WO2022004978A1 - 건축 장식재 디자인 업무 시스템 및 방법 - Google Patents

건축 장식재 디자인 업무 시스템 및 방법 Download PDF

Info

Publication number
WO2022004978A1
WO2022004978A1 PCT/KR2020/018938 KR2020018938W WO2022004978A1 WO 2022004978 A1 WO2022004978 A1 WO 2022004978A1 KR 2020018938 W KR2020018938 W KR 2020018938W WO 2022004978 A1 WO2022004978 A1 WO 2022004978A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
architectural
decoration material
construction
user terminal
Prior art date
Application number
PCT/KR2020/018938
Other languages
English (en)
French (fr)
Inventor
이계현
이민규
Original Assignee
이계현
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 이계현 filed Critical 이계현
Publication of WO2022004978A1 publication Critical patent/WO2022004978A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/094—Adversarial learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules

Definitions

  • Embodiments of the present invention relate to architectural decorative material design business technology.
  • An embodiment of the present invention is to provide a technique for automating design tasks and improving work efficiency of architectural decorative materials.
  • Building decoration material design business system includes: an image collection module for collecting raw images to be used for architectural decoration materials; an image generating module for generating an image for a new building decoration material through deep learning based on the collected raw image; an image editing module for changing an image element for the image for the new building decoration material in response to a request for changing the image element from the user terminal; and an image application module configured to receive an architectural space photographed image from the user terminal, and apply an architectural decoration image selected by a user of the user terminal to the architectural space photographed image.
  • the image generating module generates an image for a new building decoration material through a Generative Adversarial Network (StarGAN), and the StarGAN receives the raw image and target domain information for the building decoration material, and receives the input a generator that is trained to extract one or more features of a color, a figure type, and an architectural space type from the raw image to generate a new architectural decorative material image corresponding to the target domain information; and a classifier that is trained to distinguish the new architectural decorative image and the real image generated by the generator and classify the domain of the new architectural decorative image, wherein the generator includes domain information of the raw image Through , it can be learned to restore the created image for the new building decoration material back to the original image.
  • StarGAN Generative Adversarial Network
  • the image editing module changes an image element for the new architectural decoration image or the collected raw image through CycleGAN (Generative Adversarial Network), and the CycleGAN, the new architectural decoration image or the collected raw image
  • CycleGAN Geneative Adversarial Network
  • the CycleGAN the new architectural decoration image or the collected raw image
  • a color-changed primary fake image is generated from the, and a color-changed secondary fake image is generated based on the primary fake image, between the secondary fake image and the new architectural decorative material image or the collected raw image
  • the forward loss function and the backward loss function may be respectively learned so that the difference is minimized, and the forward loss function and the backward loss function may be summed to be set as the loss function of the CycleGAN.
  • the image editing module may include an image resolution changing unit that changes an image having a resolution lower than a preset reference resolution among the collected raw image or the generated new architectural decorative material image into a high-resolution image.
  • the image resolution changing unit may change the image having a lower resolution than the reference resolution into a high-resolution image through a Super Resolution GAN (SRGAN).
  • SRGAN Super Resolution GAN
  • the image application module detects each vertex of a region to which the architectural decorative image is to be applied from the architectural space photographed image, connects neighboring vertices at each vertex to recognize the shape of the image application region, and the image application region , by checking the length of each line segment and the angle between each line segment, the image for the architectural decoration material may be converted and applied according to the shape of the image application area.
  • the architectural decoration material design work system may further include a construction state confirmation module that receives the architectural decoration material construction image from the user terminal, and checks the state in which the architectural decoration material is constructed on the building space based on the architectural decoration material construction image have.
  • the construction state confirmation module includes a deep learning model that collects and learns an image data set in which product construction is in a normal state and an image data set in which product construction is in a poor state, and receives the building decoration material construction image as an input of the deep learning model In this way, it is possible to confirm the degree of the normal state or the degree of the defective state of the constructed state.
  • an image collection module for collecting raw images to be used for architectural decoration materials; an image generating module for generating an image for a new building decoration material through a StarGAN (Generative Adversarial Network) based on the collected raw image; an image editing module for changing an image element for the new architectural decorative material image through a CycleGAN (Generative Adversarial Network) in response to a user terminal's request for changing an image element; an image application module for receiving an architectural space photographed image from the user terminal, and applying an architectural decoration image selected by a user of the user terminal to the architectural space photographed image; and a construction state confirmation module for receiving a construction decoration material construction image from the user terminal, and confirming a state in which the construction decoration material is constructed on the construction space based on the construction decoration material construction image.
  • a StarGAN Generic Adversarial Network
  • Architectural decoration material design work method is a method performed in a computing device having one or more processors, and a memory for storing one or more programs executed by the one or more processors, wherein the collected generating an image for a new building decoration material through deep learning based on a raw image; changing an image element for the image for the new building decoration material according to a request for changing the image element from the user terminal; and receiving an architectural space photographed image from the user terminal, and applying an architectural decorative material image selected by a user of the user terminal to the architectural space photographed image.
  • FIG. 1 is a view showing a system for designing architectural decoration materials using artificial intelligence according to an embodiment of the present invention
  • FIG. 2 is a block diagram showing the configuration of a design management server according to an embodiment of the present invention.
  • FIG. 3 is a view showing a state of generating a new image through StarGAN in the image generating module according to an embodiment of the present invention
  • FIG. 4 is a block diagram showing the configuration of an image editing module according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating a state in which an image element changing unit changes a color of an image using CycleGAN according to an embodiment of the present invention
  • FIG. 6 is a diagram illustrating a state in which an image resolution changing unit changes a low-resolution image to a high-resolution image using SRGAN according to an embodiment of the present invention
  • FIG. 7 is a view showing a state in which a design is applied to an architectural space in a user terminal according to an embodiment of the present invention.
  • FIG. 8 is a block diagram illustrating and describing a computing environment including a computing device suitable for use in example embodiments;
  • the terms "transmission”, “communication”, “transmission”, “reception” and other similar meanings of a signal or information are not only directly transmitted from one component to another component, but also a signal or information This includes passing through other components.
  • to “transmit” or “transmit” a signal or information to a component indicates the final destination of the signal or information and does not imply a direct destination. The same is true for “reception” of signals or information.
  • first and second may be used to describe various components, but the components should not be limited by the terms. The above terms may be used for the purpose of distinguishing one component from another component.
  • a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component.
  • FIG. 1 is a diagram illustrating a system for designing architectural decoration materials using artificial intelligence according to an embodiment of the present invention.
  • the architectural decoration material design work system 100 may include a user terminal 102 and a design management server 104 .
  • the user terminal 102 is communicatively connected to the design management server 104 through the communication network 150 .
  • communication network 150 is the Internet, one or more local area networks, wide area networks, cellular networks, mobile networks, other types of networks, or such networks. may include combinations of these.
  • the user terminal 102 may be a terminal of a user who wants to construct a building decoration material in a building space (eg, an elevator floor, an indoor entrance floor, a floor of a shopping mall or a large mart, etc.).
  • a building space eg, an elevator floor, an indoor entrance floor, a floor of a shopping mall or a large mart, etc.
  • various electronic devices capable of communicating with the design management server 104 such as a smart phone, a tablet PC, a notebook computer, and a desktop PC, may be used.
  • the user terminal 102 may access the design management server 104 and select a design image (image for architectural decoration) to be applied to the architectural space.
  • the user terminal 102 may photograph the building space to which the image for architectural decoration is applied and transmit it to the design management server 104 .
  • the user terminal 102 may photograph the building space in which the building decoration material is constructed and transmit it to the design management server 104 .
  • the user terminal 102 may be installed with an application for architectural decoration design work.
  • the application may be stored in a computer-readable storage medium of the user terminal 102 .
  • the application includes a predetermined set of instructions executable by the processor of the user terminal 102 .
  • the instructions may cause the processor of the user terminal 102 to perform an operation according to an exemplary embodiment.
  • the computer-readable storage medium of the user terminal 102 includes components of an operating system for executing a set of instructions, such as the application, on the user terminal 102 .
  • the operating system may be Apple's iOS or Google's Android.
  • the design management server 104 may generate an image for architectural decoration.
  • the design management server 104 may transmit and display a list of images for architectural decoration to the user terminal 102 .
  • the design management server 104 may receive an architectural space photographed image from the user terminal 102 , apply an architectural decoration image selected by the user to the received architectural space photographed image, and provide it to the user terminal 102 .
  • the design management server 104 may receive a photographed image of a building space in which the building decoration material is constructed from the user terminal 102 to confirm the construction state.
  • the design management server 104 may include various types of server computers, for example, mainframe-based or open system-based server computers, and may include cloud-type server computers. A detailed description of the configuration and operation of the design management server 104 will be described later.
  • FIG. 2 is a block diagram showing the configuration of a design management server according to an embodiment of the present invention.
  • the design management server 104 includes an image collection module 111 , an image creation module 113 , an image editing module 115 , an image application module 117 , and a construction state confirmation module 119 .
  • the image collection module 111 may collect raw images to be used for architectural decoration materials.
  • the image collection module 111 includes Crawling (a technology that can collect web documents provided on the Internet, such as SNS, news, and web information), Streaming (which can collect video data from the Internet in real time). technology), Log Aggregator (a technology that collects various log data such as web logs, transaction logs, and click logs), and RDB Aggregator (a technology that collects structured data from a relational database and stores it in NoSQL such as HDFS or HBase), etc. can be used to collect raw images to be used for architectural decoration materials.
  • the present invention is not limited thereto, and the image collection module 111 may receive a raw image to be used for architectural decoration materials from a user.
  • the image collection module 111 may collect the entire image for architectural decoration materials, but is not limited thereto, and may collect some image elements (for example, design elements such as figures or patterns, etc.) from images for architectural decoration materials. have.
  • the image generating module 113 may generate a new image based on the collected raw images.
  • the image generating module 113 may generate an image for a new building decoration material based on the collected raw image.
  • the image generating module 113 may generate a new image from the raw image collected through deep learning technology.
  • the image generation module 113 may generate a new image (an image for a new building decoration material) from the collected raw images using a Generative Adversarial Network (GAN).
  • GAN Generative Adversarial Network
  • the image generation module 113 may learn the mapping between all possible domains using a single generator by using the multi-domain image set as StarGAN learning data.
  • the domain may mean a set of images sharing the same attribute value.
  • the domain may be an elevator floor image, an indoor entrance floor image, and a business site (eg, large mart or shopping mall) floor image.
  • the image generating module 113 may learn to convert images of multiple domains into images of a target domain (eg, an elevator floor image) through StarGAN. That is, an image of a domain different from the target domain (eg, an elevator floor image) may be learned to be generated as an image of the target domain, such as an indoor entrance floor image or a business floor image.
  • 3 is a diagram illustrating a state in which the image generating module 113 generates a new image through StarGAN according to an embodiment of the present invention.
  • StarGAN may include a generator 113a and a discriminator 113b.
  • a generator 113a of StarGAN may receive a raw image and target domain information, and may generate a fake image by extracting features from the input raw image.
  • StarGAN's Generator determines the color (eg, red, blue, green, yellow, purple, etc.), shape type (eg, circle, triangle, rectangle) in the raw image. , stars, trapezoids, ovals, etc.), and architectural space types (eg, elevators, hallways, etc.) are extracted and learned to generate fake images (ie, images for new architectural decorations) corresponding to target domain information.
  • color eg, red, blue, green, yellow, purple, etc.
  • shape type eg, circle, triangle, rectangle
  • architectural space types eg, elevators, hallways, etc.
  • the generator 113a of StarGAN may be trained to restore the fake image back to the original image (ie, the raw image used as a basis for creating the fake image) through the input domain information of the raw image.
  • the Generator 113a of StarGAN may generate the fake image so that the target domain can be classified by the discriminator 113b while being indistinguishable from the real image.
  • the classifier (Discriminator) 113b distinguishes between the real image and the fake image generated by the generator, and at the same time, when the fake image is identical to the real image, it can be learned to classify a corresponding domain. .
  • the image editing module 115 may perform an editing process on at least one of a raw image collected by the image collection module 111 and an image for a new building decoration material generated by the image generation module 113 .
  • FIG. 4 is a block diagram showing the configuration of the image editing module 115 according to an embodiment of the present invention.
  • the image editing module 115 may include an image element changer 121 and an image resolution changer 123 .
  • the image element changing unit 121 may change the image element for the new architectural decorative material image generated by the image generating module 113 .
  • the image element may include a design of a figure or pattern constituting the image and a color constituting the image.
  • the image element change unit 121 may change the image element for the new architectural decoration material according to the image element change request of the user terminal 102 .
  • the user terminal 102 may access the design management server 104 and select an image to be applied to the construction site. For example, the user terminal 102 may select any one image from the image list for the new building decoration material generated by the image generating module 113 .
  • the image element change request may be transmitted to the design management server 104 through the user terminal 102 .
  • the image element change unit 121 may change the image element of the selected image using CycleGAN.
  • 5 is a diagram illustrating a state in which the image element changing unit 121 changes the color of an image using CycleGAN according to an embodiment of the present invention.
  • CycleGAN can let you learn a function that maps domain X (input image) and domain Y (output image). Specifically, CycleGAN generates a fake image from an input image, but when a fake image (second fake image) is generated again based on the fake image (first fake image), the difference between the second fake image and the input image is minimized The loss function can be learned as much as possible. In addition, CycleGAN performs the same learning in the opposite direction (Y ⁇ X), and by summing the loss function in the forward direction (X ⁇ Y) and the loss function in the reverse direction (Y ⁇ X), it can be used as a loss function of the entire neural network. If such CycleGAN is used, as shown in FIG. 5 , it is possible to output an image in which only the color is changed from the input image.
  • the image element change unit 121 has been described as changing the image element with respect to the image for the new building decoration material generated by the image generating module 113, but is not limited thereto, and the existing image for the architectural decoration material (that is, , the image element may be changed for the image collected by the image collection module 111).
  • the image resolution changing unit 123 may change a low-resolution image among a raw image collected by the image collection module 111 or a new image generated by the image generating module 113 into a high-resolution image.
  • the image resolution changing unit 123 may change a low-resolution image into a high-resolution image by using the SRGAN.
  • FIG. 6 is a diagram illustrating a state in which the image resolution changing unit 123 uses SRGAN to change a low-resolution image into a high-resolution image according to an embodiment of the present invention.
  • SRGAN receives a pair of low-resolution image and high-resolution image data sets as input, learns a loss data set between the low-resolution image and high-resolution image, and maps the learned loss data set with the input low-resolution image to minimize the loss. can be made to converge on
  • the image resolution changing unit 123 changes the corresponding raw image to a high-resolution image through SRGAN, and then the image generating module 113 ) can be passed as Then, the image generating module 113 can generate a new high-resolution image.
  • the image resolution changing unit 123 may change a new image that is less than a preset reference resolution among new images generated by the image generating module 113 into a high-resolution image through the SRGAN.
  • the image editing module 115 By changing the image element or changing the resolution to a high resolution through the image editing module 115, the rework rate of the image is reduced, the user's image selection range is widened, and the design satisfaction can be increased.
  • the image application module 117 may receive an architectural space photographed image from the user terminal 102 .
  • the user terminal 102 may transmit an image (building space shot image) of the corresponding elevator floor to the design management server 104 . .
  • the image application module 117 may apply the image for architectural decoration material selected by the user to the architectural space photographed image. Specifically, the image application module 117 may recognize a region to which an image for architectural decoration material is to be applied in an architectural space photographed image. The image application module 117 may detect each vertex of a region to which an image for architectural decoration material is to be applied in the architectural space photographed image. The image application module 117 may recognize the shape of a region (image application region) to which an image for architectural decoration is to be applied by connecting neighboring vertices at each vertex.
  • the image application module 117 may convert the image for architectural decoration material selected by the user to fit the image application area.
  • the image application module 117 may check the length of each line segment and the angle between each line segment in the image application area to convert the architectural decoration image to fit the image application area.
  • the image application module 117 may apply the converted image for architectural decoration material to the image application area in the architectural space photographed image.
  • the image application module 117 may apply the image for architectural decoration materials converted using augmented reality technology to the image application area in the architectural space photographed image.
  • the image application module 117 may transmit an architectural space photographed image to which an image for architectural decoration is applied to the user terminal 102 . In this case, the user can check the state in which the design is applied in advance.
  • 7 is a diagram illustrating a state in which a design is applied to an architectural space in the user terminal 102 according to an embodiment of the present invention.
  • the construction state confirmation module 119 may receive, from the user terminal 102 , a photographed image of a building space in which a building decoration material is constructed (hereinafter, it may be referred to as a construction decoration material construction image).
  • the construction state confirmation module 119 may confirm the state in which the architectural decoration material is constructed on the building space based on the construction decoration material construction image.
  • the construction state confirmation module 119 may confirm a state in which the building decoration material is constructed on the building space based on machine learning technology.
  • the construction state confirmation module 119 may collect and learn an image data set in which product construction is in a normal state and an image data set in which product construction is in a poor state, respectively, through a deep learning model.
  • the construction state confirmation module 119 may input a construction decoration material construction image to the deep learning model learned in this way to check whether the construction decoration material construction image is in a defective state.
  • the construction state checking module 119 may determine the normal state degree or the defective state degree according to the similarity between the normal state image or the defective state image of the construction decoration material construction image.
  • a module may mean a functional and structural combination of hardware for carrying out the technical idea of the present invention and software for driving the hardware.
  • the "module” may mean a logical unit of a predetermined code and a hardware resource for executing the predetermined code, and does not necessarily mean physically connected code or a single type of hardware.
  • each component may have different functions and capabilities other than those described below, and may include additional components in addition to those described below.
  • the illustrated computing environment 10 includes a computing device 12 .
  • computing device 12 may be user terminal 102 .
  • Computing device 12 may also be design management server 104 .
  • Computing device 12 includes at least one processor 14 , computer readable storage medium 16 , and communication bus 18 .
  • the processor 14 may cause the computing device 12 to operate in accordance with the exemplary embodiments discussed above.
  • the processor 14 may execute one or more programs stored in the computer-readable storage medium 16 .
  • the one or more programs may include one or more computer-executable instructions that, when executed by the processor 14, configure the computing device 12 to perform operations in accordance with the exemplary embodiment. can be
  • Computer-readable storage medium 16 is configured to store computer-executable instructions or program code, program data, and/or other suitable form of information.
  • the program 20 stored in the computer-readable storage medium 16 includes a set of instructions executable by the processor 14 .
  • computer-readable storage medium 16 includes memory (volatile memory, such as random access memory, non-volatile memory, or a suitable combination thereof), one or more magnetic disk storage devices, optical disk storage devices, flash It may be memory devices, other forms of storage medium accessed by computing device 12 and capable of storing desired information, or a suitable combination thereof.
  • Communication bus 18 interconnects various other components of computing device 12 , including processor 14 and computer readable storage medium 16 .
  • Computing device 12 may also include one or more input/output interfaces 22 and one or more network communication interfaces 26 that provide interfaces for one or more input/output devices 24 .
  • the input/output interface 22 and the network communication interface 26 are coupled to the communication bus 18 .
  • Input/output device 24 may be coupled to other components of computing device 12 via input/output interface 22 .
  • Exemplary input/output device 24 may include a pointing device (such as a mouse or trackpad), a keyboard, a touch input device (such as a touchpad or touchscreen), a voice or sound input device, various types of sensor devices, and/or imaging devices. input devices and/or output devices such as display devices, printers, speakers and/or network cards.
  • the exemplary input/output device 24 may be included in the computing device 12 as a component constituting the computing device 12 , and may be connected to the computing device 12 as a separate device distinct from the computing device 12 . may be

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

건축 장식재 디자인 업무 시스템 및 방법이 개시된다. 개시되는 일 실시예에 따른 건축 장식재 디자인 업무 시스템은, 건축 장식재에 사용될 로 이미지(Raw Image)를 수집하는 이미지 수집 모듈, 수집된 로 이미지(Raw Image)에 기초하여 딥 러닝(Deep Learning)을 통해 신규 건축 장식재용 이미지를 생성하는 이미지 생성 모듈, 사용자 단말의 이미지 요소 변경 요청에 따라 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 이미지 편집 모듈, 및 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 건축 공간 촬영 이미지에 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 이미지 적용 모듈을 포함한다.

Description

건축 장식재 디자인 업무 시스템 및 방법
본 발명의 실시예는 건축 장식재 디자인 업무 기술과 관련된다.
일반적으로, 건축 공간(예를 들어, 엘리베이터 또는 건물 현관 등)의 바닥재나 벽면 등에 쓰이는 건축 장식재 디자인은 사람의 수작업을 통해 생성되고 편집 등이 이루어져 디자인을 제조하는데 많은 시간과 비용이 소요되는 등 비효율적인 측면이 있다.
또한, 개발된 건축 장식재 디자인을 건축 공간에 적용 및 변환하는 경우, 영업 직원이 직접 건축 현장을 방문하여 소비자 상담 및 디자인 변경에 오랜 시간이 소요되며, 시공 후 품질 상태를 확인하는 데도 어려움이 있다. 이에 건축 장식재 디자인의 개발부터 건축 공간에 실제 적용하여 품질 상태를 확인하기 까지 효율적인 업무 시스템의 개발이 요구된다.
본 발명의 실시예는 건축 장식재의 디자인 업무 자동화 및 업무 효율 향상을 위한 기법을 제공하기 위한 것이다.
개시되는 일 실시예에 따른 건축 장식재 디자인 업무 시스템은, 건축 장식재에 사용될 로 이미지(Raw Image)를 수집하는 이미지 수집 모듈; 상기 수집된 로 이미지(Raw Image)에 기초하여 딥 러닝(Deep Learning)을 통해 신규 건축 장식재용 이미지를 생성하는 이미지 생성 모듈; 사용자 단말의 이미지 요소 변경 요청에 따라 상기 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 이미지 편집 모듈; 및 상기 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 상기 건축 공간 촬영 이미지에 상기 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 이미지 적용 모듈을 포함한다.
상기 이미지 생성 모듈은, StarGAN(Generative Adversarial Network)을 통해 신규 건축 장식재용 이미지를 생성하고, 상기 StarGAN은, 상기 로 이미지(Raw Image)와 상기 건축 장식재에 대한 타겟 도메인 정보를 입력 받고, 상기 입력된 로 이미지로부터 컬러, 도형 타입, 및 건축 공간 종류 중 하나 이상의 특징을 추출하여 상기 타겟 도메인 정보에 대응하는 신규 건축 장식재용 이미지를 생성하도록 학습되는 생성기; 및 상기 생성기에서 생성한 신규 건축 장식재용 이미지와 실제 이미지를 구별하고, 상기 신규 건축 장식재용 이미지의 도메인을 분류하도록 학습되는 분류기를 포함하고, 상기 생성기는, 상기 로 이미지(Raw Image)의 도메인 정보를 통해 상기 생성한 신규 건축 장식재용 이미지를 다시 원 이미지로 복원하려고 학습될 수 있다.
상기 이미지 편집 모듈은, CycleGAN(Generative Adversarial Network)을 통해 상기 신규 건축 장식재용 이미지 또는 상기 수집된 로 이미지에 대해 이미지 요소를 변경하며, 상기 CycleGAN은, 상기 신규 건축 장식재용 이미지 또는 상기 수집된 로 이미지로부터 색상이 변경된 1차 페이크 이미지를 생성하고, 상기 1차 페이크 이미지를 기반으로 색상이 변경된 2차 페이크 이미지를 생성하는 경우 상기 2차 페이크 이미지와 상기 신규 건축 장식재용 이미지 또는 상기 수집된 로 이미지 간의 차이가 최소화 되도록 순방향 손실 함수 및 역방향 손실 함수를 각각 학습하고, 상기 순방향 손실 함수와 상기 역방향 손실 함수를 합하여 상기 CycleGAN의 손실 함수로 설정할 수 있다.
상기 이미지 편집 모듈은, 상기 수집된 로 이미지(Raw Image) 또는 상기 생성된 신규 건축 장식재용 이미지 중 해상도가 기 설정된 기준 해상도 미만인 이미지를 고해상도 이미지로 변경하는 이미지 해상도 변경부를 포함할 수 있다.
상기 이미지 해상도 변경부는, SRGAN(Super Resolution GAN)을 통해 상기 기준 해상도 미만인 이미지를 고해상도 이미지로 변경할 수 있다.
상기 이미지 적용 모듈은, 상기 건축 공간 촬영 이미지에서 상기 건축 장식재용 이미지가 적용될 영역의 각 꼭지점을 검출하고, 상기 각 꼭지점에서 이웃하는 꼭지점을 연결하여 이미지 적용 영역의 형태를 인식하며, 상기 이미지 적용 영역에서 각 선분의 길이 및 각 선분 간의 각도를 확인하여 상기 건축 장식재용 이미지를 상기 이미지 적용 영역의 형태에 맞게 변환하여 적용할 수 있다.
상기 건축 장식재 디자인 업무 시스템은, 상기 사용자 단말로부터 건축 장식재 시공 이미지를 수신하고, 상기 건축 장식재 시공 이미지에 기초하여 건축 공간 상에 건축 장식재가 시공된 상태를 확인하는 시공 상태 확인 모듈을 더 포함할 수 있다.
상기 시공 상태 확인 모듈은, 제품 시공이 정상 상태인 이미지 데이터 셋과 제품 시공이 불량 상태인 이미지 데이터 셋을 수집하여 학습하는 딥 러닝 모델을 포함하고, 상기 건축 장식재 시공 이미지를 상기 딥 러닝 모델의 입력으로 하여 상기 시공된 상태의 정상 상태 정도 또는 불량 상태 정도를 확인할 수 있다.
개시되는 다른 실시예에 따른 건축 장식재 디자인 업무 시스템은, 건축 장식재에 사용될 로 이미지(Raw Image)를 수집하는 이미지 수집 모듈; 상기 수집된 로 이미지(Raw Image)에 기초하여 StarGAN(Generative Adversarial Network)을 통해 신규 건축 장식재용 이미지를 생성하는 이미지 생성 모듈; 사용자 단말의 이미지 요소 변경 요청에 따라 CycleGAN(Generative Adversarial Network)을 통해 상기 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 이미지 편집 모듈; 상기 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 상기 건축 공간 촬영 이미지에 상기 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 이미지 적용 모듈; 및 상기 사용자 단말로부터 건축 장식재 시공 이미지를 수신하고, 상기 건축 장식재 시공 이미지에 기초하여 건축 공간 상에 건축 장식재가 시공된 상태를 확인하는 시공 상태 확인 모듈을 포함한다.
개시되는 일 실시예에 따른 건축 장식재 디자인 업무 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 상기 수집된 로 이미지(Raw Image)에 기초하여 딥 러닝(Deep Learning)을 통해 신규 건축 장식재용 이미지를 생성하는 단계; 사용자 단말의 이미지 요소 변경 요청에 따라 상기 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 단계; 및 상기 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 상기 건축 공간 촬영 이미지에 상기 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 단계를 포함한다.
개시되는 실시예에 의하면, 딥러닝 기술을 통하여 건축 장식재용 이미지를 신규 생성하고 편집함으로써, 디자인 공정을 자동화 하여 공정 효율화를 추구하며 전체 업무 공정을 간소화 할 수 있게 된다. 또한, 사용자에게 디자인의 선택 폭을 넓혀 줄 수 있게 되고 디자인 만족도를 향상시킬 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 인공 지능을 이용한 건축 장식재 디자인 업무 시스템을 나타낸 도면
도 2는 본 발명의 일 실시예에 따른 디자인 관리 서버의 구성을 나타낸 블록도
도 3은 본 발명의 일 실시예에 따른 이미지 생성 모듈에서 StarGAN을 통해 신규 이미지를 생성하는 상태를 나타낸 도면
도 4는 본 발명의 일 실시예에 따른 이미지 편집 모듈의 구성을 나타낸 블록도
도 5는 본 발명의 일 실시예에 따른 이미지 요소 변경부에서 CycleGAN을 이용하여 이미지의 색상을 변경하는 상태를 나타낸 도면
도 6은 본 발명의 일 실시예에 따른 이미지 해상도 변경부에서 SRGAN을 이용하여 저해상도 이미지를 고해상도 이미지로 변경하는 상태를 나타낸 도면
도 7은 본 발명의 일 실시예에 따른 사용자 단말에서 건축 공간에 디자인이 적용된 상태를 나타낸 도면
도 8은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다.
또한, 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공 지능을 이용한 건축 장식재 디자인 업무 시스템을 나타낸 도면이다.
도 1을 참조하면, 건축 장식재 디자인 업무 시스템(100)은 사용자 단말(102) 및 디자인 관리 서버(104)를 포함할 수 있다.
사용자 단말(102)은 통신 네트워크(150)를 통해 디자인 관리 서버(104)와 통신 가능하게 연결된다. 몇몇 실시예들에서, 통신 네트워크(150)는 인터넷, 하나 이상의 로컬 영역 네트워크(local area networks), 광역 네트워크(wide area networks), 셀룰러 네트워크, 모바일 네트워크, 그 밖에 다른 종류의 네트워크들, 또는 이러한 네트워크들의 조합을 포함할 수 있다.
사용자 단말(102)은 건축 공간(예를 들어, 엘리베이터 바닥, 실내 현관 바닥, 쇼핑몰 또는 대형 마트의 바닥 등)에 건축 장식재를 시공하고자 하는 사용자의 단말일 수 있다. 사용자 단말(102)은 스마트 폰, 태블릿 PC, 노트북, 데스크 탑 PC 등 디자인 관리 서버(104)와 통신 가능한 다양한 전자 기기가 사용될 수 있다.
사용자 단말(102)은 디자인 관리 서버(104)에 접속하여 건축 공간에 적용할 디자인 이미지(건축 장식재용 이미지)를 선택할 수 있다. 사용자 단말(102)은 건축 장식재용 이미지가 적용될 건축 공간을 촬영하여 디자인 관리 서버(104)로 전송할 수 있다. 사용자 단말(102)은 건축 장식재가 시공된 건축 공간을 촬영하여 디자인 관리 서버(104)로 전송할 수 있다.
사용자 단말(102)에는 건축 장식재 디자인 업무를 위한 어플리케이션이 설치될 수 있다. 상기 어플리케이션은 사용자 단말(102)의 컴퓨터 판독 가능 저장 매체에 저장될 수 있다. 상기 어플리케이션은 사용자 단말(102)의 프로세서에 의해 실행 가능한 명령어의 소정의 집합을 포함한다. 상기 명령어는 사용자 단말(102)의 프로세서로 하여금 예시적인 실시예에 따른 동작을 수행하게 할 수 있다. 사용자 단말(102)의 컴퓨터 판독 가능 저장 매체는 사용자 단말(102) 상에서 상기 어플리케이션과 같은 명령어 집합을 실행하기 위한 운영 체제의 컴포넌트들을 포함한다. 예를 들어, 이러한 운영 체제는 애플(Apple) 사의 iOS 또는 구글(Google) 사의 Android 일 수 있다.
디자인 관리 서버(104)는 건축 장식재용 이미지를 생성할 수 있다. 디자인 관리 서버(104)는 사용자 단말(102)로 건축 장식재용 이미지의 리스트를 전송하여 표시할 수 있다. 디자인 관리 서버(104)는 사용자 단말(102)로부터 건축 공간 촬영 이미지를 수신하고, 수신된 건축 공간 촬영 이미지에 사용자가 선택한 건축 장식재용 이미지를 적용하여 사용자 단말(102)로 제공할 수 있다. 디자인 관리 서버(104)는 사용자 단말(102)로부터 건축 장식재가 시공된 건축 공간 촬영 이미지를 수신하여 시공 상태를 확인할 수 있다.
디자인 관리 서버(104)는 다양한 유형의 서버 컴퓨터 예를 들어, 메인 프레임 기반이나 오픈 시스템 기반의 서버 컴퓨터를 포함할 수 있으며, 클라우드 형태의 서버 컴퓨터를 포함할 수 있다. 디자인 관리 서버(104)의 구성 및 동작에 대한 자세한 설명은 후술하기로 한다.
도 2는 본 발명의 일 실시예에 따른 디자인 관리 서버의 구성을 나타낸 블록도이다.
도 2를 참조하면, 디자인 관리 서버(104)는 이미지 수집 모듈(111), 이미지 생성 모듈(113), 이미지 편집 모듈(115), 이미지 적용 모듈(117), 및 시공 상태 확인 모듈(119)을 포함할 수 있다.
이미지 수집 모듈(111)은 건축 장식재에 사용될 로 이미지(Raw Image)를 수집할 수 있다. 예시적인 실시예에서, 이미지 수집 모듈(111)은 Crawling(SNS, 뉴스, 웹 정보 등 인터넷 상에서 제공되는 웹 문서 등을 수집할 수 있는 기술), Streaming(인터넷에서 비디오 데이터를 실시간으로 수집할 수 있는 기술), Log Aggregator(웹 로그, 트랜잭션 로그, 클릭 로그 등 각종 로그 데이터를 수집하는 기술), RDB Aggregator(관계형 데이터베이스에서 정형 데이터를 수집하여 HDFS나 HBase와 같은 NoSQL에 저장하는 기술) 등 데이터 수집 기술을 이용하여 건축 장식재에 사용될 로 이미지(Raw Image)를 수집할 수 있다. 그러나, 이에 한정되는 것은 아니며 이미지 수집 모듈(111)은 사용자로부터 건축 장식재에 사용될 로 이미지(Raw Image)를 입력 받을 수도 있다.
이미지 수집 모듈(111)은 건축 장식재용 이미지 전체를 수집할 수 있으나, 이에 한정되는 것은 아니며, 건축 장식재용 이미지에서 일부 이미지 요소(예를 들어, 도형 또는 패턴과 같은 디자인 요소 등)를 수집할 수도 있다.
이미지 생성 모듈(113)은 수집된 로 이미지에 기초하여 새로운 이미지를 생성할 수 있다. 이미지 생성 모듈(113)은 수집된 로 이미지에 기초하여 신규 건축 장식재용 이미지를 생성할 수 있다. 이미지 생성 모듈(113)은 딥러닝(Deep Learning) 기술을 통해 수집된 로 이미지로부터 새로운 이미지를 생성할 수 있다. 예시적인 실시예에서, 이미지 생성 모듈(113)은 GAN(Generative Adversarial Network)(생성적 적대 신경망)을 이용하여 수집된 로 이미지로부터 새로운 이미지(신규 건축 장식재용 이미지)를 생성할 수 있다.
이 경우, 별도의 수작업 절차 없이 신규 이미지를 자동으로 다양하게 생성할 수 있게 된다. 그리고, 이미지의 설계 및 디자인 색상 조합 등에 따른 노력과 시간을 줄일 수 있게 된다.
구체적으로, 이미지 생성 모듈(113)은 멀티 도메인 이미지 셋을 StarGAN 의 학습 데이터로 하여 모든 가능한 도메인 사이의 매핑을 하나의 생성기(Generator)로 학습할 수 있다. 여기서, 도메인(Domain)은 동일한 속성 값(Attribute Value)을 공유하는 이미지의 집합을 의미할 수 있다. 예를 들어, 생성하고자 하는 이미지가 건축 장식재용 이미지의 경우, 도메인은 엘리베이터 바닥 이미지, 실내 현관 바닥 이미지, 및 사업장(예를 들어, 대형 마트 또는 쇼핑몰 등) 바닥 이미지 등이 될 수 있다.
이미지 생성 모듈(113)은 StarGAN을 통해 여러 도메인의 이미지에 대해 타겟 도메인(예를 들어, 엘리베이터 바닥 이미지)의 이미지로의 변환을 학습할 수 있다. 즉, 실내 현관 바닥 이미지나 사업장 바닥 이미지와 같이 타겟 도메인(예를 들어, 엘리베이터 바닥 이미지)과 다른 도메인의 이미지에 대해서도 타겟 도메인의 이미지로 생성되도록 학습할 수 있다. 도 3은 본 발명의 일 실시예에 따른 이미지 생성 모듈(113)에서 StarGAN을 통해 신규 이미지를 생성하는 상태를 나타낸 도면이다. 여기서, StarGAN은 생성기(Generator)(113a)와 분류기(Discriminator)(113b)를 포함할 수 있다.
StarGAN의 생성기(Generator)(113a)는 로 이미지(Raw Image)와 타겟 도메인 정보를 입력 받고, 입력된 로 이미지로부터 특징을 추출하여 페이크 이미지를 생성할 수 있다. 예시적인 실시예에서, StarGAN의 생성기(Generator)(113a)는 로 이미지에서 컬러(예를 들어, 빨강색, 파란색, 녹색, 노란색, 보라색 등), 도형 타입(예를 들어, 원형, 삼각형, 사각형, 별, 사다리꼴, 타원형 등), 및 건축 공간 종류(예를 들어, 엘리베이터, 현관 등)와 같은 특징을 추출하여 타겟 도메인 정보에 대응하는 페이크 이미지(즉, 신규 건축 장식재용 이미지)를 생성하도록 학습될 수 있다.
또한, StarGAN의 생성기(Generator)(113a)는 입력된 로 이미지의 도메인 정보를 통해 페이크 이미지를 다시 원 이미지(즉, 페이크 이미지를 만들 때 기초가 되었던 로 이미지)로 복원하려고 학습될 수 있다. StarGAN의 생성기(Generator)(113a)는 페이크 이미지를 생성할 때 실제 이미지(Real Image)와 구분 불가능하면서 분류기(Discriminator)(113b)에 의해 타겟 도메인이 분류 가능하도록 페이크 이미지를 생성할 수 있다.
분류기(Discriminator)(113b)는 실제 이미지(Real Image)와 생성기(Generator)에서 생성한 페이크 이미지를 구별함과 동시에 페이크 이미지가 실제 이미지와 동일성이 있을 때 그에 대응하는 도메인을 분류하도록 학습될 수 있다.
이미지 편집 모듈(115)은 이미지 수집 모듈(111)에 의해 수집된 로 이미지(Raw Image) 및 이미지 생성 모듈(113)에 의해 생성된 신규 건축 장식재용 이미지 중 하나 이상에 대해 편집 과정을 수행할 수 있다. 도 4는 본 발명의 일 실시예에 따른 이미지 편집 모듈(115)의 구성을 나타낸 블록도이다. 도 4를 참조하면, 이미지 편집 모듈(115)은 이미지 요소 변경부(121) 및 이미지 해상도 변경부(123)를 포함할 수 있다.
이미지 요소 변경부(121)는 이미지 생성 모듈(113)에 의해 생성된 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경할 수 있다. 여기서, 이미지 요소는 이미지를 구성하는 도형 또는 패턴의 디자인 및 이미지를 구성하는 색상 등이 포함될 수 있다. 예시적인 실시예에서, 이미지 요소 변경부(121)는 사용자 단말(102)의 이미지 요소 변경 요청에 따라 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경할 수 있다.
즉, 사용자 단말(102)은 디자인 관리 서버(104)에 접속하여 건축 장소에 적용할 이미지를 선택할 수 있다. 예를 들어, 사용자 단말(102)은 이미지 생성 모듈(113)에 의해 생성된 신규 건축 장식재용 이미지 리스트에서 어느 하나의 이미지를 선택할 수 있다. 여기서, 사용자는 선택된 이미지에서 일부 이미지 요소를 변경하려고 하는 경우, 이미지 요소 변경 요청을 사용자 단말(102)을 통해 디자인 관리 서버(104)로 전송할 수 있다.
예시적인 실시예에서, 이미지 요소 변경부(121)는 CycleGAN을 이용하여 선택된 이미지의 이미지 요소를 변경할 수 있다. 도 5는 본 발명의 일 실시예에 따른 이미지 요소 변경부(121)에서 CycleGAN을 이용하여 이미지의 색상을 변경하는 상태를 나타낸 도면이다.
CycleGAN은 도메인 X(입력 이미지)와 도메인 Y(출력 이미지)를 매핑하는 함수를 학습하도록 할 수 있다. 구체적으로, CycleGAN은 입력 이미지로부터 페이크 이미지를 생성하되, 페이크 이미지(1차 페이크 이미지)를 기반으로 다시 페이크 이미지(2차 페이크 이미지)를 생성하는 경우, 2차 페이크 이미지와 입력 이미지 간의 차이가 최소화 되도록 손실 함수를 학습할 수 있다. 또한, CycleGAN은 반대 방향(Y→X)으로도 동일한 학습을 수행하여 순방향(X→Y)의 손실 함수와 역방향(Y→X)의 손실 함수를 합하여 전체 신경망의 손실 함수로 할 수 있다. 이러한 CycleGAN을 이용하면 도 5에 도시된 바와 같이 입력 이미지에서 색상만 변경된 이미지를 출력할 수 있게 된다.
한편, 여기서는 이미지 요소 변경부(121)가 이미지 생성 모듈(113)에 의해 생성된 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 것으로 설명하였으나, 이에 한정되는 것은 아니며 기존의 건축 장식재용 이미지(즉, 이미지 수집 모듈(111)에 의해 수집된 이미지)에 대해 이미지 요소를 변경할 수도 있다.
이미지 해상도 변경부(123)는 이미지 수집 모듈(111)에서 수집된 로 이미지(Raw Image) 또는 이미지 생성 모듈(113)에서 생성된 신규 이미지 중 저해상도의 이미지를 고해상도의 이미지로 변경할 수 있다. 예시적인 실시예에서, 이미지 해상도 변경부(123)는 SRGAN을 이용하여 저해상도 이미지를 고해상도 이미지로 변경할 수 있다.
도 6은 본 발명의 일 실시예에 따른 이미지 해상도 변경부(123)에서 SRGAN을 이용하여 저해상도 이미지를 고해상도 이미지로 변경하는 상태를 나타낸 도면이다. SRGAN은 한 쌍의 저해상도 이미지와 고해상도 이미지 데이터 셋들을 입력 받아 저해상도 이미지와 고해상도 이미지 간의 손실(Loss) 데이터 셋을 학습하고, 학습된 손실 데이터 셋을 입력되는 저해상도 이미지와 매핑하여 손실을 최소화 함으로써 고해상도 이미지에 수렴하도록 할 수 있다.
이미지 해상도 변경부(123)는 이미지 수집 모듈(111)에서 수집된 로 이미지(Raw Image)가 기 설정된 기준 해상도 미만인 경우, 해당 로 이미지를 SRGAN을 통해 고해상도 이미지로 변경한 후, 이미지 생성 모듈(113)로 전달할 수 있다. 그러면, 이미지 생성 모듈(113)에서는 고해상도의 신규 이미지를 생성할 수 있게 된다.
또한, 이미지 해상도 변경부(123)는 이미지 생성 모듈(113)에서 생성한 신규 이미지 중 기 설정된 기준 해상도 미만인 신규 이미지를 SRGAN을 통해 고해상도 이미지로 변경할 수 있다.
이미지 편집 모듈(115)을 통해 이미지 요소를 변경하거나 해상도를 고해상도로 변경함으로써, 이미지의 재 작업 비율이 감소하고, 사용자들의 이미지 선택 폭이 넓어지며 디자인 만족도를 높일 수 있게 된다.
이미지 적용 모듈(117)은 사용자 단말(102)로부터 건축 공간 촬영 이미지를 수신할 수 있다. 예를 들어, 건축 장식재용 이미지를 적용할 건축 공간이 엘리베이터 바닥인 경우, 사용자 단말(102)은 해당 엘리베이터 바닥을 촬영한 이미지(건축 공간 촬영 이미지)를 디자인 관리 서버(104)로 송신할 수 있다.
이미지 적용 모듈(117)은 건축 공간 촬영 이미지에 사용자가 선택한 건축 장식재용 이미지를 적용할 수 있다. 구체적으로, 이미지 적용 모듈(117)은 건축 공간 촬영 이미지에서 건축 장식재용 이미지가 적용될 영역을 인식할 수 있다. 이미지 적용 모듈(117)은 건축 공간 촬영 이미지에서 건축 장식재용 이미지가 적용될 영역의 각 꼭지점 검출할 수 있다. 이미지 적용 모듈(117)은 각 꼭지점에서 이웃하는 꼭지점을 연결하여 건축 장식재용 이미지가 적용될 영역(이미지 적용 영역)의 형태를 인식할 수 있다.
이미지 적용 모듈(117)은 사용자에 의해 선택된 건축 장식재용 이미지를 이미지 적용 영역에 맞게 변환 할 수 있다. 이미지 적용 모듈(117)은 이미지 적용 영역에서 각 선분의 길이 및 각 선분 간의 각도를 확인하여 건축 장식재용 이미지를 이미지 적용 영역에 맞게 변환할 수 있다. 이미지 적용 모듈(117)은 변환된 건축 장식재용 이미지를 건축 공간 촬영 이미지에서 이미지 적용 영역에 적용할 수 있다. 예를 들어, 이미지 적용 모듈(117)은 증강 현실 기술을 이용하여 변환된 건축 장식재용 이미지를 건축 공간 촬영 이미지에서 이미지 적용 영역에 적용할 수 있다. 이미지 적용 모듈(117)은 건축 장식재용 이미지가 적용된 건축 공간 촬영 이미지를 사용자 단말(102)로 전송할 수 있다. 이 경우, 사용자는 미리 디자인이 적용된 상태를 확인해 볼 수 있게 된다. 도 7은 본 발명의 일 실시예에 따른 사용자 단말(102)에서 건축 공간에 디자인이 적용된 상태를 나타낸 도면이다.
시공 상태 확인 모듈(119)은 사용자 단말(102)로부터 건축 장식재가 시공된 건축 공간 촬영 이미지(이하, 건축 장식재 시공 이미지라 지칭할 수 있음)를 수신할 수 있다. 시공 상태 확인 모듈(119)은 건축 장식재 시공 이미지에 기초하여 건축 공간 상에 건축 장식재가 시공된 상태를 확인할 수 있다. 예시적인 실시예에서, 시공 상태 확인 모듈(119)은 건축 공간 상에 건축 장식재가 시공된 상태를 머신 러닝 기술에 기반하여 확인할 수 있다.
구체적으로, 시공 상태 확인 모듈(119)은 딥 러닝 모델을 통해 제품 시공이 정상 상태인 이미지 데이터 셋과 제품 시공이 불량 상태인 이미지 데이터 셋을 각각 수집하고 학습할 수 있다. 시공 상태 확인 모듈(119)은 이렇게 학습된 딥 러닝 모델에 건축 장식재 시공 이미지를 입력하여 건축 장식재 시공 이미지의 불량 상태 여부를 확인할 수 있다. 시공 상태 확인 모듈(119)은 건축 장식재 시공 이미지의 정상 상태 이미지 또는 불량 상태 이미지 간의 유사도에 따라 정상 상태 정도 또는 불량 상태 정도를 확인할 수 있다.
개시되는 실시예에 의하면, 딥러닝 기술을 통하여 건축 장식재용 이미지를 신규 생성하고 편집함으로써, 디자인 공정을 자동화 하여 공정 효율화를 추구하며 전체 업무 공정을 간소화 할 수 있게 된다. 또한, 사용자에게 디자인의 선택 폭을 넓혀 줄 수 있게 되고 디자인 만족도를 향상시킬 수 있게 된다.
본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 "모듈"은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아니다.
도 8은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 사용자 단말(102)일 수 있다. 또한, 컴퓨팅 장치(12)는 디자인 관리 서버(104)일 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (10)

  1. 건축 장식재에 사용될 로 이미지(Raw Image)를 수집하는 이미지 수집 모듈;
    상기 수집된 로 이미지(Raw Image)에 기초하여 딥 러닝(Deep Learning)을 통해 신규 건축 장식재용 이미지를 생성하는 이미지 생성 모듈;
    사용자 단말의 이미지 요소 변경 요청에 따라 상기 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 이미지 편집 모듈; 및
    상기 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 상기 건축 공간 촬영 이미지에 상기 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 이미지 적용 모듈을 포함하는, 건축 장식재 디자인 업무 시스템.
  2. 청구항 1에 있어서,
    상기 이미지 생성 모듈은, StarGAN(Generative Adversarial Network)을 통해 신규 건축 장식재용 이미지를 생성하고,
    상기 StarGAN은,
    상기 로 이미지(Raw Image)와 상기 건축 장식재에 대한 타겟 도메인 정보를 입력 받고, 상기 입력된 로 이미지로부터 컬러, 도형 타입, 및 건축 공간 종류 중 하나 이상의 특징을 추출하여 상기 타겟 도메인 정보에 대응하는 신규 건축 장식재용 이미지를 생성하도록 학습되는 생성기; 및
    상기 생성기에서 생성한 신규 건축 장식재용 이미지와 실제 이미지를 구별하고, 상기 신규 건축 장식재용 이미지의 도메인을 분류하도록 학습되는 분류기를 포함하고,
    상기 생성기는, 상기 로 이미지(Raw Image)의 도메인 정보를 통해 상기 생성한 신규 건축 장식재용 이미지를 다시 원 이미지로 복원하려고 학습되는, 건축 장식재 디자인 업무 시스템.
  3. 청구항 1에 있어서,
    상기 이미지 편집 모듈은,
    CycleGAN(Generative Adversarial Network)을 통해 상기 신규 건축 장식재용 이미지 또는 상기 수집된 로 이미지에 대해 이미지 요소를 변경하며,
    상기 CycleGAN은,
    상기 신규 건축 장식재용 이미지 또는 상기 수집된 로 이미지로부터 색상이 변경된 1차 페이크 이미지를 생성하고, 상기 1차 페이크 이미지를 기반으로 색상이 변경된 2차 페이크 이미지를 생성하는 경우 상기 2차 페이크 이미지와 상기 신규 건축 장식재용 이미지 또는 상기 수집된 로 이미지 간의 차이가 최소화 되도록 순방향 손실 함수 및 역방향 손실 함수를 각각 학습하고, 상기 순방향 손실 함수와 상기 역방향 손실 함수를 합하여 상기 CycleGAN의 손실 함수로 설정하는, 건축 장식재 디자인 업무 시스템.
  4. 청구항 1에 있어서,
    상기 이미지 편집 모듈은,
    상기 수집된 로 이미지(Raw Image) 또는 상기 생성된 신규 건축 장식재용 이미지 중 해상도가 기 설정된 기준 해상도 미만인 이미지를 고해상도 이미지로 변경하는 이미지 해상도 변경부를 포함하는, 건축 장식재 디자인 업무 시스템.
  5. 청구항 4에 있어서,
    상기 이미지 해상도 변경부는,
    SRGAN(Super Resolution GAN)을 통해 상기 기준 해상도 미만인 이미지를 고해상도 이미지로 변경하는, 건축 장식재 디자인 업무 시스템.
  6. 청구항 1에 있어서,
    상기 이미지 적용 모듈은,
    상기 건축 공간 촬영 이미지에서 상기 건축 장식재용 이미지가 적용될 영역의 각 꼭지점을 검출하고, 상기 각 꼭지점에서 이웃하는 꼭지점을 연결하여 이미지 적용 영역의 형태를 인식하며, 상기 이미지 적용 영역에서 각 선분의 길이 및 각 선분 간의 각도를 확인하여 상기 건축 장식재용 이미지를 상기 이미지 적용 영역의 형태에 맞게 변환하여 적용하는, 건축 장식재 디자인 업무 시스템.
  7. 청구항 1에 있어서,
    상기 건축 장식재 디자인 업무 시스템은,
    상기 사용자 단말로부터 건축 장식재 시공 이미지를 수신하고, 상기 건축 장식재 시공 이미지에 기초하여 건축 공간 상에 건축 장식재가 시공된 상태를 확인하는 시공 상태 확인 모듈을 더 포함하는, 건축 장식재 디자인 업무 시스템.
  8. 청구항 7에 있어서,
    상기 시공 상태 확인 모듈은,
    제품 시공이 정상 상태인 이미지 데이터 셋과 제품 시공이 불량 상태인 이미지 데이터 셋을 수집하여 학습하는 딥 러닝 모델을 포함하고,
    상기 건축 장식재 시공 이미지를 상기 딥 러닝 모델의 입력으로 하여 상기 시공된 상태의 정상 상태 정도 또는 불량 상태 정도를 확인하는, 건축 장식재 디자인 업무 시스템.
  9. 건축 장식재에 사용될 로 이미지(Raw Image)를 수집하는 이미지 수집 모듈;
    상기 수집된 로 이미지(Raw Image)에 기초하여 StarGAN(Generative Adversarial Network)을 통해 신규 건축 장식재용 이미지를 생성하는 이미지 생성 모듈;
    사용자 단말의 이미지 요소 변경 요청에 따라 CycleGAN(Generative Adversarial Network)을 통해 상기 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 이미지 편집 모듈;
    상기 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 상기 건축 공간 촬영 이미지에 상기 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 이미지 적용 모듈; 및
    상기 사용자 단말로부터 건축 장식재 시공 이미지를 수신하고, 상기 건축 장식재 시공 이미지에 기초하여 건축 공간 상에 건축 장식재가 시공된 상태를 확인하는 시공 상태 확인 모듈을 포함하는, 건축 장식재 디자인 업무 시스템.
  10. 하나 이상의 프로세서들, 및
    상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
    상기 수집된 로 이미지(Raw Image)에 기초하여 딥 러닝(Deep Learning)을 통해 신규 건축 장식재용 이미지를 생성하는 단계;
    사용자 단말의 이미지 요소 변경 요청에 따라 상기 신규 건축 장식재용 이미지에 대해 이미지 요소를 변경하는 단계; 및
    상기 사용자 단말로부터 건축 공간 촬영 이미지를 수신하고, 상기 건축 공간 촬영 이미지에 상기 사용자 단말의 사용자에 의해 선택된 건축 장식재용 이미지를 적용하는 단계를 포함하는, 건축 장식재 디자인 업무 방법.
PCT/KR2020/018938 2020-07-02 2020-12-22 건축 장식재 디자인 업무 시스템 및 방법 WO2022004978A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0081630 2020-07-02
KR1020200081630A KR102437560B1 (ko) 2020-07-02 2020-07-02 건축 장식재 디자인 업무 시스템 및 방법

Publications (1)

Publication Number Publication Date
WO2022004978A1 true WO2022004978A1 (ko) 2022-01-06

Family

ID=79316381

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/018938 WO2022004978A1 (ko) 2020-07-02 2020-12-22 건축 장식재 디자인 업무 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102437560B1 (ko)
WO (1) WO2022004978A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113508A (zh) * 2023-09-08 2023-11-24 绥化市麦微科技有限公司 一种建筑信息模型bim的数据生成方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102610169B1 (ko) * 2022-04-04 2023-12-06 쿠팡 주식회사 아이템 커스터마이징 관련 정보 제공 방법 및 이를 이용한 전자 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130026553A (ko) * 2011-07-26 2013-03-14 최원국 스마트 기기의 카메라 모듈을 이용한 인테리어 시뮬레이션 서비스 제공 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110105532A (ko) 2010-03-19 2011-09-27 (주)스파티필름 가상의 인테리어 디자인이 가능한 ｅ-아파트먼트 하우징 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130026553A (ko) * 2011-07-26 2013-03-14 최원국 스마트 기기의 카메라 모듈을 이용한 인테리어 시뮬레이션 서비스 제공 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JIA LI-LI; LV XIAO-YANG; CAO YANG-JIE; YANG CONG; LI XUE-XIANG; LI JIE: "Pscenegan: Multi-Domain Particular Scenes Generation Based on Conditional Generative Adversarial Networks", IEEE ACCESS, vol. 7, 1 January 1900 (1900-01-01), USA , pages 79477 - 79490, XP011732844, DOI: 10.1109/ACCESS.2019.2923418 *
JUN-YAN ZHU; TAESUNG PARK; PHILLIP ISOLA; ALEXEI A. EFROS: "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks", ARXIV.ORG, 30 March 2017 (2017-03-30), 201 Olin Library Cornell University Ithaca, NY 14853 , XP080753281, DOI: 10.1109/ICCV.2017.244 *
LEDIG CHRISTIAN; THEIS LUCAS; HUSZAR FERENC; CABALLERO JOSE; CUNNINGHAM ANDREW; ACOSTA ALEJANDRO; AITKEN ANDREW; TEJANI ALYKHAN; T: "Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network", 2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), 21 July 2017 (2017-07-21), US , pages 105 - 114, XP033249345, ISSN: 1063-6919, DOI: 10.1109/CVPR.2017.19 *
YUNJEY CHOI, CHOI MINJE, KIM MUNYOUNG, HA JUNG-WOO, KIM SUNGHUN, CHOO JAEGUL: "StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation", 21 September 2018 (2018-09-21), XP055641474, Retrieved from the Internet <URL:https://arxiv.org/pdf/1711.09020.pdf> [retrieved on 20191112], DOI: 10.1109/CVPR.2018.00916 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113508A (zh) * 2023-09-08 2023-11-24 绥化市麦微科技有限公司 一种建筑信息模型bim的数据生成方法及系统

Also Published As

Publication number Publication date
KR102437560B1 (ko) 2022-08-26
KR20220003864A (ko) 2022-01-11

Similar Documents

Publication Publication Date Title
WO2022004978A1 (ko) 건축 장식재 디자인 업무 시스템 및 방법
WO2012108623A1 (ko) 이미지 데이터베이스에 신규 이미지 및 이에 대한 정보를 추가하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
CN107493266A (zh) 嵌入式自助终端的通信系统、方法及装置
CN114500623B (zh) 网络靶场互联互通方法、装置、设备及可读存储介质
WO2023068795A1 (ko) 이미지 분석을 이용한 메타버스 생성 장치 및 방법
WO2020251267A2 (ko) 시선 추적 기술을 이용한 쇼핑몰 서비스 시스템 및 이를 수행하기 위한 컴퓨팅 장치
KR101963404B1 (ko) 2-단계 최적화 딥 러닝 방법, 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 및 딥 러닝 시스템
CN113742005A (zh) 一种平台对接方法和装置
WO2023182724A1 (ko) 인력 매칭 시스템
WO2023101368A1 (ko) 로봇에 작업을 할당하는 다중 로봇 작업의 처리 방법 및 장치
CN110084567A (zh) 电子印章使用方法、装置、设备及计算机可读存储介质
WO2018004020A1 (ko) 마크업 언어 기반 문서에 대한 동시 편집 정합성 검증 장치 및 방법
WO2016125997A1 (ko) 인터넷 만화 컨텐츠의 유통을 위한 방법과 시스템 및 기록 매체
Renner A community of interest approach to data interoperability
Razouk et al. Modeling and verification of communication protocols in SARA: The X. 21 interface
WO2021261708A1 (ko) 정보시스템을 설계하여 프로그램과 데이터베이스를 자동으로 생성하고 테스트를 자동 수행하는 소프트웨어 공학플랫폼
CN109218101B (zh) 一种智慧协同网络族群创建的方法和系统
WO2019022582A1 (ko) 지능형 스마트 에이징 서비스 구성 시스템 및 방법
WO2021145645A1 (ko) 스타일 변환 외부 연동 시스템, 그리고 스타일 변환 외부 연동 서버
WO2020096135A1 (ko) 업종별 창업 업무 프로세스의 최적화를 위한 방법 및 시스템
CN107885809A (zh) 一种文件传输方法、装置、智能平板和存储介质
CN116700703B (zh) 一种业务处理方法、装置、设备及存储介质
Fukuda et al. Toward sustainable smart mobility information infrastructure platform: Project overview
WO2023080491A1 (ko) 애플리케이션 생성 서비스 제공 방법 및 장치
CN205140005U (zh) 一种电子政务统一系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20943225

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20943225

Country of ref document: EP

Kind code of ref document: A1