SmartArch AI 시스템 흐름

1. 일반적인 흐름

본 시스템은 건축 도면의 디지털 분석을 가능하게 하는 AI 기반 엔드투엔드 자동화 플랫폼입니다. 사용자는 로그인 후 결제(POS)를 완료한 뒤 건축 도면(PNG/JPG 형식)을 업로드하여 분석 프로세스를 개시합니다. 시스템은 업로드된 도면을 분석하고, 도면 내 건축 및 구조 요소를 식별·분류·평가하여 다양한 출력 형식(DXF, PDF, PNG)으로 결과를 제공합니다.

2. 시스템 흐름

2.1 로그인 → POS

시스템은 안전한 사용자 인증 메커니즘을 기반으로 작동합니다. 사용자는: • 시스템에 로그인합니다. • 결제 화면(가상 POS)으로 이동합니다. • 결제 완료 후 분석 권한을 획득합니다(예: 3개 프로젝트).

2.2 전자 청구서 → 이메일

결제 완료 시 시스템은 자동으로: • 전자 청구서를 생성합니다. • 사용자의 이메일 주소로 청구서를 발송합니다.

2.3 PNG 업로드(도면 업로드)

사용자는: • PNG 또는 JPG 형식의 건축 도면을 업로드합니다.

3. 이미지에서 건축 요소 추출

본 과정은 시스템 내 가장 핵심적인 단계입니다. 감지되는 요소는 다음과 같습니다: • 문 • 창문 • 벽 • 축 및 축점 • 계단 • 엘리베이터 샤프트 해당 프로세스는: • YOLO 또는 유사한 객체 감지 모델로 시작하며 • 관계 모델을 통해 요소 간 관계를 설정하고 • 앙상블 및 베이지안 모델을 활용하여 신뢰도 점수를 산출합니다. 각 요소에 대해: • 고유 ID가 할당되며 • 위치가 결정되고 • 신뢰도 점수(%)가 계산됩니다.

4. 결론

사후 분석 시스템은: • 모든 결과를 종합적으로 요약하며 • 사용자에게 의미 있는 출력물을 제공합니다.

5. 낮은 신뢰도 점수 요소

중요한 다이어그램 블록의 경우, “임계값 미만의 개체는 제거할 수 있습니다.” 즉, • 신뢰도 점수가 낮은 요소는 • 자동 혹은 사용자에 의해 삭제될 수 있습니다. 이 기능은 다음과 같은 효과를 달성합니다: • 오탐지를 감소시키고 • 분석 품질을 향상시킵니다.

6. 재분석

사용자는: • 잘못 검출된 요소를 삭제하고 • 시스템을 재시작할 수 있습니다. 본 기능은 매우 중요하며, • 인간과 AI가 결합된 하이브리드 시스템 구축을 가능하게 하고 • 지속적인 개선을 지원합니다.

7. 출력

시스템은 다음 형식으로 출력물을 생성합니다.

8.1 DXF

• CAD 호환 형식이며 • 축은 단일 선으로 표시되고 • 기둥 및 벽은 별도의 레이어로 구분됩니다.

8.2 PDF

• 보고서 형식이며 • 시각화 자료를 포함합니다.

8.3 PNG

• 처리된 도면 이미지입니다.

8.4 전체 패키지

• 모든 출력물은 ZIP 형식으로 제공됩니다.

이 설명은 진입 시 선택한 언어에 따라 자동으로 표시됩니다.

SmartArch AI interactive plan editing flow

1. 흐름도: PNG/JPG 도면 업로드 및 건축 요소 추가 시스템

SmartArch AI interactive architectural element editing flow

본 다이어그램은 건축 도면을 자동으로 분석하는 동시에 사용자가 직접 편집할 수 있는 대화형 시스템의 흐름을 설명합니다. 기존의 AI 기반 건축 분석 방식과는 달리, 본 시스템은 단순한 "탐지 및 결과 생성" 원칙에 따른 작동에 그치지 않습니다. 대신 사용자가 도면에 적극적으로 개입하여 기존 요소를 편집하고 새로운 건축 요소를 추가할 수 있습니다. 다이어그램 내 프로세스는 다음 세 가지 주요 구성 요소로 구성됩니다. 1. PNG/JPG 도면 업로드 2. 이미지에 건축 요소 통합 3. 사용자 지원 편집 및 개발 본 접근 방식을 통해 시스템은 단순 분석 도구에서 대화형 건축 설계 플랫폼으로 진화합니다. 사용자는 업로드된 도면에서 AI가 도출한 결과를 확인할 뿐만 아니라, 도면 내 요소를 제어, 수정, 삭제 및 추가할 수 있습니다.

2. 도면 업로드: PNG/JPG

해당 단계 이후 사용자는 단순히 파일을 업로드하는 것에 그치지 않고, 시스템 내에서 직접 작업 가능한 건축 도면 영역에 접근하게 됩니다. 도면은 사용자를 위한 실시간 상호작용 화면으로 전환됩니다.

3. 자동 + 수동 하이브리드 시스템

본 시스템의 핵심 장점은 인공지능과 사용자 개입을 하나의 흐름 내에서 통합하였다는 점입니다. 즉, 완전 자동화된 의사결정에 의존하는 폐쇄형 구조가 아니라, 사용자 역시 프로세스에 능동적으로 참여합니다. 운영 방식은 다음과 같습니다. • 시스템이 도면을 자동으로 분석 • 벽, 문, 창문 등 건축 요소를 감지 • 도면 내 발견된 요소를 시각적으로 표시 • 사용자가 해당 요소를 검토 • 오류가 있는 요소 삭제 가능 • 누락된 요소를 수동 추가 가능 • 필요한 경우 새로운 벽, 문, 창문을 생성 가능 이 구조는 AI와 사용자 간 협업 원칙에 기반합니다. 인공지능은 신속하고 자동화된 초기 분석을 제공하며, 사용자는 건축 전문 지식과 시각적 제어를 통해 분석 결과를 보완합니다. 이로써 시스템은 빠르면서도 통제된 방식으로 운영됩니다. AI의 자동 결과만으로는 충분하지 않을 수 있는 이유는 다음과 같습니다. 건축 도면 내 일부 선들은 유사하게 보일 수 있으며, 벽선이 축선으로 오인되는 경우도 발생할 수 있습니다. 출입구 표현은 도면 스타일에 따라 상이하며, 창호 기호 역시 프로젝트별로 다르게 나타날 수 있습니다. 이에 따라 사용자의 개입은 결과의 신뢰성 향상에 기여합니다.

4. 이미지에 건축 요소 통합

다이어그램 중간부 문구인 "건축 도면에 새 요소 추가"는 시스템의 핵심 기능을 나타냅니다. 본 단계에서는 업로드된 PNG/JPG 도면 이미지에 건축 요소를 추가, 처리 및 편집합니다. 이 과정은 두 가지 방식으로 진행됩니다. 4.1 자동 통합 인공지능 모델이 도면을 분석하여 이미지 내 건축 요소를 자동 인식합니다. 예를 들어, • 기존 벽 인식 • 출입구 감지 • 창호 도면 인식 • 도면의 기본 공간 구조 추출 시스템은 인식된 요소들을 이미지 상의 별도 레이어로 처리하여, 사용자가 각 요소의 위치를 명확히 확인할 수 있도록 지원합니다. 4.2 수동 통합 사용자는 도면에 새로운 요소를 직접 추가할 수 있습니다. 본 기능은 시스템의 가장 핵심적인 부분 중 하나로, 사용자가 인공지능의 결과에만 의존하지 않고 필요에 따라 도면을 능동적으로 개발할 수 있도록 합니다. 사용 가능한 작업은 다음과 같습니다. • 새로운 벽 추가 • 기존 벽에 문 추가 • 기존 벽에 창문 추가 • 잘못 추가된 요소 삭제 • 추가된 요소 편집 • 최종 결정을 위해 결과를 테스트 및 검증 이러한 기능들은 시스템이 단순 분석 기능을 넘어 설계 및 수정 용도로도 활용될 수 있도록 합니다.

5. 시행착오 방식

본 시스템은 사용자가 한 번에 최종 결정을 내리도록 강제하지 않습니다. 사용자는 계획 내 여러 요소를 시험해 보고 그 결과를 확인한 후, 만족하지 않을 경우 해당 요소를 삭제하거나 다시 추가할 수 있습니다. 시행착오 과정은 다음과 같이 진행됩니다. 1. 사용자가 요소를 추가합니다. 2. 시스템이 해당 요소를 계획에 반영합니다. 3. 사용자가 시각적 결과를 검토합니다. 4. 적합하지 않은 경우 요소를 삭제합니다. 5. 다른 위치에 요소를 다시 추가합니다. 6. 결과가 만족스러울 때까지 이 과정을 반복합니다. 본 접근 방식은 건축 설계에서 매우 중요한 역할을 합니다. 때때로 문이나 창문의 위치를 처음부터 정확히 결정하기 어려운 상황이 발생할 수 있기 때문입니다. 사용자는 다양한 옵션을 시도하며 최적의 배치를 도출할 수 있습니다. 시행착오 시스템이 제공하는 주요 장점은 다음과 같습니다. • 사용자에게 높은 자유도를 부여합니다. • 잘못된 작업이 영구적으로 남지 않도록 합니다. • 디자인 반복 작업을 지원합니다. • 가장 정확한 결과 도출을 촉진합니다. • 사용자의 계획 작업에 대한 신뢰를 강화합니다. 이와 같은 기능을 바탕으로 시스템은 더욱 유연하고 사용자 친화적으로 발전할 수 있습니다.

6. 사용자 + AI 협업 계획

최종 계획은 단순히 인공지능이 자동으로 생성한 결과물이 아닙니다. 사용자 개입을 통해 개선된 결과물임을 의미합니다. 본 계획은 다음 세 가지 기본 레이어로 구성됩니다. 1. 원본 계획 이미지 2. 인공지능이 탐지한 건축 요소 3. 사용자가 추가하거나 편집한 요소 이 계층 구조는 각 변경 사항을 체계적으로 관리할 수 있도록 지원합니다. 예를 들면, 사용자가 추가한 벽은 별도의 레이어에 저장되며, 인공지능이 탐지한 문은 독립적인 리소스로 기록됩니다. 따라서 시스템에 의해 추가된 요소와 사용자에 의해 추가된 요소를 명확히 구분하고 추적할 수 있습니다. 이러한 추적 시스템은 향후 보고서 작성, 실행 취소, 재분석 및 결과물 생성에 있어 매우 중요한 역할을 수행합니다.

7. 결론

본 시스템은 단순히 건축 도면을 읽고 분석하는 인공지능 도구에 그치지 않습니다. 사용자를 프로세스의 중심에 두어 도면에 직접 개입할 수 있도록 하며, 시행착오를 통해 가장 정확한 결과를 도출할 수 있도록 지원하는 대화형 건축 설계 플랫폼입니다. 본 시스템의 주요 특징은 다음과 같습니다. • 단순 분석에 그치지 않습니다. • 사용자의 적극적인 참여를 유도합니다. • 새로운 벽 추가가 가능합니다. • 기존 벽에 문이나 창문 설치가 가능합니다. • 잘못된 작업을 삭제하고 재시도할 수 있는 기능을 제공합니다. • 인공지능과 인간의 제어를 결합합니다. • 보다 정확하고 최적화된 도면을 생성합니다. 이와 같은 접근 방식은 기존 인공지능 시스템보다 현저히 발전된 형태입니다. 사용자가 단순히 결과물을 소비하는 주체가 아니라, 도면을 개발하고 수정하며 방향을 제시하는 능동적인 역할을 수행하기 때문입니다.

This explanation is displayed according to the selected site language for the second flow diagram.

SmartArch AI 결론, 필터링 및 다운로드 흐름

3. 흐름: 결론, 필터링 및 다운로드 작업 흐름

SmartArch conclusion filtering and download flow

이 섹션의 목적은 인공지능이 생성한 초기 결과를 즉시 확정된 것으로 간주하지 않고, 사용자가 해당 결과를 시각적으로 검토하며 목록과 비교하여 확인하고, 정확도가 낮은 후보를 제거하며, 필요 시 잔여 탐지 결과를 기반으로 재분석하고, 최종적으로 DXF/PDF/PNG 파일을 다운로드할 수 있도록 하는 데 있습니다.

1. 분석 후 주요 로직

건축 도면 분석 후 시스템은 다수의 후보 탐지 결과를 생성합니다. 이러한 후보에는 문, 창문, 벽, 축, 기둥, 커튼월, 계단, 엘리베이터 샤프트 및 기타 건축 구조 요소가 포함될 수 있습니다. 그러나 인공지능 모델의 모든 탐지 결과가 확정적으로 정확하다고 할 수 없습니다. 따라서 시스템은 분석 완료 후 사용자에게 제어 화면을 제공합니다. 해당 제어 화면은 크게 두 가지 영역으로 구성됩니다. • 시각적 결과 목록: 도면에 표시된 시각적 결과 • 탐지 목록: 인공지능이 발견한 후보 요소의 표 형식 목록 이 구조를 통해 사용자는 이미지뿐만 아니라 각 후보 요소의 ID, 유형, 신뢰도 점수, 좌표, 크기 및 출처까지도 확인할 수 있습니다.

2. 시각적 결과 영역

다이어그램 왼쪽 하단의 "시각적 결과" 섹션에는 분석된 건축 도면의 처리된 버전이 표시됩니다. 시스템은 이 영역에서 감지된 요소를 도면에 직접 표기하며, 각 후보 객체는 색상 있는 선, 상자, 레이블 또는 ID 번호로 구분됩니다. 이 영역의 주요 목적은 사용자가 시스템의 결과를 시각적으로 검토할 수 있게 하는 것입니다. 예를 들어, 시스템이 창문을 문으로 식별한 경우 사용자가 도면상에서 이를 확인할 수 있으며, 벽 부분이 축점으로 잘못 표기된 경우 시각적 결과 화면에서 쉽게 오류를 파악할 수 있습니다.

3. 감지 목록

시각적 결과 옆의 "감지 목록" 섹션에는 AI가 찾아낸 모든 후보 요소가 표 형식으로 나열됩니다. 이 표는 시스템의 투명성을 제고하며, 사용자는 단순히 “시스템이 이 항목을 발견했다”는 결과뿐 아니라 각 감지에 대한 신뢰도도 함께 확인할 수 있습니다. 해당 목록은 수동 수정 작업에 특히 중요하며, 사용자는 신뢰도 점수가 낮은 후보를 선택해 삭제하거나, 잘못 분류된 요소를 제거하고, 잔여 올바른 후보만으로 분석을 다시 시작할 수 있습니다.

4. 신뢰도 점수 로직

다이어그램에서 핵심 개념 중 하나는 ‘점수’, 즉 신뢰도 점수입니다. 신뢰도 점수는 인공지능이 특정 결과에 대해 갖는 확신도를 백분율로 표시합니다. 예시는 다음과 같습니다. • 신뢰도 점수 96%: 시스템이 해당 결과에 대해 높은 확신을 가집니다. • 신뢰도 점수 75%: 정확할 가능성이 높으나 확인이 요구됩니다. • 신뢰도 점수 45%: 의심스러운 후보로 간주되며, 제거 또는 추가 조사가 필요할 수 있습니다.

5. 임계값 미만 후보 제거

다이어그램 왼쪽 상단에 위치한 "임계값 미만 후보 제거" 영역을 통해 사용자는 자동 정리 기능을 수행할 수 있습니다. 사용자가 백분율 임계값을 설정하면, 시스템은 그 기준 미만의 모든 후보를 결과 목록에서 자동으로 제거합니다. 예를 들어, 사용자 임계값이 50일 경우 다음과 같이 작동합니다. • 50% 미만의 후보가 제거됩니다. • 50% 이상의 후보는 유지됩니다. 임계값을 70으로 설정하는 경우에는 다음과 같이 진행됩니다. • 70% 미만 후보의 제거가 더 많아집니다. • 결과가 더욱 정돈되고 선택성이 강화됩니다. 이 기능은 특히 오탐이 빈번한 분석 상황에서 유용하며, 사용자가 수백 개 후보를 개별적으로 삭제할 필요 없이 임계값 설정을 통하여 사전 자동 정리를 간편히 수행할 수 있습니다.

6. 시행착오를 통한 최적 결과 도출

본 시스템의 중요한 특징 중 하나는 사용자가 단일 분석 결과에 국한되지 않는다는 점입니다. 사용자는 다양한 임계값을 적용하고, 신뢰도 점수가 낮은 후보를 선택 삭제하며, 일부 후보를 수동으로 유지한 후, 남은 탐지 결과를 토대로 분석을 재실행할 수 있습니다. 시행착오 과정은 다음과 같습니다. 1. 시스템이 최초 분석을 수행합니다. 2. 사용자가 결과를 검토합니다. 3. 오탐지가 과다할 경우 임계값을 60%로 설정합니다. 4. 시스템이 60% 미만 후보를 삭제합니다. 5. 사용자가 시각적 결과를 재검토합니다. 6. 필요 시 일부 후보를 수동으로 삭제합니다. 7. "남은 요소로 분석 실행"을 선택하여 재분석합니다. 8. 더욱 정제된 결과를 도출합니다. 9. 결과가 만족스러울 경우 최종 출력을 생성합니다. 이와 같은 접근으로 시스템은 순수 자동화 도구에서 벗어나, 제어와 상호작용을 겸비한 사람이 지원하는 분석 플랫폼으로 전환됩니다.

7. 사용자 개입 및 수동 정리

다이어그램에 나타난 구조는 사용자 개입이 시스템의 필수적인 부분임을 명확히 보여줍니다. 사용자는 분석 결과로 제시된 모든 후보를 수락할 의무가 없습니다. 사용자는 다음과 같은 작업을 수행할 수 있어야 합니다. • 잘못된 탐지 항목 삭제 • 점수가 낮은 후보 항목을 일괄 제거 • 목록에서 선택 • 시각화 자료에서 객체 선택 • 도면에서 선택한 후보 항목 제거 • 남은 올바른 후보 항목으로 재분석 이 기능은 특히 건축 도면에서 매우 중요합니다. 일부 도면은 상호간에 매우 유사할 수 있기 때문입니다. 예를 들어, 얇은 벽선이 축선처럼 인식될 수 있고, 문틀이 가구 라인과 혼동되며, 창틀이 벽 단면으로 잘못 해석될 수 있습니다. 따라서 사용자 제어 없이는 완전히 신뢰할 수 있는 결과 도출이 어려운 상황입니다.

8. 남은 요소로 분석 실행

탐지 목록 영역에서 중요한 버튼 중 하나는 "남은 탐지 항목으로 분석 실행" 기능입니다. 사용자는 이 버튼을 통해 데이터 정제 후 남은 후보들만을 활용하여 새로운 분석을 수행할 수 있습니다. 이 과정의 중요성은 다음과 같습니다. • 부정확한 후보들을 분석에서 제외 • 시스템이 보다 정확한 데이터를 바탕으로 재작업 수행 • 결과 생성 엔진이 정제된 데이터를 사용 • 최종 결과물의 신뢰도 향상 이는 인공지능 시스템에서 인간의 개입이 핵심적인 역할을 담당한다는 점을 의미합니다. 즉, 시스템이 기계적인 판단에만 의존하지 않고, 인간 감독을 통해 결과가 개선된다는 것입니다.

9. 결론 단계

다이어그램 중앙에는 "결론" 블록이 위치하며, 이 블록은 정제 및 검증된 데이터를 기반으로 최종 결과를 생성합니다. 결론 단계에서 시스템이 수행하는 작업은 다음과 같습니다. • 남은 후보 항목 평가 • 계획 전체 구조 해석 • 건축 요소를 의미 있는 계층으로 분류 • 출력 생성에 필요한 데이터 준비 • DXF, PDF, PNG 출력용 최종 파일 구조 생성 여기서 중요한 점은 최종 결과물이 초기 AI 분석 단계에서 단독으로 산출되는 것이 아니라는 점입니다. 최종 결과는 사용자의 정리 및 수정 과정을 거쳐 생성되며, 따라서 AI 예측과 사용자 제어 결과가 모두 반영됩니다.

10. DXF/PDF 다운로드

결론 단계 이후 사용자는 전문적인 출력물을 다운로드할 수 있습니다. 다이어그램 내 "DXF/PDF 다운로드" 블록은 이 과정을 나타냅니다. 이 단계에서 시스템은 다음과 같은 파일을 생성합니다. • PDF: 보고서 및 시각적 결과물 출력 • DXF: CAD 소프트웨어에서 활용 가능한 기술 도면 출력 • PNG: 처리된 시각적 평면도 결과 출력 특히 DXF 출력은 건축가 및 엔지니어에게 필수적입니다. DXF 파일은 AutoCAD, DraftSight, LibreCAD 등 유사 CAD 소프트웨어에서 열람 가능하므로, 인공지능 처리 평면도를 기술 도면 환경으로 원활히 전송할 수 있습니다.

11. 생성된 파일 패널

우측에 위치한 "생성된 파일" 패널에는 시스템에서 생성한 모든 파일이 목록으로 표시됩니다. 사용자는 이 패널을 통해 결과 파일을 개별적으로 열람하거나 다운로드할 수 있습니다. 해당 패널에는 다음과 같은 파일 형식이 포함될 수 있습니다. • 기둥 및 전단벽 PNG • 기둥 PNG • 전단벽 PNG • PDF • 기둥 및 전단벽 DXF • 후보 기둥 DXF • 후보 전단벽 DXF 위 목록은 시스템이 단일 출력물만 제공하는 것이 아님을 보여줍니다. 각 출력물은 상이한 용도로 활용됩니다. 기둥 및 전단벽 PNG 파일은 모든 결과를 통합하여 시각적으로 표현한 자료입니다. 기둥 PNG 파일은 후보 기둥을 시각적으로 구분하는 데 사용됩니다. 전단벽 PNG 파일은 최종 설계도를 사용자 화면에 저장하기 적합합니다. PDF 파일은 보고 및 공유 목적으로 활용됩니다. 전체 평면도 DXF 파일은 CAD 환경에서 열람 가능한 일반 평면도 출력물입니다. 후보 기둥 DXF 파일은 후보 기둥만 포함하는 특수 기술 출력물입니다. 후보 전단벽 DXF 파일은 후보 전단벽만 포함하는 기술 출력물입니다.

이 설명은 선택한 사이트 언어에 따라 세 번째 흐름 다이어그램 아래에 표시됩니다.