 제1 일치율이 제1 기준율보다 큰지 여부를 판단하는 단계; 상기 제1 일치율이 상기 제1 기준율보다 크다고 판단되면, 상기 제1 페이지가 재생되는 시간을 제1 시간으로 설정하는 단계; 상기 제1 일치율이 상기 제1 기준율보다 제1 크지 않다고 판단되면, 상기 제1 페이지가 재생되는 시간을 제2 시간-상기 제2 시간은 상기 제1 시간보다 긴 시간-으로 설정하는 단계를 포함한다.

일 실시예에 따른 방법은 상기 제1 확인 요소 및 제1 제품-상기 제1 제품은 상기 제1 프레임에 포함되어 있고 실제 길이 및 크기를 알고 있는 제품-으로 상을 포함하고 있는 상기 제1 프레임을 추출하는 단계; 상기 제1 프레임 내에서 상기 제1 제품을 검출하는 단계; 상기 제1 프레임 내에서 검출된 제1 제품의 단축 길이를 추정하여, 제1 길이를 설정하는 단계; 상기 제1 프레임 내에서 상기 제1 확인 요소를 검출하는 단계; 상기 제1 프레임 내에서 검출된 상기 제1 확인 요소의 길이를 추정하여, 제2 길이를 설정하는 단계; 상기 제1 제품의 실제 길이인 제3 길이를 확인하는 단계; 및 상기 제1 길이, 상기 제2 길이 및 상기 제3 길이를 이용하여, 상기 제1 확인 요소의 실제 길이인 제4 길이를 추정하는 단계를 더 포함한다.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

실시예들은 인공지능 기반으로 인테리어 모델링과 실제 인테리어가 미리 정의된 조건으로 완성되었는지 여부를 검증할 수 있다.

실시예들은 업종의 정보, 예산 정보, 분위기에 기초하여 인테리어 구매자가 원하는 인테리어에 대응하는 기준 요소 노출 값을 생성할 수 있다.

실시예들은 인테리어 구매자에게 인테리어가 미리 정의된 조건에 따라 수행되었는지 확인 자료를 제공할 수 있다.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 인테리어 모델링 이미지를 검증하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 요소 노출 변수를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 업종의 정보, 예산 정보, 분위기에 기초하여 기준 요소 노출 값을 생성하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 인테리어가 정의된 조건으로 완성되었는지 여부를 검증하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 프레임 내 확인 요소가 차지하고 있는 비율을 기초로, 프레임 별로 일치율을 생성하기 위한 가중치를 부여하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 인테리어 장소에 포함된 인테리어 구역이 여러 개일 경우, 프레임 내 포함된 구역의 하루 평균 소비 시간을 기초로, 프레임 별로 일치율을 생성하기 위한 가중치를 부여하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 인테리어 구매자에게 인테리어가 조건에 따라 수행되었는지 확인 자료를 제공하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 확인 요소에 대응하는 재생 시간을 설정하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 확인 요소의 실제 길이를 추정하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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 실시예가 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 인테리어 구매자 단말(100), 복수의 인테리어 업체 단말(300) 및 장치(200)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

복수의 인테리어 구매자 단말(100)은 인테리어 업체를 통해 인테리어를 구매하고 인테리어가 미리 정의된 조건에 따라 완성되었는지 확인하고자 하는 사용자들이 사용하는 단말기로, 제1 인테리어 구매자가 사용하는 제1 인테리어 구매자 단말(110), 제2 인테리어 구매자가 사용하는 제2 인테리어 구매자 단말(120), 제3 인테리어 구매자가 사용하는 제3 인테리어 구매자 단말(130) 등을 포함할 수 있다.

복수의 인테리어 업체 단말(300)은 인테리어를 수행하는 인테리어 업체가 사용하는 단말기로, 제1 인테리어 업체가 사용하는 제1 인테리어 업체 단말(310), 제2 인테리어 업체가 사용하는 제2 인테리어 업체 단말(320), 제3 인테리어 업체가 사용하는 제3 인테리어 업체 단말(330) 등을 포함할 수 있다.

복수의 인테리어 구매자 단말(100) 및 복수의 인테리어 업체 단말(300) 각각은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 예를 들어, 도 1에 도시된 바와 같이, 제1 인테리어 구매자 단말(110), 제2 인테리어 구매자 단말(120), 제3 인테리어 구매자 단말(130), 제1 인테리어 업체 단말(310), 제2 인테리어 업체 단말(320), 제3 인테리어 업체 단말(330) 등은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.

복수의 인테리어 구매자 단말(100) 및 복수의 인테리어 업체 단말(300) 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 인테리어 구매자 단말(100) 및 복수의 인테리어 업체 단말(300)은 장치(200)와 유무선으로 통신하도록 구성될 수 있다.

복수의 인테리어 구매자 단말(100) 및 복수의 인테리어 업체 단말(300) 각각은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 복수의 인테리어 구매자 단말(100) 및 복수의 인테리어 업체 단말(300) 각각은 웹 사이트 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.

이하에서는 설명의 편의상, 제1 인테리어 구매자 단말(110)의 동작을 위주로 설명하지만, 제2 인테리어 구매자 단말(120) 등의 다른 인테리어 구매자 단말에서 제1 인테리어 구매자 단말(110)의 동작을 대신 수행할 수 있는 것은 물론이다.

또한, 설명의 편의를 위해 도 1에서는 복수의 인테리어 구매자 단말(100) 중 제1 인테리어 구매자 단말(110), 제2 인테리어 구매자 단말(120) 및 제3 인테리어 구매자 단말(130)만을 도시하였고, 복수의 인테리어 업체 단말(300) 중 제1 인테리어 업체 단말(310), 제2 인테리어 업체 단말(320) 및 제3 인테리어 업체 단말(330)만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 추론 기능을 수행하는 적어도 하나 이상의 인공 신경망을 구비할 수 있다. 장치(200)는 복수의 인테리어 구매자 단말(100) 및 복수의 인테리어 업체 단말(300)와 유무선으로 통신하도록 구성될 수 있다.

장치(200)는 인테리어 모델링 영상과 실제 인테리어 결과물을 비교함으로써 인테리어가 미리 정의된 조건으로 수행되었는지 검증할 수 있다. 구체적으로, 장치(200)는 인테리어 모델링 영상으로부터 추출된 프레임과 실제 인테리어 결과물로부터 추출된 프레임에 포함된 확인 요소를 비교함으로써 일치율을 생성하고 일치율을 기준으로 미리 정의된 조건에 따라 인테리어가 완성되었는지 판단할 수 있다.

또한, 장치(200)는 확인 요소를 비교하기 위해 기준 요소 노출 값과 요소 노출 값을 생성할 수 있는데, 기준 요소 노출 값은 인테리어를 하고자 하는 장소에 대응하는 업종의 정보, 인테리어 예산 정보 및 인테리어를 통해 얻고 싶은 분위기에 기초하여 정의될 수 있다.

도 2는 일실시예에 따른 인테리어 모델링 이미지를 검증하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저 S201 단계에서, 장치(200)는 인테리어 모델링 영상으로부터 비디오 타입을 추출하여 제1 비디오를 생성할 수 있다.

즉, 장치(200)는 실제 결과물이 미리 정의된 조건에 따라 인테리어 모델링과 일치하는지 여부를 검증하고자 인테리어 모델링 영상으로부터 비디오 타입을 추출하여 제1 비디오를 생성할 수 있다. 이때, 미리 정의된 조건은 인테리어를 하고자 할 때, 벽지 및 바닥은 어떻게 할 것인지, 가구 및 제품들의 배치를 어떻게 할 것인지, 인테리어를 통해 얻고 싶은 분위기 어떤 것인지 등이 포함될 수 있다.

S202 단계에서, 장치(200)는 인테리어 모델링 영상에 대응하는 실제 촬영한 인테리어 결과물 영상으로부터 비디오 타입을 추출하여 제2 비디오를 생성할 수 있다.

즉, 장치(200)는 실제 결과물이 미리 정의된 조건에 따라 인테리어 모델링과 일치하는지 여부를 검증하고자 인테리어 모델링 영상에 대응하는 실제 촬영한 인테리어 결과물 영상을 획득할 수 있고, 획득한 실제 촬영한 인테리어 결과물 영상으로부터 비디오 타입을 추출하여 제2 비디오를 생성할 수 있다.

S203 단계에서, 장치(200)는 제1 비디오를 통해 확인 요소들을 추출할 수 있다. 여기서, 확인 요소들은 미리 정의된 조건에 따라 인테리어가 이루어졌는지 확인할 요소들로 벽지, 바닥재, 조명, 제품 및 가구 등을 포함할 수 있다.

구체적으로, 장치(200)는 인테리어 모델링 영상으로부터 생성된 제1 비디오를 통해 색상과 형상을 확인할 벽지, 바닥재, 조명을 추출할 수도 있고, 배치를 확인할 제품 및 가구를 추출할 수 있다.

S204 단계에서, 장치(200)는 제2 비디오로부터 미리 정의된 주기마다 프레임들을 추출할 수 있다.

구체적으로, 장치(200)는 실제 촬영한 인테리어 결과물 영상으로부터 생성된 제2 비디오를 통해 몇 개의 샘플들을 추출할지 미리 설정하여 미리 정의된 주기마다 프레임들을 추출할 수 있다.

예를 들어, 제1 비디오를 통해 추출된 확인 요소들이 많을 경우, 주기를 짧게 하여 많은 프레임 샘플들을 추출할 수 있고, 제1 비디오를 통해 추출된 확인 요소들이 적을 경우, 주기를 길게 하여 적은 프레임 샘플들을 추출할 수 있다.

S205 단계에서, 장치(200)는 추출된 프레임들 중 어느 하나의 제1 프레임으로부터 확인 요소들 중 어느 하나의 제1 확인 요소가 포함되어 있는지를 판단하고, 제1 확인 요소를 검출할 수 있다.

즉, 장치(200)는 제2 비디오로부터 추출된 프레임들 중 어느 하나의 제1 프레임을 추출하고, 제1 프레임에 확인 요소들 중 어느 하나의 제1 확인 요소가 포함되어 있는지 여부를 판단하고, 제1 프레임내에 제1 확인 요소가 있다고 판단되면, 제1 확인 요소를 검출할 수 있다.

S206 단계에서, 장치(200)는 제1 확인 요소의 유무, 제1 확인 요소의 위치, 제1 확인 요소의 형상, 제1 확인 요소의 색상 및 제1 확인 요소의 질감 중 적어도 하나를 포함하는 제1 요소 노출 변수를 생성할 수 있다. 이와 관련한 구체적인 설명은 도 3을 통해 참조하기로 한다.

S207 단계에서, 장치(200)는 프레임들에 대응하는 요소 노출 변수들을 이용하여 제2 비디오에 포함되어 있는 제1 확인 요소에 대응하는 요소 노출 값을 생성할 수 있다.

구체적으로, 장치(200)는 프레임들에 대응하는 요소 노출 변수들을 이용하여 실제 인테리어 결과물 영상에 포함되어 있는 제1 확인 요소에 대응하는 요소 노출 값을 생성할 수 있다.

예를 들어, 제1 확인 요소가 벽지이고, 제1 프레임 내에 벽지가 포함된 경우, 장치(200)는 제1 프레임에 대응하는 요소 노출 변수를 이용하여, 벽지에 대응하는 요소 노출 값으로 색상은 하얀색, 질감은 종이 질감, 위치는 좌측으로 생성할 수 있다.

S208 단계에서, 장치(200)는 프레임들에 대응하는 요소 노출 변수들을 이용하여, 제1 비디오에 포함되어 있는 제1 확인 요소에 대응하는 기준 요소 노출 값을 생성할 수 있다. 이와 관련하여 구체적인 설명은 도 4를 통해 참조하기로 한다.

S209 단계에서, 장치(200)는 요소 노출 값과 기준 요소 노출 값을 비교하여 일치율을 생성하고, 일치율을 기준으로 미리 정의된 조건에 따라 인테리어가 완성되었는지 판단할 수 있다.

예를 들어, 제1 확인 요소가 벽지이고, 제2 비디오를 통해 생성된 요소 노출 값으로 색상은 하얀색, 질감은 종이 질감, 위치는 좌측이고, 제1 비디오에 포함된 기준 요소 노출 값은 색상은 노란색, 질감은 종이 질감, 위치는 좌측인 경우, 장치(200)는 요소 노출 값과 기준 요소 노출 값을 비교한 결과, 일치율을 67%로 생성할 수 있고, 미리 정의된 조건과 유사하게 완성되었다고 판단할 수 있다.

도 3은 일실시예에 따른 요소 노출 변수를 생성하는 과정을 설명하기 위한 순서도이다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(200)는 제1 프레임 내에서 제1 확인 요소의 유무를 판단할 수 있다. 즉, 장치(200)는 추출된 제1 프레임 내에 제1 확인 요소가 포함되어 있는지 여부를 판단할 수 있다.

S302 단계에서, 장치(200)는 제1 확인 요소가 제1 프레임 내에 있는 경우, 제1 프레임 내에서 제1 확인 요소를 추출할 수 있다.

S303 단계에서, 장치(200)는 제1 프레임 내 확인 요소가 위치하고 있는 위치를 미리 정의된 위치 카테고리들 중 어느 하나로 판단하여, 제1 확인 요소의 위치를 생성할 수 있다. 여기서, 미리 정의된 위치 카테고리들은 프레임을 기준으로 상측, 프레임을 기준으로 하측, 프레임을 기준으로 좌측, 프레임을 기준으로 우측일 수도 있고, 제1 확인 요소와 가까이 있는 제1 제품을 기준으로 몇 m 거리 내에 위치일 수도 있고, 그 외의 위치 카테고리일 수도 있다.

S304 단계에서, 장치(200)는 제1 확인 요소의 모양 및 크기를 판단하여 제1 확인 요소의 형상을 생성할 수 있다. 구체적으로, 장치(200)는 제1 확인 요소가 지름이 몇인 원 모양인지, 가로 길이 및 세로 길이가 몇인 사각형 모양인지, 밑변 길이 및 높이가 몇인 삼각형 모양인지, 그 외의 어떤 크기의 어떤 모양인지를 확인하여 제1 확인 요소의 형상을 생성할 수 있다. 장치(200)는 제1 확인 요소의 형상을 생성하기 위한 기준으로 제1 확인 요소의 패턴을 포함할 수 있는데, 장치(200)는 제1 확인 요소가 줄무늬 패턴인지, 다트 패턴인지, 체크 패턴인지 그 외의 어떤 패턴인지를 확인하여 제1 확인 요소의 형상을 생성할 수 있다.

S305 단계에서, 장치(200)는 제1 확인 요소의 색상을 미리 정의된 색상 카테고리들 중 어느 하나로 판단하여, 제1 확인 요소의 색상을 생성할 수 있다. 여기서 미리 정의된 색상 카테고리들은 실시 예에 따라 달라질 수 있다.

예를 들어, 제1 확인 요소의 색상이 노란색일 경우, 장치(200)는 미리 정의된 색상 카테고리들에 따라 제1 확인 요소의 색상을 명칭인 황색으로 생성할 수도 있고, 제1 확인 요소의 색상을 헥스 코드인 #F7FC2C로 생성할 수도 있고, 제1 확인 요소의 색상을 10진 코드인 (3, 13, 89, 0)로 생성할 수도 있다.

S306 단계에서, 장치(200)는 제1 확인 요소의 질감을 미리 정의된 질감 카테고리들 중 어느 하나로 판단하여, 제1 확인 요소의 질감을 생성할 수 있다. 여기서 미리 정의된 질감 카테고리는 합지, 실크, 친환경, 뮤럴, 방염, 페브릭을 포함할 수 있고, 그 외의 질감을 포함할 수 있다.

도 4는 일실시예에 따른 업종의 정보, 예산 정보, 분위기에 기초하여 기준 요소 노출 값을 생성하는 과정을 설명하기 위한 순서도이다.

도 4를 참조하면, 먼저, S401 단계에서 장치(200)는 업종의 정보, 예산 정보 및 분위기 정보에 기초하여, 제1 입력 신호를 생성할 수 있다. 여기서, 업종의 정보는 인테리어한 장소가 가정집이 아니라 업무를 수행하고 있는 장소일 경우, 어떠한 업종을 인테리어한 장소에서 수행하고 있는지에 대한 정보이다. 예산 정보는 인테리어에 대한 예산이 어느정도 인지에 대한 정보이다. 분위기 정보는 인테리어를 통해 인테리어한 장소가 얻고 싶은 분위기 및 컨셉에 대한 정보이다.

구체적으로, 장치(200)는 업종의 정보, 예산 정보 및 분위기 정보를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 업종의 정보, 예산 정보 및 분위기 정보는 제1 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력을 생성할 수 있다.

S402 단계에서, 장치(200)는 제1 입력 신호를 제1 인공신경망에 적용하여, 입력에 대한 결과에 기초하여 제1 출력 신호를 생성할 수 있다.

제1 인공신경망은 입력된 업종의 정보, 예산 정보 및 분위기 정보에 따라 기준 요소 노출 값을 추론하는 인공지능모델이고, 트레이닝 업종 정보들, 트레이닝 예산 정보들, 트레이닝 분위기 정보들에 각각 대응하는 트레이닝 기준 요소 노출 값들 및 제1 출력 신호들에 기초하여 미리 학습될 수 있다. 여기서, 트레이닝 기준 요소 노출 값들은 트레이닝 업종 정보들, 트레이닝 예산 정보들, 트레이닝 분위기 정보들에 각각 대응하는 기준 요소 노출 값들이고, 제1 출력 신호들은 트레이닝 업종 정보들, 트레이닝 예산 정보들, 트레이닝 분위기 정보들이 상기 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 제1 인공신경망은 제1 출력 신호들 및 트레이닝 기준 요소 노출 값들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된다.

제1 인공신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 제1 인공신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다. 강화 학습에 따라 학습되는 제1 인공신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 업종의 정보, 예산 정보 및 분위기 정보에 적합한 기준 요소 노출 값들을 선정할수록 보상값이 높아질 수 있으며, 제2 보상은 업종의 정보, 예산 정보 및 분위기 정보에 적합하지 않은 기준 요소 노출 값들을 선정하지 않을수록 보상값이 높아질 수 있다.

S403 단계에서, 장치(200)는 제1 출력 신호에 기초하여 인테리어에 대응하는 기준 요소 노출 값을 생성할 수 있다.

제1 인공신경망은 업종의 정보, 예산 정보 및 분위기 정보를 통해, 업종의 정보, 예산 정보 및 분위기 정보에 적합한 기준 요소 노출 값을 선정할 수 있다.

이때, 출력을 평가하여 보상을 지급할 수 있다. 장치(200)는 업종의 정보, 예산 정보 및 분위기 정보에 적합한 기준 요소 노출 값을 선정할수록 제1 보상을 많이 수여하고, 업종의 정보, 예산 정보 및 분위기 정보에 적합하지 않은 기준 요소 노출 값을 선정하지 않을수록 제2 보상을 많이 수여할 수 있다.

또한, 보상에 대한 평가를 기초로 제1 인공신경망을 갱신할 수 있다. 제1 인공신경망이 업종의 정보, 예산 정보 및 분위기 정보를 통해, 기준 요소 노출 값을 선정하여 추출하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 제1 인공신경망을 갱신할 수 있다. 한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다. 상기와 같은 제1 인공신경망의 학습 과정을 반복함으로써, 제1 인공신경망을 점진적으로 갱신시킬 수 있다.

이를 통해, 장치(200)는 업종의 정보, 예산 정보 및 분위기 정보를 통해 기준 요소 노출 값을 출력하는 제1 인공신경망을 학습시킬 수 있다.

도 5는 일실시예에 따른 인테리어가 정의된 조건으로 완성되었는지 여부를 검증하는 과정을 설명하기 위한 순서도이다.

도 5를 참조하면, 먼저, S501 단계에서 장치(200)는 요소 노출 값과 기준 요소 노출 값을 기초로 일치율을 생성할 수 있다.

S502 단계에서, 장치(200)는 일치율이 제1 목표율 보다 큰지 여부를 판단할 수 있다. 여기서 제1 목표율을 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S502 단계에서, 일치율이 제1 목표율 보다 크다고 판단되면, S503 단계에서, 장치(200)는 인테리어가 미리 정의된 조건과 일치하게 완성되었다고 판단할 수 있다.

예를 들어, 제1 확인 요소가 벽지이고, 요소 노출 값은 하얀색, 종이 질감, 좌측에 위치이고, 기준 요소 노출 값은 하얀색, 종이 질감, 좌측에 위치이고, 제1 목표율이 80%인 경우, 장치(200)는 요소 노출 값과 기준 요소 노출 값을 비교한 결과, 일치율을 100%로 생성할 수 있고, 일치율인 100%가 제1 목표율인 80%보다 크다고 판단되어 인테리어가 미리 정의된 조건과 일치하게 완성되었다고 판단할 수 있다.

S502 단계에서, 일치율이 제1 목표율 보다 크지 않다고 판단되면, S504 단계에서, 장치(200)는 일치율이 제2 목표율 보다 큰지 여부를 판단할 수 있다. 여기서 제2 목표율은 제1 목표율보다 작게 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S504 단계에서, 일치율이 제2 목표율 보다 크다고 판단되면, S505 단계에서, 장치(200)는 인테리어가 미리 정의된 조건과 유사하게 완성되었다고 판단하고, 미리 정의된 조건과 다른 부분을 문서화하여 제1 인테리어 구매자 단말(110)로 제공할 수 있다.

예를 들어, 제1 확인 요소가 벽지이고, 요소 노출 값은 하얀색, 질감, 좌측에 위치이고, 기준 요소 노출 값은 노란색, 종이 질감, 좌측에 위치이고, 제1 목표율이 80%, 제2 목표율이 50%인 경우, 장치(200)는 요소 노출 값과 기준 요소 노출 값을 비교한 결과, 일치율을 67%로 생성할 수 있고, 일치율인 67%가 제1 목표율인 80%보다 작고, 제2 목표율인 50%보다 크다고 판단되어 인테리어가 미리 정의된 조건과 유사하게 완성되었다고 판단하고 미리 정의된 조건과 다른 부분인 벽지의 색상과 관련한 정보를 문서화하여 제1 인테리어 구매자 단말(110)로 제공할 수 있다.

S504 단계에서, 일치율이 제2 목표율 보다 크지 않다고 판단되면, S506 단계에서, 장치(200)는 인테리어가 미리 정의된 조건과 다르게 완성되었다고 판단하고, 제1 인테리어 구매자 단말(110)로 재인테리어를 원하는지에 대한 메시지를 전송할 수 있다.

예를 들어, 제1 확인 요소가 벽지이고, 요소 노출 값은 검정색, 페브릭 질감, 좌측에 위치이고, 기준 요소 노출 값은 노란색, 종이 질감, 좌측에 위치이고, 제1 목표율이 80%, 제2 목표율이 50%인 경우, 장치(200)는 요소 노출 값과 기준 요소 노출 값을 비교한 결과, 일치율을 33%로 생성할 수 있고, 일치율인 33%가 제2 목표율인 50%보다 작다고 판단되어 인테리어가 미리 정의된 조건과 다르게 완성되었다고 판단하고, 제1 인테리어 구매자 단말(110)로 재인테리어를 원하는지에 대한 메시지를 전송할 수 있다.

도 6은 일실시예에 따른 프레임 내 확인 요소가 차지하고 있는 비율을 기초로, 프레임 별로 일치율을 생성하기 위한 가중치를 부여하는 과정을 설명하기 위한 순서도이다.

도 6을 참조하면, 먼저 S601 단계에서, 장치(200)는 제1 프레임 내 확인 요소들이 차지하고 있는 비율로 제1 비율을 획득할 수 있다.

구체적으로, 제1 프레임 내 확인 요소들 중 적어도 하나의 확인 요소가 존재하는지 여부를 판단하고 제1 프레임 내 적어도 하나의 확인 요소가 존재할 경우, 확인 요소들을 검출하여 제1 프레임 내 확인 요소들이 차지하고 있는 비율인 제1 비율을 획득할 수 있다.

예를 들어, 제1 프레임 내 제1 확인 요소 및 제2 확인 요소가 포함되어 있고, 제1 프레임 내 제1 확인 요소가 30% 차지하고 있고, 제2 확인 요소가 50% 차지하고 있고 제1 확인 요소 및 제2 확인 요소가 겹치는 부분이 없는 경우, 장치(200)는 제1 비율로 80%를 생성할 수 있다

S602 단계에서, 장치(200)는 제1 비율이 제1 임계 비율보다 큰지 여부를 판단할 수 있다. 여기서 제1 임계 비율은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S602 단계에서 제1 비율이 제1 임계 비율보다 크다고 판단되면, S603 단계에서, 장치(200)는 일치율을 생성하기 위한 가중치 중 제1 프레임에 대한 가중치를 제1 비율에 따라 높일 수 있다.

예를 들어, 제1 프레임에 대응하는 제1 비율이 80%이고, 제1 임계 비율이 60%인 경우, 장치(200)는 제1 비율인 80%가 제1 임계 비율인 60%보다 크다고 판단하여 제1 프레임에 대한 가중치를 80%에 따라 높일 수 있다.

또한, 예를 들어, 제2 비디오로부터 추출된 프레임들 중 제1 프레임, 제2 프레임, 제3 프레임 및 제4 프레임이 제1 확인 요소를 포함하고, 제1 프레임의 제1 비율은 80%이고, 제2 프레임의 제1 비율은 50%이고 제3 프레임의 제1 비율은 75%이고, 제4 프레임의 제1 비율은 30%이고, 제1 임계 비율이 60%인 경우, 장치(200)는 제1 프레임의 제1 비율인 80%와 제3 프레임의 제1 비율인 75%가 제1 임계 비율인 60%보다 크다고 판단하여 제1 확인 요소에 대응하는 일치율을 생성하기 위한 가중치 중 제1 프레임 및 제3 프레임에 대한 가중치를 각각에 대응하는 제1 비율에 따라 높일 수 있다.

S604 단계에서, 장치(200)는 제1 비율에 따라 높아진 가중치에 기초하여 일치율을 생성할 수 있다.

예를 들어, 제2 비디오로부터 추출된 프레임들 중 제1 프레임, 제2 프레임, 제3 프레임 및 제4 프레임이 제1 확인 요소를 포함하고, 제1 프레임에 대응하는 제1 비율과 제3 프레임에 대응하는 제1 비율이 각각 80%, 75%로 제1 임계 비율보다 크고, 제1 프레임에 포함되어 있는 제1 확인 요소의 일치율은 80%이고, 제2 프레임에 포함되어 있는 제1 확인 요소의 일치율은 50%이고, 제3 프레임에 포함되어 있는 제1 확인 요소의 일치율은 90%이고, 제4 프레임에 포함되어 있는 제1 확인 요소의 일치율은 70%인 경우, 장치(200)는 제1 프레임 및 제3 프레임에 대한 가중치를 각각 80%, 75%에 따라 높일 수 있고, 제1 비율에 따라 높아진 가중치에 기초하여 일치율을 생성할 수 있는데 제1 확인 요소의 일치율은 [{(1.8 X 80)+(1 X 50)+(1.75 X 90)+(1 X 70)} / (1.8+1+1.75+1)]=75.9로 생성될 수 있다.

도 7은 일실시예에 따른 인테리어 장소에 포함된 인테리어 구역이 여러 개일 경우, 프레임 내 포함된 구역의 하루 평균 소비 시간을 기초로, 프레임 별로 일치율을 생성하기 위한 가중치를 부여하는 과정을 설명하기 위한 순서도이다.

도 7을 참조하면, 먼저, S701 단계에서, 장치(200)는 인테리어를 하고자 하는 장소에 포함된 구역의 개수를 획득할 수 있다.

예를 들어, 인테리어를 하고자 하는 장소가 집이고, 집에 포함된 구역이 부엌, 화장실, 안방, 옷방, 거실인 경우, 장치(200)는 인테리어를 하고자 하는 장소인 집에 포함된 구역의 개수를 5로 획득할 수 있다.

S702 단계에서, 장치(200)는 구역의 개수가 제1 기준 값보다 큰지 여부를 판단할 수 있다. 여기서 제1 기준 값은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S702 단계에서 구역의 개수가 제1 기준 값보다 크다고 판단되면. S703 단계에서, 장치(200)는 제1 인테리어 구매자 단말(110)로부터 미리 정의된 기간 동안 장소에 포함된 제1 구역에 대응하는 제1 하루 평균 소비 시간을 획득할 수 있다. 여기서, 미리 정의된 기간은 미리 설정된 기간으로 실시 예에 따라 달라질 수 있다. 제1 하루 평균 소비 시간의 기준은 실시 예에 따라 달라질 수 있는데, 자고 있는 시간을 포함하여 제1 하루 평균 소비 시간을 획득할 수도 있고, 자고 있는 시간은 제외하고 실제 활동을 하고 있는 시간만 계산하여 제1 하루 평균 소비 시간을 획득할 수도 있다.

예를 들어, 인테리어를 하고자 하는 장소가 집이고, 집에 포함된 구역이 부엌, 화장실, 안방, 옷방, 거실로 5구역이고, 제1 기준 값이 3이고, 제1 구역이 거실인 경우, 장치(200)는 구역의 개수가 5개로 제1 기준 값인 3보다 크다고 판단하여 제1 인테리어 구매자 단말(110)로부터 미리 정의된 기간동안 거실에 대응하는 제1 하루 평균 소비 시간을 획득할 수 있다.

S704 단계에서, 장치(200)는 제1 하루 평균 소비 시간이 제1 기준 시간보다 큰지 여부를 판단할 수 있다. 여기서, 제1 기준 시간은 미리 설정된 시간으로 실시 예에 따라 달라질 수 있다.

S704 단계에서, 제1 하루 평균 소비 시간이 제1 기준 시간보다 크다고 판단되면, S705 단계에서, 장치(200)는 일치율을 생성하기 위한 가중치 중 제1 구역을 포함하고 있는 프레임에 대한 가중치를 제1 하루 평균 소비 시간에 따라 높일 수 있다.

예를 들어, 제1 구역이 거실이고, 거실에 대응하는 제1 하루 평균 소비 시간이 5시간이고, 제1 기준 시간이 3시간인 경우, 장치(200)는 거실을 포함하고 있는 프레임에 대한 가중치를 제1 하루 평균 소비 시간인 5시간에 따라 높일 수 있다.

또한, 예를 들어, 제2 비디오로부터 추출된 프레임들 중 제1 프레임, 제2 프레임, 제3 프레임 및 제4 프레임이 제1 확인 요소를 포함하고, 제1 프레임 및 제2 프레임에 제1 구역인 거실이 포함되어 있고, 거실에 대응하는 제1 하루 평균 소비 시간이 5시간이고, 제1 기준 시간이 3시간인 경우, 장치(200)는 제1 확인 요소에 대응하는 일치율을 생성하기 위한 가중치 중 제1 프레임 및 제2 프레임에 대한 가중치를 거실에 대응하는 제1 하루 평균 소비 시간인 5시간에 따라 높일 수 있다.

S706 단계에서, 장치(200)는 제1 하루 평균 소비 시간에 따라 높아진 가중치에 기초하여 일치율을 생성할 수 있다.

예를 들어, 제2 비디오로부터 추출된 프레임들 중 제1 프레임, 제2 프레임, 제3 프레임 및 제4 프레임이 제1 확인 요소를 포함하고, 제1 프레임 및 제2 프레임에 제1 구역인 거실이 포함되어 있고, 거실에 대응하는 제1 하루 평균 소비 시간이 5시간으로 제1 기준 시간보다 크고, 제1 프레임에 포함되어 있는 제1 확인 요소의 일치율은 80%이고, 제2 프레임에 포함되어 있는 제1 확인 요소의 일치율은 90%이고, 제3 프레임에 포함되어 있는 제1 확인 요소의 일치율은 60%이고, 제4 프레임에 포함되어 있는 제1 확인 요소의 일치율은 70%인 경우, 장치(200)는 제1 프레임 및 제2 프레임에 대한 가중치를 각각 거실에 대응하는 제1 하루 평균 소비 시간이 5시간에 따라 높일 수 있고, 제1 하루 평균 소비 시간에 따라 높아진 가중치에 기초하여 일치율을 생성할 수 있는데 제1 확인 요소의 일치율은 [{(1.5 X 80)+(1.5 X 90)+(1 X 60)+(1 X 70)} / (1.5+1.5+1+1)]=77로 생성될 수 있다.

도 8은 일실시예에 따른 인테리어 구매자에게 인테리어가 조건에 따라 수행되었는지 확인 자료를 제공하는 과정을 설명하기 위한 순서도이다.

도 8을 참조하면, 먼저, S801 단계에서, 장치(200)는 제1 인테리어 구매자 단말(110)로부터 인테리어가 미리 정의된 조건에 따라 수행되었는지 확인 자료 요청을 수신할 수 있다.

S802 단계에서, 장치(200)는 확인 요소들에 대응하는 페이지들을 생성하고, 페이지들에 대응하는 재생 시간들을 설정할 수 있다.

예를 들어, 제1 비디오를 통해 제1 확인 요소, 제2 확인 요소, 제3 확인 요소 및 제4 확인 요소가 추출된 경우, 장치(200)는 제1 확인 요소에 대응하는 제1 페이지를 생성하고 및 제1 페이지에 대응하는 제1 재생 시간을 설정할 수 있고, 제2 확인 요소에 대응하는 제2 페이지를 생성하고 및 제2 페이지에 대응하는 제2 재생 시간을 설정할 수 있고, 제3 확인 요소에 대응하는 제3 페이지를 생성하고 및 제3 페이지에 대응하는 제3 재생 시간을 설정할 수 있고, 제4 확인 요소에 대응하는 제4 페이지를 생성하고 및 제4 페이지에 대응하는 제4 재생 시간을 설정할 수 있다. 이와 관련된 구체적인 설명은 도 9를 참조하기로 한다.

S803 단계에서, 장치(200)는 페이지들 및 재생시간들을 기초로, 확인 자료를 생성할 수 있다.

S804 단계에서, 장치(200)는 생성된 확인 자료를 제1 인테리어 구매자 단말(110)로 전송할 수 있다.

도 9는 일실시예에 따른 확인 요소에 대응하는 재생 시간을 설정하는 과정을 설명하기 위한 순서도이다.

도 9를 참조하면, 먼저, S901 단계에서, 장치(200)는 제2 비디오로부터 추출된 프레임들 중 제1 확인 요소가 포함된 프레임을 제1 그룹으로 분류할 수 있다.

S902 단계에서, 장치(200)는 제1 그룹으로 분류된 프레임들 중 임의로 하나의 프레임인 제2 프레임을 추출할 수 있다.

즉, 장치(200)는 제1 확인 요소가 포함된 프레임을 제1 그룹으로 분류할 수 있고, 제1 그룹으로 분류된 프레임들 중 임의로 하나의 프레임인 제2 프레임을 추출할 수 있다.

S903 단계에서, 장치(200)는 제1 비디오로부터 제2 프레임에 대응하는 프레임인 제3 프레임을 획득할 수 있다.

즉, 장치(200)는 제2 프레임에 대응하는 프레임을 제1 비디오로부터 획득할 수 있고, 획득한 프레임을 제3 프레임으로 선정할 수 있다.

S904 단계에서, 장치(200)는 제1 영역 및 제2 영역으로 이루어진 제1 페이지를 생성하고, 제2 프레임을 제1 영역에 표시하고, 제3 프레임을 제2 영역에 표시할 수 있다.

S905 단계에서, 장치(200)는 제2 프레임 및 제3 프레임의 일치율인 제1 일치율을 생성할 수 있다.

즉, 장치(200)는 제1 요소 노출 변수를 이용하여 제2 프레임에 포함되어 있는 제1 확인 요소에 대응하는 요소 노출 값을 생성하고, 제3 프레임에 포함되어 있는 제1 확인 요소에 대응하는 기준 요소 노출 값을 생성하여 요소 노출 값과 기준 요소 노출 값을 비교하여 제1 일치율을 생성할 수 있다.

S906 단계에서, 장치(200)는 제1 일치율이 제1 기준율보다 큰지 여부를 판단할 수 있다. 여기서, 제1 기준율은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S906 단계에서 제1 일치율이 제1 기준율보다 크다고 판단되면, S907 단계에서, 장치(200)는 제1 확인 요소에 대응하는 제1 페이지가 재생되는 시간을 제1 시간으로 설정할 수 있다. 여기서, 제1 시간은 미리 설정된 시간으로 실시 예에 따라 달라질 수 있다.

예를 들어, 제1 확인 요소에 대응하는 제2 프레임 및 제3 프레임의 일치율인 제1 일치율이 80%이고, 제1 기준율이 60%이고, 제1 시간이 2분인 경우, 장치(200)는 제1 일치율인 80%가 제1 기준율인 60%보다 크다고 판단하고, 제1 확인 요소에 대응하는 제1 페이지가 재생되는 시간을 2분으로 설정할 수 있다.

S906 단계에서 제1 일치율이 제1 기준율보다 크지 않다고 판단되면, S908 단계에서, 장치(200)는 제1 확인 요소에 대응하는 제1 페이지가 재생되는 시간을 제2 시간으로 설정할 수 있다. 여기서, 제2 시간은 미리 설정된 시간으로 실시 예에 따라 달라질 수 있다. 또한, 제2 시간은 제1 시간보다 길게 설정되는데 이는 인테리어 모델링과 실제 인테리어에 차이가 있다고 판단하여 제1 인테리어 구매자에게 차이가 있는 부분이 어떻게 차이가 있고 얼마나 차이가 있는지 볼 수 있도록 하기 위해 제1 시간보다 길게 설정한 것이다.

예를 들어, 제1 확인 요소에 대응하는 제2 프레임 및 제3 프레임의 일치율인 제1 일치율이 40%이고, 제1 기준율이 60%이고, 제2 시간이 5분인 경우, 장치(200)는 제1 일치율인 40%가 제1 기준율인 60%보다 작다고 판단하고, 제1 확인 요소에 대응하는 제1 페이지가 재생되는 시간을 5분으로 설정할 수 있다.

도 10은 일실시예에 따른 확인 요소의 실제 길이를 추정하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저, S1001 단계에서, 장치(200)는 제1 확인 요소 및 제1 제품을 포함하고 있는 제1 프레임을 추출할 수 있다. 여기서, 제1 제품은 제1 프레임 내에 포함되어 있는 제품으로 실제 길이 및 크기를 알고 있는 제품이다.

S1002 단계에서, 장치(200)는 제1 프레임 내에서 제1 제품을 검출할 수 있다. 이때, 장치(200)는 딥러닝 기반으로 제1 제품을 세그먼테이션(Segmentation)으로 검출할 수 있다. 여기서, 세그먼테이션은 이미지 처리를 수행하는데 있어, 객체의 형태에 대한 특징을 추출하여, 객체의 경계를 인식하는 것을 의미할 수 있다.

S1003 단계에서, 장치(200)는 제1 프레임 내에서 검출된 제1 제품의 단축 길이를 추정하여, 추정된 단축 길이로 제1 길이를 설정할 수 있다. 이때, 장치(200)는 검출된 제품으로부터 타원 방정식을 도출하고, 도출된 타원 방정식에 기초하여, 검출된 제1 제품의 단축 길이를 생성할 수 있다.

S1004 단계에서, 장치(200)는 제1 프레임 내에서 제1 확인 요소를 검출할 수 있다. 이때, 장치(200)는 딥러닝 기반으로 제1 확인 요소에 대응하는 박스를 검출할 수 있다.

S1005 단계에서, 장치(200)는 제1 프레임 내에서 검출된 제1 확인 요소의 길이를 추정하여 제2 길이를 설정할 수 있다. 이때, 장치(200)는 제1 확인 요소에 대응하는 박스의 장축과 대각선의 길이를 확인하고, 박스의 장축과 대각선의 평균값으로 제2 길이를 설정할 수 있다.

S1006 단계에서, 장치(200)는 제1 제품의 실제 길이인 제3 길이를 확인할 수 있다. 이때, 장치(200)는 데이터베이스에 저장된 정보를 조회하여, 제1 제품의 길이인 제3 길이를 확인할 수 있고, 또한 제1 인테리어 구매자 단말(110)로부터 제1 제품의 길이를 포함한 정보를 수신할 수 있다.

S1007 단계에서, 장치(200)는 제1 길이, 제2 길이 및 제3 길이를 이용하여, 제1 확인 요소의 실제 길이인 제4 길이를 추정할 수 있다.

구체적으로, 장치(200)는 제1 길이 및 제2 길이의 비율인 제1 비례율을 산출하고, 제1 비례율에 제3 길이를 적용하여, 제4 길이를 산출하는 과정을 통해, 제4 길이를 추정할 수 있다.

예를 들어, 제1 길이가 4cm이고, 제2 길이가 8cm이고, 제3 길이가 1m인 경우, 장치(200)는 제1 길이 및 제2 길이를 이용하여 제1 비례율을 2로 산출할 수 있으며, 제1 비례율에 제3 길이를 적용하여, 제4 길이를 2m로 산출할 수 있다.

도 11은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 10을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 10을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 개인 또는 단체는 도 1 내지 도 10을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

장치(200)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(220)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(210)는 메모리(220)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(200)와 학습된 인공 신경망을 이용하는 장치(200)는 동일할 수도 있고 개별적일 수도 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(OS) 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 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 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.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 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), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-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.

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 신호 파(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.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

1. 장치에 의해 수행되는 방법에 있어서,
   인테리어 모델링 영상으로부터 비디오 타입을 추출하여 제1 비디오를 생성하는 단계;
   상기 인테리어 모델링 영상에 대응하는 실제 촬영한 인테리어 결과물 영상으로부터 비디오 타입을 추출하여 제2 비디오를 생성하는 단계;
   상기 제1 비디오를 통해 확인 요소들을 추출하는 단계;
   상기 제2 비디오로부터 미리 정의된 주기마다 프레임들을 추출하는 단계;
   상기 추출된 프레임들 중 어느 하나의 제1 프레임으로부터 상기 확인 요소들 중 어느 하나의 제1 확인 요소가 포함되어 있는지를 판단하고, 상기 제1 확인 요소를 검출하는 단계;
   상기 제1 확인 요소의 유무, 상기 제1 확인 요소의 위치, 상기 제1 확인 요소의 형상, 상기 제1 확인 요소의 색상 및 상기 제1 확인 요소의 질감 중 적어도 하나를 포함하는 제1 요소 노출 변수를 생성하는 단계;
   상기 프레임들에 대응하는 요소 노출 변수들을 이용하여, 상기 제2 비디오에 포함되어 있는 상기 제1 확인 요소에 대응하는 요소 노출 값을 생성하는 단계;
   상기 프레임들에 대응하는 요소 노출 변수들을 이용하여, 상기 제1 비디오에 포함되어 있는 상기 제1 확인 요소에 대응하는 기준 요소 노출 값을 생성하는 단계; 및
   상기 요소 노출 값과 상기 기준 요소 노출 값을 비교하여 일치율을 생성하고, 상기 일치율을 기준으로 미리 정의된 조건에 따라 인테리어가 완성되었는지 판단하는 단계를 포함하고,
   상기 제1 요소 노출 변수를 생성하는 단계는
   상기 제1 프레임 내에서 상기 제1 확인 요소의 유무를 판단하는 단계;
   상기 제1 확인 요소가 상기 제1 프레임 내에 있는 경우, 상기 제1 프레임 내에서 상기 제1 확인 요소를 추출하는 단계;
   상기 제1 프레임 내 상기 제1 확인 요소가 위치하고 있는 위치를 미리 정의된 위치 카테고리들 중 어느 하나로 판단하여, 상기 제1 확인 요소의 위치를 생성하는 단계;
   상기 제1 확인 요소의 모양 및 크기를 판단하여, 상기 제1 확인 요소의 형상을 생성하는 단계;
   상기 제1 확인 요소의 색상을 미리 정의된 색상 카테고리들 중 어느 하나로 판단하여, 상기 제1 확인 요소의 색상을 생성하는 단계; 및
   상기 제1 확인 요소의 질감을 미리 정의된 질감 카테고리들 중 어느 하나로 판단하여, 상기 제1 확인 요소의 질감을 생성하는 단계를 포함하고,
   상기 요소 노출 값을 생성하는 단계는
   상기 프레임들에 대응하는 요소 노출 변수들에 기초하여 요소 노출 값을 생성하는 단계를 포함하고,
   상기 기준 요소 노출 값은
   인테리어를 하고자 하는 장소에 대응하는 업종의 정보, 인테리어 예산 정보 및 인테리어를 통해 얻고 싶은 분위기에 기초하여 정의되고,
   상기 기준 요소 노출 값을 생성하는 단계는
   상기 업종의 정보, 상기 예산 정보 및 상기 분위기 정보를 기초로, 제1 입력 신호를 생성하는 단계;
   상기 제1 입력 신호를 기초로 제1 인공신경망-상기 제1 인공신경망은 업종의 정보, 예산 정보 및 분위기 정보에 따라 기준 요소 노출 값을 추론하는 인공지능모델이고, 트레이닝 업종 정보들, 트레이닝 예산 정보들, 트레이닝 분위기 정보들에 각각 대응하는 트레이닝 기준 요소 노출 값들 및 제1 출력 신호들에 기초하여 미리 학습됨-에 적용하여 제1 출력 신호를 생성하는 단계;
   상기 제1 출력 신호에 기초하여 상기 인테리어에 대응하는 기준 요소 노출 값을 생성하는 단계를 포함하고,
   상기 트레이닝 기준 요소 노출 값들은 상기 트레이닝 업종 정보들, 상기 트레이닝 예산 정보들, 상기 트레이닝 분위기 정보들에 각각 대응하는 기준 요소 노출 값들이고,
   상기 제1 출력 신호들은 상기 트레이닝 업종 정보들, 상기 트레이닝 예산 정보들, 상기 트레이닝 분위기 정보들이 상기 제1 인공신경망에 적용되어 생성된 출력 신호들이며,
   상기 제1 인공신경망은 상기 제1 출력 신호들 및 상기 트레이닝 기준 요소 노출 값들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습된,
   상기 일치율을 생성하는 단계는
   인테리어 장소에 포함된 인테리어 구역이 여러 개일 경우, 프레임 내 포함된 구역의 하루 평균 소비 시간을 기초로, 프레임 별로 일치율을 생성하기 위한 가중치를 부여하는 단계를 더 포함하고,
   프레임 내 포함된 구역의 하루 평균 소비 시간을 기초로, 프레임 별로 일치율을 생성하기 위한 가중치를 부여하는 단계는
   상기 인테리어를 하고자 하는 장소에 포함된 구역의 개수가 미리 정의된 제1 기준 값 보다 큰지 여부를 판단하는 단계;
   상기 장소에 포함된 구역의 개수가 상기 제1 기준 값보다 큰 경우, 제1 인테리어 구매자 단말로부터 미리 정의된 기간동안 상기 장소에 포함된 제1 구역에 대응하는 제1 하루 평균 소비 시간을 획득하는 단계;
   상기 제1 하루 평균 소비 시간이 미리 정의된 제1 기준 시간보다 큰지 여부를 판단하는 단계;
   상기 제1 하루 평균 소비 시간이 상기 제1 기준 시간보다 큰 경우, 상기 일치율을 생성하기 위한 가중치 중 상기 제1 구역을 포함하고 있는 프레임에 대한 가중치를 상기 제1 하루 평균 소비 시간에 따라 높이는 단계; 및
   상기 제1 하루 평균 소비 시간에 따라 높아진 가중치에 기초하여 상기 일치율을 생성하는 단계를 포함하는
   인공지능 기반 인테리어 모델링 이미지 검증 방법.
2. 삭제
3. 삭제

Images