KR102650511B1 - 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법 - Google Patents
업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법 Download PDFInfo
- Publication number
- KR102650511B1 KR102650511B1 KR1020230165331A KR20230165331A KR102650511B1 KR 102650511 B1 KR102650511 B1 KR 102650511B1 KR 1020230165331 A KR1020230165331 A KR 1020230165331A KR 20230165331 A KR20230165331 A KR 20230165331A KR 102650511 B1 KR102650511 B1 KR 102650511B1
- Authority
- KR
- South Korea
- Prior art keywords
- furniture
- image
- dimensional
- accessory
- upcycling
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract description 38
- 230000015654 memory Effects 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims description 16
- 239000003550 marker Substances 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000002699 waste material 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
- G06Q50/04—Manufacturing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2004—Aligning objects, relative positioning of parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Computer Graphics (AREA)
- Manufacturing & Machinery (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 발명은 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법에 관한 것이다.
본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 중고가구에 대한 제1 이미지를 기반으로, 상기 중고가구의 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 나타내는 보조정보를 생성할 수 있다.
본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 중고가구에 대한 제1 이미지를 기반으로, 상기 중고가구의 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 나타내는 보조정보를 생성할 수 있다.
Description
본 발명은 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법에 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.
유행 또는 노후화로 인하여 버려지는 가구가 많다. 해당 가구들을 단순히 폐기하는 경우, 환경오염을 유발할 뿐만 아니라, 순환경제에 반하는 결과를 초래하기도 한다.
이에, 본 발명에서는, 버려지는 가구를 업사이클하여, 새로운 가구로 리디자인할 수 있는 기술을 제안하고자 한다.
본 발명의 일 실시예는 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법을 제공하는 것이다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 중고가구에 대한 제1 이미지를 기반으로, 상기 중고가구의 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 나타내는 보조정보를 생성할 수 있다.
이 때, 상기 프로세서는, 사용자단말로부터 중고가구에 대한 제1 이미지를 수신하고, 상기 제1 이미지를 기반으로 상기 중고가구에 대한 삼차원가구이미지를 생성하고, 상기 삼차원가구이미지에서 상기 중고가구의 제1 부속품을 구분하여 복수개의 제1 삼차원부속이미지를 생성하고, 업사이클링 가구에 대한 디자인이 포함되는 디자인DB 및 상기 제1 삼차원부속이미지를 기반으로, 상기 제1 부속품에 대하여, 해당 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 보조정보로 생성하고, 상기 보조정보를 상기 사용자단말로 송신할 수 있다.
이 때, 상기 제1 이미지는, 상기 중고가구를 기설정된 촬영방향에 따라 촬영된 복수개의 제2 이미지를 포함하고, 상기 프로세서는, 인공지능모듈을 통하여, 복수개의 상기 제2 이미지에서 상기 중고가구에 해당하는 중고가구객체를 추출하고, 상기 촬영방향 및 상기 중고가구객체를 기반으로 상기 삼차원가구이미지를 생성할 수 있다.
이 때, 상기 프로세서는, 기설정된 복수개의 삼차원기본도형이미지를 포함하는 기본도형DB를 기반으로, 상기 삼차원가구이미지를 하나 이상의 상기 삼차원기본도형이미지로 재구성하고, 상기 삼차원가구이미지에서 각각의 상기 삼차원기본도형이미지가 차지하는 영역을 상기 중고가구의 상기 제1 부속품으로 구분하고, 상기 삼차원가구이미지에서 상기 제1 부속품에 해당하는 영역을 상기 제1 삼차원부속이미지로 생성할 수 있다.
이 때, 상기 제2 이미지는, 기설정된 제1 크기의 마커가 함께 촬영되어 있고, 상기 프로세서는, 상기 마커의 제1 크기를 기반으로 상기 제1 부속품에 대한 가로, 세로 및 높이에 대한 제1 사이즈정보를 생성하고, 상기 제1 사이즈정보가 포함되도록 상기 제1 삼차원부속이미지를 생성할 수 있다.
이 때, 상기 디자인DB는, 복수개의 업사이클링 가구에 대하여 복수개의 디자인이미지를 포함하되, 상기 디자인이미지는, 상기 업사이클링 가구에 대한 삼차원 형태의 이미지이면서, 하나 이상의 상기 삼차원기본도형이미지에 따라 해당 업사이클링 가구의 제2 부속품으로 나누어진 제2 삼차원부속이미지를 포함하고, 상기 제2 삼차원부속이미지는, 상기 업사이클링 가구에 대하여 기설정된 제2 크기를 기반으로, 해당 제2 부속품에 대한 가로, 세로 및 높이에 대한 제2 사이즈정보가 포함될 수 있다.
이 때, 상기 프로세서는, 상기 제2 삼차원부속이미지 중에서, 상기 제1 삼차원부속이미지에 적용된 삼차원기본도형이미지와 동일한 삼차원기본도형이미지가 적용된 제3 삼차원부속이미지를 추출하고, 상기 제3 삼차원부속이미지 중에서, 상기 제1 삼차원부속이미지에 대한 제1 사이즈정보보다 제2 사이즈정보가 작은 제4 삼차원부속이미지를 추출하고, 상기 제4 삼차원부속이미지에 대하여, 상기 제1 삼차원부속이미지에 대한 매칭점수를 도출하고, 상기 매칭점수가 가장 높은 제4 삼차원부속이미지가 해당되는 업사이클링 가구 및 제2 부속품에 대한 정보를 상기 보조정보로 생성할 수 있다.
이 때, 상기 프로세서는, 상기 제4 삼차원부속이미지에 대하여, 상기 제1 삼차원부속이미지에 대한 매칭점수를 도출하되, 해당 제4 삼차원부속이미지가 해당되는 업사이클링 가구의 판매량, 해당 업사이클링 가구에 포함되는 제2 부속품의 수, 해당 업사이클링 가구에 포함되는 제2 부속품 중에서 해당 제4 삼차원부속이미지에 해당하는 제2-1 부속품에 대한 재고수량 및 해당 업사이클링 가구에 포함되는 제2 부속품 중에서 상기 제2-1 부속품을 제외한 나머지 제2-2 부속품에 대한 재고수량을 기반으로 상기 매칭점수를 도출할 수 있다.
이 때, 상기 매칭점수는, 아래 수학식에 의하여 도출되되,
ms는 해당 제4 삼차원부속이미지의 상기 매칭점수를 의미하고, a는 해당 제4 삼차원부속이미지가 해당되는 업사이클링 가구의 판매량을 의미하고, b는 해당 업사이클링 가구에 포함되는 제2 부속품의 수를 의미하고, c는 해당 업사이클링 가구에 포함되는 제2-2 부속품에 대한 재고수량의 평균을 의미하고, d는 해당 업사이클링 가구에 포함되는 제2-1 부속품에 대한 재고수량을 의미할 수 있다.
이와 같이 본 발명의 일 실시예에 따르면, 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법을 제공할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 삼차원가구이미지를 생성하는 과정을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라 제1 삼차원부속이미지를 생성하는 과정을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 디자인DB 및 제2 삼차원부속이미지를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법의 흐름도이다.
도 7은 본 발명의 일 실시예에 적용된 서비스의 실시를 나타내는 예시도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
도 1은 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 삼차원가구이미지를 생성하는 과정을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라 제1 삼차원부속이미지를 생성하는 과정을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 디자인DB 및 제2 삼차원부속이미지를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법의 흐름도이다.
도 7은 본 발명의 일 실시예에 적용된 서비스의 실시를 나타내는 예시도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
도 1은 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 장치의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 장치는 사용자단말로부터 중고가구에 대한 이미지를 수신하여, 해당 중고가구의 부속품들이 업사이클링 가구에 적용할 수 있는지, 어떤 업사이클링 가구에 적용하는 것이 가장 바람직한지를 판단할 수 있다.
한편, 업사이클링을 위한 리디자인 보조정보 생성 장치는 본 발명에서 '전자 장치(100)'로 호칭될 수도 있다.
이 때, 사용자단말(200)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 스마트 워치(smart watch), 스마트 글래스(smart glass) 등을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 전자 장치(100)의 블록도이다.
일 실시예에 따른 전자 장치(100)는 프로세서(110) 및 메모리(120)를 포함한다. 프로세서(110)는 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(120)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(120)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(120)는 '데이터베이스', '저장부' 등으로 호칭될 수 있다.
프로세서(110)는 프로그램을 실행하고, 전자 장치(100)를 제어할 수 있다. 프로세서(110)에 의하여 실행되는 프로그램의 코드는 메모리(120)에 저장될 수 있다. 장치(100)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이 때, 상기 프로세서(110)는, 사용자단말로부터 중고가구에 대한 제1 이미지를 수신할 수 있다.
이 때, 상기 제1 이미지는, 도 3에 도시된 바와 같이 상기 중고가구를 기설정된 촬영방향에 따라 촬영된 복수개의 제2 이미지를 포함할 수 있다.
이를 통하여, 상기 프로세서는, 상기 제1 이미지를 기반으로 상기 중고가구에 대한 삼차원가구이미지를 생성할 수 있다. 상기 삼차원가구이미지 생성과 관련하여 보다 상세하게 후술하도록 한다.
또한, 상기 프로세서는, 상기 삼차원가구이미지에서 상기 중고가구의 제1 부속품을 구분하여 복수개의 제1 삼차원부속이미지를 생성할 수 있다. 이와 관련하여 보다 상세하게 후술하도록 한다.
또한, 상기 프로세서는, 업사이클링 가구에 대한 디자인이 포함되는 디자인DB 및 상기 제1 삼차원부속이미지를 기반으로, 상기 제1 부속품에 대하여, 해당 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 보조정보로 생성하고, 상기 보조정보를 상기 사용자단말로 송신할 수 있다.
이 때, 업사이클링이란 창의적 재사용이라고도 하며 부산물, 폐기물, 쓸모없거나 원치 않는 제품을 예술적 또는 환경적 가치 등 품질이 더 높은 것으로 인식되는 새로운 재료나 제품으로 바꾸는 과정을 의미하며, 업사이클링 가구는 중고가구나 폐가구 등의 부속품을 창의적으로 재사용하여 제작하는 가구를 의미할 수 있다.
도 3은 본 발명의 일 실시예에 따라 삼차원가구이미지를 생성하는 과정을 나타내는 도면이다.
도 3을 참조하면, 상기 프로세서는, 인공지능모듈을 통하여, 복수개의 상기 제2 이미지에서 상기 중고가구에 해당하는 중고가구객체를 추출할 수 있다.
이 때, 상기 인공지능모듈은 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여, 제2 이미지에서 중고가구에 해당하는 객체를 추출할 수 있다.
또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.
여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.
또한, 상기 프로세서는, 상기 촬영방향 및 상기 중고가구객체를 기반으로 상기 삼차원가구이미지를 생성할 수 있다.
도 4는 본 발명의 일 실시예에 따라 제1 삼차원부속이미지를 생성하는 과정을 나타내는 도면이다.
도 4를 참조하면, 상기 프로세서는, 기설정된 복수개의 삼차원기본도형이미지를 포함하는 기본도형DB를 기반으로, 상기 삼차원가구이미지를 하나 이상의 상기 삼차원기본도형이미지로 재구성하고, 상기 삼차원가구이미지에서 각각의 상기 삼차원기본도형이미지가 차지하는 영역을 상기 중고가구의 상기 제1 부속품으로 구분할 수 있다.
또한, 상기 프로세서는, 상기 삼차원가구이미지에서 상기 제1 부속품에 해당하는 영역을 상기 제1 삼차원부속이미지로 생성할 수 있다.
이를 통하여, 후술하는 바와 같이, 상기 제1 부속품이 업사이클링 가구의 제2 부속품 중에서 어느 부분에 사용될 수 있는지 판단할 수 있다.
또한, 상기 제2 이미지는, 기설정된 제1 크기의 마커가 함께 촬영되어 있고, 상기 프로세서는, 상기 마커의 제1 크기를 기반으로 상기 제1 부속품에 대한 가로, 세로 및 높이에 대한 제1 사이즈정보를 생성하고, 상기 제1 사이즈정보가 포함되도록 상기 제1 삼차원부속이미지를 생성할 수 있다.
형태가 같더라도 제1 부속품의 사이즈가 제2 부속품의 사이즈보다 작은 경우에는 업사이클링 가구에 사용되기 어렵기 때문에 이를 확인하기 위함이다.
도 5는 본 발명의 일 실시예에 따른 디자인DB 및 제2 삼차원부속이미지를 나타내는 도면이다.
도 5를 참조하면, 상기 디자인DB는, 복수개의 업사이클링 가구에 대하여 복수개의 디자인이미지를 포함할 수 있다.
이 때, 상기 디자인이미지는, 상기 업사이클링 가구에 대한 삼차원 형태의 이미지이면서, 하나 이상의 상기 삼차원기본도형이미지에 따라 해당 업사이클링 가구의 제2 부속품으로 나누어진 제2 삼차원부속이미지를 포함할 수 있다.
또한, 상기 제2 삼차원부속이미지는, 상기 업사이클링 가구에 대하여 기설정된 제2 크기를 기반으로, 해당 제2 부속품에 대한 가로, 세로 및 높이에 대한 제2 사이즈정보가 포함될 수 있다.
또한, 상기 프로세서는, 상기 제2 삼차원부속이미지 중에서, 상기 제1 삼차원부속이미지에 적용된 삼차원기본도형이미지와 동일한 삼차원기본도형이미지가 적용된 제3 삼차원부속이미지를 추출하고, 상기 제3 삼차원부속이미지 중에서, 상기 제1 삼차원부속이미지에 대한 제1 사이즈정보보다 제2 사이즈정보가 작은 제4 삼차원부속이미지를 추출하고, 상기 제4 삼차원부속이미지에 대하여, 상기 제1 삼차원부속이미지에 대한 매칭점수를 도출하고, 상기 매칭점수가 가장 높은 제4 삼차원부속이미지가 해당되는 업사이클링 가구 및 제2 부속품에 대한 정보를 상기 보조정보로 생성할 수 있다.
이를 통하여, 중고가구의 부속품으로 어떤 업사이클링 가구를 제작할 수 있는지 확인할 수 있는 보조정보를 생성할 수 있다.
또한, 상기 프로세서는, 상기 제4 삼차원부속이미지에 대하여, 상기 제1 삼차원부속이미지에 대한 매칭점수를 도출하되, 해당 제4 삼차원부속이미지가 해당되는 업사이클링 가구의 판매량, 해당 업사이클링 가구에 포함되는 제2 부속품의 수, 해당 업사이클링 가구에 포함되는 제2 부속품 중에서 해당 제4 삼차원부속이미지에 해당하는 제2-1 부속품에 대한 재고수량 및 해당 업사이클링 가구에 포함되는 제2 부속품 중에서 상기 제2-1 부속품을 제외한 나머지 제2-2 부속품에 대한 재고수량을 기반으로 상기 매칭점수를 도출할 수 있다.
보다 상세하게 살펴보면, 상기 매칭점수는, 아래 수학식 1에 의하여 도출될 수 있다.
[수학식 1]
이 때, ms는 해당 제4 삼차원부속이미지의 상기 매칭점수를 의미하고, a는 해당 제4 삼차원부속이미지가 해당되는 업사이클링 가구의 판매량을 의미하고, b는 해당 업사이클링 가구에 포함되는 제2 부속품의 수를 의미하고, c는 해당 업사이클링 가구에 포함되는 제2-2 부속품에 대한 재고수량의 평균을 의미하고, d는 해당 업사이클링 가구에 포함되는 제2-1 부속품에 대한 재고수량을 의미할 수 있다.
이 때, log는 상용로그를 의미한다.
또한, b가 1인 경우, log(b)는 0이 되어, b가 2개 이상인 경우에만 상기 수학식 1을 적용할 수 있다.
이 때, log는 상용로그를 의미한다.
또한, b가 1인 경우, log(b)는 0이 되어, b가 2개 이상인 경우에만 상기 수학식 1을 적용할 수 있다.
이를 통하여, 해당 업사이클링 가구의 판매량이 많은 경우, 상기 매칭점수가 높게 산출될 수 있고, 해당 업사이클링 가구의 제2 부속품의 수가 적은 경우에는 적은 부속품으로도 바로 제작할 수 있어 상기 매칭점수가 높게 산출될 수 있고, 해당 제2-1 부속품의 재고수량이 적은 경우에는 다른 제2-2 부속품의 재고수량과 맞춰지도록 상기 매칭점수가 높게 산출될 수 있다.
도 6은 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법의 흐름도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 중고가구에 대한 제1 이미지를 기반으로, 상기 중고가구의 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 나타내는 보조정보를 생성할 수 있다.
보다 상세하게 살펴보면, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 사용자단말로부터 중고가구에 대한 제1 이미지를 수신할 수 있다(S101).
또한, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 상기 제1 이미지를 기반으로 상기 중고가구에 대한 삼차원가구이미지를 생성할 수 있다(S103).
또한, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 상기 삼차원가구이미지에서 상기 중고가구의 제1 부속품을 구분하여 복수개의 제1 삼차원부속이미지를 생성할 수 있다(S105).
또한, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 업사이클링 가구에 대한 디자인이 포함되는 디자인DB 및 상기 제1 삼차원부속이미지를 기반으로, 상기 제1 부속품에 대하여, 해당 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 보조정보로 생성할 수 있다(S107).
또한, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 상기 보조정보를 상기 사용자단말로 송신할 수 있다(S109).
또한, 본 발명의 일 실시예에 따른 업사이클링을 위한 리디자인 보조정보 생성 방법은 도 1 내지 도 5에 개시된 업사이클링을 위한 리디자인 보조정보 생성 장치와 동일하게 구성될 수 있다.
도 7은 본 발명의 일 실시예에 적용된 서비스의 실시를 나타내는 예시도이다.
도 7을 참조하면, 본 발명을 통하여, 중고가구를 매입하여 중고가구의 부속품으로 업사이클링 가구를 제작하고, 해당 업사이클링 가구를 매매하여 순환경제를 이룰 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, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (5)
- 전자 장치에 있어서,
메모리(memory); 및
상기 메모리와 연결된 프로세서(processor); 를 포함하고,
상기 프로세서는:
중고가구에 대한 제1 이미지를 기반으로,
상기 중고가구의 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 나타내는 보조정보를 생성하되,
사용자단말로부터 중고가구에 대한 제1 이미지를 수신하고,
상기 제1 이미지를 기반으로 상기 중고가구에 대한 삼차원가구이미지를 생성하고,
상기 삼차원가구이미지에서 상기 중고가구의 제1 부속품을 구분하여 복수개의 제1 삼차원부속이미지를 생성하고,
업사이클링 가구에 대한 디자인이 포함되는 디자인DB 및 상기 제1 삼차원부속이미지를 기반으로, 상기 제1 부속품에 대하여, 해당 제1 부속품이 적용될 수 있는 업사이클링 가구에 대한 정보를 보조정보로 생성하고,
상기 보조정보를 상기 사용자단말로 송신하는 것을 특징으로 하는, 전자 장치.
- 삭제
- 청구항 1에 있어서,
상기 제1 이미지는,
상기 중고가구를 기설정된 촬영방향에 따라 촬영된 복수개의 제2 이미지를 포함하고,
상기 프로세서는,
인공지능모듈을 통하여, 복수개의 상기 제2 이미지에서 상기 중고가구에 해당하는 중고가구객체를 추출하고,
상기 촬영방향 및 상기 중고가구객체를 기반으로 상기 삼차원가구이미지를 생성하는 것을 특징으로 하는, 전자 장치.
- 청구항 3에 있어서,
상기 프로세서는,
기설정된 복수개의 삼차원기본도형이미지를 포함하는 기본도형DB를 기반으로,
상기 삼차원가구이미지를 하나 이상의 상기 삼차원기본도형이미지로 재구성하고,
상기 삼차원가구이미지에서 각각의 상기 삼차원기본도형이미지가 차지하는 영역을 상기 중고가구의 상기 제1 부속품으로 구분하고,
상기 삼차원가구이미지에서 상기 제1 부속품에 해당하는 영역을 상기 제1 삼차원부속이미지로 생성하는 것을 특징으로 하는, 전자 장치.
- 청구항 4에 있어서,
상기 제2 이미지는,
기설정된 제1 크기의 마커가 함께 촬영되어 있고,
상기 프로세서는,
상기 마커의 제1 크기를 기반으로 상기 제1 부속품에 대한 가로, 세로 및 높이에 대한 제1 사이즈정보를 생성하고,
상기 제1 사이즈정보가 포함되도록 상기 제1 삼차원부속이미지를 생성하는 것을 특징으로 하는, 전자 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230165331A KR102650511B1 (ko) | 2023-11-24 | 2023-11-24 | 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230165331A KR102650511B1 (ko) | 2023-11-24 | 2023-11-24 | 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102650511B1 true KR102650511B1 (ko) | 2024-03-21 |
Family
ID=90472339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230165331A KR102650511B1 (ko) | 2023-11-24 | 2023-11-24 | 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102650511B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210057631A (ko) | 2019-11-12 | 2021-05-21 | 주식회사 미하우스 | 침구류 업사이클링 시스템 |
| KR20220120824A (ko) * | 2021-02-24 | 2022-08-31 | 삼성전자주식회사 | 업사이클링 기능을 제공하기 위한 방법 및 이를 지원하는 전자 장치 |
| KR102566133B1 (ko) * | 2023-04-20 | 2023-08-11 | 이미지 | 제품 업사이클링 시스템 및 그 방법 |
-
2023
- 2023-11-24 KR KR1020230165331A patent/KR102650511B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210057631A (ko) | 2019-11-12 | 2021-05-21 | 주식회사 미하우스 | 침구류 업사이클링 시스템 |
| KR20220120824A (ko) * | 2021-02-24 | 2022-08-31 | 삼성전자주식회사 | 업사이클링 기능을 제공하기 위한 방법 및 이를 지원하는 전자 장치 |
| KR102566133B1 (ko) * | 2023-04-20 | 2023-08-11 | 이미지 | 제품 업사이클링 시스템 및 그 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | Swformer: Sparse window transformer for 3d object detection in point clouds | |
| CN110490960B (zh) | 一种合成图像生成方法及装置 | |
| Gao et al. | Hierarchical LSTMs with adaptive attention for visual captioning | |
| Dollár et al. | Fast edge detection using structured forests | |
| US20180130203A1 (en) | Automated skin lesion segmentation using deep side layers | |
| US10762678B2 (en) | Representing an immersive content feed using extended reality based on relevancy | |
| Yang et al. | Deep neural networks for sketch recognition | |
| US11954755B2 (en) | Image processing device and operation method thereof | |
| US20210097692A1 (en) | Data filtering of image stacks and video streams | |
| JP7451015B2 (ja) | オブジェクト検出のための訓練データの生成 | |
| Xu et al. | Probabilistic graph attention network with conditional kernels for pixel-wise prediction | |
| CN113424203A (zh) | 图像处理设备及其操作方法 | |
| US12087064B2 (en) | Coarse-to-fine attention networks for light signal detection and recognition | |
| Amir et al. | On the effectiveness of vit features as local semantic descriptors | |
| KR102650511B1 (ko) | 업사이클링을 위한 리디자인 보조정보 생성 장치 및 방법 | |
| Belhi et al. | Study and evaluation of pre-trained CNN networks for cultural heritage image classification | |
| KR102541600B1 (ko) | 실물 객체 인식 기반 상담 서비스 제공 장치 및 방법 | |
| KR102682877B1 (ko) | Fpga를 활용한 cnn 가속기 하드웨어 설계 | |
| KR102560863B1 (ko) | 사용자 맞춤형 패션양말 구독 플랫폼 서비스 제공 장치 및 방법 | |
| Gupta et al. | Multimodal Biometric Systems: Security and Applications | |
| US11120313B2 (en) | Generating search determinations for assortment planning using visual sketches | |
| US20240078792A1 (en) | Systems for multi-task joint training of neural networks using multi-label datasets | |
| Akhmadeev | Computer Vision for the Web | |
| Andriamananjara | Featureless point cloud upsampling via patched-based attention | |
| Zbinden et al. | Learning Objet Representations by Mixing Scenes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |