KR102664280B1 - 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 - Google Patents
인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102664280B1 KR102664280B1 KR1020230106208A KR20230106208A KR102664280B1 KR 102664280 B1 KR102664280 B1 KR 102664280B1 KR 1020230106208 A KR1020230106208 A KR 1020230106208A KR 20230106208 A KR20230106208 A KR 20230106208A KR 102664280 B1 KR102664280 B1 KR 102664280B1
- Authority
- KR
- South Korea
- Prior art keywords
- interior
- server
- user
- color
- pixels
- Prior art date
Links
- 238000013461 design Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 128
- 239000000463 material Substances 0.000 claims abstract description 111
- 238000013528 artificial neural network Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 abstract description 21
- 230000015654 memory Effects 0.000 description 21
- 238000012549 training Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 11
- 210000004027 cell Anatomy 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000012508 change request Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000000177 Indigofera tinctoria Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009408 flooring Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229940097275 indigo Drugs 0.000 description 1
- COHYTHOBJLSHDF-UHFFFAOYSA-N indigo powder Natural products N1C2=CC=CC=C2C(=O)C1=C1C(=O)C2=CC=CC=C2N1 COHYTHOBJLSHDF-UHFFFAOYSA-N 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Architecture (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템이 개시된다. 본 발명의 실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법은, 제1 사용자 단말로부터 인테리어 설계 요청을 수신하고, 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출하며, 인테리어 단면도 및 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성하고, 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출하며, 자재 리스트를 제1 사용자 단말로 전송하고, 제1 사용자 단말로부터 자재 선택 요청을 수신하며, 자재 선택 요청에 따라서 인테리어 견적을 산출한다.
Description
아래 실시예들은 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템에 관한 것이다.
실시예들과 관련된 배경기술로, 대한민국 공개특허공보 KR 10-2022-0067350 A은 건축설계를 위한 실내재료마감표 작성 자동화 장치 및 방법을 개시한다. 구체적으로, 선행문헌은 사용자 단말로부터 건축설계에 관한 계획도면을 수신하는 계획도면 수신부와, 계획도면으로부터 실명 및 치수선을 포함하는 특징 정보를 추출하는 계획도면 분석부와, 실내재료마감재료에 관하여 기 구축된 데이터베이스를 기초로 특징 정보에 대응되는 후보 데이터를 결정하는 후보 데이터 추출부와, 후보 데이터를 기초로 계획도면에 대응되는 실내재료마감표를 생성하는 실내재료마감표 생성부를 포함하는 구성을 개시한다.
이를 통해, 선행문헌은 계획도면 상의 정보를 추출하여 자동으로 실내재료마감표를 작성할 수 있는 효과가 있다.
또한, 대한민국 공개특허공보 KR 10-2021-0083573 A는 사용자 스타일 기반의 공간 및 인테리어 레이아웃 자동화 방법 및 그 장치를 개시한다. 구체적으로, 선행문헌은 사용자의 실내 구조 정보를 획득하는 단계; 상기 사용자에 대응하는 스타일 정보 분석 처리에 따라, 상기 실내 구조 정보에 대응하여 결정되는 공간 레이아웃 및 인테리어 배치 디자인을 포함하는 인테리어 레이아웃 자동화 정보를 생성하는 단계; 및 상기 인테리어 레이아웃 자동화 정보를 출력하는 단계를 포함하는 방법을 개시한다.
이를 통해, 선행문헌은 사용자가 별도의 정밀한 설계를 하거나, 전문가에 대한 작업의뢰 없이도 직관적이고 편리하게 공간 및 인테리어 설계 정보를 작성할 수 있도록 하는 효과가 있다.
그러나 선행문헌들은 제1 사용자 단말로부터 인테리어 설계 요청을 수신하고, 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출하며, 인테리어 단면도 및 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성하고, 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출하며, 자재 리스트를 제1 사용자 단말로 전송하고, 제1 사용자 단말로부터 자재 선택 요청을 수신하며, 자재 선택 요청에 따라서 인테리어 견적을 산출하는 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템을 개시하지 않는다.
실시예들은 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 방법을 제공하고자 한다.
실시예들은 평균 가격과 가격차가 적은 시공 단가로 견적을 산출하는 방법을 제공하고자 한다.
실시예들은 사용자 단말로 입력 페이지를 송신하고, 사용자 단말로부터 입력 데이터를 수신하는 방법을 제공하고자 한다.
본 발명의 실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법은, 제1 사용자 단말로부터 인테리어 설계 요청을 수신하는 단계; 상기 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출하는 단계; 상기 인테리어 단면도 및 상기 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성하는 단계; 상기 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출하는 단계; 상기 자재 리스트를 상기 제1 사용자 단말로 전송하는 단계; 상기 제1 사용자 단말로부터 자재 선택 요청을 수신하는 단계; 및 상기 자재 선택 요청에 따라서 인테리어 견적을 산출하는 단계를 포함할 수 있다.
일 실시예로서, 상기 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출하는 단계 이후에, 상기 자재 리스트를 이용하여 자재 별로 가격이 가장 낮은 자재를 선택하여 제1 시공 단가를 산출하는 단계; 상기 자재 리스트를 이용하여 자재 별로 가격이 가장 높은 자재를 선택하여 제2 시공 단가를 산출하는 단계; 상기 자재 리스트를 이용하여 자재 별로 평균 가격을 산출하여 제3 시공 단가를 산출하는 단계; 상기 제1 시공 단가와 상기 제3 시공 단가의 차를 제1 가격차로 산출하는 단계; 상기 제2 시공 단가와 상기 제3 시공 단가의 차를 제2 가격차로 산출하는 단계; 상기 제1 가격차가 상기 제2 가격차보다 작거나 같은 경우 상기 제1 시공 단가에 따른 자재들의 제1 리스트를 생성하여 상기 제1 사용자 단말로 전송하는 단계; 및 상기 제1 가격차가 상기 제2 가격차보다 큰 경우 상기 제2 시공 단가에 따른 자재들의 제2 리스트를 생성하여 상기 제1 사용자 단말로 전송하는 단계를 더 포함할 수 있다.
일 실시예로서, 상기 제1 사용자 단말로부터 인테리어 설계 요청을 수신하는 단계는, 상기 제1 사용자 단말로 입력 페이지를 송신하고, 상기 제1 사용자 단말로부터 입력 데이터를 수신하되, 상기 입력 페이지는: 상기 인테리어 대상 이미지를 제1 레이어에 디스플레이하는 단계; 상기 인테리어 대상 이미지의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 상기 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계; 상기 제1 그리드에 중첩되는 투명색의 제2 그리드를 상기 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계; 상기 제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 상기 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계; 다수개의 상기 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계; 상기 제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계; 상기 제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계; 상기 제3 그리드의 좌표를 기록하는 동작을 생성하는 단계; 상기 제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계; 및 상기 Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;를 포함하는 과정에 따라 생성되고, 상기 입력 데이터를 수신하는 단계는: 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 수신하는 단계;를 포함하여, 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 기반으로 상기 입력 데이터를 송수신할 수 있다.
일 실시예로서, 상기 제1 사용자 단말로부터 제1 사용자가 원하는 인테리어 시공 사례를 보여주기 위해 선택된 제1 이미지를 수신하는 단계; 상기 제1 이미지가 제1 공간을 촬영한 이미지로 분석되면, 상기 제1 이미지를 인코딩하여 제1 입력 신호를 생성하는 단계; 상기 제1 입력 신호를 제1 뉴럴 네트워크에 입력하고, 상기 제1 뉴럴 네트워크의 입력에 대한 결과에 기초하여, 제1 출력 신호를 획득하는 단계; 상기 제1 출력 신호에 기초하여, 상기 제1 공간에 대한 인테리어 시공 종류를 제1 스타일로 식별하는 단계; 상기 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 인테리어 기사를 매칭 후보 그룹으로 분류하는 단계; 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나 있는 것으로 확인된 경우, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계; 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 둘 이상 있는 것으로 확인된 경우, 상기 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 포트폴리오 등록 횟수, 인테리어 기사의 평점 및 인테리어 기사의 위치를 고려하여, 상기 매칭 후보 그룹으로 분류된 인테리어 기사 별로 매칭 점수를 산출하고, 상기 매칭 후보 그룹으로 분류된 인테리어 기사들 중 제1 인테리어 기사의 매칭 점수가 가장 높은 것으로 확인되면, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계; 상기 제1 인테리어 기사가 상기 제1 사용자의 매칭 상대로 설정되면, 상기 제1 인테리어 기사에 대한 추천 정보를 상기 제1 사용자 단말로 제공하는 단계; 상기 제1 이미지가 제1 객체를 촬영한 이미지로 분석되면, 상기 제1 객체를 이용하여 인테리어 시공을 수행한 이력이 있는 인테리어 기사를 매칭 후보 그룹으로 분류하는 단계; 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나 있는 것으로 확인된 경우, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계; 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 둘 이상 있는 것으로 확인된 경우, 상기 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수 및 상기 제1 객체를 보유하고 있는 보유량을 고려하여, 상기 매칭 후보 그룹으로 분류된 인테리어 기사 별로 매칭 점수를 산출하고, 상기 매칭 후보 그룹으로 분류된 인테리어 기사들 중 제1 인테리어 기사의 매칭 점수가 가장 높은 것으로 확인되면, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계; 및 상기 제1 인테리어 기사가 상기 제1 사용자의 매칭 상대로 설정되면, 상기 제1 인테리어 기사에 대한 추천 정보와 상기 제1 객체를 판매하는 판매 페이지의 링크 정보를 상기 제1 사용자 단말로 제공하는 단계를 더 포함할 수 있다.
일 실시예로서, 상기 제1 사용자의 요청에 의해, 상기 인테리어 실사 설계도의 제1 구역에 제1 항목에 대한 정보가 입력되는 것으로 설정되어 있는 경우, 상기 제1 사용자의 개인 정보에서 상기 제1 항목에 대한 정보를 제1 입력 정보로 추출하는 단계; 상기 인테리어 설계도에서 상기 제1 구역에 상기 제1 입력 정보가 표시되도록 처리하여, 상기 인테리어 설계도에 상기 제1 입력 정보를 추가하는 단계; 상기 제1 사용자의 홈페이지인 제1 페이지를 확인하고, 상기 제1 페이지의 캡처 이미지인 제1 이미지를 획득하는 단계; 상기 제1 이미지의 중앙 영역을 제1 영역으로 구분하고, 상기 제1 영역 이외에 나머지 영역을 제2 영역으로 구분하는 단계; 상기 제1 영역에서 표시되는 색상을 화소 별로 분석하여, 상기 제1 영역의 전체 화소를 색상 계열에 따라 분류하는 단계; 상기 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 상기 제1 영역에서 화소 수가 가장 많은 색상 계열을 제1 색상 계열로 확인하는 단계; 상기 제1 영역의 전체 화소 수를 제1 화소 수로 설정하고, 상기 제1 영역에서 상기 제1 색상 계열로 분류된 화소 수를 제2 화소 수로 설정하는 단계; 상기 제2 화소 수를 상기 제1 화소 수로 나눈 값으로, 제1 비율을 산출하는 단계; 상기 제1 비율이 미리 설정된 기준 비율 보다 높은 것으로 확인되면, 제1 색상을 상기 인테리어 설계도의 배경색으로 설정하는 단계; 상기 제1 비율이 상기 기준 비율 보다 높지 않은 것으로 확인되면, 상기 제2 영역에서 표시되는 색상을 화소 별로 분석하여, 상기 제2 영역의 전체 화소를 색상 계열에 따라 분류하는 단계; 상기 제2 영역의 전체 화소 수를 제3 화소 수로 설정하고, 상기 제2 영역에서 상기 제1 색상 계열로 분류된 화소 수를 제4 화소 수로 설정하는 단계; 상기 제4 화소 수를 상기 제3 화소 수로 나눈 값으로, 제2 비율을 산출하는 단계; 상기 제2 비율에 1보다 작은 값으로 설정된 제1 가중치를 적용하여, 제3 비율을 산출하는 단계; 상기 제1 비율과 상기 제3 비율을 더한 값으로, 제4 비율을 산출하는 단계; 상기 제4 비율이 상기 기준 비율 보다 높은 것으로 확인되면, 상기 제1 색상을 상기 인테리어 설계도의 배경색으로 설정하는 단계; 상기 제4 비율이 상기 기준 비율 보다 높지 않은 것으로 확인되면, 상기 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 상기 제1 영역에서 화소 수가 상기 제1 색상 계열 다음으로 많은 색상 계열을 제2 색상 계열로 확인하는 단계; 및 상기 제1 색상과 제2 색상을 혼합하여 제3 색상을 도출하고, 상기 제3 색상을 상기 인테리어 실사 설계도의 배경색으로 설정하는 단계를 더 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 인테리어 실사 설계도 및 자재 리스트를 기반으로 인테리어 견적을 산출하여 효율성과 경제성을 극대화시킬 수 있다. 또한, 사용자에게 가장 적합한 인테리어 기사를 매칭하여 사용자 편의성을 향상시킬 수 있다.
도 1은 일실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템을 나타낸 도면이다.
도 2는 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법의 흐름도이다.
도 5는 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법의 흐름도이다.
도 5는 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템을 나타낸 도면이다.
도 1에 도시한 바와 같이, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)은, 다수의 사용자 단말(110-1, …, 110-n), 서버(120) 및 데이터베이스(130)를 포함할 수 있다. 일 실시예에 따르면, 데이터베이스(130)는 서버(120)와 별도로 구성된 것으로 도시되었지만 이에 한정되지 않고, 데이터베이스(130)가 서버(120)내에 구비될 수도 있다. 예를 들어, 서버(120)는, 기계 학습 알고리즘의 수행을 위한 다수의 인공 신경망을 포함할 수 있다. 일 실시예에 따르면, 다수의 사용자 단말(110-1, …, 110-n), 서버(120) 및 데이터베이스(130)는 네트워크(N)를 통하여 서로 통신 가능하도록 연결될 수 있다.
서버(120)는, 다수의 사용자 단말(110-1, …, 110-n) 중 인테리어 설계를 요청하고자 하는 제1 사용자가 사용하는 제1 사용자 단말(예를 들어, 110-1)로부터 인테리어 설계 요청을 수신할 수 있다.
일 실시예에 따르면, 서버(120)는, 제1 사용자 단말(예를 들어, 110-1)로부터 인테리어 설계 요청을 수신하는 경우, 제1 사용자 단말(110-1)에 입력 페이지를 송신하고, 제1 사용자 단말(110-1)로부터 입력 데이터를 수신할 수 있다.
서버(120)는, 제1 사용자 단말(110-1)로부터 인테리어 설계 요청이 수신된 경우, 제1 사용자 단말(110-1)에 입력 페이지를 회신(송신)하여 입력 데이터를 전달 받을 수 있다.
입력 페이지는 소정의 웹페이지로 구성될 수 있으며, 후술하는 단계들에 따라 생성될 수 있다.
제1 사용자 단말(110-1)을 통해 입력 페이지에 인테리어 설계 요청이 입력 및 제출되면, 해당 데이터를 서버(120)로 수신할 수 있다.
입력 페이지는: 인테리어 대상 이미지를 제1 레이어에 디스플레이하는 단계; 인테리어 대상 이미지의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계; 제1 그리드에 중첩되는 투명색의 제2 그리드를 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계; 제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계; 다수개의 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계; 제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계; 제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계; 제3 그리드의 좌표를 기록하는 동작을 생성하는 단계; 제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계; 및 Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;를 포함하는 과정에 따라 생성될 수 있다.
상술한 '동작'들은, 자바스크립트를 기반으로 생성되는 소정의 프로시저/함수/메서드일 수 있다.
인테리어 대상 이미지를 제1 레이어에 디스플레이하는 단계;에서는, 서버(120)는 인테리어 대상 이미지를 기존에 촬영하여 장치에 저장되어 있었던 인테리어 소품들(예를 들어, 벽지, 세면대, 수전, 바닥재 등)의 이미지를 입력 페이지의 제1 레이어에 표기할 수 있다.
제1 레이어 내지 제4 레이어란, 웹페이지에 어떠한 요소(component)가 표기되는 순서를 의미하며, 상부에 배치된 레이어에 포함되는 요소는 하부에 배치된 레이어에 포함되는 요소를 덮어서 가리도록 표시될 수 있다.
인테리어 대상 이미지의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계;에서는, 서버(120)는 인테리어 대상 이미지의 가로 및 세로 크기를 기반으로 소정의 격자 형태로 생성된 유색의 경계선인 제1 그리드를 제2 레이어에 배치할 수 있다.
이러한 구성에 따라, 제1 사용자 단말(110-1)에는 인테리어 대상 이미지에 소정의 유색 격자 무늬가 표시된 형태의 레이아웃이 디스플레이 될 수 있다.
제1 그리드에 중첩되는 투명색의 제2 그리드를 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계;에서는, 서버(120)는 제1 그리드에 나타나는 각 격자 칸들에 대응하도록 투명한 제2 그리드를 제3 레이어에 생성/디스플레이 할 수 있다.
제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계;에서는, 서버(120)는 제2 그리드의 각 격자 칸들에 대응하는 제1 버튼들을 제4 레이어에 생성/디스플레이 할 수 있다.
다수개의 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계;에서는, 서버(120)는 각 제1 버튼마다 자바스크립트를 기반으로 동작을 매칭/생성하여, 어느 제1 버튼이 조작(클릭/탭/선택)되었는지를 기록할 수 있도록 한다.
예를 들어, 서버(120)는 10 * 10 칸의 제1 버튼들 중, (2, 3)위치 및 (2, 4)위치에 배치된 제1 버튼들이 조작되었다면, 두 개의 제1 버튼을 제2 버튼으로 지정할 수 있다.
제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계;에서는, 서버(120)는 다수개의 격자 칸을 가진 제2 그리드의 각 칸들 중 제2 버튼에 대응하는 칸들을 제3 그리드로 지정할 수 있다.
예를 들어, 서버(120)는 10 * 10 칸의 제1 버튼들 중, (2, 3)위치 및 (2, 4)위치에 배치된 제1 버튼들이 조작되었다면, (2, 3)위치 및 (2, 4)위치에 배치된 제2 그리드의 격자 칸을 제3 그리드로 지정할 수 있다.
제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계;에서는, 서버(120)는 선택된 제3 그리드를 제1 사용자 단말(110-1)에서 시각적으로 쉽게 파악할 수 있도록 제3 그리드의 색상을 반투명한 유색(예를 들어, 반투명한 파란색)으로 변경할 수 있다.
제3 그리드의 좌표를 기록하는 동작을 생성하는 단계;에서는, 서버(120)는 예를 들어, 10 * 10 칸의 제1 버튼들 중, (2, 3)위치 및 (2, 4)위치에 배치된 제1 버튼(제2 버튼)들이 조작되었다면, (2, 3) 및 (2, 4)인 제3 그리드의 좌표를 기록(저장)할 수 있다. 이 때, 제3 그리드의 좌표는 제1 사용자 단말(110-1)에 임시 저장되었다가 추후 서버(120)로 송신될 수 있다.
제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계;에서는, 서버(120)는 선택된 제3 그리드의 주변부에 변경 사항을 입력할 수 있는 태그를 생성/디스플레이 함으로써, 제1 사용자 단말(110-1)로부터 변경 요구사항을 입력 받을 수 있다.
Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;에서는, 서버(120)는 제1 사용자 단말(110-1)에서 입력한 변경 요구사항 데이터를 기록(저장)할 수 있다.
입력 데이터를 수신하는 단계는: 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 수신하는 단계;를 포함하여, 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 기반으로 입력 데이터를 송수신하도록 구성될 수 있다.
서버(120)는, 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 데이터베이스(130)에 저장된 정보로부터 제1 사용자 단말(110-1)로부터 수신된 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출할 수 있다.
서버(120)는, 인테리어 단면도 및 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성할 수 있다. 일 실시예에 따르면, 서버(120)는 인테리어 대상의 주소를 이용하여 추출된 인테리어 단면도와 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성할 수 있다.
서버(120)는, 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 인테리어 실사 설계도에 반영된 인테리어 대상 이미지를 인공 신경망에 입력하여 인테리어 시공에 필요한 자재 리스트를 추출할 수 있다.
서버(120)는, 자재 리스트를 제1 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는 추출된 자재 리스트를 네트워크(N)를 통하여 제1 사용자 단말(110-1)로 전송할 수 있다.
서버(120)는, 제1 사용자 단말로부터 자재 선택 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 사용자 단말(110-1)로 전송된 자재 리스트를 확인한 제1 사용자가 자재 리스트에서 특정 자재에 대한 선택 입력에 따른 자재 선택 요청을 수신할 수 있다.
서버(120)는, 자재 선택 요청에 따라서 인테리어 견적을 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 사용자 단말(110-1)로부터 수신된 자재 선택 요청에 따른 자재들의 가격을 합산하여 인테리어 견적을 산출할 수 있다.
또한 서버(120)는, 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출하는 단계 이후에, 자재 리스트를 이용하여 자재 별로 가격이 가장 낮은 자재를 선택하여 제1 시공 단가를 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 자재 리스트를 이용하여 자재 별로 가격이 가장 낮은 자재들을 선택하고 선택된 자재들의 가격을 합산하여 제1 시공 단가를 산출할 수 있다.
서버(120)는, 자재 리스트를 이용하여 자재 별로 가격이 가장 높은 자재를 선택하여 제2 시공 단가를 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 자재 리스트를 이용하여 자재 별로 가격이 가장 높은 자재들을 선택하고 선택된 자재들의 가격을 합산하여 제2 시공 단가를 산출할 수 있다.
서버(120)는, 자재 리스트를 이용하여 자재 별로 평균 가격을 산출하여 제3 시공 단가를 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 자재 리스트를 이용하여 자재 별로 가격을 합산하고 합산 가격을 종류의 개수로 나누어 자재 별 평균 가격을 산출하고, 산출된 자재 별 평균 가격을 합산하여 제3 시공 단가를 산출할 수 있다.
서버(120)는, 제1 시공 단가와 제3 시공 단가의 차를 제1 가격차로 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 제3 시공 단가에서 제1 시공 단가를 뺀 값을 제1 가격차로 산출할 수 있다.
서버(120)는, 제2 시공 단가와 제3 시공 단가의 차를 제2 가격차로 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 제2 시공 단가에서 제3 시공 단가를 뺀 값을 제2 가격차로 산출할 수 있다.
서버(120)는, 제1 가격차가 제2 가격차보다 작거나 같은 경우 상기 제1 시공 단가에 따른 자재들의 제1 리스트를 생성하여 제1 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 가격차가 제2 가격차보다 작거나 같은 경우 제1 시공 단가가 평균 가격에 보다 가까운 것이므로 제1 시공 단가에 따른 자재들의 제1 리스트를 생성하여 제1 사용자 단말(110-1)로 전송할 수 있다.
서버(120)는, 제1 가격차가 제2 가격차보다 큰 경우 제2 시공 단가에 따른 자재들의 제2 리스트를 생성하여 제1 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 가격차가 제2 가격차보다 큰 경우 제2 시공 단가가 평균 가격에 보다 가까운 것이므로 제2 시공 단가에 따른 자재들의 제2 리스트를 생성하여 제1 사용자 단말(110-1)로 전송할 수 있다.
또한 서버(120)는, 제1 사용자 단말(110-1)로부터 제1 사용자가 원하는 인테리어 시공 사례를 보여주기 위해 선택된 제1 이미지를 수신할 수 있다. 여기서, 제1 이미지는 제1 사용자 단말(110-n)을 통해 촬영되어 생성된 이미지일 수 있고, 외부에서 획득되어 제1 사용자 단말(110-1)의 메모리에 저장된 이미지일 수도 있다. 구체적으로, 제1 사용자는 제1 사용자 단말(110-1)을 통해 자신이 원하는 인테리어 시공 사례를 보여주기 위해 제1 이미지를 선택할 수 있으며, 제1 사용자 단말(110-1)은 제1 이미지가 선택되면, 제1 이미지를 서버(120)로 전송할 수 있다.
서버(120)는, 제1 이미지를 제1 공간을 촬영한 이미지로 분석할 수 있다. 즉, 서버(120)는 제1 이미지가 수신되면, 제1 이미지가 무엇을 촬영한 이미지인지 분석할 수 있다. 예를 들어, 서버(120)는 공간 별로 학습된 이미지와 제1 이미지를 비교한 결과, 거실 공간의 이미지들과 제1 이미지가 소정 임계값 이상 일치하는 것으로 확인되면, 제1 이미지를 거실 공간을 촬영한 이미지로 분석할 수 있다.
서버(120)는 객체 별로 학습된 이미지와 제1 이미지를 비교한 결과, 텔레비전 거치대 이미지들과 제1 이미지가 어느 정도 일치하는 것으로 확인되면, 제1 이미지를 텔레비전 거치대를 촬영한 이미지로 분석할 수 있다.
상술한 바와 같이, 서버(120)는 미리 학습된 이미지에 기초하여, 제1 이미지가 특정 공간을 촬영한 이미지인지 분석하거나, 특정 객체를 촬영한 이미지인지 분석할 수 있다.
서버(120)는, 제1 이미지가 제1 공간을 촬영한 이미지로 분석되면, 제1 이미지를 인코딩하여 제1 입력 신호를 생성할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 이미지의 픽셀을 색 정보로 인코딩하여 제1 입력 신호를 생성할 수 있다. 예를 들어, 색 정보는 RGB 색상 정보, 명도 정보, 채도 정보를 포함할 수 있으나, 이에 한정되지 않는다. 장치는 색 정보를 수치화된 값으로 환산할 수 있으며, 이 값을 포함한 데이터 시트 형태로 제1 이미지를 인코딩할 수 있다.
서버(120)는, 제1 입력 신호를 제1 인공 신경망에 입력할 수 있다. 일 실시예에 따르면, 제1 인공 신경망은 특징 추출 신경망과 분류 신경망으로 구성되어 있으며 특징 추출 신경망은 입력 신호를 컨볼루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨볼루션 계층은 컨볼루션 연산, 컨볼루션 필터 및 활성함수를 포함하고 있다. 컨볼루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조절되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨볼루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.
일 실시예에 따르면, 분류 신경망은 히든 레이어와 출력 레이어를 가지고 있다. 인테리어 스타일의 종류 검출을 위한 제1 인공 신경망의 분류 신경망은 5층 이하의 히든 레이어로 구성되며, 총 50개 이하의 히든 레이어 노드를 포함할 수 있다. 히든 레이어의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 분류 신경망의 출력 레이어 노드는 총 1개이며, 인테리어 스타일의 종류에 대한 출력값을 출력 레이어 노드에 출력할 수 있다. 제1 인공 신경망에 대한 자세한 설명은 후술한다.
서버(120)는, 제1 인공 신경망의 입력에 대한 결과에 기초하여, 제1 출력 신호를 획득할 수 있다.
서버(120)는, 제1 출력 신호를 기초로, 제1 공간에 대한 인테리어 시공 종류를 제1 스타일로 식별할 수 있다. 여기서, 인테리어 시공 종류는 트렌드에 따라 다양하게 설정될 수 있으며, 예를 들면, 북유럽 스타일, 지중해 스타일, 클래식 스타일 등으로 구분될 수 있다.
서버(120)는, 제1 출력 신호의 출력값을 확인한 결과, 출력값이 1인 경우, 인테리어 시공 종류를 북유럽 스타일로 식별하고, 출력값이 2인 경우, 인테리어 시공 종류를 지중해 스타일로 식별하며, 출력값이 3인 경우, 인테리어 시공 종류를 클래식 스타일로 식별할 수 있다.
서버(120)는, 제1 공간에 대한 인테리어 시공 종류가 제1 스타일로 식별되면, 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 인테리어 기사를 매칭 후보 그룹으로 분류할 수 있다. 이를 위해, 인테리어 기사들은 자신이 시공한 인테리어 결과물을 포트폴리오로 등록할 수 있으며, 서버(120)는 데이터베이스(130)에 인테리어 기사별로 구분된 인테리어 시공 결과물을 저장하여 관리할 수 있다.
예를 들어, 제1 인테리어 기사가 제1 스타일에 대한 인테리어 시공을 수행하여 완료하면, 제1 인테리어 기사 단말은 인테리어 시공이 완료된 현장을 촬영하여 인테리어 시공 결과물인 제1 결과물을 생성할 수 있고, 생성된 제1 결과물의 등록 요청을 서버(120)로 전송할 수 있으며, 서버(120)는 제1 결과물을 제1 인테리어 기사의 포트폴리오로 등록할 수 있다. 이때, 서버(120)는 제1 결과물에 대한 인테리어 시공 스타일의 종류가 제1 스타일로 식별되면, 제1 결과물을 제1 스타일의 인테리어 시공 결과물로 등록할 수 있다.
상술한 바와 같이, 인테리어 기사가 인테리어 시공을 수행하여 완료하면, 인테리어 시공이 완료된 현장을 촬영하여 인테리어 시공 결과물이 생성될 수 있고, 생성된 인테리어 시공 결과물이 배송 기사의 포트폴리오로 등록될 수 있으며, 이와 같은 과정이 인테리어 기사별로 수행되면, 인테리어 기사들의 포트폴리오가 각각 생성될 수 있다.
서버(120)는 인테리어 기사들의 포트폴리오가 생성된 이후, 제1 공간에 대한 인테리어 시공 스타일의 종류가 제1 스타일로 식별되면, 인테리어 기사별로 포트폴리오를 확인하고, 인테리어 기사들의 포트폴리오를 기반으로, 인테리어 기사의 포트폴리오에 제1 스타일에 대한 인테리어 시공 결과물이 있는지 여부를 확인하여, 제1 스타일에 대한 인테리어 시공 결과물이 포트폴리오에 등록되어 있는 인테리어 기사를 매칭 후보 그룹으로 분류할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 있는지 여부를 확인할 수 있다. 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 없는 것으로 확인되면, 서버(120)는 제1 이미지를 통해 사용자 및 인테리어 기사 매칭 서비스가 제공될 수 없으므로, 다른 이미지의 선택을 요청하는 알림 메시지를 제1 사용자 단말(110-1)로 전송할 수 있으며, 알림 메시지의 확인을 통해 제1 이미지를 대체하는 다른 이미지가 선택되면, 서버(120)는 선택된 다른 이미지를 수신하는 과정부터 다시 수행할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 있는 것으로 확인되면, 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 하나만 있는지 여부를 확인할 수 있다. 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나만 있는 것으로 확인되면, 제1 인테리어 기사를 제1 사용자의 매칭 상대로 설정할 수 있다. 즉, 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나 있는 것으로 확인된 경우, 제1 인테리어 기사를 제1 사용자의 매칭 상대로 설정할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 하나가 아닌 둘 이상 있는 것으로 확인되면, 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사별로 매칭 점수를 산출할 수 있다. 이때, 서버(120)는 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 포트폴리오 등록 횟수, 인테리어 기사의 평점 및 인테리어 기사의 위치를 고려하여, 매칭 후보 그룹으로 분류된 인테리어 기사별로 매칭 점수를 산출할 수 있다.
구체적으로, 서버(120)는 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 포트폴리오 등록 횟수가 많을수록 제1 점수를 높은 점수로 설정하고, 인테리어 기사의 평점이 높을수록 제2 점수를 높은 점수로 설정하고, 인테리어 기사의 위치가 제1 사용자의 위치와 가까울수록 제3 점수를 높은 점수로 설정한 후, 제1 점수, 제2 점수 및 제3 점수를 합산하여 매칭 점수를 산출할 수 있다.
예를 들어, 제1 인테리어 기사 및 제2 인테리어 기사가 매칭 후보 그룹으로 분류되어 있고, 제1 인테리어 기사의 포트폴리오에 제1 스타일에 대한 인테리어 시공 결과물이 5회 등록되어 있고, 제1 인테리어 기사의 평점이 9점이고, 제1 인테리어 기사의 위치와 제1 사용자의 위치 간의 이격 거리가 5km이고, 제2 인테리어 기사의 포트폴리오에 제1 스타일에 대한 인테리어 시공 결과물이 3회 등록되어 있고, 제2 인테리어 기사의 평점이 7점이고, 제2 인테리어 기사의 위치와 제1 사용자의 위치 간의 이격 거리가 7km인 경우, 서버(120)는 제1 인테리어 기사에 대해서 등록 횟수 5회를 통해 제1 점수를 50점으로 산출하고 평점 9점을 통해 제2 점수를 90점으로 산출하고 이격 거리 5km를 통해 제3 점수를 70점으로 산출한 후, 50점, 90점 및 70점을 합산하여 제1 인테리어 기사의 매칭 점수를 210점으로 산출할 수 있으며, 제2 인테리어 기사에 대해서 등록 횟수 3회를 통해 제1 점수를 30점으로 산출하고 평점 7점을 통해 제2 점수를 70점으로 산출하고 이격 거리 7km를 통해 제3 점수를 50점으로 산출한 후, 30점, 70점 및 50점을 합산하여 제2 인테리어 기사의 매칭 점수를 150점으로 산출할 수 있다.
즉, 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 둘 이상 있는 것으로 확인된 경우, 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 포트폴리오 등록 횟수, 인테리어 기사의 평점 및 인테리어 기사의 위치를 고려하여, 매칭 후보 그룹으로 분류된 인테리어 기사 별로 매칭 점수를 산출할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사 별로 매칭 점수가 산출되면, 산출된 매칭 점수를 비교하여 어느 인테리어 기사의 매칭 점수가 가장 높은지 확인할 수 있다.
매칭 후보 그룹으로 분류된 인테리어 기사들 중 제1 인테리어 기사의 매칭 점수가 가장 높은 것으로 확인되면, 서버(120)는 제1 인테리어 기사를 제1 사용자의 매칭 상대로 설정할 수 있다.
서버(120)는 제1 인테리어 기사가 제1 사용자의 매칭 상대로 설정되면, 제1 인테리어 기사에 대한 추천 정보를 제1 사용자 단말(110-1)로 제공할 수 있다. 여기서, 제1 인테리어 기사에 대한 추천 정보는 제1 인테리어 기사를 매칭 상대로 제1 사용자에게 추천하는 추천 정보로, 제1 인테리어 기사의 기본 정보, 제1 인테리어 기사의 포트폴리오 등을 포함할 수 있고, 제1 인테리어 기사의 기본 정보는 제1 인테리어 기사의 성명, 위치, 연락처 등을 포함할 수 있다.
서버(120)는 제1 사용자 단말(110-1)로부터 제1 사용자가 원하는 인테리어 시공 사례를 보여주기 위해 선택된 제1 이미지를 수신할 수 있다.
서버(120)는 제1 이미지를 제1 객체를 촬영한 이미지로 분석할 수 있다. 여기서, 제1 객체는 인테리어 시공 시 사용되는 자재(소품, 물품, 제품 등)를 의미할 수 있다.
예를 들어, 서버(120)는 객체 별로 학습된 이미지와 제1 이미지를 비교한 결과, 제1 객체의 이미지들과 제1 이미지가 가장 일치하는 것으로 확인되면, 제1 이미지를 제1 객체를 촬영한 이미지로 분석할 수 있다.
또한, 서버(120)는 제1 이미지를 분석한 결과, 제1 이미지 내에서 제1 객체가 인식되면, 제1 이미지를 제1 객체를 촬영한 이미지로 분석할 수 있다.
서버(120)는 제1 이미지가 제1 공간을 촬영한 이미지로 분석되면, 제1 객체를 이용하여 인테리어 시공을 수행한 이력이 있는 인테리어 기사를 매칭 후보 그룹으로 분류할 수 있다. 이를 위해, 인테리어 기사들은 인테리어 시공 시 사용한 객체를 인테리어 시공 이력에 등록할 수 있으며, 서버(120)는 데이터베이스(130)에 인테리어 기사 별로 구분된 인테리어 시공 이력을 저장하여 관리할 수 있다. 인테리어 시공 이력은 인테리어 기사가 수행하여 완료된 인테리어 시공 업무 내역이 누적된 정보로, 시공일, 시공 장소, 시공 결과물, 시공 시 사용한 객체(자재) 등을 포함하는 정보가 리스트로 구성될 수 있다.
예를 들어, 제1 인테리어 기사가 제1 객체를 이용하여 인테리어 시공을 수행한 경우, 인테리어 기사 단말은 인테리어 시공이 완료된 현장을 촬영하여 인테리어 시공 결과물인 제1 결과물을 생성할 수 있고, 생성된 제1 결과물의 등록 요청을 서버(120)로 전송할 수 있으며, 서버(120)는 제1 결과물에서 제1 객체를 인식한 후, 제1 객체를 인테리어 시공 시 사용한 객체로 인테리어 시공 이력에 등록할 수 있다.
상술한 바와 같이, 인테리어 기사가 인테리어 시공을 수행하여 완료하면, 인테리어 시공이 완료된 현장을 촬영하여 인테리어 시공 결과물이 생성될 수 있고, 생성된 인테리어 시공 결과물을 통해 인테리어 시공 시 사용된 객체가 인식되어 인식된 객체가 인테리어 시공 시 사용한 객체로 인테리어 시공 이력에 등록될 수 있으며, 이와 같은 과정이 인테리어 기사별로 수행되면, 인테리어 기사들의 인테리어 시공 이력이 각각 갱신될 수 있다.
서버(120)는 인테리어 기사들의 인테리어 시공 이력을 기반으로, 인테리어 기사의 인테리어 시공 이력에 제1 객체가 인테리어 시공 시 사용한 객체로 등록되어 있는지 여부를 확인하여, 제1 객체를 이용하여 인테리어 시공을 수행한 이력이 있는지 여부를 확인할 수 있으며, 제1 객체를 이용하여 인테리어 시공을 수행한 이력이 있는 인테리어 기사를 매칭 후보 그룹으로 분류할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 있는지 여부를 확인할 수 있다. 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 없는 것으로 확인되면, 서버(120)는 제1 이미지를 통해 사용자 및 인테리어 기사 매칭 서비스가 제공될 수 없으므로, 다른 이미지의 선택을 요청하는 알림 메시지를 제1 사용자 단말(110-1)로 전송할 수 있으며, 알림 메시지의 확인을 통해 제1 이미지를 대체하는 다른 이미지가 선택되면, 서버(120)는 선택된 다른 이미지를 수신하는 과정부터 다시 수행할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 있는 것으로 확인되면, 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 하나만 있는지 여부를 확인할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나만 있는 것으로 확인되면, 서버(120)는 제1 인테리어 기사를 제1 사용자의 매칭 상대로 설정할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사가 하나가 아닌 둘 이상 있는 것으로 확인되면, 서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사별로 매칭 점수를 산출할 수 있다. 이때, 서버(120)는 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수 및 제1 객체를 보유하고 있는 보유량을 고려하여, 매칭 후보 그룹으로 분류된 인테리어 기사별로 매칭 점수를 산출할 수 있다. 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수는 인테리어 시공 이력을 통해 확인될 수 있고, 제1 객체를 보유하고 있는 보유량은 재고 내역을 통해 확인될 수 있다. 이를 위해, 서버(120)는 데이터베이스(130)에 인테리어 기사별로 구분된 재고 내역을 저장하여 관리할 수 있다. 재고 내역은 인테리어 기사가 보유하고 있는 객체들 각각의 재고 현황을 나타낼 수 있으며, 인테리어 기사 요청에 의해 갱신될 수 있다.
구체적으로, 서버(120)는 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수가 많을수록 제4 점수를 높은 점수로 설정하고, 제1 객체를 보유하고 있는 보유량이 많을수록 제5 점수를 높은 점수로 설정한 후, 제4 점수 및 제5 점수를 합산하여 매칭 점수를 산출할 수 있다.
예를 들어, 제1 인테리어 기사 및 제2 인테리어 기사가 매칭 후보 그룹으로 분류되어 있고, 제1 인테리어 기사의 인테리어 시공 이력에 제1 객체를 이용하여 인테리어 시공을 수행한 횟수가 5회 등록되어 있고, 제1 인테리어 기사의 재고 내역에 제1 객체의 보유량이 10개로 등록되어 있고, 제2 인테리어 기사의 인테리어 시공 이력에 제1 객체를 이용하여 인테리어 시공을 수행한 횟수가 3회 등록되어 있고, 제2 인테리어 기사의 재고 내역에 제1 객체의 보유량이 8개로 등록되어 있는 경우, 서버(120)는 제1 인테리어 기사에 대해서 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수 5회를 통해 제4 점수를 50점으로 산출하고 제1 객체의 보유량 10개를 통해 제5 점수를 100점으로 산출한 후, 50점 및 100점을 합산하여 제2 인테리어 기사의 매칭 점수를 150점으로 산출할 수 있으며, 제2 인테리어 기사에 대해서 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수 3회를 통해 제4 점수를 30점으로 산출하고 제1 객체의 보유량 8개를 통해 제5 점수를 80점으로 산출한 후, 30점 및 80점을 합산하여 제2 인테리어 기사의 매칭 점수를 110점으로 산출할 수 있다.
서버(120)는 매칭 후보 그룹으로 분류된 인테리어 기사별로 매칭 점수가 산출되면, 산출된 매칭 점수를 비교하여 어느 인테리어 기사의 매칭 점수가 가장 높은지 확인할 수 있다. 매칭 후보 그룹으로 분류된 인테리어 기사들 중 제1 인테리어 기사의 매칭 점수가 가장 높은 것으로 확인되면, 서버(120)는 제1 인테리어 기사를 제1 사용자의 매칭 상대로 설정할 수 있다.
서버(120)는 제1 인테리어 기사가 제1 사용자의 매칭 상대로 설정되면, 제1 인테리어 기사에 대한 추천 정보와 제1 객체를 판매하는 판매 페이지의 링크 정보를 제1 사용자 단말(110-1)로 제공할 수 있다.
또한 서버(120)는, 제1 사용자의 요청에 의해, 인테리어 실사 설계도의 제1 구역에 제1 항목에 대한 정보가 입력되는 것으로 설정되어 있는 경우, 제1 사용자의 개인 정보에서 제1 항목에 대한 정보를 제1 입력 정보로 추출할 수 있다.
구체적으로, 서버(120)는, 제1 사용자의 발송 자료를 기반으로, 인테리어 실사 설계도의 제1 구역에 제1 항목에 대한 정보가 입력되는 것으로 설정되어 있는 것을 확인할 수 있으며, 제1 사용자의 개인 정보에서 제1 항목에 대한 정보를 제1 입력 정보로 추출할 수 있다.
서버(120)는, 인테리어 실사 설계도에서 제1 구역에 제1 입력 정보가 표시되도록 처리하여, 인테리어 실사 설계도에 제1 입력 정보를 추가할 수 있다.
예를 들어, 인테리어 실사 설계도는 제1 구역, 제2 구역 등으로 구분되어 있을 수 있고, 제1 구역에 제1 사용자의 이름이 입력되는 것으로 설정되어 있고, 제2 구역에 제1 사용자의 주소가 입력되는 것으로 설정되어 있는 경우, 서버(120)는 제1 사용자의 개인 정보에서 제1 사용자의 이름과 주소를 추출하고, 제1 구역에 제1 사용자의 이름이 표시되도록 추가하고, 제2 구역에 제1 사용자의 주소가 표시되도록 추가할 수 있다.
서버(120)는, 제1 사용자의 홈페이지인 제1 페이지를 확인할 수 있다.
구체적으로, 서버(120)는 제1 사용자의 발송 자료를 기반으로, 제1 페이지를 확인할 수 있고, 미리 등록된 제1 사용자 정보를 기반으로, 제1 페이지를 확인할 수도 있다.
서버(120)는, 제1 페이지의 캡처 이미지인 제1 이미지를 획득할 수 있다.
구체적으로, 서버(120)는, 제1 페이지에 접속하여, 제1 페이지를 캡처하여 캡처 이미지를 획득할 수 있으며, 획득한 캡쳐 이미지를 제1 이미지로 설정할 수 있다.
서버(120)는, 제1 이미지의 중앙 영역을 제1 영역으로 구분하고, 제1 영역 이외에 나머지 영역을 제2 영역으로 구분할 수 있다.
제1 이미지에서 중앙 영역은 제1 영역으로 구분되고, 중앙 영역을 제외한 나머지 영역은 제2 영역으로 구분될 수 있다. 이때, 서버(120)는 제1 이미지의 정중앙을 기준으로, 미리 정해진 범위를 제1 영역으로 구분하고, 제1 영역을 제외한 나머지 영역을 제2 영역으로 구분할 수 있다.
서버(120)는 제1 영역에서 표시되는 색상을 화소 별로 분석하여, 제1 영역의 전체 화소를 색상 계열에 따라 분류할 수 있다. 여기서, 색상 계열은 빨강, 주황, 노랑, 초록, 파랑, 남색, 보라 등의 색상 계열로 구분될 수 있다.
예를 들어, 제1 영역 내에 제1 화소 및 제2 화소가 포함되어 있고, 제1 화소의 RGB 값이 (250, 10, 0)이고, 제2 화소의 RGB 값이(250, 0, 10)인 경우, 서버(120)는 제1 화소 및 제2 화소를 빨강 색상 계열로 분류할 수 있다. 즉, 서버(120)는 빨강 색상과 어느 정도 유사한 색상을 나타내고 있는 화소를 빨강 색상 계열로 분류할 수 있다. 이때, 제1 영역이 500개의 화소로 구성되어 있는 경우, 서버(120)는 500개의 화소 별로 색상을 분석하여, 500개의 화소를 각각 색상 계열에 따라 분류할 수 있다.
서버(120)는, 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 제1 영역에서 화소 수가 가장 많은 색상 계열을 제1 색상 계열로 확인할 수 있다.
예를 들어, 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 빨강 색상 계열로 분류된 화소의 수가 300개이고, 노랑 색상 계열로 분류된 화소의 수가 150개이고, 파랑 색상 계열로 분류된 화소의 수가 50개인 경우, 서버(120)는 제1 영역에서 화소 수가 가장 많은 색상 계열을 빨강 색상 계열로 확인하고, 빨강 색상 계열을 제1 색상 계열로 설정할 수 있다.
서버(120)는, 제1 영역의 전체 화소 수를 제1 화소 수로 설정하고, 제1 영역에서 제1 색상 계열로 분류된 화소 수를 제2 화소 수로 설정할 수 있다.
서버(120)는, 제2 화소 수를 제1 화소 수로 나눈 값으로, 제1 비율을 산출할 수 있다.
예를 들어, 제1 화소 수가 500개로 설정되고, 제2 화소 수가 300개로 설정된 경우, 장치(200)는 “300 / 500”을 통해 산출된 60%를 제1 비율로 산출할 수 있다.
서버(120)는, 제1 비율이 기준 비율 보다 높은지 여부를 확인할 수 있다. 여기서, 기준 비율은 실시예에 따라 상이하게 설정될 수 있다.
제1 비율이 기준 비율 보다 높은 것으로 확인되면, 서버(120)는 제1 색상을 인터넷 실사 설계도의 배경색으로 설정할 수 있다.
제1 비율이 기준 비율 보다 높지 않은 것으로 확인되면, 서버(120)는 제2 영역에서 표시되는 색상을 화소 별로 분석하여, 제2 영역의 전체 화소를 색상 계열에 따라 분류할 수 있다.
서버(120)는, 제2 영역의 전체 화소 수를 제3 화소 수로 설정하고, 제2 영역에서 제1 색상 계열로 분류된 화소 수를 제4 화소 수로 설정할 수 있다.
서버(120)는, 제4 화소 수를 제3 화소 수로 나눈 값으로, 제2 비율을 산출할 수 있다.
서버(120)는, 제2 비율에 제1 가중치를 적용하여, 제3 비율을 산출할 수 있다. 여기서 제1 가중치는 1보다 작은 값으로 설정될 수 있다.
예를 들어, 제2 비율이 60%로 산출되고 제1 가중치가 0.8로 설정되어 있는 경우, 장치(200)는 “0.6 X 0.8”을 통해 산출된 48%를 제3 비율로 산출할 수 있다.
서버(120)는, 제1 비율과 제3 비율을 더한 값으로, 제4 비율을 산출할 수 있다.
서버(120)는, 제4 비율이 기준 비율 보다 높은지 여부를 확인할 수 있다.
서버(120)는, 제4 비율이 기준 비율 보다 높은 것으로 확인되면, 제1 색상을 인테리어 실사 설계도의 배경색으로 설정할 수 있다.
서버(120)는, 제4 비율이 기준 비율 보다 높지 않은 것으로 확인되면, 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 제1 영역에서 화소 수가 제1 색상 계열 다음으로 많은 색상 계열을 제2 색상 계열로 확인할 수 있다.
예를 들어, 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 빨강 색상 계열로 분류된 화소의 수가 300개이고, 노랑 색상 계열로 분류된 화소의 수가 150개이고, 파랑 색상 계열로 분류된 화소의 수가 50개인 경우, 서버(120)는, 빨강 색상 계열을 제1 색상 계열로 확인하고, 노랑 색상 계열을 제2 색상 계열로 확인할 수 있다.
서버(120)는, 제1 색상과 제2 색상을 혼합하여 제3 색상을 도출할 수 있다.
예를 들어, 제1 색상 계열이 빨강 색상 계열이고, 제2 색상 계열이 노랑 색상 계열인 경우, 서버(120)는, 빨강 색상과 노랑 색상을 혼합하여 주황 색상을 도출하고, 주황 색상을 제3 색상으로 설정할 수 있다.
서버(120)는, 제3 색상을 인테리어 실사 설계도의 배경색으로 설정할 수 있다.
상술한 바와 같이, 인테리어 실사 설계도의 배경색이 설정되면, 서버(120)는, 인테리어 실사 설계도가 종이로 출력될 때, 설정된 배경색이 인테리어 실사 설계도에 적용되어, 배경색이 설정된 인테리어 실사 설계도가 출력되도록 처리할 수 있다.
데이터베이스(130)는, 다양한 데이터를 저장할 수 있다. 데이터베이스(130)에 저장되는 데이터는, 다수의 사용자 단말(110-1, …, 110-n), 서버(120), 데이터베이스(130)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예를 들어: 프로그램)를 포함할 수 있다. 데이터베이스(130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 일 실시예로서, 데이터베이스(130)는, 제1 사용자 단말(110-1)로부터 수신된 인테리어 설계 요청, 자재 선택 요청, 서버(120)에서 생성된 인테리어 실사 설계도, 자재 리스트, 인테리어 견적 등을 저장할 수 있다.
네트워크(N)는, 다수의 사용자 단말(110-1, …, 110-n), 서버(120), 데이터베이스(130) 등 간의 무선 또는 유선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 LTE(long-term evolution), LTE-A(LTE Advanced), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless BroadBand), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard 232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행하도록 할 수도 있다.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.
도 2는 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 2에 도시한 바와 같이, 서버(120)는 하나 이상의 프로세서(122), 하나 이상의 메모리(124) 및/또는 송수신기(126)를 포함할 수 있다. 일 실시예로서, 서버(120)의 이 구성요소들 중 적어도 하나가 생략되거나, 다른 구성요소가 서버(120)에 추가될 수 있다. 추가적으로(additionally) 또는 대체적으로(alternatively), 일부의 구성요소들이 통합되어 구현되거나, 단수 또는 복수의 개체로 구현될 수 있다. 서버(120) 내, 외부의 구성요소들 중 적어도 일부의 구성요소들은 버스, GPIO(general purpose input/output), SPI(serial peripheral interface) 또는 MIPI(mobile industry processor interface) 등을 통해 서로 연결되어, 데이터 및/또는 시그널을 주고받을 수 있다.
하나 이상의 프로세서(122)는 소프트웨어(예: 명령, 프로그램 등)를 구동하여 프로세서(122)에 연결된 서버(120)의 적어도 하나의 구성요소를 제어할 수 있다. 또한, 프로세서(122)는 본 발명과 관련된 다양한 연산, 처리, 데이터 생성, 가공 등의 동작을 수행할 수 있다. 또한, 프로세서(122)는 데이터 등을 하나 이상의 메모리(124)로부터 로드하거나, 하나 이상의 메모리(124)에 저장할 수 있다.
하나 이상의 프로세서(122)는, 다수의 사용자 단말(110-1, …, 110-n) 중 인테리어 설계를 요청하고자 하는 제1 사용자가 사용하는 제1 사용자 단말(예를 들어, 110-1)로부터 송수신기(126)를 통해서 인테리어 설계 요청을 수신할 수 있다.
하나 이상의 프로세서(122)는, 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출할 수 있다. 일 실시예에 따르면, 프로세서(122)는 메모리(124)에 저장된 정보로부터 제1 사용자 단말(110-1)로부터 수신된 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출할 수 있다.
하나 이상의 프로세서(122)는, 인테리어 단면도 및 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성할 수 있다. 일 실시예에 따르면, 프로세서(122)는 인테리어 대상의 주소를 이용하여 추출된 인테리어 단면도와 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성할 수 있다.
하나 이상의 프로세서(122)는, 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출할 수 있다. 일 실시예에 따르면, 프로세서(122)는 인테리어 실사 설계도에 반영된 인테리어 대상 이미지를 인공 신경망에 입력하여 인테리어 시공에 필요한 자재 리스트를 추출할 수 있다.
하나 이상의 프로세서(122)는, 자재 리스트를 제1 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 프로세서(122)는 추출된 자재 리스트를 송수신기(126)를 통하여 제1 사용자 단말(110-1)로 전송할 수 있다.
하나 이상의 프로세서(122)는, 제1 사용자 단말로부터 자재 선택 요청을 수신할 수 있다. 일 실시예에 따르면, 프로세서(122)는 제1 사용자 단말(110-1)로 전송된 자재 리스트를 확인한 제1 사용자가 자재 리스트에서 특정 자재에 대한 선택 입력에 따른 자재 선택 요청을 수신할 수 있다.
하나 이상의 프로세서(122)는, 자재 선택 요청에 따라서 인테리어 견적을 산출할 수 있다. 일 실시예에 따르면, 프로세서(122)는 제1 사용자 단말(110-1)로부터 수신된 자재 선택 요청에 따른 자재들의 가격을 합산하여 인테리어 견적을 산출할 수 있다.
하나 이상의 메모리(124)는 다양한 데이터를 저장할 수 있다. 메모리(124)에 저장되는 데이터는, 서버(120)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예: 명령, 프로그램 등)를 포함할 수 있다. 메모리(124)는 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 본 발명에서, 명령 내지 프로그램은 메모리(124)에 저장되는 소프트웨어로서, 서버(120)의 리소스를 제어하기 위한 운영체제, 어플리케이션 및/또는 어플리케이션이 서버(120)의 리소스들을 활용할 수 있도록 다양한 기능을 어플리케이션에 제공하는 미들 웨어 등을 포함할 수 있다.
하나 이상의 메모리(124)는 상술한 제1 사용자 단말(110-1)로부터 수신된 인테리어 설계 요청, 자재 선택 요청, 프로세서(122)에서 생성된 인테리어 실사 설계도, 자재 리스트, 인테리어 견적 등을 저장할 수 있다. 또한, 하나 이상의 메모리(124)는, 하나 이상의 프로세서(122)에 의한 실행 시, 하나 이상의 프로세서(122)가 연산을 수행하도록 하는 명령들을 저장할 수 있다.
일 실시예로서, 서버(120)는 송수신기(126)를 더 포함할 수 있다. 송수신기(126)는, 다수의 사용자 단말(110-1, …, 110-n), 서버(120), 데이터베이스(130) 및/또는 기타 다른 장치 간의 무선 또는 유선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 eMBB(enhanced Mobile Broadband), URLLC(Ultra Reliable Low-Latency Communications), MMTC(Massive Machine Type Communications), LTE(long-term evolution), LTE-A(LTE Advance), UMTS(Universal Mobile Telecommunications System), GSM(Global System for Mobile communications), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless Broadband), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행할 수 있다.
일 실시예로서, 하나 이상의 프로세서(122)는 송수신기(126)를 제어하여 다수의 사용자 단말(110-1, …, 110-n), 데이터베이스(130)로부터 정보를 획득할 수 있다. 다수의 사용자 단말(110-1, …, 110-n) 및 데이터베이스(130)로부터 획득된 정보는 하나 이상의 메모리(124)에 저장될 수 있다.
일 실시예로서, 서버(120)는 다양한 형태의 장치가 될 수 있다. 예를 들어, 서버(120)는 휴대용 통신 장치, 컴퓨터 장치, 또는 상술한 장치들 중 하나 또는 그 이상의 조합에 따른 장치일 수 있다. 본 발명의 서버(120)는 전술한 장치들에 한정되지 않는다.
본 발명에 따른 서버(120)의 다양한 실시예들은 서로 조합될 수 있다. 각 실시예들은 경우의 수에 따라 조합될 수 있으며, 조합되어 만들어진 서버(120)의 실시예 역시 본 발명의 범위에 속한다. 또한 전술한 본 발명에 따른 서버(120)의 내/외부 구성 요소들은 실시예에 따라 추가, 변경, 대체 또는 삭제될 수 있다. 또한 전술한 PLC의 내/외부 구성 요소들은 하드웨어 컴포넌트로 구현될 수 있다.
도 3은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 3에 도시한 바와 같이, 학습 장치는 인테리어 시공에 필요한 자재 리스트를 추출하기 위하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 일 실시예에 따르면, 학습 장치는 서버(120)와 다른 별개의 주체일 수 있지만, 이에 제한되는 것은 아니다.
뉴럴 네트워크(123)는 트레이닝 샘플들이 입력되는 입력 레이어(121)와 트레이닝 출력들을 출력하는 출력 레이어(125)를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 제1 레이블들은 인테리어 실사 설계도에 기초하여 정의될 수 있다. 뉴럴 네트워크(123)는 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.
학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 학습 장치는 뉴럴 네트워크의 출력들 및 레이블들 의해 설계된 손실 함수(Loss Function)를 이용할 수 있다.
학습 장치는 미리 정의된 손실 함수를 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 뉴럴 네트워크(123) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.
학습 장치는 역전파(Backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 뉴럴 네트워크(123) 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.
일 실시예에 따르면, 학습 장치는 인테리어 실사 설계도에 대응하는 자재 리스트인 제1 레이블들을 획득하고, 트레이닝 인테리어 실사 설계도를 제1 뉴럴 네트워크로 적용하여, 트레이닝 인테리어 실사 설계도에 대응하는 트레이닝 출력들을 생성하며, 트레이닝 출력들, 제1 레이블들에 기초하여, 제1 뉴럴 네트워크를 학습시킬 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 인테리어 실사 설계도의 구성 특징들, 색상 특징들 및 패턴 특징들에 기초하여 트레이닝 특징 벡터들을 생성할 수 있다. 특징을 추출하는 데는 다양한 방식이 채용될 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 특징 벡터들을 뉴럴 네트워크(123)에 적용하여 트레이닝 출력들을 획득할 수 있다. 학습 장치는 트레이닝 출력들과 제1 레이블들에 기초하여 뉴럴 네트워크(123)의 자재 리스트 추출 알고리즘을 학습시킬 수 있다. 서버(120)는 학습이 완료된 제1 뉴럴 네트워크를 이용하여 인테리어 실사 설계도에 따른 자재 리스트를 추출할 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 특징 벡터들을 뉴럴 네트워크(123)에 적용하여 트레이닝 출력들을 획득할 수 있다. 학습 장치는 트레이닝 출력들과 제1 레이블들에 기초하여 뉴럴 네트워크(123)의 인테리어 실사 설계도로부터 자재 리스트를 추출할 수 있다.
도 4는 일실시예에 따른 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법의 흐름도이다.
도 4의 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 발명의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 발명에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 발명의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
도 4에 도시한 바와 같이, 단계(S410)에서, 인테리어 설계 요청이 수신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 다수의 사용자 단말(110-1, …, 110-n) 중 인테리어 설계를 요청하고자 하는 제1 사용자가 사용하는 제1 사용자 단말(예를 들어, 110-1)로부터 인테리어 설계 요청을 수신할 수 있다.
단계(S420)에서, 인테리어 단면도가 추출된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 단계 S410에서 수신된 인테리어 설계 요청 이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 데이터베이스(130)에 저장된 정보로부터 제1 사용자 단말(110-1)로부터 수신된 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출할 수 있다.
단계(S430)에서, 실사 설계도가 생성된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 단계 S420에서 추출된 인테리어 단면도와 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성할 수 있다.
단계(S440)에서, 자재 리스트가 추출된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 단계 S430에서 생성된 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 인테리어 실사 설계도에 반영된 인테리어 대상 이미지를 인공 신경망에 입력하여 인테리어 시공에 필요한 자재 리스트를 추출할 수 있다.
단계(S450)에서, 자재 리스트가 전송된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 단계 S440에서 추출된 자재 리스트를 제1 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는 추출된 자재 리스트를 네트워크(N)를 통하여 제1 사용자 단말(110-1)로 전송할 수 있다.
단계(S460)에서, 자재 선택 요청이 수신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 제1 사용자 단말로부터 자재 선택 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 사용자 단말(110-1)로 전송된 자재 리스트를 확인한 제1 사용자가 자재 리스트에서 특정 자재에 대한 선택 입력에 따른 자재 선택 요청을 수신할 수 있다.
단계(S470)에서, 인테리어 견적이 산출된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템(100)의 서버(120)는 단계 S460에서 수신된 자재 선택 요청에 따라서 인테리어 견적을 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 사용자 단말(110-1)로부터 수신된 자재 선택 요청에 따른 자재들의 가격을 합산하여 인테리어 견적을 산출할 수 있다.
도 5는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(501)는 프로세서(502) 및 메모리(503)를 포함한다. 일실시예에 따른 장치(501)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 4를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 4를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(503)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(503)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(502)는 프로그램을 실행하고, 장치(501)를 제어할 수 있다. 프로세서(502)에 의하여 실행되는 프로그램의 코드는 메모리(503)에 저장될 수 있다. 장치(501)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 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.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (3)
- 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 시스템의 서버에 의한, 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법으로서,
상기 서버에 의해서, 제1 사용자 단말로부터 인테리어 설계 요청을 수신하는 단계;
상기 서버에 의해서, 상기 인테리어 설계 요청이 포함하는 인테리어 대상의 주소를 이용하여 인테리어 단면도를 추출하는 단계;
상기 서버에 의해서, 상기 인테리어 단면도 및 상기 인테리어 설계 요청이 포함하는 인테리어 대상 이미지를 이용하여 인테리어 실사 설계도를 생성하는 단계;
상기 서버에 의해서, 상기 인테리어 실사 설계도에 따라서 인테리어 시공에 필요한 자재 리스트를 추출하는 단계;
상기 서버에 의해서, 상기 자재 리스트를 상기 제1 사용자 단말로 전송하는 단계;
상기 서버에 의해서, 상기 제1 사용자 단말로부터 자재 선택 요청을 수신하는 단계; 및
상기 서버에 의해서, 상기 자재 선택 요청에 따라서 인테리어 견적을 산출하는 단계를 포함하되,
상기 서버에 의해서, 상기 제1 사용자 단말로부터 제1 사용자가 원하는 인테리어 시공 사례를 보여주기 위해 선택된 제1 이미지를 수신하는 단계;
상기 서버에 의해서, 상기 제1 이미지가 제1 공간을 촬영한 이미지로 분석되면, 상기 제1 이미지를 인코딩하여 제1 입력 신호를 생성하는 단계;
상기 서버에 의해서, 상기 제1 입력 신호를 제1 뉴럴 네트워크에 입력하고, 상기 제1 뉴럴 네트워크의 입력에 대한 결과에 기초하여, 제1 출력 신호를 획득하는 단계;
상기 서버에 의해서, 상기 제1 출력 신호에 기초하여, 상기 제1 공간에 대한 인테리어 시공 종류를 제1 스타일로 식별하는 단계;
상기 서버에 의해서, 상기 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 인테리어 기사를 매칭 후보 그룹으로 분류하는 단계;
상기 서버에 의해서, 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나 있는 것으로 확인된 경우, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계;
상기 서버에 의해서, 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 둘 이상 있는 것으로 확인된 경우, 상기 제1 스타일에 대한 인테리어 시공 결과물을 포트폴리오로 등록한 포트폴리오 등록 횟수, 인테리어 기사의 평점 및 인테리어 기사의 위치를 고려하여, 상기 매칭 후보 그룹으로 분류된 인테리어 기사 별로 매칭 점수를 산출하고, 상기 매칭 후보 그룹으로 분류된 인테리어 기사들 중 제1 인테리어 기사의 매칭 점수가 가장 높은 것으로 확인되면, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계;
상기 서버에 의해서, 상기 제1 인테리어 기사가 상기 제1 사용자의 매칭 상대로 설정되면, 상기 제1 인테리어 기사에 대한 추천 정보를 상기 제1 사용자 단말로 제공하는 단계;
상기 서버에 의해서, 상기 제1 이미지가 제1 객체를 촬영한 이미지로 분석되면, 상기 제1 객체를 이용하여 인테리어 시공을 수행한 이력이 있는 인테리어 기사를 매칭 후보 그룹으로 분류하는 단계;
상기 서버에 의해서, 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 제1 인테리어 기사 하나 있는 것으로 확인된 경우, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계;
상기 서버에 의해서, 상기 매칭 후보 그룹으로 분류된 인테리어 기사가 둘 이상 있는 것으로 확인된 경우, 상기 제1 객체를 이용하여 인테리어 시공을 수행한 인테리어 시공 횟수 및 상기 제1 객체를 보유하고 있는 보유량을 고려하여, 상기 매칭 후보 그룹으로 분류된 인테리어 기사 별로 매칭 점수를 산출하고, 상기 매칭 후보 그룹으로 분류된 인테리어 기사들 중 제1 인테리어 기사의 매칭 점수가 가장 높은 것으로 확인되면, 상기 제1 인테리어 기사를 상기 제1 사용자의 매칭 상대로 설정하는 단계; 및
상기 서버에 의해서, 상기 제1 인테리어 기사가 상기 제1 사용자의 매칭 상대로 설정되면, 상기 제1 인테리어 기사에 대한 추천 정보와 상기 제1 객체를 판매하는 판매 페이지의 링크 정보를 상기 제1 사용자 단말로 제공하는 단계를 더 포함하고,
상기 서버에 의해서, 상기 제1 사용자의 요청에 의해, 상기 인테리어 실사 설계도의 제1 구역에 제1 항목에 대한 정보가 입력되는 것으로 설정되어 있는 경우, 상기 제1 사용자의 개인 정보에서 상기 제1 항목에 대한 정보를 제1 입력 정보로 추출하는 단계;
상기 서버에 의해서, 상기 인테리어 설계도에서 상기 제1 구역에 상기 제1 입력 정보가 표시되도록 처리하여, 상기 인테리어 설계도에 상기 제1 입력 정보를 추가하는 단계;
상기 서버에 의해서, 상기 제1 사용자의 홈페이지인 제1 페이지를 확인하고, 상기 제1 페이지의 캡처 이미지인 제1 이미지를 획득하는 단계;
상기 서버에 의해서, 상기 제1 이미지의 중앙 영역을 제1 영역으로 구분하고, 상기 제1 영역 이외에 나머지 영역을 제2 영역으로 구분하는 단계;
상기 서버에 의해서, 상기 제1 영역에서 표시되는 색상을 화소 별로 분석하여, 상기 제1 영역의 전체 화소를 색상 계열에 따라 분류하는 단계;
상기 서버에 의해서, 상기 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 상기 제1 영역에서 화소 수가 가장 많은 색상 계열을 제1 색상 계열로 확인하는 단계;
상기 서버에 의해서, 상기 제1 영역의 전체 화소 수를 제1 화소 수로 설정하고, 상기 제1 영역에서 상기 제1 색상 계열로 분류된 화소 수를 제2 화소 수로 설정하는 단계;
상기 서버에 의해서, 상기 제2 화소 수를 상기 제1 화소 수로 나눈 값으로, 제1 비율을 산출하는 단계;
상기 서버에 의해서, 상기 제1 비율이 미리 설정된 기준 비율 보다 높은 것으로 확인되면, 제1 색상을 상기 인테리어 설계도의 배경색으로 설정하는 단계;
상기 서버에 의해서, 상기 제1 비율이 상기 기준 비율 보다 높지 않은 것으로 확인되면, 상기 제2 영역에서 표시되는 색상을 화소 별로 분석하여, 상기 제2 영역의 전체 화소를 색상 계열에 따라 분류하는 단계;
상기 서버에 의해서, 상기 제2 영역의 전체 화소 수를 제3 화소 수로 설정하고, 상기 제2 영역에서 상기 제1 색상 계열로 분류된 화소 수를 제4 화소 수로 설정하는 단계;
상기 서버에 의해서, 상기 제4 화소 수를 상기 제3 화소 수로 나눈 값으로, 제2 비율을 산출하는 단계;
상기 서버에 의해서, 상기 제2 비율에 1보다 작은 값으로 설정된 제1 가중치를 적용하여, 제3 비율을 산출하는 단계;
상기 서버에 의해서, 상기 제1 비율과 상기 제3 비율을 더한 값으로, 제4 비율을 산출하는 단계;
상기 서버에 의해서, 상기 제4 비율이 상기 기준 비율 보다 높은 것으로 확인되면, 상기 제1 색상을 상기 인테리어 설계도의 배경색으로 설정하는 단계;
상기 서버에 의해서, 상기 제4 비율이 상기 기준 비율 보다 높지 않은 것으로 확인되면, 상기 제1 영역의 전체 화소를 색상 계열에 따라 분류한 결과, 상기 제1 영역에서 화소 수가 상기 제1 색상 계열 다음으로 많은 색상 계열을 제2 색상 계열로 확인하는 단계; 및
상기 서버에 의해서, 상기 제1 색상과 제2 색상을 혼합하여 제3 색상을 도출하고, 상기 제3 색상을 상기 인테리어 실사 설계도의 배경색으로 설정하는 단계를 더 포함하는,
인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법. - 삭제
- 제1항에 있어서,
상기 서버에 의해서, 상기 제1 사용자 단말로부터 인테리어 설계 요청을 수신하는 단계는,
상기 서버에 의해서, 상기 제1 사용자 단말로 입력 페이지를 송신하고, 상기 제1 사용자 단말로부터 입력 데이터를 수신하되,
상기 입력 페이지는:
상기 서버에 의해서, 상기 인테리어 대상 이미지를 제1 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 상기 인테리어 대상 이미지의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 상기 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 상기 제1 그리드에 중첩되는 투명색의 제2 그리드를 상기 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 상기 제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 상기 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 다수개의 상기 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제3 그리드의 좌표를 기록하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계; 및
상기 서버에 의해서, 상기 Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;를 포함하는 과정에 따라 생성되고,
상기 서버에 의해서, 상기 입력 데이터를 수신하는 단계는:
상기 서버에 의해서, 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 수신하는 단계;를 포함하여,
상기 서버에 의해서, 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 기반으로 상기 입력 데이터를 송수신하는,
인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230106208A KR102664280B1 (ko) | 2023-08-14 | 2023-08-14 | 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230106208A KR102664280B1 (ko) | 2023-08-14 | 2023-08-14 | 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102664280B1 true KR102664280B1 (ko) | 2024-05-08 |
Family
ID=91073861
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230106208A KR102664280B1 (ko) | 2023-08-14 | 2023-08-14 | 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102664280B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020021074A (ko) * | 2000-09-13 | 2002-03-18 | 이마이 기요스케 | 네트워크를 이용한 3차원 공간 설계 지원방법, 동 시스템및 동 시스템의 서버 |
| KR20190092914A (ko) * | 2018-01-31 | 2019-08-08 | 진승혁 | 인테리어 자동 견적 방법 및 프로그램 |
| KR20210083573A (ko) | 2019-12-27 | 2021-07-07 | (주) 아키드로우 | 사용자 스타일 기반의 공간 및 인테리어 레이아웃 자동화 방법 및 그 장치 |
| KR20220067350A (ko) | 2020-11-17 | 2022-05-24 | 엄정현 | 건축설계를 위한 실내재료마감표 작성 자동화 장치 및 방법 |
| KR20220080269A (ko) * | 2020-12-07 | 2022-06-14 | (주)에프엘씨 | 데이터 분석 기반 인테리어 시뮬레이션 및 견적서비스 제공 시스템 및 방법 |
| KR20230068084A (ko) * | 2021-11-10 | 2023-05-17 | 주식회사 케이티 | 맞춤형 도면 모델링을 수행하는 장치, 방법 및 컴퓨터 프로그램 |
| KR102553041B1 (ko) * | 2023-03-21 | 2023-07-07 | 주식회사 거기엔 | 인공지능 모델 기반 사용자 및 인테리어 공급자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 |
-
2023
- 2023-08-14 KR KR1020230106208A patent/KR102664280B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020021074A (ko) * | 2000-09-13 | 2002-03-18 | 이마이 기요스케 | 네트워크를 이용한 3차원 공간 설계 지원방법, 동 시스템및 동 시스템의 서버 |
| KR20190092914A (ko) * | 2018-01-31 | 2019-08-08 | 진승혁 | 인테리어 자동 견적 방법 및 프로그램 |
| KR20210083573A (ko) | 2019-12-27 | 2021-07-07 | (주) 아키드로우 | 사용자 스타일 기반의 공간 및 인테리어 레이아웃 자동화 방법 및 그 장치 |
| KR20220067350A (ko) | 2020-11-17 | 2022-05-24 | 엄정현 | 건축설계를 위한 실내재료마감표 작성 자동화 장치 및 방법 |
| KR20220080269A (ko) * | 2020-12-07 | 2022-06-14 | (주)에프엘씨 | 데이터 분석 기반 인테리어 시뮬레이션 및 견적서비스 제공 시스템 및 방법 |
| KR20230068084A (ko) * | 2021-11-10 | 2023-05-17 | 주식회사 케이티 | 맞춤형 도면 모델링을 수행하는 장치, 방법 및 컴퓨터 프로그램 |
| KR102553041B1 (ko) * | 2023-03-21 | 2023-07-07 | 주식회사 거기엔 | 인공지능 모델 기반 사용자 및 인테리어 공급자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102404511B1 (ko) | 인공지능 기반 사용자 맞춤형 상품 정보 추천 방법, 장치 및 시스템 | |
| KR102447549B1 (ko) | Nft 기반 아트워크와 연계된 쥬얼리 거래 서비스 제공 방법, 장치 및 시스템 | |
| KR102553041B1 (ko) | 인공지능 모델 기반 사용자 및 인테리어 공급자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102445457B1 (ko) | 물품 구매 요청에 대한 판매 제안 방식을 기반으로 한 구매자 및 판매자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102423285B1 (ko) | 광고 컨텐츠 기획 및 제작 방법, 장치 및 시스템 | |
| KR102546871B1 (ko) | 인공지능 모델 기반 b2b 식자재 및 부자재의 유통의 주문 히스토리의 패턴 분석을 통한 주문 정보 추천 방법, 장치 및 시스템 | |
| KR102601446B1 (ko) | 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102426803B1 (ko) | 인공지능 기반 제품의 해외 판매 페이지 자동 업로드 방법, 장치 및 시스템 | |
| KR102447426B1 (ko) | 초개인화를 위한 퍼스널 컬러와 타임라인 기반 행동 데이터를 분석하여 라이프스타일 가이드 정보를 추천하는 방법, 장치 및 시스템 | |
| KR102474974B1 (ko) | 인공지능 기반 브랜드 분석 방법, 장치 및 시스템 | |
| KR102664280B1 (ko) | 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 | |
| KR102420626B1 (ko) | 인공지능 기반 기업 매칭 서비스 제공 방법, 장치 및 시스템 | |
| KR102458694B1 (ko) | 인공지능 기반 디자인 작업 비용 추정 및 디자인 작업 의뢰 중개 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102470993B1 (ko) | 인공지능 기반 건강기능식품의 제품 판매 전략 도출 방법, 장치 및 시스템 | |
| KR102321408B1 (ko) | 개인화된 메모패드 서비스 제공 방법, 장치 및 시스템 | |
| KR102615445B1 (ko) | 대변 이미지 분석 기반 영양 정보 제공 방법, 장치 및 시스템 | |
| KR102607063B1 (ko) | 인공지능 모델을 활용한 영상 처리 기반 영상 편집자동화 솔루션 제공 방법, 장치 및 시스템 | |
| KR102603914B1 (ko) | 이미지 분석 기반 사용자 맞춤형 해부학을 활용한 요가 운동 가이드 및 커리큘럼 제공 방법, 장치 및 시스템 | |
| KR20210062794A (ko) | 기자재 구성요소 추출 장치 및 방법과, 그를 포함하는 고장 진단 시스템 | |
| KR102639379B1 (ko) | 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102600258B1 (ko) | 사용자 참여 및 소프트웨어 업로드가 가능한 전자칠판 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102619388B1 (ko) | 별자리 기반 메타버스 추모관 서비스 관련 접속에 따른 시각적 효과 구현 인터페이스 제공 방법, 장치 및 시스템 | |
| KR102475813B1 (ko) | 인공지능 기반 스마트 팩토리 구동 시뮬레이션 방법 | |
| KR102619389B1 (ko) | 별자리 기반 메타버스 추모관 서비스의 인터페이스 제공 방법, 장치 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant | ||
| GRNT | Written decision to grant |