평면도 자동 분석: AI가 건축 도면을 읽는 방법
평면도 AI의 내부: 객체 감지, 분할, 학습 데이터셋을 전문 용어 없이, 모델의 실제 한계와 함께 설명합니다.
건축 도면은 그래픽 언어입니다. 평행한 두 선은 벽, 호는 문, 나뉜 사각형은 창문입니다. 훈련된 사람은 몇 초 만에 읽습니다. 기계에게는 오랫동안 불가능했습니다. 표기 관례는 사무소마다 다르고, 도면에는 노이즈, 주석, 해치가 가득합니다. 최신 비전 모델이 이를 바꿨습니다. 수천 장의 주석 달린 도면으로 학습해 문, 창문, 벽, 방을 신뢰도 점수와 함께 찾아내고, 면적과 수량을 도출합니다. 이 가이드는 모델이 어떻게 작동하는지, 무엇으로 학습하는지, 그리고 가장 중요하게는 여러분의 도면에서 결과가 실제로 얼마나 버티는지 설명합니다.
객체 감지: AI가 문과 창문을 찾는 방법
객체 감지기(가장 잘 알려진 것은 YOLO 계열)는 이미지의 각 요소를 상자, 클래스, 신뢰도 점수로 표시하도록 학습합니다. 평면도에 적용하면, 모델은 여닫이, 미닫이, 양개 등 모든 도면 스타일의 문 예시 수만 개를 보고 이를 구별하는 시각적 패턴을 익힙니다. 추론 시에는 도면 전체를 한 번에 훑어 모든 문과 창문을 정확한 위치와 함께 돌려줍니다. 이 위치를 도면 축척과 결합하면 개구부 폭을 실제 미터 단위로 잴 수 있습니다.
분할: 벽과 방을 픽셀 단위로 추출
도면 전체를 가로지르는 벽에는 상자로 충분하지 않습니다. 모든 픽셀을 분류하는 분할(내력벽, 칸막이, 실내, 외부)이 필요합니다. 모델은 방 단위로 주석이 달린 공개 도면 데이터셋에 지역 관례를 다루는 자체 데이터를 더해 학습합니다. 벽을 채워 그리고 고유한 치수 기입 방식을 쓰는 유럽 도면은 대부분의 범용 모델이 학습한 북미 도면과 전혀 다릅니다. 픽셀 마스크에서 깔끔한 다각형을 재구성합니다. 방 윤곽, 칸막이 중심선, 건물 외곽, 즉 면적, 둘레, DXF 내보내기를 채우는 형상입니다.
감지에서 데이터로: 면적, 점수, 내보내기
모델의 원시 출력인 상자와 마스크는 후처리를 거쳐야 쓸모가 생깁니다. 치수에서 축척을 감지하고, 다각형을 실제 m²로 변환하고, 중복 감지를 병합하고, 빠른 검토를 위해 각 요소를 신뢰도 점수와 함께 표시합니다. 이 전체 과정이 연구용 데모와 실무 도구를 가릅니다. 모델이 제안하고, 검토 화면에서 애매한 경우를 정리하며, 최종 데이터는 엑셀, 주석 PDF, DXF로 나갑니다. AI는 도면을 읽고, 결정은 여러분이 합니다.
자주 묻는 질문
AI는 평면도에서 어떤 요소를 감지할 수 있나요?
실무 모델은 내력벽과 칸막이, 문(여닫는 방향 포함), 창문, 용도가 있는 방, 건물 외곽을 감지합니다. 여기서 m² 면적, 둘레, 벽 길이, 개구부 개수를 도출하며, 모두 요소별 신뢰도 점수가 붙습니다.
범용 모델은 왜 유럽 도면에서 실패하나요?
주로 북미나 북유럽 자료로 학습했기 때문입니다. 도면 표기 관례, 벽 두께, 문 기호, 치수 기입 습관이 다릅니다. 그런 자료에서 잘 작동하는 모델도 프랑스 건축 허가 도면에서는 무너질 수 있습니다. 해결책은 주석을 단 현지 도면으로 미세 조정하는 것입니다.
AI가 배치도나 입면을 분석할 수 있나요?
같은 기법이 적용됩니다. 입면에서는 감지가 개구부와 그 치수를 찾아 개보수나 창호 견적을 준비하고, 배치도에서는 건축 면적을 추출합니다. FloorScan은 이미 입면 분석을 제공하며, 배치도 분석은 준비 중입니다.
평면 배치의 품질을 자동으로 평가할 수 있나요?
도면이 방, 면적, 동선으로 구조화되면 객관적인 지표를 계산할 수 있습니다. 면적 비율, 방 깊이, 잠재적 자연광, 동선 효율. 도면 분석의 자연스러운 다음 단계인 자동 평면 품질 점수이며, FloorScan이 활발히 작업하고 있습니다.