[논문]A Study on AR Algorithm Modeling for Indoor Furniture Interior Arrangement Using CNN

Ko, Jeong-Beom; Kim, Joon-Yong

doi:10.9708/jksci.2022.27.10.011

초록
AI-Helper

본 논문에서는 증강현실 기술을 적용하여 실내 가구 인테리어를 배치하는데 작업의 효율성을 높일 수 있는 모델을 연구하였다. 현재 증강현실을 적용한 기존 시스템에서는 가구의 이미지를 출력할 때 기업 제품의 규모와 성격 등에 따라 정보가 제한적으로 제공되는 문제가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 AR 레이블링 알고리즘을 제시하였다. AR 레이블링 알고리즘은 촬영된 이미지에서 특징점을 추출하고 실내 위치 정보를 포함한 데이터베이스를 구축하였다. CNN 기법을 활용하여 실내 공간에서 가구의 위치 데이터를 검출해 학습시키는 방법을 채택하였다. 학습한 결과를 통해 실내 위치와 학습시켜 나타낸 위치와의 오차를 현저히 낮출 수 있다는 것을 확인한다. 또한 가구의 정확한 이미지 추출과 함께 가구에 대한 상세한 정보를 받아 사용자가 원하는 가구들을 증강현실을 통해 쉽게 배치할 수 있도록 하는 연구를 진행하였다. 연구 결과 모델의 정확도와 손실률이 99%, 0.026으로 나타나 신뢰성을 확보하여 본 연구가 유의미함을 알 수 있었다. 본 연구 결과는 AR 레이블의 설계, 구현을 통해 원하는 가구들을 실내에 정확히 배치하여 소비자의 만족도와 구매 욕구를 충족시킬 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

In this paper, a model that can increase the efficiency of work in arranging interior furniture by applying augmented reality technology was studied. In the existing system to which augmented reality is currently applied, there is a problem in that information is limitedly provided depending on the ...

In this paper, a model that can increase the efficiency of work in arranging interior furniture by applying augmented reality technology was studied. In the existing system to which augmented reality is currently applied, there is a problem in that information is limitedly provided depending on the size and nature of the company's product when outputting the image of furniture. To solve this problem, this paper presents an AR labeling algorithm. The AR labeling algorithm extracts feature points from the captured images and builds a database including indoor location information. A method of detecting and learning the location data of furniture in an indoor space was adopted using the CNN technique. Through the learned result, it is confirmed that the error between the indoor location and the location shown by learning can be significantly reduced. In addition, a study was conducted to allow users to easily place desired furniture through augmented reality by receiving detailed information about furniture along with accurate image extraction of furniture. As a result of the study, the accuracy and loss rate of the model were found to be 99% and 0.026, indicating the significance of this study by securing reliability. The results of this study are expected to satisfy consumers' satisfaction and purchase desires by accurately arranging desired furniture indoors through the design and implementation of AR labels.

주제어

표/그림 (13)

그림 Fig. 1. 3D Scan work flow
그림 Fig. 2. CNN Structure
그림 Fig. 3. Existing System Process
그림 Fig. 4. Suggesting System Process
그림 Fig. 5. AR Labeling Process
그림 Fig. 6. Descriptor generation in SIFT (a) Image gradients (b) Keypoint descriptor
그림 Fig. 7. Database Building Schematic
그림 Fig. 8. Results with local patch label information
그림 Fig. 9. CNN Model Structure
그림 Fig. 10. CNN Learning Curve
그림 Fig. 11. Learning results
표 Table 1. AR Labeling Process
표 Table 2. Compare Method Results

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 실내 가구들을 촬영한 영상들을 이용해 특징점 분석을 통한 AR Labeling 방식의 실내 인테리어 가구 배치를 구현한다.
본 논문은 증강현실을 이용한 실내 인테리어 설계에서 기존 시스템의 문제점이었던 기업의 제품들에 대한 정보를 증강현실에 적용할 때 일부 받지 못하는 정보들에 대하여 AR 레이블링 알고리즘을 생성 함으로써 현실에 정확히 배치할 수 있도록 구현하였다. AR 레이블링은 특징점을 검출하고 구축된 데이터베이스에서 좌표를 포함한 지역 패치 라벨링을 통해 실내 공간에서 이동하는 객체에 대해서도 측정할 수 있었다.

제안 방법

본 논문에서는 AR에 적용하기 위한 AR 레이블링 알고리즘은 특징점 추출, Database 구축, 특징점 군집도 식별하여 지역 패치로 만들어 학습, CNN 모델을 이용한 학습의 과정을 거친다. 가구 인테리어 배치 기법의 흐름도는 Fig 5.
본 논문은 CNN 학습 시 지역 패치의 분류 라벨 정보의 입출력에 오차가 있을 때 역전파(Back propagation) 기법을 사용하여 오차를 줄인다. 또한 지역 패치를 입력하여 CNN 학습 후 실내 위치 정보를 얻을 수 있다.
제안 시스템에서는 영상에 속해 있는 객체에서 분포를 인식하기 위해 이미지에서 특징점을 추출하고 추출된 이미지로부터 학습한 지역 패치를 찾아 객체의 위치를 발견할 수 있는 알고리즘을 구현한다. 알고리즘을 통해 객체의 추적에 쉽다.

대상 데이터

비교 평가한 결과를 통해 제안된 프로세스가 기존 프로세스보다 높은 정확도를 보여주며 낮은 손실률을 통해 실제 실내 위치와의 오차를 줄일 수 있다는 결과를 보여주었다. 제안된 프로세스는 초당 25프레임으로 실시간으로 대상을 측정할 수 있다. 또한 Fig 11.

성능/효과

AR 레이블링은 특징점을 검출하고 구축된 데이터베이스에서 좌표를 포함한 지역 패치 라벨링을 통해 실내 공간에서 이동하는 객체에 대해서도 측정할 수 있었다. AR 레이블링을 생성할 때는 CNN 기반의 딥러닝 기법을 적용하였으며, 실험 결과를 통해 90% 이상의 정확도 학습이 가능한 레이블링을 이용하여 실내 가구의 크기를 체감하여 효과적인 실내 가구 인테리어 배치가 가능하다는 결론을 얻었다.
본 논문에서는 이러한 문제를 해결하기 위하여 인터넷에 등록된 가구 상품들에 대한 규격명세를 데이터베이스화한 후 이미지 인식을 통해 이미지의 정확한 규격정보를 획득하여, 실내에 정확히 렌더링하는 모델을 구현하여 정확도 99% 손실률 0.026의 신뢰성 있는 결과를 얻었다. 이를 통해 소비자의 만족도와 구매 욕구 충족에 대한 기대효과가 클 것으로 판단된다.
은 기존 프로세스 기법과 본 논문에서 제안한 학습을 통해 측정된 실내 위치와 실제 실내 위치와의 정확도, 손실률, 실시간으로 대상의 위치를 측정한 속도의 평균값을 비교한 결과를 나타내었다. 비교 평가한 결과를 통해 제안된 프로세스가 기존 프로세스보다 높은 정확도를 보여주며 낮은 손실률을 통해 실제 실내 위치와의 오차를 줄일 수 있다는 결과를 보여주었다. 제안된 프로세스는 초당 25프레임으로 실시간으로 대상을 측정할 수 있다.

후속연구

향후 AR 레이블링을 이용한 인테리어 애플리케이션을 구현하여 실내 공간에 사용자가 원하는 제품들을 공간에 배치할 뿐만 아니라 추천받을 수 있는 연구를 지속해서 진행할 것이다.

참고문헌 (16)

Oh, Am-Suk. "Design and Implementation of Smart Home Remote Control Based on Internet of Things Service Platform." Journal of the Korea Institute of Information and Communication Engineering 22.12 (2018): 1563-1570.

원문보기 상세보기
Rashevska, N. V. "Augmented reality and the prospects for applying its in the training of future engineers." October 2018.
J. Lee, Marker Evaluation Method Based on SIFT Descriptor for Effective Augmented Reality System Implementation, Master's thesis, Sunchon National University, Suncheon, Korea, pp.20-28, 2019.
Koo, Da Som, and Jeong Ran Lee. "The development of a wrist brace using 3D scanner and 3D printer." Fashion & Textile Research Journal 19.3 (2017): 312-319.

원문보기 상세보기
Aboma, W. G. and Hirpa G, L., "Influence of 3D Printing FDM Process Parameters on Tensile Property of ULTEM 9085", Procedia Manufacturing, Vol. 30, pp. 331-338, 2019.

상세보기
Ko, Y. J., Lee, S. Y., Lee, J. O., 2016, Development of 3D Scanner Based on Laser Structured-light Image, Journal of Institute of Control, Robotics and Systems, 22:3 186-191, https://doi.org/10.5302/J.ICROS.2016.15.0204.

원문보기 상세보기
M. Jang, "Design of 3D Printer Based on SLA Using LSU and Test of Scanning Mechanism," Journal of the Korea Institute of Information and Communication Engineering, vol. 21, no.6, pp. 1225-1230, Jun. 2017.

원문보기 상세보기
S. Bernhardt, S. A. Nicolau, L. Soler and C. Doignon, "The status of augmented reality in laparoscopic surgery as of 2016," Med Image Anal, vol. 37, pp. 66-90, 2017.

상세보기
Kattenborn, Teja, et al. "Review on Convolutional Neural Networks (CNN) in vegetation remote sensing." ISPRS Journal of Photogrammetry and Remote Sensing 173 (2021): 24-49.

상세보기
Kow, Pu-Yun, et al. "Seamless integration of convolutional and back-propagation neural networks for regional multi-step-ahead PM2. 5 forecasting." Journal of Cleaner Production 261 (2020):121285.

상세보기
Kim, Jae-Hyeong, and Seung-Ho Lee. "Measurement Technique of Indoor location Based on Markerless applicable to AR." Journal of IKEEE 25.2 (2021): 243-251.

원문보기 상세보기
Duarte, Amaro, and Esmitt Ramirez. "Interpreted Programming Language Extension for 3D Render on the Web." arXiv preprint arXiv:2004.01683 (2020).
Feng, M. Fukuda, Y. Feng, D. and Mizuta, M. (2015). "Nontarget Vision Sensor for RemoteMeasurement of Bridge Dynamic Response."Journal of Bridge Engineering, Vol. 20, (12).

상세보기
M. WonJun, S. Youngho, and K. Dongwook, "Parameter Analysis for Time Reduction in Extracting SIFT Keypoints in the Aspect of Image Stitching," Journal of Broadcast Engineering, Vol.23, No.4, pp.559-573, July 2018.

원문보기 상세보기
Rashid, Muhammad, et al. "Object detection and classification: a joint selection and fusion strategy of deep convolutional neural network and SIFT point features." Multimedia Tools and Applications 78.12 (2019): 15751-15777.

상세보기
Zhong, Bing, and Yubai Li. "Image feature point matching based on improved SIFT algorithm." 2019 IEEE 4th International Conference on Image, Vision and Computing (ICIVC). IEEE, 2019.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

A Study on AR Algorithm Modeling for Indoor Furniture Interior Arrangement Using CNN 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (13)

표/그림 (13)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (16)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

A Study on AR Algorithm Modeling for Indoor Furniture Interior Arrangement Using CNN 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (13) 모든 표/그림 보기

표/그림 (13) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (16)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

초록
AI-Helper

표/그림 (13)

표/그림 (13)

AI 본문요약
AI-Helper