The One Room

Research Proposal for NationalΒ 
Team: Yeongjoon Ko, Jihoon Kim, Younggyun Shin, SeungHyukLee


이 ν”„λ‘œμ νŠΈλŠ” 1인 가ꡬλ₯Ό μœ„ν•œ μƒμ„±ν˜• 인곡지λŠ₯ 기반 λ§žμΆ€ν˜• μΈν…Œλ¦¬μ–΄ μ»¨μ„€νŒ… ν”Œλž«νΌμ„ κ°œλ°œν•˜λŠ” 것을 λͺ©ν‘œλ‘œ ν•œλ‹€. 졜근 1인 κ°€κ΅¬μ˜ 증가와 ν™ˆ νΌλ‹ˆμ‹± μ‹œμž₯의 μ„±μž₯에도 λΆˆκ΅¬ν•˜κ³ , μ‚¬μš©μžλŠ” λ°© ꡬ쑰의 λ‹€μ–‘μ„±, 곡간 μΈ‘μ •μ˜ 어렀움, λΉ„μš© λΆ€λ‹΄, 무자격 μ‹œκ³΅μžμ— μ˜ν•œ ν”Όν•΄ λ“±μœΌλ‘œ 인해 합리적이고 μ‹ λ’°ν•  수 μžˆλŠ” μΈν…Œλ¦¬μ–΄ μ„œλΉ„μŠ€λ₯Ό μ΄μš©ν•˜κΈ° μ–΄λ ΅λ‹€. λ˜ν•œ μƒμ„±ν˜• AI의 λ°œμ „μœΌλ‘œ λ‹€μ–‘ν•œ μΈν…Œλ¦¬μ–΄ 이미지가 μ‰½κ²Œ λ§Œλ“€μ–΄μ§€κ³  μžˆμ§€λ§Œ, λŒ€λΆ€λΆ„ ν˜„μ‹€μ— μ‘΄μž¬ν•˜μ§€ μ•ŠλŠ” μ œν’ˆμ„ 기반으둜 ν•˜κΈ° λ•Œλ¬Έμ— μ‹€μ œ 곡간에 μ μš©ν•˜κΈ° μ–΄λ ΅λ‹€λŠ” ν•œκ³„κ°€ μžˆλ‹€. λ³Έ μ—°κ΅¬λŠ” μ΄λŸ¬ν•œ 문제λ₯Ό ν•΄κ²°ν•˜κ³ , μ‚¬μš©μžκ°€ μžμ‹ μ˜ μ·¨ν–₯κ³Ό μ˜ˆμ‚°μ— λ§žλŠ” 곡간을 μ†μ‰½κ²Œ μ„€κ³„ν•˜κ³  μ‹œκ³΅ν•  수 μžˆλŠ” λ””μ§€ν„Έ 기반의 μƒˆλ‘œμš΄ μΈν…Œλ¦¬μ–΄ μƒνƒœκ³„λ₯Ό κ΅¬μΆ•ν•˜κ³ μž ν•œλ‹€.

κΈ°μˆ μ μœΌλ‘œλŠ” μ‚¬μš©μžκ°€ μŠ€λ§ˆνŠΈν°μ„ ν™œμš©ν•΄ 방의 크기와 ꡬ쑰λ₯Ό μžλ™ μΈ‘μ •ν•˜κ³ , 사진과 라이닀(LiDAR) 데이터λ₯Ό μ—…λ‘œλ“œν•˜λ©΄ AIκ°€ 이λ₯Ό λΆ„μ„ν•˜μ—¬ 3D 곡간 λͺ¨λΈμ„ μƒμ„±ν•˜λŠ” μ›μŠ€ν†± μ‹œμŠ€ν…œμ„ κ°œλ°œν•œλ‹€. 이후 μƒμ„±ν˜• AI(GAN, Diffusion λͺ¨λΈ λ“±)λ₯Ό ν™œμš©ν•΄ μ‚¬μš©μžκ°€ μž…λ ₯ν•œ ν…μŠ€νŠΈλ‚˜ 이미지(reference)λ₯Ό 기반으둜 μΈν…Œλ¦¬μ–΄ μŠ€νƒ€μΌλ§ 이미지λ₯Ό μƒμ„±ν•˜κ³ , Object Detection 및 Feature Extraction λͺ¨λΈμ„ 톡해 이미지 λ‚΄ μΈν…Œλ¦¬μ–΄ μš”μ†Œλ₯Ό μΈμ‹ν•œ λ’€ μ‹€μ œ 판맀 쀑인 μ œν’ˆ λ°μ΄ν„°λ² μ΄μŠ€μ™€ μ—°λ™ν•˜μ—¬ ν˜„μ‹€μ μΈ ꡬ맀 및 μ‹œκ³΅ μ˜΅μ…˜μ„ μΆ”μ²œν•œλ‹€. 이λ₯Ό 톡해 λ‹¨μˆœνžˆ β€˜μ΄λ―Έμ§€λ₯Ό μƒμ„±ν•˜λŠ”β€™ μˆ˜μ€€μ„ λ„˜μ–΄, 가상-ν˜„μ‹€ μ—°λ™ν˜• AI μΈν…Œλ¦¬μ–΄ μ œμ•ˆ μ‹œμŠ€ν…œμ„ κ΅¬ν˜„ν•œλ‹€.

μΆ”κ°€λ‘œ, 원룸 κ³΅κ°„μ˜ νŒŒλΌλ©”νŠΈλ¦­ μžλ™ 생성 μ•Œκ³ λ¦¬μ¦˜κ³Ό λ Œλ”λ§ μžλ™ν™”λ₯Ό 톡해 ν•™μŠ΅μš© 2DΒ·3D 데이터λ₯Ό λŒ€λŸ‰μœΌλ‘œ ν™•λ³΄ν•˜λŠ” 자체 연ꡬλ₯Ό μˆ˜ν–‰ν•œλ‹€. Rule-based λ°©μ‹μœΌλ‘œ μƒμ„±λœ κ°€μƒμ˜ 원룸 데이터λ₯Ό μ΄μš©ν•΄ ν•™μŠ΅ νš¨μœ¨μ„ κ·ΉλŒ€ν™”ν•˜κ³ , 사전 μ œμž‘λœ 가ꡬ 객체의 λ…ΈμΆœ λΉˆλ„λ₯Ό μ œμ–΄ν•˜μ—¬ μˆ˜μ΅ν™” κ°€λŠ₯ν•œ 데이터셋을 κ΅¬μΆ•ν•œλ‹€. 이λ₯Ό λ°”νƒ•μœΌλ‘œ μΈν…Œλ¦¬μ–΄ 생성 μ•Œκ³ λ¦¬μ¦˜μ˜ 정확도와 λ””μžμΈ 완성도λ₯Ό μ§€μ†μ μœΌλ‘œ κ°œμ„ ν•˜λ©°, AI λͺ¨λΈμ΄ ν˜„μ‹€μ μΈ μ»¨μ„€νŒ…κ³Ό λ””μžμΈ μ‘°μ •κΉŒμ§€ μˆ˜ν–‰ν•  수 μžˆλŠ” μˆ˜μ€€μœΌλ‘œ λ°œμ „μ‹œν‚€λŠ” 것을 λͺ©ν‘œλ‘œ ν•œλ‹€. 결과적으둜 λ³Έ ν”„λ‘œμ νŠΈλŠ” AIΒ·λ””μžμΈΒ·μ‚°μ—… 데이터λ₯Ό ν†΅ν•©ν•œ μƒˆλ‘œμš΄ ν˜•νƒœμ˜ 개인 λ§žμΆ€ν˜• μΈν…Œλ¦¬μ–΄ μ„œλΉ„μŠ€ ν”Œλž«νΌμ„ μ œμ‹œν•œλ‹€.
Β Β 

X-Decoder furniture segmentation
Render image generation with GH
Mask2Former

OneFormer, DiNAT-L



NEXT
Β© 2026 Jiyong Jeon. All rights reserved.