KR20260019944A - 음성에 기반하여 3d 모델링 및 bim이 가능한 인공지능 시스템 및 이의 제어방법 - Google Patents

음성에 기반하여 3d 모델링 및 bim이 가능한 인공지능 시스템 및 이의 제어방법

Info

Publication number
KR20260019944A
KR20260019944A KR1020240103367A KR20240103367A KR20260019944A KR 20260019944 A KR20260019944 A KR 20260019944A KR 1020240103367 A KR1020240103367 A KR 1020240103367A KR 20240103367 A KR20240103367 A KR 20240103367A KR 20260019944 A KR20260019944 A KR 20260019944A
Authority
KR
South Korea
Prior art keywords
parameters
artificial intelligence
voice signal
text
user
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
KR1020240103367A
Other languages
English (en)
Inventor
우운택
신승엽
박형진
서명배
Original Assignee
한국과학기술원
한국건설기술연구원
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 한국과학기술원, 한국건설기술연구원 filed Critical 한국과학기술원
Priority to KR1020240103367A priority Critical patent/KR20260019944A/ko
Publication of KR20260019944A publication Critical patent/KR20260019944A/ko
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three-dimensional [3D] modelling for computer graphics
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/16—Customisation or personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Graphics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명은, 음성 신호를 수신하고, 음성 신호를 텍스트로 변환하며, 제1 생성형 인공지능 모델을 이용하여, 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하고, 제2 생성형 인공지능 모델을 이용하여, 텍스트 기획안에 대응되는 구조물 내의 객체들에 대한 이미지를 생성하며, 객체들에 대한 이미지를 3D 모델로 변환하고, 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축하는, 인공지능 시스템의 제어방법을 제공한다.

Description

음성에 기반하여 3D 모델링 및 BIM이 가능한 인공지능 시스템 및 이의 제어방법{ARTIFICIAL INTELLIGENCE SYSTEM CAPABLE OF 3D MODELING AND BIM BASED ON VOICE AND ITS CONTROL METHOD}
본 발명은 음성에 기반하여 3D 모델링 및 BIM이 가능한 인공지능 시스템 및 이의 제어방법에 관한 것이다.
종래에 집이나 사무실과 같은 구조물의 인테리어나 건축 계획은 대부분 2D 도면이나 설명서로 이루어져, 인테리어나 건축을 요청한 일반인이 쉽게 이해하기 어려운 실정이다.
더욱이, 이러한 2D 도면이나 설명서에 대한 이해를 돕기 위해 3D 모델링 및 BIM(Building Information Modeling)을 수행하게 되나, 대부분의 경우, 전문가에 의한 수작업을 통해 3D 모델링 및 BIM이 진행되고 있는 실정이다.
한편, 최근 인공지능을 이용하여 사용자의 음성을 인식하고, 인식된 음성에 대응되는 명령을 수행하는 인공지능 대화 시스템에 대한 관심이 증대되고 있다.
이를 위해, 인공지능 대화 시스템은 음성을 텍스트 형태로 인식하고, 인식된 텍스트에 대한 자연어 처리를 수행하여, 미리 학습되거나, 정해진 명령을 처리하게 된다. 이를 위해, 인공지능 대화 시스템은 음성을 텍스트로 변환하기 위한 STT(Speech to Text) 기법과, 기계 학습을 통한 자연어 처리 기법이 활용되기도 한다.
한편, 최근에는 텍스트를 해석하여 텍스트에 해당하는 이미지를 생성하거나, 2D 이미지를 3D 모델로 변환하는 기법에 대한 관심도 증대되고 있다.
이를 위해, 이미지 생성을 위한 인공지능 모델은 이미지와 관련하여 텍스트로 작성된 설명이 입력되면, 텍스트와 이미지 간의 관계에 대하여 미리 학습된 정보를 기반으로 입력된 설명에 대응되는 이미지를 생성하게 된다.
또한, 3D 모델 변환을 위한 인공지능 모델은 이미지에서 객체를 인식하고, 인식된 객체에 해당하는 3D 모델을 구현하고, 이미지에서 나타나는 객체의 형상과 앞서 구현된 3D 모델의 형상을 비교하여 3D 모델의 형상이 이미지에서 인식된 객체의 형상을 모사하도록 3D 모델을 재구성하게 된다.
본 발명은 음성 기반의 대화 시스템을 통해 사용자가 직접 인테리어 및 건축과 관련된 의도와 요구사항을 설명하면, 인공지능 에이전트가 이를 이해하고 적절한 텍스트로 변환하여 3D 모델 및 BIM 데이터를 생성하는 인공지능 시스템 및 이의 제어방법에 관한 것이다.
본 발명은 구조물의 인테리어 및 건축에 대하여, 사용자의 음성을 인식하고, 인식 결과에 근거하여 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성하는 인공지능 시스템 및 이의 제어방법에 관한 것이다.
또한, 본 발명은 사용자에게 구조물의 인테리어 및 건축에 대한 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 제공하고, 사용자의 추가적인 음성을 인식하여 앞서 제공된 정보를 보정하는 인공지능 시스템 및 이의 제어방법에 관한 것이다.
위에서 살펴본 과제를 해결하기 위하여, 본 발명에 따른 인공지능 시스템의 제어방법은, 음성 신호를 수신하고, 상기 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하는 단계; 제1 생성형 인공지능 모델을 이용하여, 상기 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하는 단계; 제2 생성형 인공지능 모델을 이용하여, 상기 텍스트 기획안에 대응되는 상기 구조물 내의 객체들에 대한 이미지를 생성하는 단계; 및 미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축하는 단계를 포함할 수 있다.
또한, 본 발명에 따른 인공지능 시스템은, 음성 신호를 수신하는 입력부; 및 상기 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하고, 제1 생성형 인공지능 모델을 이용하여, 상기 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하는 제어부를 포함하고, 상기 제어부는, 제2 생성형 인공지능 모델을 이용하여, 상기 텍스트 기획안에 대응되는 상기 구조물 내의 객체들에 대한 이미지를 생성하고, 미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축할 수 있다.
또한, 본 발명에 따른 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램은, 전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램으로서, 상기 프로그램은, 음성 신호를 수신하고, 상기 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하는 단계; 제1 생성형 인공지능 모델을 이용하여, 상기 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하는 단계; 제2 생성형 인공지능 모델을 이용하여, 상기 텍스트 기획안에 대응되는 상기 구조물 내의 객체들에 대한 이미지를 생성하는 단계; 및 미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축하는 단계를 수행하도록 하는 명령어들을 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 인공지능 시스템 및 이의 제어방법은 구조물의 인테리어 및 건축에 대하여 사용자가 발화하는 의도와 요구사항을 이해하여 사용자의 의도와 요구사항이 적용된 3D 모델 및 BIM 데이터를 생성함으로써, 사용자와 전문가들 간에 의사소통을 개선하고, 사용자가 원하는 디자인을 시각적으로 제공할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 인공지능 시스템 및 이의 제어방법은 음성 기반의 자동화된 시스템을 통해 3D 모델링과 BIM 생성 작업을 자동화함으로써, 전문가들의 작업 시간과 비용을 절감하고, 수정 사항에 대한 신속한 대응을 통해 프로젝트 진행 과정을 개선할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 인공지능 시스템 및 이의 제어방법은 음성 기반 인터페이스를 이용한 인공지능 에이전트와의 대화를 통해, 구조물의 인테리어 및 건축에 대한 정보를 제공함으로써, 전문지식이 부족한 일반 사용자들도 건물의 디자인과 건축에 대한 접근을 용이하게 하며, 의사 결정 과정에서 도움을 제공할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 인공지능 시스템 및 이의 제어방법은 사용자의 음성을 인식하여, 사용자의 요구 및 기호가 적용된 구조물에 대한 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성함으로써, 사용자가 음성을 통해 요구하는 구조물의 형태를 보다 직관적으로 확인할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 인공지능 시스템 및 이의 제어방법은 사용자에게 제공된 구조물과 관련된 정보에 대하여, 사용자로부터 발화되는 수정 요청을 인식하고, 인식 결과에 따라 앞서 제공된 구조물에 대한 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 보정함으로써, 사용자의 요구 및 기호를 실시간으로 반영하여 사용자가 자신이 원하는 구조물의 형태를 보다 직관적으로 확인할 수 있다.
도 1은 본 발명에 따른 인공지능 시스템을 이용하여 BIM 데이터를 생성하는 일 실시예를 도시한다.
도 2는 본 발명에 따른 인공지능 시스템을 도시한다.
도 3은 본 발명에 따른 인공지능 시스템의 제어방법을 도시한다.
도 4 및 도 5는 기획안을 분석하여 이미지를 생성하는 일 실시예를 도시한다.
도 6 및 도 7은 이미지를 분석하여 3D 모델을 생성하는 일 실시예를 도시한다.
도 8 및 도 9는 3D 모델을 분석하여 BIM 데이터를 생성하는 일 실시예를 도시한다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 본 발명에 따른 인공지능 시스템을 이용하여 BIM 데이터를 생성하는 일 실시예를 도시한다. 도 2는 본 발명에 따른 인공지능 시스템을 도시한다.
도 1을 참조하면, 본 발명에 따른 인공지능 시스템은 구조물의 인테리어 및 건축 중 적어도 하나에 대한 사용자의 발화에 의하여 수신된 음성 신호를 텍스트로 변환하고, 변환된 텍스트를 분석하여 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안(예를 들면, 텍스트 기획안)을 생성하며, 텍스트 기획안에 대응되는 구조물 내의 객체들에 대한 이미지를 생성하고, 생성된 이미지를 분석하여 3D 모델을 생성하며, 생성된 3D 모델에 기반하여 BIM(Building Information Modeling) 데이터를 생성할 수 있다.
여기에서, 구조물은 음성 신호를 통한 사용자의 요구에 따라, 인테리어 및 건축과 관련된 요소가 특정되는 건물, 건축물 등을 의미할 수 있으며, 예를 들어, 집, 사무실, 카페, 식당, 상점, 공장, 레크레이션 공간 등 다양한 실내외 공간을 구성하는 건물이 포함될 수 있다.
따라서, 구조물의 인테리어는 건물 내부(또는, 외부)에 배치 가능한 다양한 객체 및 재질 등의 요소에 대한 구성을 의미할 수 있으며, 예를 들면, 건물 내부(또는, 외부)에 배치 가능한 가구, 벽지, 바닥재, 천장, 조명 기구 등의 위치, 패턴, 형태, 색상 등의 요소와 관련된 정보가 포함될 수 있다.
또한, 구조물의 건축은 건물 내부(또는, 외부)의 구조 및 환경 등의 요소에 대한 구성을 의미할 수 있으며, 예를 들면, 건물 내부(또는, 외부)의 형상 공간 형태, 공간 구조, 벽면 두께, 천장 높이, 조망, 기후 등의 요소와 관련된 정보가 포함될 수 있다.
한편, 음성 신호는 마이크 등의 음성 입력 장치 또는, 미리 녹음된 음성 파일 등으로 이루어질 수 있으며, 이러한 음성 신호는 사용자가 구조물의 인테리어 및 건축 중 적어도 하나를 설명하기 위하여 발화한 음성에 대한 정보가 포함될 수 있다.
따라서, 인공지능 시스템은 음성 신호를 분석하여 사용자의 인테리어 또는, 건축 목적에 대응되는 텍스트, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성할 수 있다.
이와 관련하여, 기획안은 음성 신호를 분석하여 텍스트로 변환하고, 제1 생성형 인공지능 모델을 이용하여 앞서 변환된 텍스트를 분석함으로써, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 사용자의 요구 사항 및 기호를 특정한 것일 수 있다.
예를 들면, 기획안은 공간의 크기, 구조, 기능 및 목적 등의 인테리어 및 건축 중 적어도 하나와 관련된 사용자의 요구 사항 및 기호에 해당하는 키워드(또는, 단어)가 포함될 수 있다.
이를 위해, 제1 생성형 인공지능 모델은 STT(Speech To Text) 모델 및 자연어 분석 모델이 포함될 수 있다. 즉, 제1 생성형 인공지능 모델은 음성 신호를 텍스트 데이터로 변환하도록 학습된 STT 모델을 이용하여, 사용자로부터 수신된 음성 신호를 텍스트 데이터로 변환하고, 텍스트 데이터에서 인테리어 및 건축 중 적어도 하나와 관련된 사용자의 요구 사항 및 기호에 해당하는 텍스트를 추출하도록 학습된 자연어 분석 모델을 이용하여, 앞서 변환된 텍스트 데이터에서 인테리어 및 건축 중 적어도 하나와 관련된 텍스트를 생성할 수 있다.
이와 같이, 제1 생성형 인공지능 모델은 사용자의 음성을 기반으로 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하도록 구현될 수 있다. 특히, 제1 생성형 인공지능 모델은 앞서 생성된 텍스트 기획안에 대한 추가적인 사용자의 음성을 기반으로, 이미 생성된 텍스트 기획안을 수정하도록 구현될 수도 있다.
한편, 이미지는 텍스트를 분석하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 사용자의 요구 사항 및 기호가 적용된 공간을 나타낸 것일 수 있다. 따라서, 이미지는 공간의 크기, 형태, 용도, 객체의 색상, 질감, 패턴, 조명, 조망 및 기후 등과 관련된 정보가 포함될 수 있다.
이를 위해, 인공지능 시스템은 제2 생성형 인공지능 모델을 이용하여, 이미지에 대해 미리 정해진 제1 파라미터를 구축하고, 구축된 제1 파라미터를 이용하여 이미지를 생성할 수 있다.
이때, 제2 생성형 인공지능 모델은 앞서 생성된 텍스트 기획안을 분석하여 제1 파라미터를 구축하고, 구축된 제1 파라미터에 대응되는 이미지를 생성하도록 구현될 수 있다.
또한, 제1 파라미터는 기획안에 대한 분석을 통해 생성되며, 일 실시예에서, 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 적어도 하나가 포함될 수 있다.
여기에서, 치수 파라미터는 크기, 형태 및 레이아웃과 관련된 정보로써, 예를 들면, 공간 및 객체에 대한 너비, 높이, 깊이, 형태(예를 들면, 직사각형, 원형, 다각형 등), 구성 및 배치 등의 정보가 포함되고, 스타일 파라미터는 색상, 질감 및 장식과 관련된 정보로써, 예를 들면, 벽지, 바닥재, 천장 및 객체에 대한 색상, 질감, 문양, 패턴 및 장식 등의 정보가 포함되며, 기능적 파라미터는 목적, 조명 및 통행 경로와 관련된 정보로써, 예를 들면, 공간의 용도(예를 들면, 주방, 거실, 침실 등), 조명(예를 들면, 자연광, 인공광) 위치, 조명 강도, 복도의 위치, 경로, 간격 등의 정보가 포함되고, 구조적 파라미터는 벽면, 문 및 기둥과 관련된 정보로써, 예를 들면, 벽면 위치, 벽면 두께, 벽면 높이, 문(또는, 창문) 위치, 문 크기, 문 스타일, 기둥(또는, 보) 위치, 기둥 크기 및 기둥의 지지 요소 등의 정보가 포함되며, 환경적 파라미터는 위치, 조망 및 기후와 관련된 정보로써, 예를 들면, 공간 및 객체에 대한 방향(예를 들면, 남향, 북향 등), 주변 환경과의 관계, 창문(또는, 테라스)에서의 경관, 기후 요소 등의 정보가 포함되고, 기술적 파라미터는 정밀도, 데이터 포맷 및 확장성과 관련된 정보로써, 이미지에 대한 해상도, 디테일 레벨, 파일 형식, 확장(또는, 조정) 가능성 등의 정보가 포함되며, 사용자 지정 파라미터는 사용자의 선호 및 가변성 등과 관련된 정보로써, 예를 들면, 사용자의 취향, 요구 사항, 기타 옵션 및 선택 사항 등 미리 정해진 정보가 포함될 수 있다.
따라서, 제2 생성형 인공지능 모델은 상기와 같은 제1 파라미터와 이미지 간의 대응 관계에 대하여 미리 학습될 수 있으며, 이러한 경우, 인공지능 시스템은 제2 생성형 인공지능 모델을 통해, 기획안으로부터 제1 파라미터를 추출하고, 제1 파라미터(또는, 앞서 생성된 텍스트)를 이용하여, 기획안에 대응되는 이미지를 생성할 수 있다.
이를 위해, 제2 생성형 인공지능 모델은 제1 파라미터 및 제1 파라미터에 대한 레이블 데이터인 정답 이미지를 이용하여 학습될 수 있다.
3D 모델은 이미지를 분석하여, 이미지에서 나타나는 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 요소를 구현한 것일 수 있다. 따라서, 3D 모델은 공간 및 객체에 대한 3 차원 형태, 크기, 3 차원 공간에서의 위치, 텍스쳐, 재질, 객체 간(또는, 공간 간) 관계, 조명 등과 관련된 정보가 포함될 수 있다.
이를 위해, 3D 모델은 미리 정해진 제2 파라미터를 이용하여 생성될 수 있다. 이때, 제2 파라미터는 이미지에 대한 분석을 통해 생성되며, 일 실시예에서, 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 적어도 하나가 포함될 수 있다.
여기에서, 기하학적 파라미터는 치수, 형태 및 위치와 관련된 정보로써, 예를 들면, 객체 및 공간에 해당하는 3D 모델의 길이, 너비, 높이, 형태(예를 들면, 곡선, 경사면 등), 3D 공간에서의 위치 및 방향 등의 정보가 포함되고, 구조적 파라미터는 지지 구조 및 구조적 연결과 관련된 정보로써, 예를 들면, 기둥, 보, 벽 등의 구조적 요소의 위치 및 크기, 구조적 요소들 간의 연결 관계 등의 정보가 포함되며, 재질 및 마감 파라미터는 재질 및 표면 처리와 관련된 정보로써, 예를 들면, 벽지, 바닥재, 천장 및 객체에 대한 재료의 종류, 광택, 매트, 텍스처 및 표면 마감 방식 등의 정보가 포함되고, 기능적 파라미터는 공간 구성 및 공간 사용과 관련된 정보로써, 예를 들면, 개별 3D 모델에 의하여 형성된 공간의 기능 및 공간의 사용 목적 등의 정보가 포함되며, 연결성 파라미터는 접근성 및 흐름과 관련된 정보로써, 예를 들면, 공간 및 객체에 의하여 구성되는 입구, 출구, 통로 및 계단 등의 연결성 및 사람과 객체 간의 흐름 등의 정보가 포함되고, 상세 및 장식 파라미터는 장식적 요소 및, 가구 및 설비와 관련된 정보로써, 예를 들면, 조각상, 벽화 등의 장식적 요소에 대한 3D 모델링 및 이미지 분석 결과에 따른 가구, 설비 등 객체에 대한 3D 모델링 등의 정보가 포함되며, 환경적 파라미터는 조명 및 환경과 관련된 정보로써, 예를 들면, 자연광 및 인공 조명에 대한 출처 및 효과와, 도시, 교외, 자연 등, 구조물(또는, 3D 모델)이 위치하는 환경적 맥락 등의 정보가 포함될 수 있다.
따라서, 인공지능 시스템은 상기와 같은 제2 파라미터와 3D 모델 간의 대응 관계에 대하여 미리 학습된 제1 학습 모델이 포함될 수 있으며, 이러한 경우, 인공지능 시스템은 제1 학습 모델에 제2 파라미터(또는, 앞서 생성된 이미지)를 입력하여, 제2 파라미터에 대응되는 3D 모델을 생성할 수 있다.
이를 위해, 제1 학습 모델은 제2 파라미터 및 제2 파라미터에 대한 레이블 데이터인 정답 3D 모델을 이용하여 학습될 수 있다.
BIM 데이터는 구조물의 실내(또는, 실외)에 배치되는 소정의 객체(또는, 구조물)에 대하여, 인테리어 및 건축 중 적어도 하나와 관련된 데이터들을 디지털화한 것일 수 있다. 이러한 BIM 데이터는 3차원 형상으로 구성될 수 있으며, BIM 데이터에 대응되는 객체에 대한 정보(예를 들면, 재질, 소재, 크기, 형태 등)가 포함될 수 있다. 또한, BIM 데이터는 각 객체에 대한 용도, 명칭, 규제 및 규범 사항 등과 같은 정보가 포함될 수도 있다.
이를 위해, BIM 데이터는 미리 정해진 제3 파라미터를 이용하여 생성될 수 있다. 이때, 제3 파라미터는 3D 모델에 대한 분석을 통해 생성되며, 일 실시예에서, 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 적어도 하나가 포함될 수 있다.
여기에서, 기하학적 파라미터는 치수 및 형태와 관련된 정보로써, 공간 및 객체와 같은 구조적 요소의 길이, 너비, 높이, 형태 및 구조 등의 정보가 포함되고, 재질 파라미터는 재질 및 마감과 관련된 정보로써, 공간 및 객체에 대한 재료의 종류, 표면 마감 처리 유형(예를 들면, 페인트, 타일 등) 등의 정보가 포함되며, 구조적 파라미터는 구조적 요소 및 부하와 관련된 정보로써, 예를 들면, 기둥, 보, 슬래브 등의 구조적 요소 및, 각 구조적 요소에 대한 예상 하중 등의 정보가 포함되고, 공간 파라미터는 공간 구분 및 공간 사용과 관련된 정보로써, 예를 들면, 구조물 내의 각 공간에 대한 구분(예를 들면, 주거 공간, 사무 공간 등) 및, 각 공간의 용도(예를 들면, 주방, 욕실, 사무실 등) 등의 정보가 포함되며, 설비 및 시스템 파라미터는 MEP 시스템 및 접근성과 관련된 정보로써, 예를 들면, 구조물에 대한 기본적인 기계, 전기 및 배관 시스템의 구성 및, 장애인 접근성과 같은 특별한 기능적 요구 사항 등의 정보가 포함되고, 문서화 파라미터는 모델 식별 정보 및 문서와 관련된 정보로써, 예를 들면, BIM 데이터의 명칭, 버전, 생성자 등의 정보와, 인테리어(또는, 건축) 도면, 사양서, 제조업체 정보와 같은 문서에 대한 접근 경로(예를 들면, 링크) 등의 정보가 포함되며, 안전 및 규정 준수 파라미터는 안전 기준 및 규제 준수와 관련된 정보로써, 예를 들면, 인테리어 및 건물 설계 등에 적용되는 안전 기준과, 지역(또는, 국가)별 건축 법규 및 규제 준수 여부 등의 정보가 포함될 수 있다.
따라서, 인공지능 시스템은 상기와 같은 제3 파라미터와 BIM 데이터 간의 대응 관계에 대하여 미리 학습된 제2 학습 모델이 포함될 수 있으며, 이러한 경우, 인공지능 시스템은 제2 학습 모델에 제3 파라미터(또는, 앞서 생성된 3D 모델)를 입력하여, 제3 파라미터에 대응되는 BIM 데이터를 생성할 수 있다.
이를 위해, 제2 학습 모델은 제3 파라미터 및 제3 파라미터에 대한 레이블 데이터인 정답 BIM 데이터를 이용하여 학습될 수 있다.
또는, 인공지능 시스템은 서로 다른 복수의 BIM 데이터들이 저장된 데이터베이스 서버에서, 제3 파라미터에 대응되는 BIM 데이터를 특정할 수도 있다. 이러한 경우에, 인공지능 시스템은 데이터베이스 서버로부터 앞서 특정된 BIM 데이터를 수신할 수도 있다.
상기와 같은 구성들을 통해, 인공지능 시스템은 제1 생성형 인공지능 모델, 제2 생성형 인공지능 모델, 제1 학습 모델 및 제2 학습 모델 중 적어도 하나에 기반하여 구현된 인공지능 에이전트를 통해, 적어도 하나의 사용자에게 구조물의 인테리어 및 건축과 관련된 대화 서비스를 제공할 수 있다.
이때, 인공지능 에이전트는 사용자의 음성 신호를 인식하고, 인식된 음성 신호에 대응하는 명령을 처리하도록 구현된 것일 수 있다. 즉, 인공지능 에이전트는 제1 생성형 인공지능 모델, 제2 생성형 인공지능 모델, 제1 학습 모델 및 제2 학습 모델 중 적어도 하나에 기반하여 구현됨으로써, 사용자의 음성 신호를 인식하고, 음성 신호에 대응되는 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성하여 사용자에게 제공할 수 있다.
이와 같이, 인공지능 시스템은 인공지능 에이전트를 통해, 적어도 하나의 사용자와 대화를 진행함으로써, 다양한 상황에서 구조물의 인테리어 및 건축과 관련된 서비스를 제공할 수 있다.
예를 들어, 인공지능 시스템은 집 내부의 인테리어 공사를 진행하고자 하는 사용자로부터 인테리어와 관련된 가구의 색상 및 배치, 벽지의 재료, 패턴 및 색상, 바닥재의 재료, 패턴 및 색상 등에 대하여 설명하는 음성 신호를 수신할 수 있다.
이에 따라, 인공지능 시스템은 음성 신호를 텍스트로 변환하고, 변환된 텍스트를 분석하여 사용자의 요구에 대응되는 기획안을 생성할 수 있다. 이때, 인공지능 시스템은 사용자가 확인 가능하도록 기획안을 출력하고, 출력된 기획안에 대하여, 적어도 일부의 내용을 수정하고자 하는 사용자의 음성 신호를 더 입력받을 수도 있다.
따라서, 인공지능 시스템은 추가적으로 입력된 음성 신호를 분석하고, 분석 결과에 기반하여 앞서 생성된 기획안을 수정하거나, 앞서 생성된 기획안에 다른 내용을 추가할 수 있다.
이어서, 인공지능 시스템은 기획안을 분석하여 이미지를 생성하고, 이미지를 분석하여 3D 모델을 생성하며, 3D 모델을 분석하여 BIM 데이터를 생성할 수 있다.
이 과정에서, 인공지능 시스템은 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 사용자가 확인 가능하도록 출력할 수 있으며, 출력된 결과물에 대한 사용자의 음성 신호를 더 입력받고, 입력된 음성 신호를 분석하여 앞서 출력된 결과물의 적어도 일부를 수정할 수 있다.
이를 통해, 사용자는 인공지능 시스템을 통해 생성된 기획안, 이미지, 3D 모델 및 BIM 데이터를 확인함으로써, 사용자의 요구에 대응되는 구조물의 인테리어를 간편하게 확인하고, 이에 대한 수정 또한 용이하게 수행할 수 있다.
다른 예를 들면, 인공지능 시스템은 건물에 대한 건축 공사를 진행하고자 하는 사용자로부터 건물과 관련된 공간의 구조, 기능, 편의 시설 등에 대하여 설명하는 음성 신호를 수신할 수 있다.
이에 따라, 인공지능 시스템은 음성 신호를 분석하여 사용자의 요구 및 기호에 대응되는 기획안을 생성하고, 기획안을 분석하여 이미지를 생성하며, 이미지를 분석하여 3D 모델을 생성하고, 3D 모델을 분석하여 BIM 데이터를 생성할 수 있다.
즉, 인공지능 시스템은 건축 공사에 따른 구조물에서의 공간의 구조, 기능, 편의 시설 등에 대한 사용자의 요구 및 기호가 적용된 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성할 수 있다.
이 과정에서, 인공지능 시스템은 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 사용자가 확인 가능하도록 출력할 수 있으며, 출력된 결과물에 대한 사용자의 음성 신호를 더 입력받고, 입력된 음성 신호를 분석하여 앞서 출력된 결과물의 적어도 일부를 수정할 수 있다.
또 다른 예를 들면, 인공지능 시스템은 건물의 설계를 수행하고자 하는 복수의 사용자들로부터 건물의 설계와 관련된 다양한 음성 신호를 수신할 수 있다.
이에 따라, 인공지능 시스템은 각 사용자로부터 수신된 음성 신호를 분석하여, 해당 사용자의 요구에 대응되는 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성할 수 있다.
이때, 인공지능 시스템은 복수의 사용자들 중 특정 사용자로부터 수신된 음성 신호에 기반하여 생성된 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 다른 사용자들에게 공유할 수 있으며, 앞서 생성된 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나에 대하여, 상기 특정 사용자 또는, 상기 특정 사용자와 다른 사용자로부터 수신되는 추가적인 음성 신호를 재차 분석하여 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 수정할 수 있다.
이를 통해, 인공지능 시스템은 복수의 사용자들로부터 음성 신호로 입력되는 구조물에 대한 의견 및 제안에 기반하여, 구조물의 인테리어 및 건축과 관련된 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 실시간으로 생성 및 수정할 수 있으며, 이러한 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 복수의 사용자들에게 공유함으로써, 각 사용자들이 서로의 의견 및 제안이 구조물의 인테리어 및 건축에 적용되는지 용이하게 확인할 수 있다.
다른 예를 들면, 인공지능 시스템은 구조물 외부의 정원 및 풍경에 대한 디자인을 수행하고자 하는 사용자로부터 음성 신호를 수신할 수 있다.
이에 따라, 인공지능 시스템은 사용자로부터 수신된 음성 신호를 분석하여, 해당 사용자의 요구에 대응되는 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성할 수 있다.
이를 위해, 도 2를 참조하면, 본 발명에 따른 인공지능 시스템(100)은 입력부(110), 저장부(120), 출력부(130) 및 제어부(140)를 포함할 수 있다.
입력부(110)는 마이크 등의 음성 입력 장치와 유선 또는 무선 네트워크로 연결될 수 있다. 따라서, 입력부(110)는 음성 입력 장치를 통해 사용자의 음성을 감지하여 음성 신호를 생성할 수 있다.
저장부(120)는 본 발명에 따른 인공지능 시스템(100)의 동작을 수행하기 위하여 요구되는 다양한 데이터들 및 명령어들이 저장될 수 있다. 예를 들어, 저장부(120)는 사용자로부터 수신된 음성 신호가 저장되고, 음성 신호를 분석하여 생성되는 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나가 저장될 수 있다.
또한, 저장부(120)는 음성 신호로부터 텍스트를 생성하기 위한 STT 모델 및 자연어 분석 모델이 저장되고, 기획안, 이미지, 3D 모델 및 BIM 데이터를 생성하기 위한 제1 생성형 인공지능 모델, 제2 생성형 인공지능 모델, 제1 학습 모델 및 제2 학습 모델이 저장될 수 있다.
또한, 저장부(120)는 기획안, 이미지 및 3D 모델을 분석하여 특정되는 제1 파라미터, 제2 파라미터 및 제3 파라미터가 저장될 수 있다.
출력부(130)는 소정의 데이터를 사용자가 시각적으로 확인 가능하도록 구비되는 디스플레이 장치와 유선 또는 무선 네트워크로 연결될 수 있다. 따라서, 출력부(130)는 디스플레이 장치를 통해, 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 출력할 수 있다.
제어부(140)는 본 발명에 따른 인공지능 시스템(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부(140)는 사용자에 대한 음성 신호를 수신하고, 음성 신호를 텍스트로 변환하며, 변환된 텍스트를 분석하여 기획안을 생성하며, 기획안을 분석하여 제1 파라미터를 특정하고, 제1 파라미터를 이용하여 이미지를 생성할 수 있다. 또한, 제어부(140)는 이미지를 분석하여 제2 파라미터를 특정하고, 제2 파라미터를 이용하여 3D 모델을 생성하며, 3D 모델을 분석하여 제3 파라미터를 특정하고, 제3 파라미터를 이용하여 BIM 데이터를 생성할 수 있다.
이상에서 살펴본 인공지능 시스템(100)의 구성에 근거하여, 아래에서는 방법에 대해 보다 구체적으로 설명하도록 한다.
도 3은 본 발명에 따른 인공지능 시스템의 제어방법을 도시한다. 도 4 및 도 5는 기획안을 분석하여 이미지를 생성하는 일 실시예를 도시한다. 도 6 및 도 7은 이미지를 분석하여 3D 모델을 생성하는 일 실시예를 도시한다. 도 8 및 도 9는 3D 모델을 분석하여 BIM 데이터를 생성하는 일 실시예를 도시한다.
도 3을 참조하면, 본 발명에 따른 인공지능 시스템(100)은 음성 신호를 수신하고, 수신한 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하며(S100), 제1 생성형 인공지능 모델을 이용하여, 앞서 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성할 수 있다(S200).
구체적으로, 인공지능 시스템(100)은 STT 분석을 통해 음성 신호를 텍스트로 변환하고, 변환된 텍스트에 대하여 제1 생성형 인공지능 모델을 통한 자연어 분석을 수행하며, 분석 결과에 근거하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 사용자의 요구 사항 및 기호를 나타내는 기획안을 생성할 수 있다.
예를 들어, 인공지능 시스템(100)은 음성 신호에 대하여 노이즈 감소 및 음성 신호 정규화를 통한 전처리를 수행하고, 전처리된 음성 신호에 대응되는 특징 정보를 추출할 수 있다. 이에 따라, 인공지능 시스템(100)은 음성 패턴 및 텍스트 데이터 쌍에 대하여 미리 구비된 데이터 세트를 이용하여, 앞서 추출된 특징 정보에 해당하는 음성 패턴을 특정하고, 특정된 음성 패턴에 해당하는 텍스트를 특정할 수 있다.
이를 통해, 인공지능 시스템(100)은 음성 신호에 대하여 특정된 복수의 음성 패턴들 각각에 대응되는 복수의 텍스트들을 최적화하여, 사용자의 음성 신호에 대응되는 텍스트를 생성할 수 있다.
이어서, 인공지능 시스템(100)은 제1 생성형 인공지능 모델을 이용하여, 앞서 변환된 텍스트에서 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 키워드(또는, 단어)를 추출하고, 앞서 변환된 텍스트에서의 각 키워드 간의 문장 구조를 확인하여 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안을 생성할 수 있다.
이때, 인공지능 시스템(100)은 음성 신호로부터 변환된 텍스트에서 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 요소에 해당하는 키워드 및, 해당 요소에 대한 사용자의 요구 사항 및 기호에 해당하는 키워드를 추출함으로써, 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안을 생성할 수 있다.
또는, 인공지능 시스템(100)은 음성 신호로부터 변환된 텍스트에서 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 요소에 대한 사용자의 요구 사항 및 기호에 해당하는 키워드를 추출하고, 추출된 키워드에 해당하는 요소를 예측함으로써, 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안을 생성할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 음성 신호로부터 변환된 텍스트에 기반하여 특정되는 사용자의 요구 사항 및 기호를 나타내는 텍스트를, 미리 정해진 기획안 포맷에 삽입하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 기획안을 생성할 수도 있다.
즉, 인공지능 시스템(100)은 음성 신호로부터 변환된 텍스트에서, 구조물의 인테리어 및 건축과 관련된 요소별로 키워드를 특정하고, 미리 정해진 기획안 포맷에서, 구조물의 인테리어 및 건축과 관련된 요소별 위치에 앞서 특정된 키워드를 삽입하여 구조물의 인테리어 및 건축에 대한 기획안을 생성할 수 있다.
이를 위해, 기획안 포맷은 보고서, 설명서, 또는, 발표 자료 등과 같은 다양한 문서 형태로 구현될 수 있으며, 구조물의 인테리어 및 건축과 관련된 요소별로 미리 키워드가 삽입될 위치가 지정될 수 있다.
나아가, 인공지능 시스템(100)은 인공지능 에이전트와 적어도 하나의 사용자 사이의 대화를 통하여 상기 텍스트 기획안을 수정할 수 있다.
구체적으로, 인공지능 시스템(100)은 음성 신호를 분석하여 생성된 기획안을 사용자가 확인 가능하도록 출력하고, 출력된 기획안에 대한 사용자의 수정 요청과 관련된 음성 신호를 수신하며, 수신된 음성 신호에 기반하여, 앞서 출력된 기획안을 수정할 수 있다.
예를 들어, 인공지능 시스템(100)은 적어도 하나의 사용자가 확인할 수 있도록 앞서 생성된 텍스트 기획안을 출력하고, 복수의 사용자 단말 중 적어도 하나로부터 앞서 출력된 기획안에 대한 수정 요청과 관련된 음성 신호를 수신할 수 있다.
이때, 인공지능 시스템(100)은 네트워크를 통해 연결된 복수의 사용자 단말에 앞서 생성된 텍스트 기획안을 출력하거나, 또는, 특정 사용자의 단말에 앞서 생성된 텍스트 기획안을 출력함으로써, 적어도 하나의 사용자가 텍스트 기획안을 확인할 수 있도록 구현될 수 있다.
따라서, 인공지능 시스템(100)은 사용자의 수정 요청과 관련된 음성 신호에 기반하여, 앞서 출력된 기획안을 수정할 수 있으며, 이를 통해, 각 참여자들은 자신의 의견이 구조물의 인테리어 및 건축에 대한 설계에 반영되는 과정을 직관적으로 확인할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 앞서 출력된 기획안과 관련하여, 구조물의 인테리어 및 건축과 관련된 다양한 요소들 중 특정 요소에 대한 음성 신호를 수신할 수 있다.
이러한 경우, 인공지능 시스템(100)은 수신된 음성 신호를 분석하여 텍스트로 변환하고, 변환된 텍스트에서 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 키워드(또는, 단어)를 추출하고, 앞서 출력된 기획안에서, 앞서 추출된 키워드에 대응되는 인테리어 및 건축 중 적어도 하나와 관련된 요소를 특정하고, 특정된 요소에 대한 키워드를 앞서 추출된 키워드로 대체함으로써, 사용자의 요구 사항 및 선호가 적용된 기획안을 생성할 수 있다.
다시 도 3을 참조하면, 본 발명에 따른 인공지능 시스템(100)은 제2 생성형 인공지능 모델을 이용하여, 텍스트 기획안에 대응되는 구조물 내의 객체들에 대한 이미지를 생성할 수 있다(S300).
구체적으로, 인공지능 시스템(100)은 제2 생성형 인공지능 모델을 통해 앞서 생성된 기획안을 분석하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 이미지를 생성하기 위한 제1 파라미터인, 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 적어도 하나를 특정할 수 있다.
도 4를 참조하여 예를 들면, 인공지능 시스템(100)은 앞서 생성된 기획안(11)에서 치수 파라미터(21), 스타일 파라미터(22), 기능적 파라미터(23), 구조적 파라미터(24), 환경적 파라미터(25), 기술적 파라미터(26) 및 사용자 지정 파라미터(27) 중 적어도 하나에 대응되는 키워드를 특정하고, 특정된 키워드에 따라 제1 파라미터(20)의 각 값을 결정할 수 있다.
이때, 인공지능 시스템(100)은 치수 파라미터(21), 스타일 파라미터(22), 기능적 파라미터(23), 구조적 파라미터(24), 환경적 파라미터(25), 기술적 파라미터(26) 및 사용자 지정 파라미터(27) 중 적어도 하나에 대하여, 기획안(11)을 통해 값이 결정되지 않은 파라미터의 값을, 미리 정해진 기본 값으로 결정할 수 있다.
또한, 인공지능 시스템(100)은 기획안(11)에 근거하여 구조물 내에 복수의 객체들이 배치되는 경우, 복수의 객체들 각각에 대한 제1 파라미터를 결정할 수도 있다.
다른 예를 들면, 인공지능 시스템(100)은 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 하나 이상이 기준 파라미터로 지정될 수 있다.
이러한 경우에, 인공지능 시스템(100)은 기준 파라미터의 값에 따라, 다른 파라미터들의 기본 값이 정해질 수 있다.
즉, 인공지능 시스템(100)은 앞서 생성된 텍스트에서 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 적어도 하나의 값이 정해지면, 값이 정해진 파라미터 중, 기준 파라미터에 해당하는 파라미터의 값에 근거하여, 값이 정해지지 않은 다른 파라미터의 값이, 기준 파라미터의 값에 대하여 미리 정해진 기본 값으로 정해질 수 있다.
나아가, 인공지능 시스템(100)은 제2 생성형 인공지능 모델을 이용하여, 앞서 특정된 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 적어도 하나에 대응되는 이미지를 생성할 수 있다.
도 5를 참조하여 예를 들면, 인공지능 시스템(100)은 미리 학습된 제2 생성형 인공지능 모델(51)을 이용하여, 앞서 특정된 치수 파라미터(21), 스타일 파라미터(22), 기능적 파라미터(23), 구조적 파라미터(24), 환경적 파라미터(25), 기술적 파라미터(26) 및 사용자 지정 파라미터(27) 중 적어도 하나에 대응되는 이미지(12)를 생성할 수 있다.
이때, 인공지능 시스템(100)은 기획안에 기반하여 구조물 내에 배치되는 복수의 객체들 각각에 대한 제1 파라미터가 결정되는 경우, 복수의 제1 파라미터들 각각에 대응되는 복수의 이미지(12)들을 각각 생성할 수도 있다.
나아가, 인공지능 시스템(100)은 기획안을 분석하여 생성된 이미지를 사용자가 확인 가능하도록 출력하고, 출력된 이미지에 대한 사용자의 음성 신호를 수신하면 수신된 음성 신호에 기반하여, 앞서 출력된 이미지를 수정할 수 있다.
예를 들어, 인공지능 시스템(100)은 앞서 출력된 이미지와 관련하여, 구조물의 인테리어 및 건축과 관련된 다양한 요소들 중 특정 요소에 대한 음성 신호를 수신할 수 있다.
이러한 경우, 인공지능 시스템(100)은 수신된 음성 신호를 분석하여 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안을 다시 생성하고, 생성된 기획안에 기반하여 제1 파라미터를 특정하며, 특정된 제1 파라미터와, 이미지를 생성하는데 이용된 제1 파라미터를 병합할 수 있다.
따라서, 인공지능 시스템(100)은 제2 생성형 인공지능 모델에 앞서 병합된 제1 파라미터를 입력하여, 사용자의 음성 신호에 따라 수정된 이미지를 생성할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 앞서 출력된 이미지와 관련하여, 구조물의 인테리어 및 건축과 관련된 다양한 요소들 중 특정 요소에 대한 음성 신호를 수신하고, 수신된 음성 신호를 분석하여 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안을 다시 생성하며, 생성된 기획안에 기반하여 제1 파라미터를 특정하고, 특정된 제1 파라미터를 제2 생성형 인공지능 모델에 입력하여 새로운 이미지를 생성할 수 있다.
이에 따라, 인공지능 시스템(100)은 앞서 출력된 이미지에 새롭게 생성된 이미지를 적용함으로써, 사용자의 음성 신호에 따라 수정된 이미지를 생성할 수 있다.
다시 도 3을 참조하면, 본 발명에 따른 인공지능 시스템(100)은 미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축할 수 있다(S400).
구체적으로, 인공지능 시스템(100)은 앞서 생성된 이미지를 분석하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 3D 모델을 생성하기 위한 제2 파라미터인, 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 적어도 하나를 특정할 수 있다.
도 6를 참조하여 예를 들면, 인공지능 시스템(100)은 앞서 생성된 이미지(12)에 표시된 공간 및 객체에 대한 분석을 통해, 기하학적 파라미터(31), 구조적 파라미터(32), 재질 및 마감 파라미터(33), 기능적 파라미터(34), 연결성 파라미터(35), 상세 및 장식 파라미터(36) 및 환경적 파라미터(37) 중 적어도 하나를 특정할 수 있다.
이때, 인공지능 시스템(100)은 기하학적 파라미터(31), 구조적 파라미터(32), 재질 및 마감 파라미터(33), 기능적 파라미터(34), 연결성 파라미터(35), 상세 및 장식 파라미터(36) 및 환경적 파라미터(37) 중 적어도 하나에 대하여, 이미지(12)를 통해 값이 결정되지 않은 파라미터의 값을, 미리 정해진 기본 값으로 결정할 수 있다.
또한, 인공지능 시스템(100)은 앞서 복수의 이미지(12)들이 생성된 경우, 복수의 이미지(12)들 각각에 대한 제2 파라미터를 각각 생성할 수도 있다.
다른 예를 들면, 인공지능 시스템(100)은 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 하나 이상이 기준 파라미터로 지정될 수 있다.
이러한 경우에, 인공지능 시스템(100)은 기준 파라미터의 값에 따라, 다른 파라미터들의 기본 값이 정해질 수 있다.
즉, 인공지능 시스템(100)은 앞서 생성된 이미지에서 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 적어도 하나의 값이 정해지면, 값이 정해진 파라미터 중, 기준 파라미터에 해당하는 파라미터의 값에 근거하여, 값이 정해지지 않은 다른 파라미터의 값이, 기준 파라미터의 값에 대하여 미리 정해진 기본 값으로 정해질 수 있다.
또 다른 예를 들면, 인공지능 시스템(100)은 이미지에서 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 복수의 객체들을 인식하고, 인식된 복수의 객체들 각각에 대한 분석을 통해, 복수의 객체들 각각에 해당하는 복수의 제2 파라미터들을 특정할 수도 있다.
나아가, 인공지능 시스템(100)은 앞서 특정된 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 적어도 하나에 대응되는 3D 모델을 생성할 수 있다.
도 7을 참조하여 예를 들면, 인공지능 시스템(100)은 미리 학습된 제1 학습 모델(52)에, 앞서 특정된 기하학적 파라미터(31), 구조적 파라미터(32), 재질 및 마감 파라미터(33), 기능적 파라미터(34), 연결성 파라미터(35), 상세 및 장식 파라미터(36) 및 환경적 파라미터(37) 중 적어도 하나를 입력하여, 이미지에 대응되는 3D 모델(13)을 생성할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 이미지에서 복수의 객체들이 인식되어, 복수의 객체들 각각에 해당하는 복수의 제2 파라미터들이 특정되는 경우, 제1 학습 모델에 복수의 제2 파라미터들 각각을 입력하여 복수의 3D 객체(또는, 3D 모델)들을 생성할 수 있다.
이때, 복수의 3D 객체들 각각은 제2 파라미터에 기반하여 3D 공간에서의 위치, 방향 등이 설정될 수 있으며, 인공지능 시스템(100)은 3D 공간에서의 위치 및 방향 등에 따라 앞서 생성된 복수의 3D 객체들을 배치시킴으로써, 복수의 3D 객체들로 구성된 3D 모델을 생성할 수 있다.
나아가, 인공지능 시스템(100)은 이미지를 분석하여 생성된 3D 모델을 사용자가 확인 가능하도록 출력하고, 출력된 3D 모델에 대한 사용자의 음성 신호를 수신하면 수신된 음성 신호에 기반하여, 앞서 출력된 3D 모델을 수정할 수 있다.
예를 들면, 인공지능 시스템(100)은 앞서 출력된 3D 모델과 관련하여, 구조물의 인테리어 및 건축과 관련된 다양한 요소들 중 특정 요소에 대한 음성 신호를 수신할 수 있다.
이러한 경우, 인공지능 시스템(100)은 수신된 음성 신호를 분석하여 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안을 생성하고, 생성된 기획안에 기반하여 제1 파라미터를 특정하며, 특정된 제1 파라미터를 이용하여 이미지를 생성하고, 생성된 이미지를 분석하여 제2 파라미터를 특정할 수 있다.
따라서, 인공지능 시스템(100)은 앞서 특정된 제2 파라미터(이하, 새로운 제2 파라미터)와, 앞서 출력된 3D 모델을 생성하는데 이용된 제2 파라미터(이하, 기존의 제2 파라미터)를 병합하고, 제1 학습 모델에 앞서 병합된 제2 파라미터를 입력하여, 사용자의 음성 신호에 따라 수정된 3D 모델을 생성할 수 있다.
이때, 인공지능 시스템(100)은 새로운 제2 파라미터 중, 기본 값이 아닌 파라미터를 특정하고, 특정된 파라미터를 이용하여 기존의 제2 파라미터를 보정하여, 구조물의 인테리어 및 건축과 관련된 요소 중, 음성 신호에 대응되는 요소만이 수정된 3D 모델을 생성할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 앞서 출력된 3D 모델과 관련하여, 구조물의 인테리어 및 건축과 관련된 다양한 요소들 중 특정 요소에 대한 음성 신호를 수신하고, 수신된 음성 신호를 분석하여 구조물의 인테리어 및 건축 중 적어도 하나에 대한 기획안 및 이미지를 순차적으로 생성하며, 생성된 이미지에 기반하여 제2 파라미터를 특정하고, 특정된 제2 파라미터를 제1 학습 모델에 입력하여 새로운 3D 객체(또는, 3D 모델)을 생성할 수 있다.
이때, 새로운 3D 객체는 구조물의 인테리어 및 건축과 관련된 다양한 요소들 중 적어도 일부의 객체가 구현된 것일 수 있다. 이에 따라, 인공지능 시스템(100)은 앞서 출력된 3D 모델에 새롭게 생성된 3D 객체를 적용함으로써, 사용자의 음성 신호에 따라 수정된 3D 모델을 생성할 수 있다.
다시 도 3을 참조하면, 본 발명에 따른 인공지능 시스템(100)은 앞서 변환된 3D 모델에 근거하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 BIM 데이터를 생성하기 위한 제3 파라미터를 특정하고, 특정된 제3 파라미터를 이용하여, 3D 모델에 대응되는 BIM 데이터를 생성할 수 있다(S400).
구체적으로, 인공지능 시스템(100)은 앞서 생성된 3D 모델을 분석하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 BIM 데이터를 생성하기 위한 제3 파라미터인, 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 적어도 하나를 특정할 수 있다.
도 8을 참조하여 예를 들면, 인공지능 시스템(100)은 앞서 생성된 3D 모델(13)에 구현된 공간 및 객체에 대한 분석(또는, 측정)을 통해, 기하학적 파라미터(41), 재질 파라미터(42), 구조적 파라미터(43), 공간 파라미터(44), 설비 및 시스템 파라미터(45), 문서화 파라미터(46) 및, 안전 및 규정 준수 파라미터(47) 중 적어도 하나를 특정할 수 있다.
이때, 인공지능 시스템(100)은 기하학적 파라미터(41), 재질 파라미터(42), 구조적 파라미터(43), 공간 파라미터(44), 설비 및 시스템 파라미터(45), 문서화 파라미터(46) 및, 안전 및 규정 준수 파라미터(47) 중 적어도 하나에 대하여, 3D 모델(13)을 통해 값이 결정되지 않은 파라미터의 값을, 미리 정해진 기본 값으로 결정할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 하나 이상이 기준 파라미터로 지정될 수 있다.
이러한 경우에, 인공지능 시스템(100)은 기준 파라미터의 값에 따라, 다른 파라미터들의 기본 값이 정해질 수 있다.
즉, 인공지능 시스템(100)은 앞서 생성된 3D 모델에서 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 적어도 하나의 값이 정해지면, 값이 정해진 파라미터 중, 기준 파라미터에 해당하는 파라미터의 값에 근거하여, 값이 정해지지 않은 다른 파라미터의 값이, 기준 파라미터의 값에 대하여 미리 정해진 기본 값으로 정해질 수 있다.
또 다른 예를 들면, 인공지능 시스템(100)은 3D 모델에 배치된 복수의 3D 객체들을 확인하고, 확인된 복수의 3D 객체들 각각에 대한 분석을 통해, 복수의 3D 객체들 각각에 해당하는 복수의 제3 파라미터들을 특정할 수도 있다.
나아가, 인공지능 시스템(100)은 앞서 특정된 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 적어도 하나에 대응되는 BIM 데이터를 생성할 수 있다.
도 9를 참조하여 예를 들면, 인공지능 시스템(100)은 미리 학습된 제2 학습 모델(53)에, 앞서 특정된 기하학적 파라미터(41), 재질 파라미터(42), 구조적 파라미터(43), 공간 파라미터(44), 설비 및 시스템 파라미터(45), 문서화 파라미터(46) 및, 안전 및 규정 준수 파라미터(47) 중 적어도 하나를 입력하여, 3D 모델에 대응되는 BIM 데이터(14)을 생성할 수 있다.
다른 예를 들면, 인공지능 시스템(100)은 3D 모델에서 복수의 3D 객체들이 확인되어, 복수의 3D 객체들 각각에 해당하는 복수의 제3 파라미터들이 특정되는 경우, 제2 학습 모델에 복수의 제3 파라미터들 각각을 입력하여 복수의 BIM 데이터들을 생성할 수 있다.
이때, 복수의 BIM 데이터들 각각은 제3 파라미터에 기반하여 미리 정의된 시뮬레이션 공간에서의 위치, 방향 등이 설정될 수 있으며, 인공지능 시스템(100)은 미리 정의된 시뮬레이션 공간에서의 위치 및 방향 등에 따라 앞서 생성된 복수의 BIM 데이터들을 배치시킴으로써, 사용자로부터 수신된 음성 신호에 대응되는 구조물의 인테리어 및 건축 중 적어도 하나에 대한 시뮬레이션 모델을 생성할 수 있다.
상기와 같은 구성들을 통해, 본 발명에 따른 인공지능 시스템(100)은 사용자의 음성을 인식하여, 사용자의 요구 및 기호가 적용된 구조물에 대한 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 생성함으로써, 사용자가 음성을 통해 요구하는 구조물의 형태를 보다 직관적으로 확인할 수 있다.
또한, 본 발명에 따른 인공지능 시스템(100)은 사용자에게 제공된 구조물과 관련된 정보에 대하여, 사용자로부터 발화되는 수정 요청을 인식하고, 인식 결과에 따라 앞서 제공된 구조물에 대한 기획안, 이미지, 3D 모델 및 BIM 데이터 중 적어도 하나를 보정함으로써, 사용자의 요구 및 기호를 실시간으로 반영하여 사용자가 자신이 원하는 구조물의 형태를 보다 직관적으로 확인할 수 있다.
나아가, 위에서 살펴본 본 발명은, 전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램으로서 구현될 수 있다.
따라서, 본 발명은 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드 또는 명령어로서 구현하는 것이 가능하다. 즉, 본 발명에 따른 다양한 제어방법은 통합된, 또는 개별적인 프로그램의 형태로 제공될 수 있다.
한편, 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.
나아가, 컴퓨터가 읽을 수 있는 매체는, 저장소를 포함하며 전자기기가 통신을 통하여 접근할 수 있는 서버 또는 클라우드 저장소일 수 있다. 이 경우, 컴퓨터는 유선 또는 무선 통신을 통하여, 서버 또는 클라우드 저장소로부터 본 발명에 따른 프로그램을 다운로드 받을 수 있다.
나아가, 본 발명에서는 위에서 설명한 컴퓨터는 프로세서, 즉 CPU(Central Processing Unit, 중앙처리장치)가 탑재된 전자기기로서, 그 종류에 대하여 특별한 한정을 두지 않는다.
한편, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (10)

  1. 음성 신호를 수신하고, 상기 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하는 단계;
    제1 생성형 인공지능 모델을 이용하여, 상기 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하는 단계;
    제2 생성형 인공지능 모델을 이용하여, 상기 텍스트 기획안에 대응되는 상기 구조물 내의 객체들에 대한 이미지를 생성하는 단계; 및
    미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  2. 제1 항에 있어서, 상기 텍스트 기획안을 생성하는 단계는,
    상기 변환된 텍스트에 대하여 상기 제1 생성형 인공지능 모델을 통한 자연어 분석을 수행하는 단계; 및
    상기 분석 결과에 근거하여, 상기 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 사용자의 요구 사항 및 기호를 나타내는 기획안을 생성하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  3. 제1 항에 있어서,
    인공지능 에이전트와 적어도 하나의 사용자 사이의 대화를 통하여 상기 텍스트 기획안을 수정하는 단계를 더 포함하고,
    상기 수정하는 단계는,
    상기 기획안을 상기 사용자가 확인 가능하도록 출력하는 단계;
    상기 출력된 기획안에 대한 상기 사용자의 수정 요청과 관련된 음성 신호를 수신하는 단계; 및
    상기 사용자의 수정 요청과 관련된 상기 수신된 음성 신호에 기반하여, 상기 출력된 기획안을 수정하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  4. 제1 항에 있어서, 상기 이미지를 생성하는 단계는,
    상기 생성된 기획안을 분석하여, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 이미지를 생성하기 위한 제1 파라미터인, 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 적어도 하나를 특정하는 단계; 및
    상기 제2 생성형 인공지능 모델을 이용하여, 상기 특정된 치수 파라미터, 스타일 파라미터, 기능적 파라미터, 구조적 파라미터, 환경적 파라미터, 기술적 파라미터 및 사용자 지정 파라미터 중 적어도 하나에 대응되는 이미지를 생성하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  5. 제1 항에 있어서, 상기 시각화된 BIM 데이터를 구축하는 단계는,
    상기 생성된 이미지를 분석하여, 상기 3D 모델을 생성하기 위한 제2 파라미터인, 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 적어도 하나를 특정하는 단계; 및
    상기 특정된 기하학적 파라미터, 구조적 파라미터, 재질 및 마감 파라미터, 기능적 파라미터, 연결성 파라미터, 상세 및 장식 파라미터 및 환경적 파라미터 중 적어도 하나에 대응되는 3D 모델을 생성하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  6. 제5 항에 있어서, 상기 시각화된 BIM 데이터를 구축하는 단계는,
    상기 생성된 3D 모델을 분석하여, 상기 BIM 데이터를 생성하기 위한 제3 파라미터인, 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 적어도 하나를 특정하는 단계; 및
    상기 특정된 기하학적 파라미터, 재질 파라미터, 구조적 파라미터, 공간 파라미터, 설비 및 시스템 파라미터, 문서화 파라미터 및, 안전 및 규정 준수 파라미터 중 적어도 하나에 대응되는 BIM 데이터를 생성하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  7. 제1 항에 있어서,
    상기 음성 신호를 텍스트로 변환하는 단계는,
    상기 구조물에 해당되는 건물에 대한 건축 공사를 진행하고자 하는 사용자로부터, 상기 건물과 관련된 공간의 구조, 기능, 편의 시설 등에 대하여 설명하는 상기 음성 신호를 수신하고,
    상기 시각화된 BIM 데이터를 구축하는 단계는,
    상기 건축 공사에 따른 상기 건물에서의 공간의 구조, 기능, 편의 시설 등에 대한 사용자의 요구 및 기호가 적용된 BIM 데이터를 생성하는, 인공지능 시스템의 제어방법.
  8. 제1 항에 있어서,
    상기 음성 신호를 텍스트로 변환하는 단계는,
    상기 구조물에 해당되는 건물의 설계를 수행하고자 하는 복수의 사용자들 중 특정 사용자로부터 상기 건물의 설계와 관련된 상기 음성 신호를 수신하고,
    상기 시각화된 BIM 데이터를 구축하는 단계는,
    상기 특정 사용자로부터 수신된 상기 음성 신호에 기반하여 생성된 상기 BIM 데이터를 상기 복수의 사용자들 중 상기 특정 사용자를 제외한 다른 사용자들에게 공유하는 단계; 및
    상기 생성된 BIM 데이터에 대하여, 상기 다른 사용자로부터 수신되는 추가적인 음성 신호를 재차 분석하여 상기 BIM 데이터를 수정하는 단계를 포함하는, 인공지능 시스템의 제어방법.
  9. 음성 신호를 수신하는 입력부; 및
    상기 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하고, 제1 생성형 인공지능 모델을 이용하여, 상기 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하는 제어부를 포함하고,
    상기 제어부는,
    제2 생성형 인공지능 모델을 이용하여, 상기 텍스트 기획안에 대응되는 상기 구조물 내의 객체들에 대한 이미지를 생성하고, 미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축하는, 인공지능 시스템.
  10. 전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램으로서,
    상기 프로그램은,
    음성 신호를 수신하고, 상기 음성 신호를 분석하여 상기 음성 신호를 텍스트로 변환하는 단계;
    제1 생성형 인공지능 모델을 이용하여, 상기 변환된 텍스트에 기반한, 구조물의 인테리어 및 건축 중 적어도 하나와 관련된 텍스트 기획안을 생성하는 단계;
    제2 생성형 인공지능 모델을 이용하여, 상기 텍스트 기획안에 대응되는 상기 구조물 내의 객체들에 대한 이미지를 생성하는 단계; 및
    미리 학습된 학습 모델을 이용하여 상기 객체들에 대한 이미지를 3D 모델로 변환하고, 상기 변환된 3D 모델을 이용하여 시각화된 BIM 데이터를 구축하는 단계를 수행하도록 하는 명령어들을 포함하는 것을 특징으로 하는 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램.
KR1020240103367A 2024-08-02 2024-08-02 음성에 기반하여 3d 모델링 및 bim이 가능한 인공지능 시스템 및 이의 제어방법 Pending KR20260019944A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020240103367A KR20260019944A (ko) 2024-08-02 2024-08-02 음성에 기반하여 3d 모델링 및 bim이 가능한 인공지능 시스템 및 이의 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020240103367A KR20260019944A (ko) 2024-08-02 2024-08-02 음성에 기반하여 3d 모델링 및 bim이 가능한 인공지능 시스템 및 이의 제어방법

Publications (1)

Publication Number Publication Date
KR20260019944A true KR20260019944A (ko) 2026-02-10

Family

ID=98822595

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020240103367A Pending KR20260019944A (ko) 2024-08-02 2024-08-02 음성에 기반하여 3d 모델링 및 bim이 가능한 인공지능 시스템 및 이의 제어방법

Country Status (1)

Country Link
KR (1) KR20260019944A (ko)

Similar Documents

Publication Publication Date Title
Pocobelli et al. BIM for heritage science: a review
CN118940364B (zh) 基于人工智能的建筑设计场景自动化生成方法与系统
Szalapaj Contemporary architecture and the digital design process
Ding et al. Automating code checking for building designs-DesignCheck
Merrell et al. Computer-generated residential building layouts
US10818082B2 (en) Method and system for parametrically creating an optimal three dimensional building structure
CN114373054B (zh) 一种自动生成三维房屋布局的方法、系统、装置及介质
CN116702298B (zh) 室内装饰设计的模型构建方法及系统
US20130046512A1 (en) System and Methods Facilitating Interfacing with a Structure Design and Development Process
CN113297652B (zh) 施工图的生成方法、装置及设备
Kontoudaki et al. HBIM library development for a doric temple column
Duggempudi et al. Text-to-layout: a generative workflow for drafting architectural floor plans using LLMs
CN119516287A (zh) 一种基于大语言模型和bim的材质属性获取方法和系统
KR102260969B1 (ko) 딥러닝 알고리즘을 이용한 건축 정보 모델의 객체 유형 정보 인식 장치 및 방법
Kudless Drawing Codes
US20260044636A1 (en) Construction Process Support System Using Grid Labels
CN120296828A (zh) 一种家装平面自动设计方法和装置
KR102889912B1 (ko) 속성정보 기반의 인공지능형 bim 모델 보완 시스템 및 이를 이용한 인공지능형 bim 모델 보완 방법
CN114925436B (zh) 基于单层户型图生成楼宇建筑模型的方法和系统
He et al. Generating architectural floor plans through conditional large diffusion model
Jang et al. Automatic extraction and linkage between textual and spatial data for architectural heritage
Szuba et al. GraCAD–graph-based tool for conceptual design
Abhinav et al. Explainable AI for architectural design generation with few-shot learning
Andolina et al. Multimodal virtual navigation of a cultural heritage site: the medieval ceiling of steri in palermo
KR20220067350A (ko) 건축설계를 위한 실내재료마감표 작성 자동화 장치 및 방법

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

Q12 Application published

Free format text: ST27 STATUS EVENT CODE: A-1-1-Q10-Q12-NAP-PG1501 (AS PROVIDED BY THE NATIONAL OFFICE)

PN2301 Change of applicant

St.27 status event code: A-3-3-R10-R13-asn-PN2301

St.27 status event code: A-3-3-R10-R11-asn-PN2301

R11 Change to the name of applicant or owner or transfer of ownership requested

Free format text: ST27 STATUS EVENT CODE: A-3-3-R10-R11-ASN-PN2301 (AS PROVIDED BY THE NATIONAL OFFICE)

R13 Change to the name of applicant or owner recorded

Free format text: ST27 STATUS EVENT CODE: A-3-3-R10-R13-ASN-PN2301 (AS PROVIDED BY THE NATIONAL OFFICE)

PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902