KR102625839B1 - 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치 - Google Patents

뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치 Download PDF

Info

Publication number
KR102625839B1
KR102625839B1 KR1020230114785A KR20230114785A KR102625839B1 KR 102625839 B1 KR102625839 B1 KR 102625839B1 KR 1020230114785 A KR1020230114785 A KR 1020230114785A KR 20230114785 A KR20230114785 A KR 20230114785A KR 102625839 B1 KR102625839 B1 KR 102625839B1
Authority
KR
South Korea
Prior art keywords
metal
virtual space
server
image
information
Prior art date
Application number
KR1020230114785A
Other languages
English (en)
Inventor
한종인
한송희
한규태
이경헌
Original Assignee
주식회사 시원금속
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 주식회사 시원금속 filed Critical 주식회사 시원금속
Priority to KR1020230114785A priority Critical patent/KR102625839B1/ko
Application granted granted Critical
Publication of KR102625839B1 publication Critical patent/KR102625839B1/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
    • G06Q50/10—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
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Graphics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Architecture (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

실시예들은 뉴럴 네트워크(neural network)를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 서버에게 설치 공간에 대한 정보를 포함하는 제1 요청 메시지를 전송하고, 상기 서버에 의해, 상기 설치 공간에 대한 정보를 기반으로 상기 사용자 단말에 대한 3차원 가상 공간이 생성되고, 상기 서버에 의해, 상기 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 인테리어와 관련된 금속 제품의 리스트가 결정되고, 상기 인테리어와 관련된 금속 제품은 금속 창틀, 금속 천장 조명 박스, 금속 마감재, 조명과 관련된 금속 틀, 조명과 관련된 금속 레일 및 금속 렉을 포함하고, 상기 인테리어와 관련된 금속 제품의 리스트는 상기 3차원 가상 공간 상에 배치가 가능한 복수의 금속 제품을 포함하고, 상기 3차원 가상 공간에 접속하기 위한 정보 및 상기 인테리어와 관련된 금속 제품의 리스트를 상기 서버로부터 수신하고, 상기 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택하여 상기 3차원 가상 공간 상에 배치하고, 상기 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것에 기반하여 제2 요청 메시지를 상기 서버에게 전송하고, 상기 서버에 의해, 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 상기 사용자 단말에 의해 금속 제품이 배치된 3차원 가상 공간을 기반으로 제1 가상 이미지가 생성되고, 상기 제1 가상 이미지는 상기 3차원 가상 공간에 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 상기 3차원 가상 공간에 매칭되는 제2 이미지를 합성한 이미지이고, 상기 제1 가상 이미지를 상기 서버로부터 수신하는 단계를 포함할 수 있다.

Description

뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치{METHOD AND APPARATUS FOR ARRANGING METAL PRODUCTS RELATED TO INTERIOR IN A 3D VIRTUAL SPACE BY USING A NEURAL NETWORK}
본 개시의 실시예들은 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치에 대한 것이다.
한편, 인테리어와 관련된 금속 제품을 공간에 설치하기 이전에 주로 2차원 도면이나 제품의 이미지를 활용함으로써, 인테리어에 대한 디자인을 시각화 하여 제공했다. 여기서, 인테리어와 관련된 금속 제품은 금속 재질의 창틀, 금속 재질의 조명 박스, 금속 재질의 패널 및 금속 재질의 선반 등 금속으로 이루어진 다양한 제품을 지칭할 수 있다. 그러나, 이러한 시각화 방법은 현실적인 공간의 느낌과 세부적인 사항을 충분히 사용자에게 제공하지 못하는 문제가 있다. 또한, 2차원 도면이나 제품의 이미지 제공만으로는 공간을 경험적으로 파악하기 어렵기 때문에 사용자는 디자인에 대한 직관적인 이해가 부족할 수 있다.
이에, 3차원 가상 공간에서 인테리어와 관련된 금속 제품에 대한 시뮬레이션을 수행함으로써, 사용자에게 현실적인 공간 경험을 제공하고, 금속 제품의 모양, 재질, 조명 등을 더욱 실제와 유사하게 시각화할 수 있는 방법이 필요하다. 또한, 3차원 모델링을 통해 설치 공간에 대한 레이아웃, 벽면, 천장, 바닥 등을 실제와 유사하게 구현하여 사용자는 다양한 각도에서 시각적인 효과를 확인할 수 있는 방법이 필요하다.
나아가, 설치 공간의 구조나 용도에 따라 인테리어와 관련된 금속 제품을 해당 공간에 설치하기 어려운 케이스가 발생할 수 있다. 특히, 전기의 공급이 필요한 조명을 수용하는 금속 거치 틀이나 금속 레일의 경우, 설치 공간에 전기 공급이 불가능하면, 해당 설치 공간에는 조명과 관련된 금속 제품을 설치하지 못할 수 있다.
따라서, 뉴럴 네트워크를 이용하여 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보로 학습된 제품 결정 모델을 통해 설치 가능한 인테리어와 관련된 금속 제품의 리스트를 결정하고, 인테리어와 관련된 금속 제품의 리스트에 포함된 복수의 금속 제품을 3차원 가상 공간에 배치하는 방법 및 장치가 필요하다.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 사용자 단말이 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법은, 서버에게 설치 공간에 대한 정보를 포함하는 제1 요청 메시지를 전송하고, 상기 서버에 의해, 상기 설치 공간에 대한 정보를 기반으로 상기 사용자 단말에 대한 3차원 가상 공간이 생성되고, 상기 서버에 의해, 상기 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 인테리어와 관련된 금속 제품의 리스트가 결정되고, 상기 인테리어와 관련된 금속 제품은 금속 창틀, 금속 천장 조명 박스, 금속 마감재, 조명과 관련된 금속 틀, 조명과 관련된 금속 레일 및 금속 렉을 포함하고, 상기 인테리어와 관련된 금속 제품의 리스트는 상기 3차원 가상 공간 상에 배치가 가능한 복수의 금속 제품을 포함하고, 상기 3차원 가상 공간에 접속하기 위한 정보 및 상기 인테리어와 관련된 금속 제품의 리스트를 상기 서버로부터 수신하고, 상기 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택하여 상기 3차원 가상 공간 상에 배치하고, 상기 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것에 기반하여 제2 요청 메시지를 상기 서버에게 전송하고, 상기 서버에 의해, 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 상기 사용자 단말에 의해 금속 제품이 배치된 3차원 가상 공간을 기반으로 제1 가상 이미지가 생성되고, 상기 제1 가상 이미지는 상기 3차원 가상 공간에 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 상기 3차원 가상 공간에 매칭되는 제2 이미지를 합성한 이미지이고, 상기 제1 가상 이미지를 상기 서버로부터 수신하는 단계를 포함할 수 있다.
실시예들에 따르면, 서버는 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 인테리어와 관련된 금속 제품의 리스트를 결정하고, 사용자 단말에게 제공함으로써, 사용자 단말은, 설치 공간에 금속 제품이 설치가 가능한지 별도로 문의할 필요 없이, 설치가 가능한 금속 제품을 3차원 공간 상에 배치할 수 있고, 다양한 각도에서 시각적인 효과를 확인할 수 있다.
실시예들에 따르면, 서버는 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 사용자 단말에 의해 금속 제품이 배치된 3차원 가상 공간을 기반으로 제1 가상 이미지를 생성하여 사용자 단말에게 제공함으로써, 사용자 단말은 금속 제품이 설치된 실제 공간과 유사한 이미지를 설치 전에 확인할 수 있다. 이를 통해, 사용자 단말의 사용자는 금속 제품의 설치 시 현실적인 공간의 느낌과 세부적인 사항을 확인할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따라 뉴럴 네트워크(neural network)를 이용하여 사용자 단말이 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법을 나타낸다.
도 4는 일 실시예에 따른 제품 결정 모델에 대한 예를 나타낸 도면이다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 이용하여 사용자 단말이 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법에 대한 신호 교환도이다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시 형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 에지 또는 링크는 뉴럴 네트워크가 원하는 기능의 수행, 사용자 또는 알고리즘에 의해 가변적으로 적용될 수 있는 가중치를 갖는다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따라 뉴럴 네트워크(neural network)를 이용하여 사용자 단말이 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법을 나타낸다. 도 3의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S310에서, 사용자 단말(예: 도 1의 전자 장치(101))은 서버(예: 도 1의 서버(108))에게 설치 공간에 대한 정보를 포함하는 제1 요청 메시지를 전송할 수 있다.
서버는 사용자 단말에 제공한 설치 공간을 3차원 가상 공간으로 구현하고, 구현된 3차원 가상 공간 상에서 인테리어와 관련된 금속 제품을 배치하는 서비스를 제공하는 서버이다. 예를 들어, 서버는 3차원 가상 공간 상에서 배치가 가능한 인테리어와 관련된 금속 제품의 리스트를 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 결정하여, 사용자 단말에게 제공할 수 있다. 예를 들어, 사용자 단말은 3차원 가상 공간에 접속할 수 있는 가상 공간 구현 프로그램 또는 가상 경험 프로그램이 사전 설치될 수 있다.
사용자 단말은 3차원 가상 공간 상에서 인테리어와 관련된 금속 제품을 배치하는 서비스를 이용하는 단말일 수 있다. 예를 들어, 사용자 단말은 가상현실, 증강현실, 혼합현실 및 이들을 포함하는 확장현실 중 적어도 하나의 기술/서비스를 이용할 수 있는 단말을 포함할 수 있다. 예를 들어, 사용자 단말은 도 1의 전자 장치(101)와 연결되어 VR/AR 영상을 출력하는 디스플레이 장치인 헤드마운트 디스플레이(head mounted display, HMD), 구글 글라스 등이 포함될 수 있으며, 이에 한정되는 것은 아니다. 이러한 사용자 단말에는 사용자가 현실감 있는 영상을 체험할 수 있도록 지원하는 각종 장치로서, 종래에 이미 공지되었거나 향후 개발되는 VR/AR/MR/XR 등의 실감 영상의 구현이 가능한 각종 장치가 적용될 수 있다. 예를 들어, 사용자 단말은 사용자에게 착용되어 3차원 가상 공간을 출력하는 장치와 연결된 도 1의 전자 장치(101)일 수 있다. 사용자 단말에 설치된 VR(virtual reality) 기반 가상 공간 서비스를 제공하는 가상 경험 프로그램을 통해 사용자 단말이 3차원 가상 공간에 접속될 수 있다.
제1 요청 메시지는 사용자 단말이 서버에게 3차원 가상 공간의 생성을 요청하는 메시지일 수 있다. 제1 요청 메시지는 설치 공간에 대한 정보 및 사용자 단말의 식별 정보를 포함할 수 있다.
설치 공간에 대한 정보는 도면에 대한 정보, 전기 배선 도면에 대한 정보, 설치 공간에 대한 복수의 이미지 및 설치 공간의 용도에 대한 정보를 포함할 수 있다.
도면에 대한 정보는 평면도, 배치도, 입면도 또는 단면도 중 적어도 하나의 도면 이미지를 포함할 수 있다. 도면 이미지는 각 공간의 위치 및 용도, 각 공간의 크기 및 형태, 각 공간에 포함된 구조물의 용도, 각 공간에 포함된 구조물의 크기 및 형태, 출입구의 위치 및 치수, 치수를 나타내는 선 및 축척을 포함할 수 있다.
전기 배선 도면에 대한 정보는 전기 배선 도면에 대한 이미지를 포함할 수 있고, 전기 장치나 전기 설비의 배선 방식과 관계된 전기 기술 도면으로, 전기 장치 사이의 연결 구조와 배선 구조, 그리고 전기 장치들의 위치와 연결 구조를 나타낼 수 있다.
설치 공간에 대한 복수의 이미지는 설치 공간을 직접 촬영한 이미지일 수 있다.
설치 공간의 용도에 대한 정보는 설치 공간의 용도를 나타내는 값을 포함할 수 있다. 예를 들어, 설치 공간의 용도는 주거 용도 및 상가 용도를 포함하는 상위 카테고리로 분류될 수 있다. 예를 들어, 주거 용도는 현관, 거실, 침실, 화장실, 복도, 주방 및 발코니 등과 같이 하위 카테고리로 분류될 수 있다. 예를 들어, 상가 용도는 회의실, 탕비실, 임원실, 홀, 주방, 창고 및 화장실 등과 같이 하위 카테고리로 분류될 수 있다. 예를 들어, 설치 공간의 용도가 상가 용도이고 회의실인 경우, 설치 공간의 용도를 나타내는 값은 상가 용도 및 회의실에 매칭되는 값으로 결정될 수 있다. 예를 들어, 복수의 설치 공간의 용도를 나타내는 값이 서버 및 사용자 단말에 사전 저장될 수 있다.
사용자 단말의 식별 정보는 사용자 단말의 ID(identifier) 또는 사용자 단말의 국제 휴대전화 식별 번호(international mobile equipment identity) 중 적어도 하나를 포함할 수 있다. 사용자 단말의 ID는 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 서비스에 가입한 ID일 수 있다. 국제 휴대 전화 식별 번호는 제조사가 단말을 제작할 때 부여하는 15자리 숫자로 된 번호이며, 인증기관 고유 번호, 단말 제조사, 모델명 및 단말 일련번호로 구성될 수 있다.
서버는 설치 공간에 대한 정보를 기반으로 사용자 단말에 대한 3차원 가상 공간을 생성할 수 있다. 예를 들어, 서버는 설치 공간에 대한 정보를 기반으로 다양한 기법의 3차원 모델링 기법을 통해 설치 공간에 대한 3차원 가상 공간을 생성할 수 있다.
예를 들어, 서버는 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 인테리어와 관련된 금속 제품의 리스트를 결정할 수 있다. 여기서, 인테리어와 관련된 금속 제품은 금속 창틀, 금속 천장 조명 박스, 금속 마감재, 조명과 관련된 금속 틀, 조명과 관련된 금속 레일 및 금속 렉을 포함할 수 있다. 금속 창틀은 금속 재질의 창문 주변의 프레임일 수 있다. 금속 천장 조명 박스는 천장에 설치되는 조명을 수용하는 박스 형태의 금속 재질로 이루어진 부착물일 수 있다. 금속 마감재는 천장이나 벽 면을 금속 재질로 마감하는 재료일 수 있고, 금속 재질의 패널이나 타일을 포함할 수 있다. 조명과 관련된 금속 틀은 조명을 수용하는 용도로 사용되는 금속 재질로 이루어진 틀일 수 있다. 조명과 관련된 금속 레일은 조명을 거치하기 위한 용도로 사용되는 금속 재질로 이루어진 레일일 수 있다. 금속 렉은 금속 재질로 이루어진 틀, 막대나 선반일 수 있다. 예를 들어, 인테리어와 관련된 금속 제품은 다양한 종류의 금속이 사용될 수 있다.
예를 들어, 인테리어와 관련된 금속 제품의 리스트는 3차원 가상 공간 상에 배치가 가능한 복수의 금속 제품을 포함할 수 있다.
예를 들어, 서버는 설치 공간에 대한 정보에 대해 데이터 전처리를 수행함으로써, 설치 공간 벡터를 생성할 수 있다. 설치 공간 벡터는 설치 공간과 관련된 값, 설치 공간의 전력 공급 영역과 관련된 값 및 설치 공간에 포함된 구조물과 관련된 값을 포함할 수 있다.
설치 공간과 관련된 값은 설치 공간의 면적에 대한 값, 설치 공간의 높이에 대한 값 및 설치 공간의 용도에 대한 값을 포함할 수 있다. 설치 공간의 면적에 대한 값은 미터 제곱의 단위로 표현될 수 있다. 설치 공간의 높이에 대한 값은 미터 단위로 표현될 수 있다. 설치 공간의 용도에 대한 값은 설치 공간의 용도를 나타내는 값일 수 있다. 예를 들어, 설치 공간의 용도가 주거 용도이고 거실인 경우, 설치 공간의 용도에 대한 값은 주거 용도 및 거실에 매칭되는 값으로 결정될 수 있다.
설치 공간의 전력 공급 영역과 관련된 값은 설치 공간 내에서 전력 공급이 가능한 영역을 나타내는 값일 수 있다. 예를 들어, 설치 공간의 전력 공급 영역과 관련된 값은 설치 공간 내 전력 공급이 가능한 적어도 하나의 영역에 대한 3차원 좌표 값 및 적어도 하나의 영역 각각에 대한 면적 값을 포함할 수 있다.
설치 공간에 포함된 구조물과 관련된 값은 구조물의 종류에 대한 값, 구조물의 크기와 관련된 값 및 구조물의 위치에 대한 값을 포함할 수 있다. 구조물의 종류에 대한 값은 구조물의 종류를 나타내는 값일 수 있다. 예를 들어, 구조물의 종류에 대한 값은 복수의 구조물 중에서 어느 하나의 구조물을 나타내는 값일 수 있다. 복수의 구조물은 의자, 테이블, 침대, 책상, 조각품, 화분, 조명, 커튼 등을 포함할 수 있다. 복수의 구조물의 종류를 나타내는 값은 서버에 사전 저장될 수 있다. 구조물의 크기와 관련된 값은 구조물이 설치 공간에서 차지하는 면적 및 높이를 나타낼 수 있다. 예를 들어, 구조물의 크기와 관련된 값은 구조물의 면적에 대한 값 및 구조물의 높이에 대한 값을 포함할 수 있다. 구조물의 위치에 대한 값은 구조물이 설치 공간에서 구조물이 배치된 3차원 좌표를 포함할 수 있다. 예를 들어, 3차원 좌표는 구조물의 중심 좌표 값일 수 있다. 예를 들어, 구조물의 중심 좌표 값은 구조물의 외곽선을 표현하는 복수의 3차원 좌표를 합산한 값을 복수의 3차원 좌표의 개수로 나눈 값일 수 있다.
예를 들어, 서버는 도면 이미지에 기반하여 다양한 OCR(Optical Character Reader) 기법을 통해 도면 이미지에 포함된 설치 공간의 치수, 구조물의 치수 및 축적을 추출하고, 추출된 설치 공간의 치수, 구조물의 치수 및 축적에 따라 설치 공간의 면적에 대한 값, 설치 공간의 높이에 대한 값 및 설치 공간에 포함된 구조물과 관련된 값을 결정할 수 있다.
예를 들어, 서버는 전기 배선 도면에 대한 정보에 기반하여 다양한 OCR(Optical Character Reader) 기법을 통해 전기 장치 사이의 연결 구조와 배선 구조, 그리고 전기 장치들의 위치와 연결 구조를 추출하고, 추출된 전기 장치 사이의 연결 구조와 배선 구조, 그리고 전기 장치들의 위치와 연결 구조에 따라 설치 공간의 전력 공급 영역과 관련된 값을 결정할 수 있다.
예를 들어, 서버는 설치 공간의 용도에 대한 정보에 기반하여 설치 공간의 용도에 대한 값을 결정할 수 있다.
예를 들어, 서버는 사전 설정된 복수의 금속 제품에 대한 정보에 대해 데이터 전처리를 수행함으로써, 복수의 배치 벡터를 생성할 수 있다.
사전 설정된 복수의 금속 제품에 대한 정보는 서버에서 제공하는 모든 금속 제품에 대한 정보를 포함할 수 있다. 예를 들어, 사전 설정된 복수의 금속 제품에 대한 정보는 금속 제품의 종류에 대한 정보, 금속 제품의 제품명에 대한 정보, 금속 제품의 크기에 대한 정보, 금속 제품의 형태에 대한 정보 및 금속 제품을 구성하는 금속의 종류에 대한 정보 및 금속 제품의 가격에 대한 정보를 포함할 수 있다.
배치 벡터는 금속 제품의 종류에 대한 값, 금속 제품의 크기와 관련된 값 및 금속 재질에 대한 값을 포함할 수 있다.
금속 제품의 종류에 대한 값은 금속 제품의 종류를 나타내는 값으로, 복수의 금속 제품 중에서 어느 하나의 금속 제품을 나타내는 값일 수 있다. 예를 들어, 복수의 금속 제품은 금속 창틀, 금속 천장 조명 박스, 금속 마감재, 조명과 관련된 금속 틀, 조명과 관련된 금속 레일, 금속 렉 및 기타 금속 제품을 포함할 수 있다. 금속 제품의 크기와 관련된 값은 금속 제품이 설치 공간에서 차지하는 면적 및 높이를 나타낼 수 있다. 예를 들어, 금속 제품의 크기와 관련된 값은 금속 제품의 면적에 대한 값 및 구조물의 높이에 대한 값을 포함할 수 있다. 금속 재질에 대한 값은 금속 제품을 구성하는 금속을 나타내는 값일 수 있다. 예를 들어, 금속 재질에 대한 값은 복수의 금속 재질 중에서 적어도 하나의 금속 재질을 나타낼 수 있다. 예를 들어, 복수의 금속 재질은 스테인리스 스틸(stainless steel), 알루미늄, 황동, 구리, 철강, 주철, 황색동, 니켈 및 주석을 포함할 수 있다. 예를 들어, 복수의 금속 재질을 나타내는 값은 서버에 사전 저장될 수 있다.
설치 공간 벡터와 배치 벡터가 제품 결정 모델에 입력되는 것에 기반하여 복수의 배치 벡터 각각에 대한 배치 점수가 출력될 수 있다.
예를 들어, 서버는 복수의 배치 벡터 중에서 배치 점수가 사전 설정된 임계 점수 이상인 배치 벡터를 배치 가능 벡터로 결정할 수 있다. 사전 설정된 임계 점수는 서버에 사전 저장될 수 있다.
예를 들어, 인테리어와 관련된 금속 제품의 리스트는 배치 가능 벡터에 매칭되는 금속 제품으로 구성될 수 있다.
단계 S320에서, 사용자 단말은 3차원 가상 공간에 접속하기 위한 정보 및 인테리어와 관련된 금속 제품의 리스트를 서버로부터 수신할 수 있다.
3차원 가상 공간에 접속하기 위한 정보는 3차원 가상 공간에 접속하기 위한 접속 주소 및 3차원 가상 공간의 설정을 변경하기 위한 접근 권한을 포함할 수 있다.
단계 S330에서, 사용자 단말은 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택하여 3차원 가상 공간 상에 배치할 수 있다.
예를 들어, 사용자 단말은 접속 주소를 통해 서버에 접속하여 접근 권한을 기반으로 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택할 수 있고, 선택된 금속 제품을 3차원 가상 공간 상에 배치할 수 있다.
예를 들어, 사용자 단말은 사전에 설치된 가상 공간 구현 프로그램 또는 가상 경험 프로그램을 통해 접근 권한을 기반으로 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택하여 3차원 가상 공간 상에 배치할 수 있다. 예를 들어, 사용자 단말은 가상 공간 구현 프로그램 또는 가상 경험 프로그램을 통해 3차원 가상 공간 상에 금속 제품을 배치하기 위한 정보들을 획득할 수 있다. 예를 들어, 금속 제품 중에서 금속 천장 조명 박스 및 조명과 관련된 금속 틀, 조명과 관련된 금속 레일은 3차원 가상 공간에서 전력 공급이 가능한 영역에만 배치될 수 있다. 예를 들어, 전력 공급이 가능한 영역은 3차원 가상 공간 상에서 사전 설정된 색상을 통해 표시될 수 있다.
단계 S340에서, 사용자 단말은 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것에 기반하여 제2 요청 메시지를 서버에게 전송할 수 있다.
제2 요청 메시지는 사용자 단말이 서버에게 현재 금속 제품이 배치된 3차원 가상 공간에 대한 가상 이미지를 요청하는 메시지일 수 있다.
예를 들어, 서버는 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 사용자 단말에 의해 금속 제품이 배치된 3차원 가상 공간을 기반으로 제1 가상 이미지를 생성할 수 있다. 제1 가상 이미지는 3차원 가상 공간에 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 3차원 가상 공간에 매칭되는 제2 이미지를 합성한 이미지일 수 있다.
예를 들어, 서버는 제2 요청 메시지가 서버에 수신된 시점에 3차원 가상 공간 정보를 획득할 수 있다. 3차원 가상 공간 정보는 3차원 가상 공간의 구조에 대한 정보, 3차원 가상 공간의 색상에 대한 정보, 3차원 가상 공간에 포함된 구조물에 대한 정보 및 3차원 가상 공간에 포함된 금속 제품에 대한 정보를 포함할 수 있다.
예를 들어, 서버는 3차원 가상 공간 정보에 대한 데이터 전처리를 통해 가상 공간 벡터 및 금속 제품 벡터를 생성할 수 있다.
가상 공간 벡터는 3차원 가상 공간의 구조와 관련된 값, 3차원 가상 공간의 색상과 관련된 값 및 3차원 가상 공간에 배치된 구조물과 관련된 값을 포함할 수 있다.
3차원 가상 공간의 구조와 관련된 값은 3차원 가상 공간의 구조를 나타내는 값이며, 3차원 가상 공간의 용도에 대한 값, 3차원 가상 공간의 레이아웃에 대한 값, 3차원 가상 공간의 벽면에 대한 값, 3차원 가상 공간의 바닥에 대한 값 및 3차원 가상 공간의 천장에 대한 값을 포함할 수 있다. 3차원 가상 공간의 용도는 설치 공간의 용도와 같이 주거 용도 및 상가 용도를 포함하는 상위 카테고리로 분류되고, 주거 용도는 현관, 거실, 침실, 화장실, 복도, 주방 및 발코니 등과 같이 하위 카테고리로 분류되고, 상가 용도는 회의실, 탕비실, 임원실, 홀, 주방, 창고 및 화장실 등과 같이 하위 카테고리로 분류될 수 있다. 예를 들어, 3차원 가상 공간의 용도가 상가 용도이고 탕비실인 경우, 3차원 가상 공간의 용도를 나타내는 값은 상가 용도 및 탕비실에 매칭되는 값으로 결정될 수 있다. 예를 들어, 복수의 3차원 가상 공간의 용도를 나타내는 값은 복수의 설치 가상 공간의 용도를 나타내는 값과 동일하게 설정될 수 있다. 3차원 가상 공간의 레이아웃에 대한 값은 해당 가상 공간의 폭에 대한 값, 너비에 대한 값, 높이에 대한 값 및 방향에 대한 값을 포함할 수 있다. 3차원 가상 공간의 벽면에 대한 값은 벽면이 배치된 영역에 대한 값, 벽면 상에 출입문이 배치된 영역에 대한 값, 벽면 상에 창문이 배치된 영역에 대한 값을 포함할 수 있다. 영역에 대한 값은 복수의 3차원 좌표 값 및 해당 영역의 면적에 대한 값을 포함할 수 있다. 3차원 가상 공간의 바닥에 대한 값은 바닥이 배치된 영역에 대한 값 및 바닥의 패턴에 대한 값을 포함할 수 있다. 3차원 가상 공간의 천장에 대한 값은 천장이 배치된 영역에 대한 값을 포함할 수 있다.
3차원 가상 공간의 색상과 관련된 값은 벽면에 대한 색상 값, 바닥에 대한 색상 값 및 천장에 대한 색상 값을 포함할 수 있다. 여기서, 색상 값은 RGB 값, 광택에 대한 값 및 거칠기에 대한 값을 포함할 수 있다. 광택에 대한 값은 0보다 큰 값으로, 광택에 대한 값이 클수록 반사율이 높을 수 있다. 거칠기에 대한 값은 복수의 텍셀(texel) 값으로 표현될 수 있다. 예를 들어, 복수의 텍셀 값의 구성을 통해 거칠기가 표현될 수 있다. 텍셀은 3차원 객체를 2차원의 질감 묘사 맵으로 변환할 때의 최소 그래픽 구성요소이며, 픽셀과 텍셀은 일대일 대응 관계일 수 있다.
3차원 가상 공간에 배치된 구조물과 관련된 값은 3차원 가상 공간에 배치된 구조물을 나타내는 값으로, 구조물의 종류에 대한 값, 구조물의 형태에 대한 값, 구조물이 배치된 영역에 대한 값 및 구조물의 색상과 관련된 값을 포함할 수 있다. 구조물의 형태에 대한 값은 3차원 가상 공간 내 구조물의 폭에 대한 값, 너비에 대한 값, 높이에 대한 값 및 방향에 대한 값을 포함할 수 있다. 구조물이 배치된 영역에 대한 값은 3차원 가상 공간 상에서 구조물이 배치된 영역에 대한 복수의 3차원 좌표 값 및 구조물이 배치된 영역의 부피에 대한 값을 포함할 수 있다. 구조물의 색상과 관련된 값은 RGB 값, 광택에 대한 값 및 거칠기에 대한 값을 포함할 수 있다.
금속 제품 벡터는, 3차원 가상 공간 상에 배치된 금속 제품에 대한, 금속 제품의 종류에 대한 값, 금속 제품이 배치된 영역에 대한 값, 금속 제품의 형태와 관련된 값, 금속 제품의 재질에 대한 값 및 금속 제품의 색상과 관련된 값을 포함할 수 있다. 금속 제품이 배치된 영역에 대한 값은 3차원 가상 공간 상에서 금속 제품이 배치된 영역에 대한 복수의 3차원 좌표 값 및 금속 제품이 배치된 영역의 부피에 대한 값을 포함할 수 있다. 금속 제품의 형태와 관련된 값은 3차원 가상 공간 내 금속 제품의 폭에 대한 값, 너비에 대한 값, 높이에 대한 값 및 방향에 대한 값을 포함할 수 있다. 금속 제품의 색상과 관련된 값은 RGB 값, 광택에 대한 값 및 거칠기에 대한 값을 포함할 수 있다.
이때, 금속 제품 벡터에 포함된 금속 제품의 종류에 대한 값과 금속 재질에 대한 값은 상술한 배치 벡터에 포함된 금속 제품의 종류에 대한 값과 금속 재질에 대한 값으로 사용될 수 있다.
예를 들어, 서버는 가상 공간 벡터 및 금속 제품 벡터가 이미지 변환 모델에 입력되는 것에 기반하여 제1 가상 이미지가 생성될 수 있다.
이를 통해, 사용자 단말이 설치 공간을 기반으로 생성된 3차원 가상 공간에 대해 설정을 변경한 경우(예: 벽지의 색상을 변경하거나 새로운 구조물을 배치한 경우)에도, 사용자 단말은 변경된 3차원 가상 공간에 배치된 금속 제품을 확인할 수 있을 뿐만 아니라, 변경된 3차원 가상 공산에 배치된 금속 제품의 실제와 유사한 이미지를 확인할 수 있다.
단계 S350에서, 사용자 단말은 제1 가상 이미지를 서버로부터 수신할 수 있다.
일 실시예에 따르면, 사용자 단말은 서버에게 추천 배치를 요청하는 제3 요청 메시지를 전송할 수 있다. 여기서, 추천 배치는 사용자 단말이 선택한 금속 제품에 대해 서버가 추천하는 3차원 가상 공간 상에서의 배치일 수 있다. 제3 요청 메시지는 서버에게 사용자 단말이 선택한 금속 제품에 대한 추천 배치를 요청하는 메시지일 수 있다. 예를 들어, 제3 요청 메시지는 복수의 선택된 금속 제품에 대한 정보를 포함할 수 있다. 복수의 선택된 금속 제품에 대한 정보는 금속 제품의 제품명을 포함할 수 있다.
예를 들어, 서버는 3차원 가상 공간 정보, 복수의 선택된 금속 제품에 대한 정보 및 사전 설정된 배치 구성 정보에 기반하여 복수의 선택된 금속 제품에 대한 추천 배치 정보를 결정할 수 있다. 사전 설정된 배치 구성 정보는 3차원 가상 공간의 구조와 관련된 값 및 3차원 가상 공간에 배치된 구조물과 관련된 값의 조합 별 복수의 배치 구성을 포함할 수 있다. 즉, 3차원 가상 공간의 구조와 관련된 값 및 3차원 가상 공간에 배치된 구조물과 관련된 값에 따른 복수의 배치 구성이 서버에 사전 설정될 수 있다. 예를 들어, 서버는 3차원 가상 공간의 구조와 관련된 값 및 3차원 가상 공간에 배치된 구조물과 관련된 값에 매칭되는 복수의 배치 구성을 결정할 수 있다. 배치 구성은, 복수의 금속 제품에 대한, 금속 제품의 종류에 대한 값과 금속 제품의 3차원 좌표 값을 포함할 수 있다. 금속 제품의 3차원 좌표 값은 3차원 공간 상에서 금속 제품이 배치되는 위치를 나타내는 좌표 값일 수 있다. 예를 들어, 금속 제품의 3차원 좌표 값은 해당 금속 제품이 복수의 사용자 단말에 의해 배치된 복수의 3차원 좌표 값 중에서 배치 횟수가 사전 설정된 횟수 이상인 3차원 좌표 값일 수 있다. 예를 들어, 서버는 복수의 배치 구성 중에서 복수의 선택된 금속 제품의 조합에 매칭되는 배치 구성을 추천 배치 정보로 결정할 수 있다. 예를 들어, 복수의 선택된 금속 제품의 조합에 매칭되는 배치 구성은 복수의 선택된 금속 제품의 종류에 대한 값의 조합에 매칭되는 배치 구성일 수 있다. 즉, 서버는 복수의 선택된 금속 제품에 대한 정보에 기반하여 금속 제품의 제품명에 대응하는 금속 제품의 종류에 대한 값을 결정할 수 있고, 복수의 배치 구성 중에서 금속 제품의 종류에 대한 값의 조합에 매칭되는 배치 구성을 추천 배치 정보로 결정할 수 있다.
복수의 선택된 금속 제품에 대한 추천 배치 정보는, 복수의 선택된 금속 제품 각각에 대한, 금속 제품의 종류에 대한 값과 금속 제품의 3차원 좌표 값을 포함할 수 있다.
예를 들어, 사용자 단말은 복수의 선택된 금속 제품에 대한 추천 배치 정보를 서버로부터 수신할 수 있다.
예를 들어, 복수의 선택된 금속 제품에 대한 추천 배치 정보에 기반하여 3차원 가상 공간 상에 복수의 선택된 금속 제품이 자동으로 배치될 수 있다.
일 실시예에 따르면, 사용자 단말은 제4 요청 메시지를 서버에게 전송할 수 있다. 제4 요청 메시지는 사용자 단말이 서버에게 복수의 선택된 금속 제품이 자동으로 배치된 3차원 가상 공간에 대한 가상 이미지를 요청하는 메시지일 수 있다. 예를 들어, 사용자 단말은 3차원 가상 공간 상에 금속 제품이 자동으로 배치가 완료된 이후 제4 요청 메시지를 서버에게 전송할 수 있다.
예를 들어, 서버는 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 금속 제품이 자동으로 배치된 3차원 가상 공간을 기반으로 제2 가상 이미지를 생성할 수 있다.
예를 들어, 제2 가상 이미지는 3차원 가상 공간에 자동으로 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 3차원 가상 공간에 매칭된 제2 이미지를 합성한 이미지일 수 있다.
예를 들어, 사용자 단말은 제2 가상 이미지를 서버로부터 수신할 수 있다.
도 4는 일 실시예에 따른 제품 결정 모델에 대한 예를 나타낸 도면이다. 도 4의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 제품 결정 모델에 사용되는 제1 뉴럴 네트워크는 제1 입력 레이어(410), 하나 이상의 제1 히든 레이어(420) 및 제1 출력 레이어(430)를 포함할 수 있다.
예를 들어, 복수의 설치 공간 벡터, 복수의 배치 벡터 및 복수의 정답 배치 점수로 구성된 학습 데이터는 제1 입력 레이어(410)에 입력되어 하나 이상의 제1 히든 레이어(420) 및 제1 출력 레이어(430)를 통과하여 제1 출력 벡터로 출력되고, 제1 출력 벡터는 제1 출력 레이어(430)에 연결된 제1 손실함수 레이어에 입력되고, 제1 손실함수 레이어는 제1 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제1 손실함수를 이용하여 제1 손실 값을 출력하고, 제품 결정 모델에 사용되는 제1 뉴럴 네트워크의 파라미터가 제1 손실 값이 작아지는 방향으로 학습될 수 있다.
하나 이상의 제1 히든 레이어(420)는 하나 이상의 컨벌루션 레이어 및 하나 이상의 풀링 레이어를 포함할 수 있다.
예를 들어, 컨벌루션 레이어에서 복수의 설치 공간 벡터 및 복수의 배치 벡터가 필터링될 수 있고, 컨벌루션 레이어를 통해 특징 맵(feature map)이 형성될 수 있다.
예를 들어, 풀링 레이어에서 상기 형성된 특징 맵에 기반하여 차원 축소를 위해 특징과 관련된 고정 벡터를 선별하고, 상기 형성된 특징 맵에서 서브-샘플링을 수행함으로써, 상기 벡터화된 시계열 데이터에서 배치 점수와 관련된 특징을 추출할 수 있다. 예를 들어, 풀링 레이어는 가장 큰 값을 추출하는 맥스 풀링 레이어일 수 있다. 예를 들어, 풀링 레이어는 평균 값을 추출하는 평균 풀링 레이어일 수 있다. 예를 들어, 이때, 제1 뉴럴 네트워크의 파라미터는 상기 컨벌루션 레이어 및 상기 풀링 레이어와 관련된 파라미터(특징 맵의 크기, 필터의 크기, 깊이, 스트라이드, 제로 패딩)를 포함할 수 있다.
예를 들어, 복수의 설치 공간 벡터 및 복수의 배치 벡터는 복수의 도면, 복수의 전기 배선 도면, 복수의 금속 제품에 대한 정보를 웹 크롤링을 통해 수집하여 사전 획득될 수 있다.
예를 들어, 학습 데이터로 사용되는 하나의 설치 공간 벡터, 하나의 배치 벡터는 하나의 정답 배치 점수와 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 서버에 사전 저장될 수 있다.
예를 들어, 정답 배치 점수는 설치 공간에 금속 제품에 대한 배치가 가능할 확률을 나타낼 수 있다. 예를 들어, 정답 배치 점수는 금속 제품에 대한 배치가 가능할 확률이 높을수록 큰 값을 나타내는 값으로, 0에서 100 사이의 값을 가질 수 있다. 이를 통해, 서버는 설치 공간의 용도뿐만 아니라 금속 제품이 설치 공간에 배치 가능한 영역을 고려하여 금속 제품별로 해당 설치 공간에 배치가 가능한 정도를 학습할 수 있다.
일 실시예에 따르면, 이미지 변환 모델에 사용되는 제2 뉴럴 네트워크는 제2 입력 레이어, 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 포함하는 CNN 모델과 생성적 적대 신경망 모델(GAN, Generative Adversarial Network)을 포함할 수 있다.
예를 들어, 복수의 가상 공간 벡터, 복수의 금속 제품 벡터, 복수의 정답 제1 이미지 벡터 및 복수의 정답 제2 이미지 벡터로 구성된 학습 데이터는 제2 입력 레이어에 입력되어 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 통과하여 제2 출력 벡터로 출력되고, 제2 출력 벡터는 제2 출력 레이어에 연결된 제2 손실함수 레이어에 입력되고, 제2 손실함수 레이어는 제2 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제2 손실함수를 이용하여 제2 손실 값을 출력하고, 이미지 변환 모델에 사용되는 제2 뉴럴 네트워크의 파라미터가 제2 손실 값이 작아지는 방향으로 학습될 수 있다.
하나 이상의 제2 히든 레이어는 하나 이상의 컨벌루션 레이어 및 하나 이상의 풀링 레이어를 포함할 수 있다. 예를 들어, 컨벌루션 레이어에서 복수의 가상 공간 벡터 및 복수의 금속 제품 벡터가 필터링될 수 있고, 컨벌루션 레이어를 통해 특징 맵(feature map)이 형성될 수 있다.
예를 들어, 풀링 레이어에서 상기 형성된 특징 맵에 기반하여 차원 축소를 위해 특징과 관련된 고정 벡터를 선별하고, 상기 형성된 특징 맵에서 서브-샘플링을 수행함으로써, 상기 벡터화된 시계열 데이터에서 가상 공간 벡터에 대해서는 제1 이미지 벡터와 매칭되는 특징을 추출하고, 금속 제품 벡터에 대해서는 제2 이미지 벡터와 매칭되는 특징을 추출할 수 있다. 예를 들어, 풀링 레이어는 가장 큰 값을 추출하는 맥스 풀링 레이어일 수 있다. 예를 들어, 풀링 레이어는 평균 값을 추출하는 평균 풀링 레이어일 수 있다. 예를 들어, 이때, 제2 뉴럴 네트워크의 파라미터는 상기 컨벌루션 레이어 및 상기 풀링 레이어와 관련된 파라미터(특징 맵의 크기, 필터의 크기, 깊이, 스트라이드, 제로 패딩)를 포함할 수 있다.
예를 들어, 학습 데이터로 사용되는 하나의 가상 공간 벡터 및 하나의 금속 제품 벡터는 하나의 정답 제1 이미지 벡터 및 하나의 정답 제2 이미지 벡터와 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 서버에 사전 저장될 수 있다.
예를 들어, 복수의 제1 이미지 및 복수의 제2 이미지가 서버에 사전 저장될 수 있다. 이때, 서버는 웹 크롤링을 통해 복수의 금속 제품 벡터를 기반으로 복수의 금속 제품 각각에 매칭되는 제1 이미지를 수집할 수 있다. 또한, 서버는 웹 크롤링을 통해 복수의 설치 공간 벡터를 기반으로 복수의 설치 공간 각각에 매칭되는 제2 이미지를 수집할 수 있다. 즉, 제1 이미지는 실제 촬영된 금속 제품에 대한 이미지일 수 있고, 제2 이미지는 실제 촬영된 설치 공간에 대한 이미지일 수 있다. 서버는 수집된 제1 이미지 및 제2 이미지에 대한 데이터 전처리를 통해 제1 이미지에 대한 픽셀 값으로 구성된 제1 이미지 벡터와 제2 이미지에 대한 픽셀 값으로 구성된 제2 이미지 벡터를 생성할 수 있다.
예를 들어, 정답 제1 이미지 벡터는 금속 제품에 매칭되는 제1 이미지에 대한 픽셀 값으로 구성될 수 있다. 예를 들어, 정답 제2 이미지 벡터는 3차원 가상 공간에 매칭되는 제2 이미지에 대한 픽셀 값으로 구성될 수 있다.
이를 통해, CNN 모델은 가상 공간 벡터 및 금속 제품 벡터를 입력받으면, 금속 제품에 매칭되는 제1 이미지 벡터 및 가상 공간 벡터에 매칭되는 제2 이미지 벡터를 출력하도록 학습될 수 있다.
예를 들어, 서버는 가상 공간 벡터 및 금속 제품 벡터를 CNN 모델에 입력시킴으로써, 제1 이미지 벡터 및 제2 이미지 벡터를 획득할 수 있다.
예를 들어, 서버는 제1 이미지 벡터 및 제2 이미지 벡터에 기반하여 생성적 적대 신경망을 통해 제1 가상 이미지를 생성할 수 있다.
예를 들어, 서버가 제1 이미지 벡터를 제1 인코더에 입력시키면, 제1 인코더로부터 제1 특징맵이 출력될 수 있다. 제1 인코더로부터 출력된 제1 특징맵이 제1 디코더로 전달되어, 제1 디코더는 제1 특징맵을 학습할 수 있다. 서버가 제1 이미지 벡터를 제2 인코더에 입력시키면, 제2 특징맵이 출력될 수 있다. 제2 인코더로부터 출력된 제2 특징맵이 제2 디코더로 전달되어, 제2 디코더는 제2 특징맵을 학습할 수 있다. 부가적으로, 예를 들어, 제2 인코더 및 제2 디코더는 설치 공간의 용도에 따라 상이하게 결정될 수 있다. 예를 들어, 설치 공간의 용도가 주거 용도이며 거실인 경우에는 사전 저장된 거실의 이미지로 학습된 제2 인코더 및 제2 디코더가 사용될 수 있다. 예를 들어, 설치 공간의 용도가 상가 용도이고, 홀인 경우에는 사전 저장된 홀의 이미지로 학습된 제2 인코더 및 제2 디코더가 사용될 수 있다.
이러한 학습 이후에, 서버는 제2 인코더에 제2 이미지 벡터에서 금속 제품이 배치된 영역을 추출해 얻어진 금속 제품의 영역을 입력할 수 있고, 제2 인코더의 출력으로 획득된 제2 특징맵을 제1 디코더에 입력시킴으로써, 제2 이미지 벡터 내 금속 제품의 영역에 제1 이미지 벡터가 구성된 제1 가상 이미지를 제1 디코더의 출력으로 획득할 수 있다. 여기서, 제1 인코더와 제2 인코더는 서로 동일한 구조로 구성될 수 있고, 제1 디코더와 제2 디코더도 서로 동일한 구조로 구성될 수 있다. 즉, 제1 인코더와 제1 디코더는 하나의 오토인코더로 기능할 수 있고, 제2 인코더와 제2 디코더도 하나의 오토인코더로 기능할 수 있다. 이때, 오토인코더로서 인코더와 디코더의 구조에 대해서는 다양한 형태의 구조들이 사용될 수 있다. 이를 통해, 서버는 제2 이미지 벡터에서 금속 제품의 영역에 제1 이미지 벡터를 합성하고, 합성된 이미지 벡터에서 금속 제품의 영역과 나머지 영역 사이의 이미지 톤을 보정함으로써, 제1 가상 이미지를 생성할 수 있다.
예를 들어, 서버는 제4 요청 메시지가 서버에 수신된 시점에 3차원 가상 공간 정보를 획득할 수 있다. 3차원 가상 공간 정보는 3차원 가상 공간의 구조에 대한 정보, 3차원 가상 공간의 색상에 대한 정보, 3차원 가상 공간에 포함된 구조물에 대한 정보 및 3차원 가상 공간에 포함된 금속 제품에 대한 정보를 포함할 수 있다. 이후, 서버는 3차원 가상 공간 정보에 대한 데이터 전처리를 통해 제2 가상 공간 벡터 및 제2 금속 제품 벡터를 생성할 수 있다. 제2 가상 공간 벡터 및 제2 금속 제품 벡터는 복수의 선택된 금속 제품들이 자동으로 배치된 3차원 가상 공간에 기반하여 생성된 벡터들일 수 있다. 예를 들어, 서버는 제2 가상 공간 벡터 및 제2 금속 제품 벡터를 이미지 변환 모델에 입력함으로써, 상술한 제1 가상 이미지를 생성하는 과정과 같이, 제2 가상 이미지를 생성할 수 있다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 이용하여 사용자 단말이 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법에 대한 신호 교환도이다. 도 5의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참조하면, 단계 S501에서, 사용자 단말은 설치 공간에 대한 정보를 포함하는 제1 요청 메시지를 서버에게 전송할 수 있다.
제1 요청 메시지는 설치 공간에 대한 정보 및 사용자 단말의 식별 정보를 포함할 수 있다. 설치 공간에 대한 정보는 도면에 대한 정보, 전기 배선 도면에 대한 정보, 설치 공간에 대한 복수의 이미지 및 설치 공간의 용도에 대한 정보를 포함할 수 있다.
단계 S502에서, 서버는 설치 공간에 대한 정보를 기반으로 사용자 단말에 대한 3차원 가상 공간을 생성할 수 있다.
예를 들어, 서버는 설치 공간에 대한 정보를 기반으로 다양한 기법의 3차원 모델링 기법을 통해 설치 공간에 대한 3차원 가상 공간을 생성할 수 있다.
단계 S503에서, 서버는 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 인테리어와 관련된 금속 제품의 리스트를 결정할 수 있다.
인테리어와 관련된 금속 제품의 리스트는 3차원 가상 공간 상에 배치가 가능한 복수의 금속 제품을 포함할 수 있다.
단계 S504에서, 사용자 단말은 3차원 가상 공간에 접속하기 위한 정보와 함께 인테리어와 관련된 금속 제품의 리스트를 서버로부터 수신할 수 있다.
3차원 가상 공간에 접속하기 위한 정보는 3차원 가상 공간에 접속하기 위한 접속 주소 및 3차원 가상 공간의 설정을 변경하기 위한 접근 권한을 포함할 수 있다.
단계 S505에서, 사용자 단말은 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택하여 3차원 가상 공간 상에 배치할 수 있다.
예를 들어, 사용자 단말은 접속 주소를 통해 서버에 접속하여 접근 권한을 기반으로 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택할 수 있고, 선택된 금속 제품을 3차원 가상 공간 상에 배치할 수 있다.
단계 S506에서, 사용자 단말은 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것에 기반하여 제2 요청 메시지를 서버에게 전송할 수 있다.
제2 요청 메시지는 사용자 단말이 서버에게 현재 금속 제품이 배치된 3차원 가상 공간에 대한 가상 이미지를 요청하는 메시지일 수 있다.
단계 S507에서, 서버는 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 사용자 단말에 의해 금속 제품이 배치된 3차원 가상 공간을 기반으로 제1 가상 이미지를 생성할 수 있다.
제1 가상 이미지는 3차원 가상 공간에 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 3차원 가상 공간에 매칭되는 제2 이미지를 합성한 이미지일 수 있다.
단계 S508에서, 사용자 단말은 제1 가상 이미지를 서버로부터 수신할 수 있다.
단계 S509에서, 사용자 단말은 서버에게 추천 배치를 요청하는 제3 요청 메시지를 전송할 수 있다.
추천 배치는 사용자 단말이 선택한 금속 제품에 대해 서버가 추천하는 3차원 가상 공간 상에서의 배치일 수 있다.
단계 S510에서, 서버는 3차원 가상 공간 정보, 복수의 선택된 금속 제품에 대한 정보 및 사전 설정된 배치 구성 정보에 기반하여 복수의 선택된 금속 제품에 대한 추천 배치 정보를 결정할 수 있다.
예를 들어, 서버는 3차원 가상 공간의 구조와 관련된 값 및 3차원 가상 공간에 배치된 구조물과 관련된 값에 매칭되는 복수의 배치 구성을 결정할 수 있다. 예를 들어, 서버는 복수의 배치 구성 중에서 복수의 선택된 금속 제품의 조합에 매칭되는 배치 구성을 추천 배치 정보로 결정할 수 있다.
단계 S511에서, 사용자 단말은 복수의 선택된 금속 제품에 대한 추천 배치 정보를 서버로부터 수신할 수 있다.
복수의 선택된 금속 제품에 대한 추천 배치 정보는, 복수의 선택된 금속 제품 각각에 대한, 금속 제품의 종류에 대한 값과 금속 제품의 3차원 좌표 값을 포함할 수 있다.
예를 들어, 복수의 선택된 금속 제품에 대한 추천 배치 정보에 기반하여 3차원 가상 공간 상에 복수의 선택된 금속 제품이 자동으로 배치될 수 있다.
단계 S512에서, 사용자 단말은 제4 요청 메시지를 서버에게 전송할 수 있다.
제4 요청 메시지는 사용자 단말이 서버에게 복수의 선택된 금속 제품이 자동으로 배치된 3차원 가상 공간에 대한 가상 이미지를 요청하는 메시지일 수 있다.
예를 들어, 사용자 단말은 3차원 가상 공간 상에 금속 제품이 자동으로 배치가 완료된 이후 제4 요청 메시지를 서버에게 전송할 수 있다.
단계 S513에서, 서버는 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 금속 제품이 자동으로 배치된 3차원 가상 공간을 기반으로 제2 가상 이미지를 생성할 수 있다.
단계 S514에서, 사용자 단말은 제2 가상 이미지를 서버로부터 수신할 수 있다.
부가적으로, 일 실시예에 따르면, 사용자 단말은 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것에 기반하여 제5 요청 메시지를 서버에게 전송할 수 있다.
제5 요청 메시지는 금속 제품에 대한 배치에 따라 금속 제품이 설치될 경우 3차원 가상 공간 내 하자 발생 가능 영역을 서버에게 요청하는 메시지일 수 있다. 여기서, 하자 발생 가능 영역은 3차원 가상 공간에서 금속 제품의 배치로 인해 하자, 즉 결함이 발생할 확률이 높은 영역을 의미할 수 있다.
예를 들어, 서버는 다변량 LSTM(long short term memory networks) 모델을 사용하는 하자 예측 모델을 통해 3차원 가상 공간 내 하자 발생 가능 영역을 결정할 수 있다. 일반적으로 RNN(recurrent neural network)은 내부에 저장된 기존 입력에 대한 히든 레이어 값이 다음 입력 값에 대한 출력에서 고려되기 때문에, 시계열적 정보를 효과적으로 모델링할 수 있다. 그러나, RNN은 과거 관측 값에 의존하는 구조이므로, 기울기가 소실(vanishing gradient)되거나 기울기가 매우 큰 값(exploding gradient)을 가지게 되는 문제가 발생할 수 있다. 이를 해결하기 위한 모델이 LSTM이며, LSTM 내부의 노드는 메모리 셀로 대체함으로써, 정보를 축적하거나 과거 정보의 일부를 삭제가 가능하며, 상기 RNN의 문제를 보완할 수 있다.
예를 들어, 서버는 제5 요청 메시지가 서버에 수신된 시점에 3차원 가상 공간 정보를 획득할 수 있다. 3차원 가상 공간 정보는 3차원 가상 공간의 구조에 대한 정보, 3차원 가상 공간의 색상에 대한 정보, 3차원 가상 공간에 포함된 구조물에 대한 정보 및 3차원 가상 공간에 포함된 금속 제품에 대한 정보를 포함할 수 있다. 예를 들어, 서버는 3차원 가상 공간 정보에 대한 데이터 전처리를 통해 가상 공간 벡터 및 금속 제품 벡터를 생성할 수 있다.
예를 들어, 서버는 사전 설정된 복수의 하자 발생 영역에 대한 정보에 대해 데이터 전처리를 수행함으로써, 복수의 하자 영역 벡터를 생성할 수 있다. 하자 영역 벡터는 3차원 공간의 용도에 대한 값, 금속 제품의 종류에 대한 값, 하자가 발생한 3차원 좌표 값 및 하자를 수리하는 기간에 대한 값을 포함할 수 있다. 여기서, 하자를 수리하는 기간에 대한 값은 금속 제품을 설치하는 과정에서 발생한 하자를 수리하기 위해 소요된 시간에 대한 값일 수 있다. 사전 설정된 복수의 하자 발생 영역에 대한 정보는 복수의 사용자 단말로부터 획득될 수 있다. 즉, 사전 설정된 복수의 하자 발생 영역에 대한 정보는 복수의 사용자 단말로부터 수신한 금속 제품의 설치로 인해 발생한 하자에 대한 정보가 축적된 정보일 수 있다.
예를 들어, 하자 예측 모델은 제3 입력 레이어, 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 포함할 수 있다. 하나 이상의 제3 히든 레이어는 하나 이상의 LSTM 블록을 포함하고, 하나의 LSTM 블록은 메모리 셀(memory cell), 입력 게이트(input gate), 삭제 게이트(forget gate), 출력 게이트(output gate)를 포함할 수 있다. 예를 들어, 상기 메모리 셀은 활성화 함수를 통해 결과를 출력하는 노드이며, 상기 메모리 셀은 바로 이전 시점에서의 메모리 셀에서 출력된 값을 현재 시점에서 자신의 입력으로 사용하는 재귀적 동작을 수행할 수 있다. 예를 들어, 현재 시점이 t인 경우, 현재 시점 t에서 메모리 셀에 의해 출력되는 값은 과거의 메모리 셀들의 값에 영향을 받을 수 있다. 메모리 셀은 셀 스테이트(Ct) 값과 히든 스테이트(ht) 값을 출력할 수 있다. 즉, 메모리 셀은 t-1 시점의 메모리 셀이 전달한 셀 스테이트 값(Ct-1) 및 히든 스테이트 값(ht-1)을 t 시점의 셀 스테이트 값과 히든 스테이트 값을 계산하기 위한 입력 값으로 사용할 수 있다. 예를 들어, 입력 게이트, 삭제 게이트 및 출력 게이트는 모두 시그모이드 레이어를 포함하고, 시그모이드 레이어를 통해 입력된 정보가 얼마만큼 전달되는지를 나타낼 수 있다. 예를 들어, 시그모이드 레이어는 시그모이드 함수()가 활성화 함수인 레이어일 수 있다. 또한, 예를 들어, 입력 게이트, 삭제 게이트 및 출력 게이트를 통해 셀 스테이트가 제어되고, 각 게이트와 입력에 따른 가중치들이 존재할 수 있다.
예를 들어, 가상 공간 벡터, 금속 제품 벡터 및 하자 영역 벡터가 상기 제3 입력 레이어에 입력되고, 상기 삭제 게이트는 가상 공간 벡터, 금속 제품 벡터 및 하자 영역 벡터를 기반으로 생성된 ht-1(t-1 시점의 히든 스테이트)과 xt(t 시점의 입력 값)를 기반으로 0과 1 사이의 값을 Ct-1로 전달할 수 있다. 여기서, 0과 1사이의 값은 삭제 과정을 거친 정보의 양이며, 0에 가까울수록 정보가 많이 삭제되고, 1에 가까울수록 온전한 정보가 전달될 수 있다. 예를 들어, 상기 입력 게이트는 시그모이드 레이어를 통해 업데이트할 값을 결정하고, tanh 레이어가 새로운 후보 값들인 Ct 벡터를 생성하고, 셀 스테이트에 저장시킬 수 있다. 예를 들어, 과거 셀 스테이트인 Ct-1가 업데이트됨으로써, 새로운 셀 스테이트인 Ct가 생성될 수 있다. 즉, 셀 스테이트에 대해 시그모이드 함수를 가중치와 바이어스의 합에 적용한 값을 셀 스테이트에 곱하여 정보가 삭제되고, 업데이트 값을 스케일한 값이 추가될 수 있다. 예를 들어, tanh는 비선형 활성화 함수(하이퍼볼릭 탄젠트 함수)를 의미한다. 예를 들어, 출력 게이트는 시그모이드 레이어에서 사용자 단말에 대한 통증 벡터 및 증상 벡터에 기반하여 출력할 셀 스테이트의 부분을 결정할 수 있고, 출력 게이트는 상기 시그모이드 레이어에서 결정된 셀 스테이트를 tanh 레이어를 통해 -1에서 1 사이의 값으로 출력된 값과 곱할 수 있다.
이러한 과정을 통해, 하자 예측 모델은 복수의 가상 공간 벡터, 복수의 금속 제품 벡터, 복수의 하자 영역 벡터를 학습함으로써, 향후 하자 발생 가능 영역을 예측할 수 있다. 예를 들어, 서버는 가상 공간 벡터 및 금속 제품 벡터를 하자 예측 모델에 입력시킴으로써, 하자 발생 가능 영역을 결정할 수 있다.
하자 발생 가능 영역은 하자가 발생할 확률이 사전 설정된 확률 이상인 영역에 대한 3차원 좌표 값을 포함할 수 있다.
이때, 서버는 하자 발생 가능 영역을 결정한 후, 3차원 공간 상에 하자 발생 가능 영역을 표시할 수 있다. 예를 들어, 3차원 공간 상에서 하자 발생 가능 영역은 하자가 발생할 확률이 높을수록 높은 명도로 사전 설정된 색상이 표시될 수 있다.
부가적으로, 예를 들어, 사용자 단말이 3차원 가상 공간에서 금속 제품을 배치한 마지막 시점부터 서버와 연결된 시간이 사전 설정된 시간 이상인 것에 기반하여, 서버는 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것으로 결정하고, 제1 가상 이미지를 생성하여 사용자 단말에게 전송할 수 있다.
예를 들어, 상기 사전 설정된 시간은 하기 수학식 1에 의해 설정될 수 있다.
예를 들어, 상기 수학식 1에서, 상기 Tth는 상기 사전 설정된 시간이고, 상기 n은 복수의 사용자 단말의 개수이고, 상기 Cti는 i번째 사용자 단말과 상기 서버의 연결 시간이고, 상기 Ct0는 해당 사용자 단말과 상기 서버의 연결 시간이고, 상기 Sai는 i번째 사용자 단말과 관련된 설치 공간의 면적에 대한 값이고, 상기 Sa0는 해당 사용자 단말과 관련된 설치 공간의 면적에 대한 값이고, 상기 RSRPi는 i번째 사용자 단말의 통신 상태를 나타내는 RSRP(reference signal received power) 값이고, 상기 RSRP0는 해당 사용자 단말의 통신 상태를 나타내는 RSRP 값이고, 상기 T0는 해당 설치 공간의 용도에 대한 값에 매칭된 기본 시간일 수 있다.
예를 들어, 복수의 사용자 단말은 서버와 연결된 사용자 단말들 중에서 해당 사용자 단말과 설치 공간의 용도에 대한 값이 동일한 사용자 단말일 수 있다. RSRP 값은 단말이 수신하는 참조 신호에 대한 전력을 나타내며, 음의 dB 값을 가질 수 있다. 예를 들어, RSRP의 절대 값이 클수록, 단말의 통신 상태가 불량한 것으로 결정될 수 있다. 예를 들어, 서버와 복수의 사용자 단말 사이에 무선 연결이 확립된 후, 서버는 복수의 사용자 단말로부터 통신 상태에 대한 값(예: RSRP 값)을 수신할 수 있다.
예를 들어, max 함수는 괄호 안의 두 값 중에서 큰 값을 선택하는 함수일 수 있다.
이를 통해, 설치 공간의 용도 및 면적과 사용자 단말의 통신 상태를 기준으로 3차원 공간 상에서 금속 제품에 대한 배치를 완료하는 시간을 다른 사용자 단말과 상대적으로 비교하여 사전 설정된 시간을 결정함으로써, 항상 고정된 시간에 가상 이미지를 제공하지 않고, 사용자 단말이 필요할 것으로 예상되는 시간에 가상 이미지를 제공할 수 있다.
부가적으로, 예를 들어, 서버의 성능에 대한 정보는 서버에 사전 저장될 수 있고, 서버와 사용자 단말 사이의 통신 상태는 사용자 단말과의 통신을 수행하는 동안 측정될 수 있다.
이때, 예를 들어, 제1 가상 이미지 및/또는 제2 가상 이미지에 대한 픽셀 값은 하기 수학식 2에 의해 결정될 수 있다.
상기 수학식 2에서, 상기 P_value는 상기 픽셀 값이고, 상기 tref는 기준 응답시간이고, 상기 travg은 상기 서버에 연결된 단말에 대한 평균 응답시간이고, 상기 n_max은 상기 서버에 연결 가능한 단말의 최대 개수이고, 상기 n_avg은 상기 서버에 연결되는 단말의 평균 개수이고, 상기 RSRP는 상기 사용자 단말의 통신 상태와 관련된 값이고, 상기 RSRPth는 통신 상태와 관련된 값에 대한 기준 값이고, 상기 k는 3차원 가상 공간의 면적에 대한 값에 따른 가중치이고, 상기 Pd는 기본 픽셀 값이고, 상기 Pmin는 제1 가상 이미지 및/또는 제2 가상 이미지를 생성하기 위해 필요한 최소 픽셀 값일 수 있다.
예를 들어, 3차원 가상 공간의 면적에 대한 값에 따른 가중치는 0.75보다 크고 1.5보다 작은 값일 수 있다. 3차원 가상 공간의 면적에 대한 값 이 클수록 가중치가 크게 결정될 수 있다. 예를 들어, 서버에 연결되는 사용자 단말의 평균 개수, 기준 응답시간, 통신 상태와 관련된 값에 대한 기준 값, 기본 픽셀 값 및 가상 이미지를 생성하기 위해 필요한 최소 픽셀 값은 서버에 사전 저장된 값일 수 있다.
이를 통해, 서버는 3차원 가상 공간의 면적과 함께 서버의 성능, 단말의 통신 상태를 반영하여 가상 이미지를 생성하기 위한 픽셀 값을 조정함으로써, 복수의 단말들이 한번에 접속하여도 가상 이미지를 생성하는 서비스를 원활하게 제공할 수 있다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6에 도시된 바와 같이, 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630)를 포함할 수 있다. 그러나, 도 6에 도시된 구성 요소 모두가 서버(600)의 필수 구성 요소인 것은 아니다. 도 6에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(600)가 구현될 수도 있고, 도 6에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(600)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(610)는, 통상적으로 서버(600)의 전반적인 동작을 제어한다. 프로세서(610)는 하나 이상의 프로세서를 구비하여, 서버(600)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(610)는, 메모리(630)에 저장된 프로그램들을 실행함으로써, 통신부(620) 및 메모리(630) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(610)는 메모리(630)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 5에 기재된 서버(600)의 기능을 수행할 수 있다.
통신부(620)는, 서버(600)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(600)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(620)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(620)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(620)는 프로세서(610)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(620)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(620)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(630)는, 프로세서(610)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(630)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(630)는 프로세서(610)에서 생성된 데이터를 저장할 수 있다. 메모리(630)는 서버(600)로 입력되거나 서버(600)로부터 출력되는 정보를 저장할 수도 있다.
메모리(630)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(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.
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.
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.
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 특허청구범위의 범위에 속한다.

Claims (5)

  1. 뉴럴 네트워크(neural network)를 이용하여 사용자 단말이 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법에 있어서,
    서버에게 설치 공간에 대한 정보를 포함하는 제1 요청 메시지를 전송하는 단계;
    상기 서버에 의해, 상기 설치 공간에 대한 정보를 기반으로 상기 사용자 단말에 대한 3차원 가상 공간이 생성되고,
    상기 서버에 의해, 상기 설치 공간에 대한 정보 및 사전 설정된 복수의 금속 제품에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 제품 결정 모델을 통해 인테리어와 관련된 금속 제품의 리스트가 결정되고,
    상기 인테리어와 관련된 금속 제품은 금속 창틀, 금속 천장 조명 박스, 금속 마감재, 조명과 관련된 금속 틀, 조명과 관련된 금속 레일 및 금속 렉을 포함하고,
    상기 인테리어와 관련된 금속 제품의 리스트는 상기 3차원 가상 공간 상에 배치가 가능한 복수의 금속 제품을 포함하고,
    상기 3차원 가상 공간에 접속하기 위한 정보 및 상기 인테리어와 관련된 금속 제품의 리스트를 상기 서버로부터 수신하는 단계;
    상기 복수의 금속 제품 중에서 적어도 하나의 금속 제품을 선택하여 상기 3차원 가상 공간 상에 배치하는 단계;
    상기 3차원 가상 공간 상에 금속 제품에 대한 배치가 완료된 것에 기반하여 제2 요청 메시지를 상기 서버에게 전송하는 단계;
    상기 서버에 의해, 제2 뉴럴 네트워크를 이용하는 이미지 변환 모델을 통해 상기 사용자 단말에 의해 금속 제품이 배치된 3차원 가상 공간을 기반으로 제1 가상 이미지가 생성되고,
    상기 제1 가상 이미지는 상기 3차원 가상 공간에 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 상기 3차원 가상 공간에 매칭되는 제2 이미지를 합성한 이미지이고,
    상기 제1 가상 이미지를 상기 서버로부터 수신하는 단계를 포함하되,
    상기 이미지 변환 모델은 CNN 모델과 생성적 적대 신경망 모델(GAN, Generative Adversarial Network)을 포함하고,
    상기 제1 가상 이미지는 제1 이미지 벡터 및 제2 이미지 벡터에 기반하여 상기 생성적 적대 신경망을 통해 생성되고,
    상기 제1 이미지 벡터 및 상기 제2 이미지 벡터는 가상 공간 벡터 및 금속 제품 벡터가 상기 CNN 모델에 입력되는 것에 기반하여 획득되고,
    상기 서버에 의해, 상기 제2 요청 메시지가 상기 서버에 수신된 시점에 3차원 가상 공간 정보가 획득되고,
    상기 서버에 의해, 상기 3차원 가상 공간 정보에 대한 데이터 전처리를 통해 가상 공간 벡터 및 금속 제품 벡터가 생성되고,
    상기 가상 공간 벡터는 상기 3차원 가상 공간의 크기와 관련된 값. 상기 3차원 가상 공간의 색상과 관련된 값 및 상기 3차원 가상 공간에 배치된 구조물과 관련된 값을 포함하고,
    상기 금속 제품 벡터는, 상기 3차원 가상 공간 상에 배치된 금속 제품에 대한, 금속 제품의 종류에 대한 값, 금속 제품이 배치된 영역에 대한 값, 금속 제품의 형태와 관련된 값, 금속 제품의 재질에 대한 값 및 금속 제품의 색상과 관련된 값을 포함하고,
    복수의 금속 제품 벡터를 기반으로 복수의 금속 제품 각각에 매칭되는 복수의 제1 이미지가 수집되고,
    복수의 가상 공간 벡터를 기반으로 복수의 금속 제품 각각에 매칭되는 복수의 제2 이미지가 수집되고,
    상기 제1 이미지 벡터는 상기 복수의 제1 이미지 중에서 상기 금속 제품 벡터에 매칭되는 제1 이미지에 대한 픽셀 값으로 구성되고,
    상기 제2 이미지 벡터는 상기 복수의 제2 이미지 중에서 3차원 가상 공간에 매칭되는 제2 이미지에 대한 픽셀 값으로 구성되는,
    방법.
  2. 제 1항에 있어서,
    상기 서버에 의해, 상기 설치 공간에 대한 정보에 대해 데이터 전처리가 수행됨으로써, 설치 공간 벡터가 생성되고,
    상기 설치 공간 벡터는 설치 공간과 관련된 값, 설치 공간의 전력 공급 영역과 관련된 값 및 설치 공간에 포함된 가구와 관련된 값을 포함하고,
    상기 서버에 의해, 상기 사전 설정된 복수의 금속 제품에 대한 정보에 대해 데이터 전처리가 수행됨으로써, 복수의 배치 벡터가 생성되고,
    상기 배치 벡터는 금속 제품의 종류에 대한 값, 금속 제품의 크기와 관련된 값 및 금속 제품의 형태와 관련된 값을 포함하고,
    상기 설치 공간 벡터와 상기 배치 벡터가 상기 제품 결정 모델에 입력되는 것에 기반하여 상기 복수의 배치 벡터 각각에 대한 배치 점수가 출력되고,
    상기 서버에 의해, 상기 복수의 배치 벡터 중에서 상기 배치 점수가 사전 설정된 임계 점수 이상인 배치벡터가 배치 가능 벡터로 결정되고,
    상기 인테리어와 관련된 금속 제품의 리스트는 상기 배치 가능 벡터에 매칭되는 금속 제품으로 구성되는,
    방법.
  3. 삭제
  4. 제 1항에 있어서,
    상기 서버에게 추천 배치를 요청하는 제3 요청 메시지를 전송하는 단계; 및
    상기 제3 요청 메시지는 복수의 선택된 금속 제품에 대한 정보를 포함하고,
    상기 서버에 의해, 상기 3차원 가상 공간 정보, 상기 복수의 선택된 금속 제품 및 사전 설정된 복수의 배치 구성에 기반하여 상기 복수의 선택된 금속 제품에 대한 추천 배치 정보가 결정되고,
    상기 추천 배치 정보를 상기 서버로부터 수신하는 단계를 더 포함하되,
    상기 복수의 선택된 금속 제품이 상기 추천 배치 정보에 기반하여 상기 3차원 가상 공간 상에 자동으로 배치되는,
    방법.
  5. 제 4항에 있어서,
    제4 요청 메시지를 상기 서버에게 전송하는 단계; 및
    상기 서버에 의해, 상기 이미지 변환 모델을 통해 금속 제품이 자동으로 배치된 3차원 가상 공간을 기반으로 제2 가상 이미지가 생성되고,
    상기 제2 가상 이미지는 상기 3차원 가상 공간에 자동으로 배치된 금속 제품에 대한 형태와 재질에 매칭되는 제1 이미지와 상기 3차원 가상 공간에 매칭된 제2 이미지를 합성한 이미지이고,
    상기 제2 가상 이미지를 상기 서버로부터 수신하는 단계를 더 포함하는,
    방법.

KR1020230114785A 2023-08-30 2023-08-30 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치 KR102625839B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230114785A KR102625839B1 (ko) 2023-08-30 2023-08-30 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230114785A KR102625839B1 (ko) 2023-08-30 2023-08-30 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102625839B1 true KR102625839B1 (ko) 2024-01-16

Family

ID=89719252

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230114785A KR102625839B1 (ko) 2023-08-30 2023-08-30 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102625839B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190036317A (ko) * 2017-09-27 2019-04-04 삼성전자주식회사 뉴럴 네트워크 시스템 및 뉴럴 네트워크 시스템의 동작방법
KR102467890B1 (ko) * 2022-06-20 2022-11-16 주식회사 노트디자인 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102492334B1 (ko) * 2022-09-19 2023-01-27 주식회사 브로드씨엔에스 뉴럴 네트워크를 이용하여 챗봇 서비스와 관련된 이용 정보를 기반으로 고객 단말과 상담원 단말 사이의 통화 연결을 관리하는 방법 및 장치
KR102492333B1 (ko) * 2022-09-19 2023-01-27 주식회사 브로드씨엔에스 뉴럴 네트워크를 이용하여 주차와 관련된 정보를 기반으로 단말에게 진료 예약 일정에 대한 정보를 제공하는 방법 및 장치
KR102576380B1 (ko) * 2023-06-07 2023-09-08 김동현 뉴럴 네트워크를 이용하여 rMQR 코드에 날짜가 중첩되어 표기된 상품을 관리하는 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190036317A (ko) * 2017-09-27 2019-04-04 삼성전자주식회사 뉴럴 네트워크 시스템 및 뉴럴 네트워크 시스템의 동작방법
KR102467890B1 (ko) * 2022-06-20 2022-11-16 주식회사 노트디자인 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102492334B1 (ko) * 2022-09-19 2023-01-27 주식회사 브로드씨엔에스 뉴럴 네트워크를 이용하여 챗봇 서비스와 관련된 이용 정보를 기반으로 고객 단말과 상담원 단말 사이의 통화 연결을 관리하는 방법 및 장치
KR102492333B1 (ko) * 2022-09-19 2023-01-27 주식회사 브로드씨엔에스 뉴럴 네트워크를 이용하여 주차와 관련된 정보를 기반으로 단말에게 진료 예약 일정에 대한 정보를 제공하는 방법 및 장치
KR102576380B1 (ko) * 2023-06-07 2023-09-08 김동현 뉴럴 네트워크를 이용하여 rMQR 코드에 날짜가 중첩되어 표기된 상품을 관리하는 방법 및 시스템

Similar Documents

Publication Publication Date Title
KR102467890B1 (ko) 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102582594B1 (ko) 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치
KR102421073B1 (ko) 인공지능을 이용하여 인테리어 마감재 템플릿을 제공하는 인테리어 시뮬레이션 시스템
KR102625772B1 (ko) 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치
EP3398029B1 (en) Intelligent smart room control system
KR102387408B1 (ko) 인공지능을 이용한 인테리어 시뮬레이션 시스템
CN115775564A (zh) 音频处理方法、装置、存储介质及智能眼镜
KR102625839B1 (ko) 뉴럴 네트워크를 이용하여 3차원 가상 공간에 인테리어와 관련된 금속 제품을 배치하는 방법 및 장치
KR102573295B1 (ko) 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치
KR102422153B1 (ko) 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치
KR20230150047A (ko) Iot 최적화를 위한 오피스 인테리어 설계 시뮬레이션 시스템
KR102666423B1 (ko) 유휴 공간과 연동된 팝업 스토어를 가상 공간에 생성하는 방법 및 시스템
KR102636189B1 (ko) 인공지능 영상 분석과 디지털 트윈 정합을 통한 객체 공간성 인지와 발생 이벤트의 공간-시간 맵 가시화 방법 및 장치
KR102678081B1 (ko) 인공지능 영상 분석 기술을 활용한 영상 공간 커버리지 기반 디지털 트윈 모니터링 시각화 방법 및 장치
KR102530412B1 (ko) 뉴럴 네트워크를 이용하여 메타버스에 생성된 가상 건축물 내에서 미디어아트 조형물을 설치하기 위한 영역을 사용자 단말에게 추천하는 방법 및 장치
KR102669159B1 (ko) 거시적 공간상황 인식을 위한 연결 공간 토폴로지를 활용한 인공지능 기반의 연속 이벤트를 추론하는 방법 및 장치
KR102585090B1 (ko) 뉴럴 네트워크를 이용하여 웹툰과 연동된 게임을 사용자 단말에게 제공하는 방법 및 장치
KR102591113B1 (ko) 바이너리 트리 기반의 컨벌루션 신경망을 활용한 의류 이미지 검색 기능을 가진 맞춤형 인터페이스를 제공하는 방법 및 장치
KR102602589B1 (ko) 뉴럴 네트워크를 사용하여 오프라인 팝업 스토어와 관련된 정보를 기반으로 메타버스 팝업 스토어를 관리하는 방법 및 장치
KR102472426B1 (ko) 뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치
KR102602594B1 (ko) 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치
KR102579810B1 (ko) 인공지능 기반 가정용 건강 보조 기기 유통 플랫폼 시스템
KR102643021B1 (ko) 뉴럴 네트워크를 기반으로 사용자 단말에게 무단 침입을 자동으로 알리는 방법 및 시스템
KR102466836B1 (ko) 뉴럴 네트워크를 이용한 매칭 방법 및 매칭 장치
KR102562282B1 (ko) 성향 기반 매칭 방법 및 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant