메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
윤찬영 (세종대학교) 임수빈 (세종대학교) 유상봉 (세종대학교) 장윤 (세종대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.51 No.6
발행연도
2024.6
수록면
519 - 527 (9page)
DOI
10.5626/JOK.2024.51.6.519

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
주거 공간의 인테리어 디자인은 입주자의 만족도와 인상에 큰 영향을 미치는 작업이다. 그러나 인테리어 디자인은 전문적인 디자인 지식이 필요하기 때문에 쉽게 접근하기 어렵다. 따라서 인테리어 디자인을 자동화하기 위한 최적화 및 딥 러닝 방법이 제안되었다. 그럼에도 불구하고 이 기술들은 문제를 해결 하는데 많은 시간이 걸리거나, 학습 데이터를 확보해야 한다는 어려움이 있다. 본 논문에서는 심층 강화학습을 이용한 인테리어 디자인 자동화 모델을 제안한다. 강화 학습은 에이전트가 환경과 상호 작용하며 누적 보상을 최대화하는 정책을 학습하기 때문에 학습 데이터 확보 과정을 생략할 수 있다. 인테리어 디자인 가이드라인을 보상 함수로 설계하여 기능적, 시각적 기준을 만족하는 인테리어 레이아웃을 생성한다. 강화학습 에이전트는 PPO를 사용해 연속 위치에 가구를 배치한다. 가구와 방의 조합에 따른 보상 비교 실험과 보상 함수의 조합에 따른 디자인 비교 실험으로 제안하는 모델의 성능을 평가한다.
#심층 강화 학습 #근위 정책 최적화 #인테리어 디자인 자동화 #인테리어 디자인 가이드라인 #deep reinforcement learning #proximal policy optimization #automated interior design #interior design guideline

목차

요약
Abstract
1. 서론
2. 환경 설정
3. 인테리어 디자인 자동화 모델
4. 실험 및 결과 분석
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0