KR102601196B1 - 사용자 맞춤형 가상공간 생성 서비스 제공 장치, 시스템, 방법 및 프로그램 - Google Patents
사용자 맞춤형 가상공간 생성 서비스 제공 장치, 시스템, 방법 및 프로그램 Download PDFInfo
- Publication number
- KR102601196B1 KR102601196B1 KR1020220071507A KR20220071507A KR102601196B1 KR 102601196 B1 KR102601196 B1 KR 102601196B1 KR 1020220071507 A KR1020220071507 A KR 1020220071507A KR 20220071507 A KR20220071507 A KR 20220071507A KR 102601196 B1 KR102601196 B1 KR 102601196B1
- Authority
- KR
- South Korea
- Prior art keywords
- area
- wall
- volume
- rendering
- planar
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 27
- 238000009877 rendering Methods 0.000 claims abstract description 286
- 239000013598 vector Substances 0.000 claims description 150
- 238000013528 artificial neural network Methods 0.000 claims description 71
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000011017 operating method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000006854 communication Effects 0.000 description 70
- 238000004891 communication Methods 0.000 description 68
- 230000005540 biological transmission Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000002372 labelling Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Geometry (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Architecture (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Processing Or Creating Images (AREA)
- Stored Programmes (AREA)
Abstract
본 발명의 실시예에 따르면, 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 장치가 제공된다. 상기 장치는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다. 또한, 상기 적어도 하나의 동작은, 사용자의 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작; 상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작; 상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작; 상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작; 상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작; 상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5 부피, 평면구조물 랜더링공간들의 제6 부피, 벽면상품 랜더링공간들의 제7 부피 및 벽면구조물 랜더링공간들의 제8 부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작; 상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및 상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함할 수 있다.
Description
본 발명은 사용자 맞춤형 가상공간 생성 서비스 제공 장치, 시스템, 방법 및 프로그램에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
VR(Virtual Reality), 메타버스 등 가상공간과 관련된 기술이 발전됨에 따라 가상공간에서 쇼륨을 구현하고 기술에 대한 연구가 활발히 이루어지고 있다.
다만, 기업의 요청에 따라 기업에 특화된 가상공간을 생성하는 경우 상대적으로 많은 비용과 상대적으로 긴 제작기간이 소요되는 문제가 발생되고 있으며, 이에 따라, 가상공간 서비스에 대한 기업들의 접근성이 낮은 문제가 발생되고 있다.
본 발명은, 미리 생성된 가상공간들 중 사용자에게 적합한 가상공간을 추천가상공간으로 결정하고, 추천가상공간에 기초하여 사용자 맞춤 가상공간을 생성할 수 있는, 사용자 맞춤형 가상공간 생성 서비스 제공 장치, 시스템, 방법 및 프로그램을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따르면, 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 장치가 제공된다.
또한, 상기 장치는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
또한, 상기 적어도 하나의 동작은, 사용자의 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작; 상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작; 상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작; 상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작; 상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작; 상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5 부피, 평면구조물 랜더링공간들의 제6 부피, 벽면상품 랜더링공간들의 제7 부피 및 벽면구조물 랜더링공간들의 제8 부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작; 상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및 상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함할 수 있다.
또한, 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작은, 상기 평면전시면적 및 상기 벽면전시면적을 이용해 제1 벡터를 생성하는 동작; 상기 평면랜더링면적 및 상기 벽면랜더링면적을 이용해 상기 가상공간들 각각의 제2 벡터를 생성하는 동작; 및 상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 상기 면적 유사도를 결정하는 동작을 포함할 수 있다.
또한, 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작은, 상기 평면상품 배치영역 및 상기 평면구조물 배치영역을 미리 학습된 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 제1 평면클래스를 획득하는 동작; 상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역을 미리 학습된 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 제1 벽면클래스를 획득하는 동작; 상기 가상공간들 각각의 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역을 상기 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 상기 가상공간들 각각의 제2 평면클래스를 획득하는 동작; 상기 가상공간들 각각의 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역을 상기 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 상기 가상공간들 각각의 제2 벽면클래스를 획득하는 동작; 및 상기 제1 평면클래스, 상기 제1 벽면클래스, 상기 제2 평면클래스 및 상기 제2 벽면클래스를 미리 학습된 제3 인공신경망에 입력 값으로 입력하고, 상기 제3 인공신경망으로부터 상기 가상공간들 각각의 상기 배치 유사도를 획득하는 동작을 포함할 수 있다.
또한, 상기 제1 인공신경망은, 상기 평면상품 배치영역 또는 상기 평면상품 랜더링영역으로부터 제1 특징벡터를 획득하고, 상기 평면구조물 배치영역 또는 상기 평면구조물 랜더링영역으로부터 제2 특징벡터를 획득하며, 상기 제1 특징벡터 및 상기 제2 특징벡터를 이용해 상기 평면상품 배치영역 및 상기 평면구조물 배치영역과 대응하는 상기 제1 평면클래스 또는 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역과 대응하는 상기 제2 평면클래스를 결정하도록 기계학습되고, 상기 제2 인공신경망은, 상기 벽면상품 배치영역 또는 상기 벽면상품 랜더링영역으로부터 제3 특징벡터를 획득하고, 상기 벽면구조물 배치영역 또는 상기 벽면구조물 랜더링영역으로부터 제4 특징벡터를 획득하며, 상기 제3 특징벡터 및 상기 제4 특징벡터를 이용해 상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역과 대응하는 상기 제1 벽면클래스 또는 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역과 대응하는 상기 제2 벽면클래스를 결정하도록 기계학습될 수 있다.
또한, 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작은, 상기 제1 부피 및 상기 제2 부피를 이용해 제1 벡터를 생성하는 동작; 상기 제5 부피 및 상기 제6 부피를 이용해 상기 가상공간들 각각의 제2 벡터를 생성하는 동작; 상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 평면부피 유사도를 결정하는 동작; 상기 제3 부피 및 상기 제4 부피를 이용해 제3 벡터를 생성하는 동작; 상기 제7 부피 및 상기 제8 부피를 이용해 상기 가상공간들 각각의 제4 벡터를 생성하는 동작; 상기 제3 벡터 및 상기 제4 벡터를 이용해 상기 가상공간들 각각의 벽면부피 유사도를 결정하는 동작; 및 상기 평면부피 유사도 및 상기 벽면부피 유사도를 이용해 상기 가상공간들 각각의 상기 부피 유사도를 결정하는 동작을 포함할 수 있다.
또, 본 발명의 다른 측면에 따르면, 장치에 의해 수행되는 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 동작 방법이 제공된다.
또한, 상기 동작 방법은, 사용자의 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작; 상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작; 상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작; 상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작; 상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작; 상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5부피, 평면구조물 랜더링공간들의 제6부피, 벽면상품 랜더링공간들의 제7부피 및 벽면구조물 랜더링공간들의 제8부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작; 상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및 상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함할 수 있다.
또, 본 발명의 또 다른 측면에 따르면, 상기 동작 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체가 제공된다.
또, 본 발명의 또 다른 측면에 따르면, 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 장치에서, 상기 동작 방법을 실행시키기 위하여 비일시적 기록매체에 기록된 컴퓨터 프로그램이 제공된다.
또, 본 발명의 또 다른 측면에 따르면, 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 시스템가 제공된다.
상기 시스템은, 장치에 추천가상공간 결정을 위한 정보를 제공하는 사용자 단말; 및 상기 추천가상공간을 결정하는 장치를 포함한다.
또한, 상기 장치는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
또한, 상기 적어도 하나의 동작은, 사용자의 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작; 상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작; 상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작; 상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작; 상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작; 상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5 부피, 평면구조물 랜더링공간들의 제6 부피, 벽면상품 랜더링공간들의 제7 부피 및 벽면구조물 랜더링공간들의 제8 부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작; 상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및 상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 미리 생성된 가상공간들 중 사용자에게 적합한 가상공간이 추천가상공간으로 결정되고, 추천가상공간에 기초하여 사용자 맞춤 가상공간이 생성된다. 미리 생성된 가상공간들 중에서 사용자에게 적합한 가상공간이 선택되어 사용자에게 맞춰 가공되므로, 상대적으로 낮은 비용과 상대적으로 짧은 제작기간이 소요됨과 동시에 높은 품질의 사용자 맞춤 가상공간이 사용자에게 제공될 수 있다.
도 1은 일 실시예에 따른 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 2는 도 1에 따른 서비스 제공 장치의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 도 2에 따른 서비스 제공 장치가 사용자 맞춤형 가상공간 생성 서비스를 제공하는 과정을 도시하는 흐름도이다.
도 4는 도 2에 따른 서비스 제공 장치가 면적 유사도를 결정하는 과정을 도시하는 흐름도이다.
도 5는 도 2에 따른 서비스 제공 장치가 배치 유사도를 결정하는 과정을 도시하는 흐름도이다.
도 6은 도 2에 따른 서비스 제공 장치가 부피 유사도를 결정하는 과정을 도시하는 흐름도이다.
도 7은 도 1에 따른 서비스 제공 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 9는 도 8에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 10은 도 8에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 11은 도 8에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
도 2는 도 1에 따른 서비스 제공 장치의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 도 2에 따른 서비스 제공 장치가 사용자 맞춤형 가상공간 생성 서비스를 제공하는 과정을 도시하는 흐름도이다.
도 4는 도 2에 따른 서비스 제공 장치가 면적 유사도를 결정하는 과정을 도시하는 흐름도이다.
도 5는 도 2에 따른 서비스 제공 장치가 배치 유사도를 결정하는 과정을 도시하는 흐름도이다.
도 6은 도 2에 따른 서비스 제공 장치가 부피 유사도를 결정하는 과정을 도시하는 흐름도이다.
도 7은 도 1에 따른 서비스 제공 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 9는 도 8에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 10은 도 8에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 11은 도 8에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 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 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 일 실시예에 따른 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 1을 참조하면, 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 시스템은, 서비스 제공 장치(100) 및 사용자 단말(200)을 포함한다.
사용자 단말(200)은, 사용자 맞춤형 가상공간 생성 서비스를 이용하고자 하는 사용자의 단말로서, 서비스 제공 장치(100)에 가상공간 생성을 위한 정보를 제공한다.
사용자 단말(200)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
서비스 제공 장치(100)는 사용자 맞춤형 가상공간 생성 서비스를 사용자 단말(200)에 제공하기 위한 서버일 수 있다.
도 2는 도 1에 따른 서비스 제공 장치(100)의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 2를 참조하면, 서비스 제공 장치(100)는, 면적 유사도 결정부(101), 배치 유사도 결정부(102), 부피 유사도 결정부(103), 추천가상공간 결정부(104), 상품배치 시뮬레이션부(105) 및 비용 산출부(106)를 포함한다.
도 3은 도 2에 따른 서비스 제공 장치(100)가 사용자 맞춤형 가상공간 생성 서비스를 제공하는 과정을 도시하는 흐름도이다.
면적 유사도 결정부(101)는, 사용자 단말(200)로부터 사용자가 생성하고자 하는 가상공간의 평면전시면적 및 벽면전시면적을 수신한다(S100). 면적 유사도 결정부(101)는, 평면전시면적 및 벽면전시면적을 입력할 수 있는 사용자 인터페이스(User Interface)를 사용자 단말(200)에 제공할 수 있다. 일 실시예에서, 평면전시면적은 사용자가 생성하려는 가상공간에서 평면상에 상품이 전시되는 면적을 의미한다. 일 실시예에서, 벽면전시면적은 사용자가 생성하려는 가상공간에서 벽면상에 상품이 전시되는 면적을 의미한다.
면적 유사도 결정부(101)는, 수신한 평면전시면적 및 벽면전시면적을 이용하여 복수의 가상공간들 각각과 대응하는 면적 유사도를 결정한다(S200).
도 4는 도 2에 따른 서비스 제공 장치(100)가 면적 유사도를 결정하는 과정을 도시하는 흐름도이다.
면적 유사도 결정부(101)는, 평면전시면적 및 벽면전시면적을 이용해 제1 벡터를 생성한다(S210).
일 실시예에서, 제1 벡터는 평면전시면적 및 벽면전시면적 각각을 차원값으로 갖는 다차원벡터일 수 있다.
면적 유사도 결정부(101)는, 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 가상공간들 각각의 제2 벡터를 생성한다(S220).
서비스 제공 장치(100)의 데이터베이스에는 가상공간과 평면랜더링면적 및 벽면랜더링면적이 미리 매칭되어 저장된다. 일 실시예에서, 평면랜더링면적은 가상공간의 평면상에 랜더링될 수 있도록 미리 설정된 구역의 면적을 의미한다. 일 실시예에서, 벽면랜더링면적은 가상공간의 벽면상에 랜더링될 수 있도록 미리 설정된 구역의 면적을 의미한다.
제2 벡터는 평면랜더링면적 및 벽면랜더링면적을 각각의 차원값으로 갖는 다차원벡터일 수 있다.
면적 유사도 결정부(101)는, 데이터베이스에 저장된 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용하여 가상공간들 각각의 제2 벡터를 결정한다.
면적 유사도 결정부(101)는, 제1 벡터 및 제2 벡터를 이용해 가상공간들 각각의 면적 유사도를 결정한다(S230).
면적 유사도는 제1 벡터 및 제2 벡터의 코사인유사도에 의해 결정될 수 있다.
면적 유사도는 아래의 수학식 1에 의해 결정될 수 있다.
상기의 수학식 1에서 S1은 면적 유사도를 의미하고, A1은 제1 벡터를 의미하며, B1은 제2 벡터를 의미한다. 제1 벡터와 제2 벡터 사이의 각도가 작을수록 면적 유사도가 증가될 수 있다.
다시 도 3을 참조하면, 배치 유사도 결정부(102)는, 사용자 단말(200)로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신한다(S300).
배치 유사도 결정부(102)는, 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 입력할 수 있는 사용자 인터페이스(User Interface)를 사용자 단말(200)에 제공할 수 있다.
일 실시예에서, 평면상품 배치영역은, 사용자가 가상공간의 평면상에 상품이 배치하려는 영역을 의미한다. 일 실시예에서, 평면구조물 배치영역은, 사용자가 가상공간의 평면상에 구조물을 배치하려는 영역을 의미한다. 예를 들어, 벽이 구조물에 해당될 수 있다. 일 실시예에서, 벽면상품 배치영역은, 사용자가 가상공간의 벽면상에 상품이 배치하려는 영역을 의미한다. 일 실시예에서, 벽면구조물 배치영역은, 사용자가 가상공간의 벽면상에 구조물을 배치하려는 영역을 의미한다. 예를 들어, 상품의 지지를 위한 선반 등이 구조물에 해당될 수 있다.
일 실시예에서, 평면상품 배치영역은, 가상공간의 평면에 사용자가 상품을 배치하고자 하는 영역을 표시한 이미지일 수 있다. 일 실시예에서, 평면구조물 배치영역은, 가상공간의 평면에 사용자가 구조물을 배치하고자 하는 영역을 표시한 이미지일 수 있다. 일 실시예에서, 벽면상품 배치영역은, 가상공간의 벽면에 사용자가 상품을 배치하고자 하는 영역을 표시한 이미지일 수 있다. 일 실시예에서, 벽면구조물 배치영역은, 가상공간의 벽면에 사용자가 구조물을 배치하고자 하는 영역을 표시한 이미지일 수 있다.
배치 유사도 결정부(102)는, 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 이용하여 가상공간들 각각의 배치 유사도를 결정한다(S400).
도 5는 도 2에 따른 서비스 제공 장치(100)가 배치 유사도를 결정하는 과정을 도시하는 흐름도이다.
배치 유사도 결정부(102)는, 평면상품 배치영역 및 평면구조물 배치영역을 이용해 제1 평면클래스를 결정한다(S410).
배치 유사도 결정부(102)는, 미리 학습된 제1 인공신경망에 평면상품 배치영역 및 평면구조물 배치영역을 입력 값으로 입력하고, 제1 인공신경망으로부터 평면상품 배치영역 및 평면구조물 배치영역과 대응하는 제1 평면클래스를 획득할 수 있다.
일 실시예에서, 제1 인공신경망은, 평면상품 배치영역으로부터 제1 특징벡터를 획득하고, 평면구조물 배치영역으로부터 제2 특징벡터를 획득하며, 제1 특징벡터 및 제2 특징벡터를 이용해 평면상품 배치영역 및 평면구조물 배치영역과 대응되는 제1 평면클래스를 결정하도록 기계학습될 수 있다. 일 실시예에서, 제1 인공신경망은, 학습용 평면상품 배치영역 및 학습용 평면구조물 배치영역에 제1 평면클래스를 라벨링하여 생성한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 일 실시예에서, CNN(Convolutional Nueral Network) 및 Random Forest 등이 특징벡터를 추출하고 클래스를 결정하는 제1 인공신경망의 생성에 사용될 수 있다.
배치 유사도 결정부(102)는, 벽면상품 배치영역 및 벽면구조물 배치영역을 이용해 제1 벽면클래스를 결정한다(S420).
배치 유사도 결정부(102)는, 미리 학습된 제2 인공신경망에 벽면상품 배치영역 및 벽면구조물 배치영역을 입력 값으로 입력하고, 제2 인공신경망으로부터 벽면상품 배치영역 및 벽면구조물 배치영역과 대응하는 제1 벽면클래스를 획득할 수 있다.
일 실시예에서, 제2 인공신경망은, 벽면상품 배치영역으로부터 제3 특징벡터를 획득하고, 벽면구조물 배치영역으로부터 제4 특징벡터를 획득하며, 제3 특징벡터 및 제4 특징벡터를 이용해 벽면상품 배치영역 및 벽면구조물 배치영역과 대응되는 제1 벽면클래스를 결정하도록 기계학습될 수 있다. 일 실시예에서, 제2 인공신경망은, 학습용 벽면상품 배치영역 및 학습용 벽면구조물 배치영역에 제1 벽면클래스를 라벨링하여 생성한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 일 실시예에서, CNN(Convolutional Nueral Network) 및 Random Forest 등이 특징벡터를 추출하고 클래스를 결정하는 제2 인공신경망의 생성에 사용될 수 있다.
배치 유사도 결정부(102)는, 가상공간들 각각의 평면상품 랜더링영역 및 평면구조물 랜더링영역을 이용하여 가상공간들 각각의 제2 평면클래스를 결정한다(S430).
일 실시예에서, 평면상품 랜더링영역은, 가상공간의 평면상에 상품이 랜더링될 수 있도록 미리 설정된 영역을 의미한다. 일 실시예에서, 평면구조물 랜더링영역은, 가상공간의 평면상에 구조물이 랜더링될 수 있도록 미리 설정된 영역을 의미한다. 일 실시예에서, 평면상품 랜더링영역은, 가상공간의 평면 상에 상품이 랜더링될 수 있는 영역을 표시한 이미지일 수 있다. 일 실시예에서, 평면구조물 랜더링영역은, 가상공간의 평면 상에 구조물이 랜더링될 수 있는 영역을 표시한 이미지일 수 있다.
배치 유사도 결정부(102)는, 미리 학습된 제3 인공신경망에 평면상품 랜더링영역 및 평면구조물 랜더링영역을 입력 값으로 입력하고, 제3 인공신경망으로부터 평면상품 랜더링영역 및 평면구조물 랜더링영역과 대응하는 제2 평면클래스를 획득할 수 있다.
일 실시예에서, 제3 인공신경망은, 평면상품 랜더링영역으로부터 제5 특징벡터를 획득하고, 평면구조물 랜더링영역으로부터 제6 특징벡터를 획득하며, 제5 특징벡터 및 제6 특징벡터를 이용해 평면상품 랜더링영역 및 평면구조물 랜더링영역과 대응되는 제2 평면클래스를 결정하도록 기계학습될 수 있다. 일 실시예에서, 제3 인공신경망은, 학습용 평면상품 랜더링영역 및 학습용 평면구조물 랜더링영역에 제2 평면클래스를 라벨링하여 생성한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 일 실시예에서, CNN(Convolutional Nueral Network) 및 Random Forest 등이 특징벡터를 추출하고 클래스를 결정하는 제3 인공신경망의 생성에 사용될 수 있다.
이를 통해, 배치 유사도 결정부(102)는, 가상공간들 각각과 대응하는 제2 평면클래스를 결정할 수 있다.
배치 유사도 결정부(102)는, 가상공간들 각각의 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용하여 가상공간들 각각의 제2 벽면클래스를 결정한다(S440).
일 실시예에서, 벽면상품 랜더링영역은, 가상공간의 벽면 상에 상품이 랜더링될 수 있도록 미리 설정된 영역을 의미한다. 일 실시예에서, 벽면구조물 랜더링영역은, 가상공간의 벽면 상에 구조물이 랜더링될 수 있도록 미리 설정된 영역을 의미한다. 일 실시예에서, 벽면상품 랜더링영역은, 가상공간의 벽면 상에 상품이 랜더링될 수 있는 영역을 표시한 이미지일 수 있다. 일 실시예에서, 벽면구조물 랜더링영역은, 가상공간의 벽면 상에 구조물이 랜더링될 수 있는 영역을 표시한 이미지일 수 있다.
배치 유사도 결정부(102)는, 미리 학습된 제4 인공신경망에 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 입력 값으로 입력하고, 제4 인공신경망으로부터 벽면상품 랜더링영역 및 벽면구조물 랜더링영역과 대응하는 제2 벽면클래스를 획득할 수 있다.
일 실시예에서, 제4 인공신경망은, 벽면상품 랜더링영역으로부터 제7 특징벡터를 획득하고, 벽면구조물 랜더링영역으로부터 제8 특징벡터를 획득하며, 제7 특징벡터 및 제8 특징벡터를 이용해 벽면상품 랜더링영역 및 벽면구조물 랜더링영역과 대응되는 제2 벽면클래스를 결정하도록 기계학습될 수 있다. 일 실시예에서, 제4 인공신경망은, 학습용 벽면상품 랜더링영역 및 학습용 벽면구조물 랜더링영역에 제2 벽면클래스를 라벨링하여 생성한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 일 실시예에서, CNN(Convolutional Nueral Network) 및 Random Forest 등이 특징벡터를 추출하고 클래스를 결정하는 제4 인공신경망의 생성에 사용될 수 있다.
배치 유사도 결정부(102)는, 제1 평면클래스, 제1 벽면클래스, 제2 평면클래스 및 제2 벽면클래스를 이용해 가상공간들 각각의 배치 유사도를 결정한다(S450).
일 실시예에서, 서비스 제공 장치(100)의 데이터베이스에는 제1 평면클래스, 제1 벽면클래스, 제2 평면클래스 및 제2 벽면클래스의 조합과 배치 유사도가 매칭되어 저장될 수 있다. 배치 유사도 결정부(102)는, 제1 평면클래스, 제1 벽면클래스, 제2 평면클래스 및 제2 벽면클래스와 매칭되는 배치 유사도를 데이터베이스에서 선택하고, 선택한 배치 유사도를 가상공간의 배치 유사도로 결정할 수 있다.
일 실시예에서, 배치 유사도 결정부(102)는, 제1 평면클래스, 제1 벽면클래스, 제2 평면클래스 및 제2 벽면클래스를 미리 학습된 제5 인공신경망에 입력 값으로 입력하고, 제5 인공신경망에서 배치 유사도를 획득할 수 있다. 일 실시예에서, 제5 인공신경망은, 학습용 제1 평면클래스, 학습용 제1 벽면클래스, 학습용 제2 평면클래스 및 학습용 제2 벽면클래스에 배치 유사도를 라벨링하여 생성한 학습데이터를 포함하는 학습데이터셋을 이용한 기계학습을 통해 생성될 수 있다. 일 실시예에서, Random Forest, Xgboost, 다중회귀분석 등이 제5 인공신경망의 생성에 사용될 수 있다.
다시 도 3을 참조하면, 부피 유사도 결정부(103)는, 사용자 단말(200)로부터 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 수신한다(S500).
부피 유사도 결정부(103)는, 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 입력하기 위한 사용자 인터페이스(User Interface)를 사용자 단말(200)에 제공한다.
일 실시예에서, 평면상품 랜더링정보는 가상공간에서 평면 상에 배치될 상품들을 랜더링하기 위한 정보들을 의미할 수 있다. 일 실시예에서, 평면구조물 랜더링정보는 가상공간에서 평면 상에 배치될 구조물들을 랜더링하기 위한 정보들을 의미할 수 있다. 일 실시예에서, 벽면상품 랜더링정보는 가상공간에서 벽면 상에 배치될 상품들을 랜더링하기 위한 정보들을 의미할 수 있다. 일 실시예에서, 벽면구조물 랜더링정보는 가상공간에서 벽면 상에 배치될 구조물들을 랜더링하기 위한 정보들을 의미할 수 있다.
부피 유사도 결정부(103)는, 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용하여 가상공간들 각각의 부피 유사도를 결정한다(S600).
도 6은 도 2에 따른 서비스 제공 장치(100)가 부피 유사도를 결정하는 과정을 도시하는 흐름도이다.
부피 유사도 결정부(103)는, 평면상품들의 부피 및 평면구조물들의 부피와 가상공간들 각각에 포함되는 평면상품 랜더링공간들의 부피 평면구조물 랜더링공간들의 부피를 이용하여 가상공간들 각각의 평면부피 유사도를 결정한다(S610).
일 실시예에서, 부피 유사도 결정부(103)는, 평면상품 랜더링정보를 이용해 사용자가 가상공간의 평면 상에 배치하려는 상품들의 전체 부피를 결정할 수 있다. 일 실시예에서, 상품들의 전체 부피는 가상공간에서 상품들을 포함하는 육면체들의 부피의 합일 수 있다.
일 실시예에서, 부피 유사도 결정부(103)는, 평면구조물 랜더링정보를 이용해 사용자가 가상공간의 평면 상에서 배치하려는 구조물들의 전체 부피를 결정할 수 있다. 일 실시예에서, 구조물들의 전체 부피는 가상공간에서 구조물들을 포함하는 육면체들의 부피의 합일 수 있다.
서비스 제공 장치(100)의 데이터베이스에는 가상공간과 복수의 평면상품 랜더링공간들 및 복수의 평면구조물 랜더링공간들이 미리 매칭되어 저장된다. 일 실시예에서, 평면상품 랜더링공간들은 가상공간의 평면 상에 상품들이 랜더링될 수 있도록 미리 설정된 복수의 육면체 공간들을 의미한다. 일 실시예에서, 평면구조물 랜더링공간들은 가상공간의 평면 상에 구조물들이 랜더링될 수 있도록 미리 설정된 복수의 육면체 공간들을 의미한다.
일 실시예에서, 부피 유사도 결정부(103)는, 평면상품 랜더링공간들의 부피 및 평면구조물 랜더링공간들의 부피를 결정할 수 있다.
부피 유사도 결정부(103)는, 평면상품들의 부피 및 평면구조물들의 부피를 이용해 제3 벡터를 생성할 수 있다. 일 실시예에서, 제3 벡터는, 평면상품들의 부피 및 평면구조물들의 부피를 각각의 차원값으로 갖는 다차원벡터일 수 있다.
부피 유사도 결정부(103)는, 평면상품 랜더링공간들의 부피 및 평면구조물 랜더링공간들의 부피를 이용해 제4 벡터를 생성할 수 있다. 일 실시예에서, 제4 벡터는, 평면상품 랜더링공간들의 부피 및 평면구조물 랜더링공간들의 부피를 각각의 차원값으로 갖는 다차원벡터일 수 있다. 부피 유사도 결정부(103)는, 가상공간들 각각의 제4 벡터를 생성할 수 있다.
부피 유사도 결정부(103)는, 제3 벡터와 제4 벡터의 코사인유사도를 이용하여 가상공간들 각각의 평면부피 유사도를 결정할 수 있다.
부피 유사도 결정부(103)는, 아래의 수학식 2를 이용하여 가상공간들 각각의 평면부피 유사도를 결정할 수 있다.
상기의 수학식 2에서 S2는 부피 유사도를 의미하고, A2은 제3 벡터를 의미하며, B2는 제4 벡터를 의미한다. 제3 벡터와 제4 벡터 사이의 각도가 작을수록 평면부피 유사도가 증가될 수 있다.
부피 유사도 결정부(103)는, 벽면상품들의 부피 및 벽면구조물들의 부피와 가상공간들 각각에 포함되는 벽면상품 랜더링공간들의 부피 벽면구조물 랜더링공간들의 부피를 이용하여 가상공간들 각각의 벽면부피 유사도를 결정한다(S620).
일 실시예에서, 부피 유사도 결정부(103)는, 벽면상품 랜더링정보를 이용해 사용자가 가상공간의 벽면 상에 배치하려는 상품들의 전체 부피를 결정할 수 있다. 일 실시예에서, 상품들의 전체 부피는 가상공간에서 상품들을 포함하는 육면체들의 부피의 합일 수 있다.
일 실시예에서, 부피 유사도 결정부(103)는, 벽면구조물 랜더링정보를 이용해 사용자가 가상공간의 벽면 상에서 배치하려는 구조물들의 전체 부피를 결정할 수 있다. 일 실시예에서, 구조물들의 전체 부피는 가상공간에서 구조물들을 포함하는 육면체들의 부피의 합일 수 있다.
서비스 제공 장치(100)의 데이터베이스에는 가상공간과 복수의 벽면상품 랜더링공간들 및 복수의 벽면구조물 랜더링공간들이 미리 매칭되어 저장된다. 일 실시예에서, 벽면상품 랜더링공간들은 가상공간의 벽면 상에 상품들이 랜더링될 수 있도록 미리 설정된 복수의 육면체 공간들을 의미한다. 일 실시예에서, 벽면구조물 랜더링공간들은 가상공간의 벽면 상에 구조물들이 랜더링될 수 있도록 미리 설정된 복수의 육면체 공간들을 의미한다.
일 실시예에서, 부피 유사도 결정부(103)는, 벽면상품 랜더링공간들의 부피 및 벽면구조물 랜더링공간들의 부피를 결정할 수 있다.
부피 유사도 결정부(103)는, 벽면상품들의 부피 및 벽면구조물들의 부피를 이용해 제5 벡터를 생성할 수 있다. 일 실시예에서, 제5 벡터는, 벽면상품들의 부피 및 벽면구조물들의 부피를 각각의 차원값으로 갖는 다차원벡터일 수 있다.
부피 유사도 결정부(103)는, 벽면상품 랜더링공간들의 부피 및 벽면구조물 랜더링공간들의 부피를 이용해 제6 벡터를 생성할 수 있다. 일 실시예에서, 제6 벡터는, 벽면상품 랜더링공간들의 부피 및 벽면구조물 랜더링공간들의 부피를 각각의 차원값으로 갖는 다차원벡터일 수 있다. 부피 유사도 결정부(103)는, 가상공간들 각각의 제6 벡터를 생성할 수 있다.
부피 유사도 결정부(103)는, 제5 벡터와 제6 벡터의 코사인유사도를 이용하여 가상공간들 각각의 벽면부피 유사도를 결정할 수 있다.
부피 유사도 결정부(103)는, 아래의 수학식 3를 이용하여 가상공간들 각각의 벽면부피 유사도를 결정할 수 있다.
상기의 수학식 3에서 S3은 부피 유사도를 의미하고, A3은 제5 벡터를 의미하며, B3는 제6 벡터를 의미한다. 제5 벡터와 제6 벡터 사이의 각도가 작을수록 벽면부피 유사도가 증가될 수 있다.
부피 유사도 결정부(103)는, 평면부피 유사도 및 벽면부피 유사도를 이용하여 가상공간들 각각의 부피 유사도를 결정한다(S630).
일 실시예에서, 부피 유사도 결정부(103)는, 평면부피 유사도가 클수록 상대적으로 큰 값을 부피 유사도로 결정할 수 있다. 일 실시예에서, 부피 유사도 결정부(103)는, 벽면부피 유사도가 클수록 상대적으로 큰 값을 부피 유사도로 결정할 수 있다. 일 실시예에서, 부피 유사도 결정부(103)는, 평면부피 유사도 및 벽면부피 유사도의 평균 값을 부피 유사도로 결정할 수 있다.
다시 도 3을 참조하면, 추천가상공간 결정부(104)는, 면적 유사도, 배치 유사도 및 부피 유사도를 이용하여 가상공간들 각각의 추천도를 결정하고, 추천도가 미리 설정된 기준 추천도보다 큰 가상공간을 추천가상공간으로 결정한다(S700). 일 실시예에서, 추천가상공간 결정부(104)는, 추천도가 가장 큰 가상공간을 추천가상공간으로 결정할 수 있다.
일 실시예에서, 추천가상공간 결정부(104)는, 면적 유사도가 클수록 상대적으로 큰 값을 추천도로 결정할 수 있다. 일 실시예에서, 추천가상공간 결정부(104)는, 배치 유사도가 클수록 상대적으로 큰 값을 추천도로 결정할 수 있다. 일 실시예에서, 추천가상공간 결정부(104)는, 부피 유사도가 클수록 상대적으로 큰 값을 추천도로 결정할 수 있다. 일 실시예에서, 추천가상공간 결정부(104)는, 면적 유사도, 배치 유사도 및 부피 유사도의 평균 값을 추천도로 결정할 수 있다.
추천가상공간 결정부(104)는, 추천가상공간과 함께 추천가상공간과 매칭되는 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 사용자 단말(200)에 제공한다(S800).
상품배치 시뮬레이션부(105)는, 사용자 단말(200)로부터 평면상품 배치신호, 평면구조물 배치신호, 벽면상품 배치신호 및 벽면구조물 배치신호를 수신한다(S900).
상품배치 시뮬레이션부(105)는, 평면상품 배치신호, 평면구조물 배치신호, 벽면상품 배치신호 및 벽면구조물 배치신호를 입력할 수 있는 사용자 인터페이스(User Interface)를 사용자 단말(200)에 제공할 수 있다.
일 실시예에서, 평면상품 배치신호는 평면상품 랜더링정보와 평면상품 배치영역을 매칭시키는 정보일 수 있다. 사용자는 평면에 배치하려는 상품들과 가상공간의 평면 상에 상품이 배치될 수 있는 영역을 매칭시킬 수 있다.
일 실시예에서, 평면구조물 배치신호는 평면구조물 랜더링정보와 평면구조물 배치영역을 매칭시키는 정보일 수 있다. 사용자는 평면에 배치하려는 구조물들과 가상공간의 평면 상에 구조물이 배치될 수 있는 영역을 매칭시킬 수 있다.
일 실시예에서, 벽면상품 배치신호는 벽면상품 랜더링정보와 벽면상품 배치영역의 매칭시키는 정보일 수 있다. 사용자는 벽면에 배치하려는 상품들과 가상공간의 벽면 상에 상품이 배치될 수 있는 영역을 매칭시킬 수 있다.
일 실시예에서, 벽면구조물 배치신호는 벽면구조물 랜더링정보와 벽면구조물 배치영역의 매칭시키는 정보일 수 있다. 사용자는 벽면에 배치하려는 구조물들과 가상공간의 벽면 상에 구조물이 배치될 수 있는 영역을 매칭시킬 수 있다.
상품배치 시뮬레이션부(105)는, 평면상품 배치신호, 평면구조물 배치신호, 벽면상품 배치신호 및 벽면구조물 배치신호를 이용하여 3차원 상품이미지 배치 시뮬레이션을 수행한다(S1000).
상품배치 시뮬레이션부(105)는, 평면상품 배치신호에 따라 매칭된 상품과 평면상품 랜더링공간의 부피를 비교하고, 부피가 평면상품 랜더링공간의 부피 이하인 상품을 제1 평면배치상품으로 결정하고, 부피가 평면상품 랜더링공간의 부피보다 큰 상품을 제2 평면배치상품으로 결정한다.
상품배치 시뮬레이션부(105)는, 평면구조물 배치신호에 따라 매칭된 구조물과 평면구조물 랜더링공간의 부피를 비교하고, 부피가 평면구조물 랜더링공간의 부피 이하인 구조물을 제1 평면배치구조물로 결정하고, 부피가 평면구조물 랜더링공간의 부피보다 큰 구조물을 제2 평면배치구조물로 결정한다.
상품배치 시뮬레이션부(105)는, 벽면상품 배치신호에 따라 매칭된 상품과 벽면상품 랜더링공간의 부피를 비교하고, 부피가 벽면상품 랜더링공간의 부피 이하인 상품을 제1 벽면배치상품으로 결정하고, 부피가 벽면상품 랜더링공간의 부피보다 큰 상품을 제2 벽면배치상품으로 결정한다.
상품배치 시뮬레이션부(105)는, 벽면구조물 배치신호에 따라 매칭된 구조물과 벽면구조물 랜더링공간의 부피를 비교하고, 부피가 벽면구조물 랜더링공간의 부피 이하인 구조물을 제1 벽면배치구조물로 결정하고, 부피가 벽면구조물 랜더링공간의 부피보다 큰 구조물을 제2 벽면배치구조물로 결정한다.
이를 통해, 미리 설정된 랜더링공간에 랜더링될 수 있는 상품들 및 구조물들과 미리 설정된 랜더링공간에 랜더링될 수 없는 상품들 및 구조물들이 분류될 수 있다.
비용 산출부(106)는, 제1 평면배치상품들의 개수, 제1 평면배치구조물들의 개수, 제1 벽면배치상품들의 개수 및 제1 벽면배치구조물들의 개수를 이용해 제1 비용을 결정할 수 있고, 제2 평면배치상품들의 개수, 제2 평면배치구조물들의 개수, 제2 벽면배치상품들의 개수 및 제2 벽면배치구조물들의 개수를 이용해 제2 비용을 결정할 수 있다. 제1 비용은, 미리 설정된 랜더링공간에 랜더링될 수 있는 상품들 및 구조물들의 랜더링비용을 의미하고, 제2 비용은, 미리 설정된 랜더링공간에 랜더링될 수 없는 상품들 및 구조물들의 랜더링비용을 의미한다.
비용 산출부(106)는, 제1 평면배치상품들의 개수, 제1 평면배치구조물들의 개수, 제1 벽면배치상품들의 개수 및 제1 벽면배치구조물들의 개수의 합에 제1 랜더링비용을 곱한 값을 제1 비용으로 결정할 수 있다.
비용 산출부(106)는, 제2 평면배치상품들의 개수, 제2 평면배치구조물들의 개수, 제2 벽면배치상품들의 개수 및 제2 벽면배치구조물들의 개수의 합에 제2 랜더링비용을 곱한 값을 제2 비용으로 결정할 수 있다. 제2 비용은 제1 비용보다 큰 값으로 설정될 수 있다.
비용 산출부(106)는, 제1 비용 및 제2 비용의 합을 전체 비용으로 결정하고, 전체 ㅂ용을 사용자 단말(200)에 제공한다(S1200).
사용자 단말(200)로부터 승낙신호가 수신되면, 비용 산출부(106)는, 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보, 벽면구조물 랜더링정보, 평면상품 배치신호, 평면구조물 배치신호, 벽면상품 배치신호 및 벽면구조물 배치신호를 이용해 추천가상공간에 상품들 및 구조물들을 랜더링하여 사용자 가상공간을 생성한다(S1400).
도 7은 도 1에 따른 서비스 제공 장치(100)의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 7을 참조하면, 서비스 제공 장치(100)는, 적어도 하나의 프로세서(110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
상기 적어도 하나의 동작은 전술한 서비스 제공 장치(100)의 구성부들(101~106)이나 기타 기능 또는 동작 방법을 포함할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다.
예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 장치(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.
장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
도 8은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다. 도 9는 도 8에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다. 도 10은 도 8에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다. 도 11은 도 8에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
이하에서는 서비스 제공 장치(100)와 단말(200) 및 기지국 사이의 통신을 지원하는 무선 통신 네트워크 시스템의 일례를 구체적으로 예를 들어 설명하며 이러한 서비스 제공 장치(100)와 단말(200)은 설명의 편의상 노드나 단말로 혼용하여 지칭될 수 있다. 다음 설명에서, 제1 노드(장치)는 앵커/도너 노드 또는 앵커/도너 노드의 CU(centralized unit) 일 수 있고, 제2 노드(장치)는 앵커/도너 노드 또는 릴레이 노드의 DU(distributed unit) 일 수 있다.
무선 통신 시스템에서 무선 채널을 사용하는 노드의 일부로 기지국(base station, BS), 단말, 서버 등이 포함될 수 있다.
기지국은 단말에 무선 액세스를 제공하는 네트워크 인프라이다. 기지국은 신호가 전송될 수 있는 거리에 따라 소정의 지리적 영역으로 정의된 커버리지를 갖는다.
기지국은 "기지국"과 마찬가지로 "액세스 포인트(access point, AP)", "이노드비(enodeb, eNB)", "5 세대(5th generation, 5G) 노드", "무선 포인트(wireless point)", "송/수신 포인트(transmission/reception point, TRP)" 지칭될 수 있다.
기지국, 단말은 밀리미터 파(millimeter wave, mmWave) 대역(예: 28GHz, 30GHz, 38GHz, 60GHz)으로 무선 신호를 송수신할 수 있다. 이때, 채널 이득 향상을 위해 기지국, 단말은 빔포밍을 수행할 수 있다. 빔포밍은 송신 빔포밍 및 수신 빔포밍을 포함할 수 있다. 즉, 기지국, 단말은 송신 신호와 수신 신호에 지향성을 부여할 수 있다. 이를 위해 기지국, 단말은 빔 탐색 절차 또는 빔 관리 절차를 통해 서빙 빔을 선택할 수 있다. 그 후, 통신은 서빙 빔을 운반하는 자원과 준 동일위치(quasi co-located) 관계에 있는 자원을 사용하여 수행될 수 있다.
첫 번째 안테나 포트 및 두 번째 안테나 포트는 첫 번째 안테나 포트의 심볼이 전달되는 채널의 대규모 속성이 두 번째 안테나 포트의 심볼이 전달되는 채널에서 유추될 수 있는 경우 준 동일위치 위치에 있는 것으로 간주된다. 대규모 속성은 지연 확산, 도플러 확산, 도플러 시프트, 평균 이득, 평균 지연 및 공간 Rx 파라미터 중 하나 이상을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 기지국을 예시한다. 이하에서 사용되는 "-모듈(module)", "-부(unit)"또는 "-er"라는 용어는 적어도 하나의 기능 또는 동작을 처리하는 유닛을 의미할 수 있으며, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다.
기지국은 무선 통신 인터페이스, 백홀 통신 인터페이스, 저장부(storage unit 및 컨트롤러을 포함할 수 있다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스는 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스은 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스은 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
또한, 무선 통신 인터페이스는 베이스 대역 신호를 RF(Radio Frequency) 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 베이스 대역 신호로 하향 변환한다. 이를 위해, 무선 통신 인터페이스은 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다.
하드웨어 측면에서 무선 통신 인터페이스는 디지털 유닛과 아날로그 유닛을 포함할 수 있고, 아날로그 유닛은 동작 전력, 동작 주파수 등에 따라 복수의 서브 유닛을 포함할 수 있다. 디지털 유닛은 적어도 하나의 프로세서(예를 들어, 디지털 신호 프로세서(digital signal processor, DSP))로 구현될 수 있다.
무선 통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 무선 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 무선 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
백홀 통신 인터페이스는 네트워크 내의 다른 노드와 통신을 수행하기위한 인터페이스를 제공한다. 즉, 백홀 통신 인터페이스는 다른 노드로 전송되는 비트 스트림을 변환하고, 예를 들어, 다른 액세스 노드, 다른 기지국, 상위 노드 또는 기지국으로부터의 코어 네트워크는 물리적 신호로, 다른 노드로부터 수신된 물리적 신호를 비트 스트림으로 변환한다.
저장부는 기본 프로그램, 어플리케이션, 기지국의 동작을 위한 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다.
컨트롤러는 기지국의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 무선 통신 인터페이스 또는 백홀 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 무선 통신 인터페이스에 포함될 수 있다. 이를 위해 컨트롤러는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예에 따르면 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 기지국을 제어할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 도너 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 상기 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 상기 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 릴레이 노드로 전송하도록 구성되고; 상기 릴레이 노드로부터 상기 단말에 대한 복수의 라디오 베어러에 관한 상기 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 수신하고; 단말에 대한 데이터를 릴레이 노드로 전송할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 릴레이 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 도너 노드로부터, 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 수신하도록 구성되고; 단말에 대한 복수의 라디오 베어러에 관한 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 도너 노드로 전송하고; 도너 노드로부터 단말기에 대한 데이터를 수신할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 단말의 구성요소를 도시한다. 이하에서는 설명하는 단말의 구성요소는 무선 통신 시스템에서 지원하는 범용적인 단말의 구성요소로서 전술한 내용들에 따른 단말의 구성요소와 병합되거나 통합될 수 있고, 일부 중첩되거나 상충되는 범위에서 앞서 도면을 참조하여 설명한 내용이 우선적용되는 것으로 해석될 수 있다. 이하에서 사용되는 "-모듈", "-유닛"또는 "-er"라는 용어는 적어도 하나의 기능을 처리하는 유닛을 의미할 수 있다.
단말은 통신 인터페이스, 저장부 및 컨트롤러를 포함한다.
통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행한다. 예를 들어, 데이터 전송에서 통신 인터페이스는 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신시 통신 인터페이스는 베이스 대역 신호를 복조 및 복호화하여 수신 비트 스트림을 재구성한다. 또한, 통신 인터페이스는 베이스 대역 신호를 RF 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 기저 대역 신호로 하향 변환한다. 예를 들어, 통신 인터페이스는 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다.
또한, 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다. 하드웨어 측에서 무선 통신 인터페이스는 디지털 회로 및 아날로그 회로(예를 들어, radio frequency integrated circuit, RFIC)를 포함할 수 있다. 디지털 회로는 적어도 하나의 프로세서(예: DSP)로 구현될 수 있다. 통신 인터페이스는 복수의 RF 체인을 포함할 수 있다. 통신 인터페이스는 빔포밍을 수행할 수 있다.
통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
저장부는 단말기의 동작을 위한 기본 프로그램, 어플리케이션, 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다. 또한, 저장부는 컨트롤러의 요청에 따라 저장된 데이터를 제공한다.
컨트롤러는 단말의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 통신 인터페이스에 포함될 수 있다. 이를 위해, 컨트롤러는 적어도 하나의 프로세서 또는 마이크로 프로세서를 포함하거나 프로세서의 일부를 재생할 수 있다. 또한, 통신 인터페이스 또는 컨트롤러의 일부를 통신 프로세서(communication processor, CP)라고 할 수 있다.
본 발명의 일 실시 예에 따르면, 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 단말을 제어할 수 있다.
이하에서는 무선 통신 시스템에서 통신 인터페이스를 예시한다.
통신 인터페이스는 인코딩 및 변조 회로, 디지털 빔포밍 회로, 복수의 전송 경로 및 아날로그 빔포밍 회로를 포함한다.
인코딩 및 변조 회로는 채널 인코딩을 수행한다. 채널 인코딩을 위해 low-density parity check(LDPC) 코드, 컨볼루션 코드 및 폴라 코드 중 적어도 하나가 사용될 수 있다. 인코딩 및 변조 회로는 성상 매핑(constellation mapping)을 수행함으로써 변조 심볼을 생성한다.
디지털 빔포밍 회로는 디지털 신호(예를 들어, 변조 심볼)에 대한 빔 형성을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 변조 심볼을 다중화한다. 빔포밍 가중치는 신호의 크기 및 문구를 변경하는데 사용될 수 있으며, "프리코딩 매트릭스(precoding matrix)"또는 "프리코더(precoder)"라고 할 수 있다. 디지털 빔포밍 회로는 디지털 빔포밍된 변조 심볼을 복수의 전송 경로로 출력한다. 이때, 다중 안테나 기술(multiple input multiple output, MIMO) 전송 방식에 따라 변조 심볼이 다중화 되거나 동일한 변조 심볼이 복수의 전송 경로에 제공될 수 있다.
복수의 전송 경로는 디지털 빔포밍된 디지털 신호를 아날로그 신호로 변환한다. 이를 위해, 복수의 전송 경로 각각은 인버스 고속 푸리에 변환(inverse fast fourier transform, IFFT) 계산 유닛, 순환 전치(cyclic prefix, CP) 삽입 유닛, DAC 및 상향 변환 유닛을 포함할 수 있다. CP 삽입 부는 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM) 방식을 위한 것으로 다른 물리 계층 방식(예: 필터 뱅크 다중 반송파(a filter bank multi-carrier): FBMC) 적용시 생략될 수 있다. 즉, 복수의 전송 경로는 디지털 빔포밍을 통해 생성된 복수의 스트림에 대해 독립적인 신호 처리 프로세스를 제공한다. 그러나, 구현에 따라 복수의 전송 경로의 일부 요소는 공통적으로 사용될 수 있다.
아날로그 빔포밍 회로는 아날로그 신호에 대한 빔포밍을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 아날로그 신호를 다중화한다. 빔포밍된 가중치는 신호의 크기와 문구를 변경하는데 사용된다. 보다 구체적으로, 복수의 전송 경로와 안테나 사이의 연결 구조에 따라, 아날로그 빔포밍 회로는 다양한 방식으로 구성될 수 있다. 예를 들어, 복수의 전송 경로 각각은 하나의 안테나 어레이에 연결될 수 있다. 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 연결될 수 있다. 또 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 적응적으로 연결될 수 있거나 2개 이상의 안테나 어레이에 연결될 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 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.
Claims (9)
- 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 장치로서,
상기 장치는,
적어도 하나의 프로세서(processor); 및
상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
상기 적어도 하나의 동작은,
사용자의 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작;
상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작;
상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작;
상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작;
상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작;
상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5 부피, 평면구조물 랜더링공간들의 제6 부피, 벽면상품 랜더링공간들의 제7 부피 및 벽면구조물 랜더링공간들의 제8 부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작;
상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및
상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함하고,
상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작은,
상기 평면전시면적 및 상기 벽면전시면적을 이용해 제1 벡터를 생성하는 동작;
상기 평면랜더링면적 및 상기 벽면랜더링면적을 이용해 상기 가상공간들 각각의 제2 벡터를 생성하는 동작;
상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 상기 면적 유사도를 결정하는 동작;
상기 평면상품 배치영역 및 상기 평면구조물 배치영역을 미리 학습된 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 제1 평면클래스를 획득하는 동작;
상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역을 미리 학습된 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 제1 벽면클래스를 획득하는 동작;
상기 가상공간들 각각의 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역을 상기 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 상기 가상공간들 각각의 제2 평면클래스를 획득하는 동작;
상기 가상공간들 각각의 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역을 상기 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 상기 가상공간들 각각의 제2 벽면클래스를 획득하는 동작; 및
상기 제1 평면클래스, 상기 제1 벽면클래스, 상기 제2 평면클래스 및 상기 제2 벽면클래스를 미리 학습된 제3 인공신경망에 입력 값으로 입력하고, 상기 제3 인공신경망으로부터 상기 가상공간들 각각의 상기 배치 유사도를 획득하는 동작을 포함하며,
상기 제1 인공신경망은,
상기 평면상품 배치영역 및 상기 평면상품 랜더링영역으로부터 제1 특징벡터를 획득하고, 상기 평면구조물 배치영역 및 상기 평면구조물 랜더링영역으로부터 제2 특징벡터를 획득하며, 상기 제1 특징벡터 및 상기 제2 특징벡터를 이용해 상기 평면상품 배치영역 및 상기 평면구조물 배치영역과 대응하는 상기 제1 평면클래스 및 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역과 대응하는 상기 제2 평면클래스를 결정하도록 기계학습되고,
상기 제2 인공신경망은,
상기 벽면상품 배치영역 및 상기 벽면상품 랜더링영역으로부터 제3 특징벡터를 획득하고, 상기 벽면구조물 배치영역 및 상기 벽면구조물 랜더링영역으로부터 제4 특징벡터를 획득하며, 상기 제3 특징벡터 및 상기 제4 특징벡터를 이용해 상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역과 대응하는 상기 제1 벽면클래스 및 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역과 대응하는 상기 제2 벽면클래스를 결정하도록 기계학습되고,
상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작은,
상기 제1 부피 및 상기 제2 부피를 이용해 상기 제1 벡터를 생성하는 동작;
상기 제5 부피 및 상기 제6 부피를 이용해 상기 가상공간들 각각의 상기 제2 벡터를 생성하는 동작;
상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 평면부피 유사도를 결정하는 동작;
상기 제3 부피 및 상기 제4 부피를 이용해 제3 벡터를 생성하는 동작;
상기 제7 부피 및 상기 제8 부피를 이용해 상기 가상공간들 각각의 제4 벡터를 생성하는 동작;
상기 제3 벡터 및 상기 제4 벡터를 이용해 상기 가상공간들 각각의 벽면부피 유사도를 결정하는 동작; 및
상기 평면부피 유사도 및 상기 벽면부피 유사도를 이용해 상기 가상공간들 각각의 상기 부피 유사도를 결정하는 동작을 포함하고,
상기 제1 벡터는, 상기 평면전시면적 및 상기 벽면전시면적 각각을 차원값으로 갖는 다차원벡터이고,
상기 제2 벡터는, 상기 평면랜더링면적 및 상기 벽면랜더링면적 각각을 차원값으로 갖는 다차원벡터인,
장치. - 삭제
- 삭제
- 삭제
- 삭제
- 장치에 의해 수행되는 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 동작 방법으로서,
사용자의 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작;
상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작;
상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작;
상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작;
상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작;
상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5 부피, 평면구조물 랜더링공간들의 제6 부피, 벽면상품 랜더링공간들의 제7 부피 및 벽면구조물 랜더링공간들의 제8 부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작;
상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및
상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함하고,
상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작은,
상기 평면전시면적 및 상기 벽면전시면적을 이용해 제1 벡터를 생성하는 동작;
상기 평면랜더링면적 및 상기 벽면랜더링면적을 이용해 상기 가상공간들 각각의 제2 벡터를 생성하는 동작;
상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 상기 면적 유사도를 결정하는 동작;
상기 평면상품 배치영역 및 상기 평면구조물 배치영역을 미리 학습된 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 제1 평면클래스를 획득하는 동작;
상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역을 미리 학습된 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 제1 벽면클래스를 획득하는 동작;
상기 가상공간들 각각의 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역을 상기 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 상기 가상공간들 각각의 제2 평면클래스를 획득하는 동작;
상기 가상공간들 각각의 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역을 상기 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 상기 가상공간들 각각의 제2 벽면클래스를 획득하는 동작; 및
상기 제1 평면클래스, 상기 제1 벽면클래스, 상기 제2 평면클래스 및 상기 제2 벽면클래스를 미리 학습된 제3 인공신경망에 입력 값으로 입력하고, 상기 제3 인공신경망으로부터 상기 가상공간들 각각의 상기 배치 유사도를 획득하는 동작을 포함하며,
상기 제1 인공신경망은,
상기 평면상품 배치영역 및 상기 평면상품 랜더링영역으로부터 제1 특징벡터를 획득하고, 상기 평면구조물 배치영역 및 상기 평면구조물 랜더링영역으로부터 제2 특징벡터를 획득하며, 상기 제1 특징벡터 및 상기 제2 특징벡터를 이용해 상기 평면상품 배치영역 및 상기 평면구조물 배치영역과 대응하는 상기 제1 평면클래스 및 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역과 대응하는 상기 제2 평면클래스를 결정하도록 기계학습되고,
상기 제2 인공신경망은,
상기 벽면상품 배치영역 및 상기 벽면상품 랜더링영역으로부터 제3 특징벡터를 획득하고, 상기 벽면구조물 배치영역 및 상기 벽면구조물 랜더링영역으로부터 제4 특징벡터를 획득하며, 상기 제3 특징벡터 및 상기 제4 특징벡터를 이용해 상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역과 대응하는 상기 제1 벽면클래스 및 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역과 대응하는 상기 제2 벽면클래스를 결정하도록 기계학습되고,
상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작은,
상기 제1 부피 및 상기 제2 부피를 이용해 상기 제1 벡터를 생성하는 동작;
상기 제5 부피 및 상기 제6 부피를 이용해 상기 가상공간들 각각의 상기 제2 벡터를 생성하는 동작;
상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 평면부피 유사도를 결정하는 동작;
상기 제3 부피 및 상기 제4 부피를 이용해 제3 벡터를 생성하는 동작;
상기 제7 부피 및 상기 제8 부피를 이용해 상기 가상공간들 각각의 제4 벡터를 생성하는 동작;
상기 제3 벡터 및 상기 제4 벡터를 이용해 상기 가상공간들 각각의 벽면부피 유사도를 결정하는 동작; 및
상기 평면부피 유사도 및 상기 벽면부피 유사도를 이용해 상기 가상공간들 각각의 상기 부피 유사도를 결정하는 동작을 포함하고,
상기 제1 벡터는, 상기 평면전시면적 및 상기 벽면전시면적 각각을 차원값으로 갖는 다차원벡터이고,
상기 제2 벡터는, 상기 평면랜더링면적 및 상기 벽면랜더링면적 각각을 차원값으로 갖는 다차원벡터인,
동작 방법. - 제6항에 따른 동작 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체.
- 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 장치에서, 제6항에 따른 동작 방법을 실행시키기 위하여 비일시적 기록매체에 기록된 컴퓨터 프로그램.
- 사용자 맞춤형 가상공간 생성 서비스를 제공하기 위한 시스템으로서,
장치에 추천가상공간 결정을 위한 정보를 제공하는 사용자 단말; 및
상기 추천가상공간을 결정하는 장치를 포함하되,
상기 장치는,
적어도 하나의 프로세서(processor); 및
상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
상기 적어도 하나의 동작은,
상기 사용자 단말로부터 평면전시면적 및 벽면전시면적을 수신하는 동작;
상기 평면전시면적 및 상기 벽면전시면적과 복수의 가상공간들 각각의 평면랜더링면적 및 벽면랜더링면적을 이용해 상기 가상공간들 각각과 대응하는 면적 유사도를 결정하는 동작;
상기 사용자 단말로부터 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역을 수신하는 동작;
상기 평면상품 배치영역, 평면구조물 배치영역, 벽면상품 배치영역 및 벽면구조물 배치영역과 상기 가상공간들 각각의 평면상품 랜더링영역, 평면구조물 랜더링영역, 벽면상품 랜더링영역 및 벽면구조물 랜더링영역을 이용해 상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작;
상기 사용자 단말로부터 수신된 평면상품 랜더링정보, 평면구조물 랜더링정보, 벽면상품 랜더링정보 및 벽면구조물 랜더링정보를 이용해 평면상품들의 제1 부피, 평면구조물들의 제2 부피, 벽면상품들의 제3 부피 및 벽면구조물들의 제4 부피를 결정하는 동작;
상기 제1 부피, 상기 제2 부피, 상기 제3 부피 및 상기 제4 부피와 상기 가상공간들 각각의 평면상품 랜더링공간들의 제5 부피, 평면구조물 랜더링공간들의 제6 부피, 벽면상품 랜더링공간들의 제7 부피 및 벽면구조물 랜더링공간들의 제8 부피를 이용해 상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작;
상기 면적 유사도, 상기 배치 유사도 및 상기 부피 유사도를 이용하여 상기 가상공간들 각각과 대응하는 추천도를 결정하는 동작; 및
상기 추천도가 가장 큰 상기 가상공간을 추천가상공간으로 결정하는 동작을 포함하고,
상기 가상공간들 각각과 대응하는 배치 유사도를 결정하는 동작은,
상기 평면전시면적 및 상기 벽면전시면적을 이용해 제1 벡터를 생성하는 동작;
상기 평면랜더링면적 및 상기 벽면랜더링면적을 이용해 상기 가상공간들 각각의 제2 벡터를 생성하는 동작;
상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 상기 면적 유사도를 결정하는 동작;
상기 평면상품 배치영역 및 상기 평면구조물 배치영역을 미리 학습된 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 제1 평면클래스를 획득하는 동작;
상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역을 미리 학습된 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 제1 벽면클래스를 획득하는 동작;
상기 가상공간들 각각의 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역을 상기 제1 인공신경망에 입력 값으로 입력하고, 상기 제1 인공신경망으로부터 상기 가상공간들 각각의 제2 평면클래스를 획득하는 동작;
상기 가상공간들 각각의 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역을 상기 제2 인공신경망에 입력 값으로 입력하고, 상기 제2 인공신경망으로부터 상기 가상공간들 각각의 제2 벽면클래스를 획득하는 동작; 및
상기 제1 평면클래스, 상기 제1 벽면클래스, 상기 제2 평면클래스 및 상기 제2 벽면클래스를 미리 학습된 제3 인공신경망에 입력 값으로 입력하고, 상기 제3 인공신경망으로부터 상기 가상공간들 각각의 상기 배치 유사도를 획득하는 동작을 포함하며,
상기 제1 인공신경망은,
상기 평면상품 배치영역 및 상기 평면상품 랜더링영역으로부터 제1 특징벡터를 획득하고, 상기 평면구조물 배치영역 및 상기 평면구조물 랜더링영역으로부터 제2 특징벡터를 획득하며, 상기 제1 특징벡터 및 상기 제2 특징벡터를 이용해 상기 평면상품 배치영역 및 상기 평면구조물 배치영역과 대응하는 상기 제1 평면클래스 및 상기 평면상품 랜더링영역 및 상기 평면구조물 랜더링영역과 대응하는 상기 제2 평면클래스를 결정하도록 기계학습되고,
상기 제2 인공신경망은,
상기 벽면상품 배치영역 및 상기 벽면상품 랜더링영역으로부터 제3 특징벡터를 획득하고, 상기 벽면구조물 배치영역 및 상기 벽면구조물 랜더링영역으로부터 제4 특징벡터를 획득하며, 상기 제3 특징벡터 및 상기 제4 특징벡터를 이용해 상기 벽면상품 배치영역 및 상기 벽면구조물 배치영역과 대응하는 상기 제1 벽면클래스 및 상기 벽면상품 랜더링영역 및 상기 벽면구조물 랜더링영역과 대응하는 상기 제2 벽면클래스를 결정하도록 기계학습되고,
상기 가상공간들 각각과 대응하는 부피 유사도를 결정하는 동작은,
상기 제1 부피 및 상기 제2 부피를 이용해 상기 제1 벡터를 생성하는 동작;
상기 제5 부피 및 상기 제6 부피를 이용해 상기 가상공간들 각각의 상기 제2 벡터를 생성하는 동작;
상기 제1 벡터 및 상기 제2 벡터를 이용해 상기 가상공간들 각각의 평면부피 유사도를 결정하는 동작;
상기 제3 부피 및 상기 제4 부피를 이용해 제3 벡터를 생성하는 동작;
상기 제7 부피 및 상기 제8 부피를 이용해 상기 가상공간들 각각의 제4 벡터를 생성하는 동작;
상기 제3 벡터 및 상기 제4 벡터를 이용해 상기 가상공간들 각각의 벽면부피 유사도를 결정하는 동작; 및
상기 평면부피 유사도 및 상기 벽면부피 유사도를 이용해 상기 가상공간들 각각의 상기 부피 유사도를 결정하는 동작을 포함하고,
상기 제1 벡터는, 상기 평면전시면적 및 상기 벽면전시면적 각각을 차원값으로 갖는 다차원벡터이고,
상기 제2 벡터는, 상기 평면랜더링면적 및 상기 벽면랜더링면적 각각을 차원값으로 갖는 다차원벡터인,
시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230109678A KR20230170607A (ko) | 2022-06-10 | 2023-08-22 | 면적, 배치, 및 부피 기반으로 사용자 맞춤형 가상공간을 추천하기 위한 장치, 시스템, 방법 및 프로그램 |
| KR1020230109676A KR20230170606A (ko) | 2022-06-10 | 2023-08-22 | 사용자 맞춤형 가상공간 생성과 공간 시뮬레이션 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220070708 | 2022-06-10 | ||
| KR20220070708 | 2022-06-10 | ||
| KR1020220071309 | 2022-06-13 | ||
| KR20220071309 | 2022-06-13 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230109678A Division KR20230170607A (ko) | 2022-06-10 | 2023-08-22 | 면적, 배치, 및 부피 기반으로 사용자 맞춤형 가상공간을 추천하기 위한 장치, 시스템, 방법 및 프로그램 |
| KR1020230109676A Division KR20230170606A (ko) | 2022-06-10 | 2023-08-22 | 사용자 맞춤형 가상공간 생성과 공간 시뮬레이션 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102601196B1 true KR102601196B1 (ko) | 2023-11-13 |
Family
ID=88746585
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220071507A KR102601196B1 (ko) | 2022-06-10 | 2022-06-13 | 사용자 맞춤형 가상공간 생성 서비스 제공 장치, 시스템, 방법 및 프로그램 |
| KR1020230109678A KR20230170607A (ko) | 2022-06-10 | 2023-08-22 | 면적, 배치, 및 부피 기반으로 사용자 맞춤형 가상공간을 추천하기 위한 장치, 시스템, 방법 및 프로그램 |
| KR1020230109676A KR20230170606A (ko) | 2022-06-10 | 2023-08-22 | 사용자 맞춤형 가상공간 생성과 공간 시뮬레이션 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230109678A KR20230170607A (ko) | 2022-06-10 | 2023-08-22 | 면적, 배치, 및 부피 기반으로 사용자 맞춤형 가상공간을 추천하기 위한 장치, 시스템, 방법 및 프로그램 |
| KR1020230109676A KR20230170606A (ko) | 2022-06-10 | 2023-08-22 | 사용자 맞춤형 가상공간 생성과 공간 시뮬레이션 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR102601196B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102649178B1 (ko) | 2024-01-10 | 2024-03-19 | 주식회사 커넥트코리아 | 사용자 맞춤형 인테리어 디자인 제공 방법, 장치 및 시스템 |
| KR102652446B1 (ko) | 2023-12-29 | 2024-03-28 | 주식회사 커넥트코리아 | 주택 데이터 기반 가상 공간 생성 방법, 장치 및 시스템 |
| KR102658273B1 (ko) | 2024-01-16 | 2024-04-18 | 주식회사 커넥트코리아 | 실내 디자인을 기반으로 인테리어를 생성하는 방법, 장치 및 시스템 |
| KR102664237B1 (ko) | 2024-01-05 | 2024-05-08 | 주식회사 커넥트코리아 | 가상 공간을 활용한 가구 배치 방법, 장치 및 시스템 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210114365A (ko) * | 2017-10-31 | 2021-09-23 | 에스케이텔레콤 주식회사 | 가상 공간 제공 방법 및 장치 |
| KR20220017673A (ko) * | 2020-08-05 | 2022-02-14 | 라온피플 주식회사 | 딥러닝 기반 클래스 분류 장치 및 방법 |
| KR20220043653A (ko) * | 2020-09-29 | 2022-04-05 | (주)죠니랩 | 가상현실 기반 인테리어 시뮬레이션 시스템 및 방법 |
-
2022
- 2022-06-13 KR KR1020220071507A patent/KR102601196B1/ko active IP Right Grant
-
2023
- 2023-08-22 KR KR1020230109678A patent/KR20230170607A/ko unknown
- 2023-08-22 KR KR1020230109676A patent/KR20230170606A/ko unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210114365A (ko) * | 2017-10-31 | 2021-09-23 | 에스케이텔레콤 주식회사 | 가상 공간 제공 방법 및 장치 |
| KR20220017673A (ko) * | 2020-08-05 | 2022-02-14 | 라온피플 주식회사 | 딥러닝 기반 클래스 분류 장치 및 방법 |
| KR20220043653A (ko) * | 2020-09-29 | 2022-04-05 | (주)죠니랩 | 가상현실 기반 인테리어 시뮬레이션 시스템 및 방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102652446B1 (ko) | 2023-12-29 | 2024-03-28 | 주식회사 커넥트코리아 | 주택 데이터 기반 가상 공간 생성 방법, 장치 및 시스템 |
| KR102664237B1 (ko) | 2024-01-05 | 2024-05-08 | 주식회사 커넥트코리아 | 가상 공간을 활용한 가구 배치 방법, 장치 및 시스템 |
| KR102649178B1 (ko) | 2024-01-10 | 2024-03-19 | 주식회사 커넥트코리아 | 사용자 맞춤형 인테리어 디자인 제공 방법, 장치 및 시스템 |
| KR102658273B1 (ko) | 2024-01-16 | 2024-04-18 | 주식회사 커넥트코리아 | 실내 디자인을 기반으로 인테리어를 생성하는 방법, 장치 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230170607A (ko) | 2023-12-19 |
| KR20230170606A (ko) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102601196B1 (ko) | 사용자 맞춤형 가상공간 생성 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102540203B1 (ko) | 쇼호스트 추천기능을 제공하는 라이브 스트리밍 중계 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102405464B1 (ko) | 비대면 온라인 교육 서비스를 제공하는 방법 및 장치 | |
| KR102486487B1 (ko) | 사용자를 위한 상품 제공 방법 | |
| KR102539102B1 (ko) | 반려동물 미용공간 관리 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102385924B1 (ko) | 맞춤형 상품 제공 방법 | |
| KR102590842B1 (ko) | 사용자를 위한 음식점 브랜딩 생성 방법 | |
| KR102524647B1 (ko) | 분양 마케팅 지원 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102560678B1 (ko) | 사용자의 선호도에 기초한 맞춤형 상품 제공 방법 | |
| KR102562358B1 (ko) | 사용자를 위한 광고 대행 방법 | |
| KR102505267B1 (ko) | 빅데이터를 활용한 질병 확산 예측 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102485469B1 (ko) | Nft 기반의 헤어샵 관리 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102528992B1 (ko) | 사용자를 위한 해외 배송 방법 | |
| KR102584567B1 (ko) | 영상을 이용한 부동산 중개 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102478236B1 (ko) | 스마트 카트를 이용한 결제 방법, 프로그램 및 시스템 | |
| KR20230021037A (ko) | 빅데이터를 활용한 질병 확산 예측 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR20220107122A (ko) | 배달 메뉴 공유 플랫폼 | |
| KR20230063299A (ko) | 코팅 장비를 중개하는 방법 및 장치 | |
| KR20230071042A (ko) | 공유 주방 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR20230030597A (ko) | 메타버스 기반의 무역 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR20220059369A (ko) | 무선 통신 시스템에서 빔포머를 제어하기 위한 장치 및 방법 | |
| KR20240015606A (ko) | Aiot를 이용한 스노우멜팅 서비스 제공 장치, 시스템,방법 및 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |