I. 서 론
II. 배 경
1. 공간 사용자 정보기반 설계
2. 주거 공간 내 주방
III. 신체특성기반 주방공간 설계
1. 주방 안전객체 매핑체계 구축
2. 매핑체계 기반 공간 BIM모델 구축
IV. 공간 개조를 위한 지능형 접근방법
1. 생성형 AI 기반 안전공간 이미지 생성
2. 추가학습 모델 구축 및 생성 테스트
V. 결 론
I. 서 론
공간 이용자의 신체특성에 따라 실내설비 및 구성의 적절한 조정 필요하다. 예를 들어, 아동용 화장실은 그들의 신체 스케일에 부합하도록 축소된 설비로 설계되며, 영유아를 위한 기저귀 교환 시설이 설치되기도 한다. 장애인 대상 화장실의 경우, 그랩바와 같은 보조 장치를 비롯한 다양한 안전설비를 배치함으로써 공간의 안전성과 편의성을 향상시킬 수 있다. 이러한 맥락에서 본 연구는 개개인이 상이하게 가진 신체 특성을 고려하여 공간 설계 방안을 모색하고자 한다. 특히 노화 현상으로 인해 신체가 불편한 고령자를 대상으로 하여, 이들의 특수한 요구사항을 반영한 공간 설계를 지원하고자 한다. 인구 고령화는 전 세계적인 추세로, 그 영향력이 점차 확대되고 있다. 2022년 UN이 발표한 <세계 인구 전망 2022> 보고서에 따르면, 전체 인구의 10%를 차지하는 고령자 인구 비율이 2050년까지 16%로 증가할 것으로 예측된다. 이러한 인구 구조의 변화는 그에 따른 사회적 전략이 있어야 하며, 공간적 관점에서는 고령자의 거주공간 내 안전이 보장되는 것이 중요하다. 고령화 사회로 접어들며 고령자 인구가 증가함에 따라, 고령자에게 제공되는 주거공간에 관한 관심이 높아지고 있다(Kwon & Kim, 2023). 노화로 인한 신체적 변화를 겪는 고령자들에게는 개인의 신체특성을 고려한 적합한 주거 공간설계가 매우 중요하지만, Kim(2024)의 연구에 따르면, 고령자들이 오랫동안 거주한 익숙한 환경에서 계속 생활하고자 하는 ‘Aging in place’ 성향 때문에 노인용 주택과 같이 고령자 전용으로 설계된 주거공간은 높은 수요를 얻지 못했다. 이는 고령자들이 새로운 환경으로 이주하는 것보다 기존 생활공간을 자신들의 변화된 신체 조건에 맞게 개선하는 것을 선호한다는 것을 알 수 있다.
이러한 배경에서 본 연구는 고령자가 거주하는 기존 주거공간에서 발생할 수 있는 안전사고를 감소시키기 위해 사용자 기반의 공간설계를 진행하며, 이를 위해 안전공간 설계 시 필요한 설비와 관련된 실질적인 정보체계를 구성하고, 안전공간 BIM 모델을 구축할 계획이다. 나아가 최신 기술인 생성형 AI를 활용하여 개인의 특성에 맞는 다양한 공간 대안 이미지를 효율적으로 생성하는 방법을 제안하고자 한다<Figure 1>. 이러한 접근 방식은 고령자뿐만 아니라 다양한 사용자 그룹의 특수한 요구사항을 반영할 수 있으며, 궁극적으로 사용자의 개인적인 특성을 반영한 공간설계가 가능하게 하는데 목적이 있다. 본 연구보다 선행된 생성형 AI 추가학습 관련 논문(Chae & Lee, 2023; Lee et al., 2024)은 대상 공간과 사용자의 범위가 제한적이라는 한계점이 있다. 따라서, 다양한 공간과 사용자의 객체 연계정보를 확장하여 구축할 필요가 있으며, 해당 연구는 추가학습 모델 구축에만 국한되지 않고 대상 공간에 필요한 객체를 파악해 관련 상세 매핑체계를 구축하는 데에도 중요 기여점이 있다. 이러한 매핑체계는 본 논문에서 학습 데이터 생성과 추가학습에 활용되고 있으나, 향후 자동화 설계도구에서 객체의 속성정보를 정의하기 위해 활용될 수 있기에 공간별 해당 정보체계가 구축되어야 한다.
II. 배 경
1. 공간 사용자 정보기반 설계
실내 설계 분야에서는 다양한 사용자들이 공간을 개인에게 적합한 사용을 할 수 있도록 다양한 연구가 이뤄지고 있다. 그 예시로 시각장애인이 전시 공간을 즐기기 위해 시각 정보의 촉각화가 이루어진 스마트 기술을 활용하기도 하며, 극대화된 감각정보를 전달하고자 기술을 구현한다(Kim et al., 2007). 또한, 병원 구성에 있어 어린이 병원의 경우 아이들이 쉽게 인지 가능한 “Image Sign System”이나 시각적으로 친근한 공간재료를 사용해 스트레스를 최소화하는 방식을 사용한다(Kim & Park, 2010). 하지만 본 논문의 대상인 고령자 공간은 본래 목적이 고령자 주거 공간(노인용 주택 등)이 아닌 이상 한국의 주택 설계는 대량 공급 위주의 정책과 제한된 예산으로 인해 획일화된 모습을 보인다(Shin & Moon, 2007). 이러한 표준화된 설계 방식은 여러 문제점을 야기하고 있다. 특히 고령자의 신체적 특성이나 개인별 생활방식을 고려하지 못한 채 공간이 구성되어, 안전하고 편리한 주거환경을 제공하는 데 한계가 있다. Lee and Moon(2022)의 연구에 따르면, 현재의 주택 설계는 고령자에게 적절한 안전공간을 제공하는 데 있어 미흡할 뿐만 아니라, 안전바와 같은 필수적인 보조장치도 설치되지 않은 경우가 많다. 이러한 문제는 실제 고령자들을 대상으로 한 조사에서도 확인된다. 주거공간 내 안전설비 설치의 필요성을 조사했을 때, 일상생활과 관련된 안전설비 필요성이 전반적으로 높게 나타났다. 이는 현재의 주거환경이 고령자의 안전과 편의를 충분히 고려하지 못하고 있음을 나타내고 있다(Lee et al., 2018). 특히, 70세 이상 고령자들의 경우 공간 사용의 불편함을 크게 느끼고 있음에도 불구하고 리모델링 필요성 인식은 상대적으로 낮게 나타났다. 이는 고령자들이 주택 사용에 있어 불편함을 겪고 있지만, 공간개선에 대한 지식과 정보가 부족하여 개선 가능성을 인지하지 못하고 있음을 보여준다. 따라서 고령자들에게 주거 환경개선에 대한 정보를 적극적으로 제공하고, 그 필요성을 인식시키는 것이 중요하다. 또한, 자녀 세대들도 부모의 주택 개조 필요성을 인식하고 있으나, 정보 부족과 비용 문제로 인해 실행에 옮기지 못하고 있는 설문조사 결과가 있다(Kwon & Kim, 2023). 이는 고령자 주거 환경개선에 대한 정보 접근성 향상과 비용 문제 해결이 요구된다. 따라서 이러한 현황을 고려할 때, 고령자를 위한 주거공간 개조에 필요한 설계 관련 전문지식을 활용할 수 있도록 하는 연구의 필요성이 대두되며 본 연구는 이를 위해 고령 친화적 주거 환경 설계에 필요한 데이터를 수집하고, 생성형 AI 추가학습 모델 구축을 함으로써 사용자 기반의 대안 제공이 효율적으로 가능하게 한다. 본 연구에서 생성된 이미지는 최종 설계안이 아닌, 개념적 디자인과 초기 설계안을 제안하기 위한 도구로 활용되는 것을 목적으로 한다. 따라서 결과물 내 의도하는 객체생성의 완전성보다 전체적인 디자인 컨셉과 안전 요소 배치의 방향성을 제공하는 데 의의가 있다.
2. 주거 공간 내 주방
주거 공간 내 주방은 음식을 조리하고 준비하는 필수적인 공간으로, 공간의 효율성과 기능성을 극대화하기 위해 적절한 내부설비와 레이아웃 구성을 요구한다. 주방 설계 시 고려해야 할 주요 요소 중 하나는 작업 삼각형(Work triangle) 개념이다. Mihalache et al.(2022)에 따르면, 공간 계획 단계에서 개수대, 가열대, 냉장고의 중간 위치 지점을 연결하여 삼각형을 이루는 작업 삼각형의 세 변 길이의 합을 4~7.9m 이내로 구성하는 것이 기능적으로 가장 우수한 것으로 나타났다. 이는 주방에서의 이동 동선을 최소화하고 작업 효율성을 향상하는 데 기여한다. 주방공간의 내부 구성 레이아웃은 작업대, 조리대, 가열대, 개수대의 형태를 기준으로 다양한 유형의 분류가 가능하다. 크게 여섯 가지 유형: L-shape, U-shape, Galley, G-shape, Single wall, Island로 구분할 수 있으며(Oh, 2020; Anita et al., 2022), 각 레이아웃은 주어진 공간의 특성과 사용자의 요구사항에 따라 선택되고 공간 활용도와 작업 효율성에 직접적인 영향을 미칠 수 있다. 주방 내부에서 수행되는 행동을 기반으로 나뉘는 영역은 일반적으로 다섯 가지로 구분된다.
Lee et al.(2006) 연구에 따르면, 이는 재료를 준비하는 준비 영역, 물을 사용하는 개수 영역, 재료를 자르는 조리 영역, 음식을 조리하는 가열 영역, 그리고 다양한 조리도구를 정리하는 수납 영역으로 나눌 수 있다. 이러한 기능적 영역 구분은 주방 설계 시 작업 흐름을 최적화하고 공간 활용도를 높이는 데 중요한 역할을 한다. Han and Lee(2019)의 연구에서는 주방에 포함될 수 있는 다양한 주방 설비와 기기들을 제시하였다. 여기에는 주방 후드, 전자레인지, 오븐, 냉장고, 밥솥, 식기 건조기, 상하부 수납장 등이 포함된다. 이러한 주방 요소의 선택과 배치는 주방의 크기, 모양, 사용자의 요구사항에 따라 달라질 수 있으며, 이는 주방의 전반적인 기능성과 사용자 경험에 직접적인 영향을 미친다. 효율적인 주방 설계를 위해서는 앞서 언급된 요소들을 종합적으로 고려하여 공간 활용도와 작업 효율성을 극대화할 수 있는 방향으로 주방 요소를 배치하는 것이 중요하다. 이는 단순히 개별 요소의 배치를 넘어, 전체적인 주방 공간의 흐름과 사용자의 작업 패턴을 고려한 통합적 접근이 필요함을 시사한다. 이러한 체계적인 설계 접근법을 통해 주방 공간 사용자는 보다 편리하고 효과적으로 작업 수행이 가능하며, 이는 궁극적으로 주거 공간의 기능성과 삶의 질 향상에 기여할 수 있다.
III. 신체특성기반 주방공간 설계
1. 주방 안전객체 매핑체계 구축
본 논문에서 언급되는 안전설비는 “실제 공간에 배치되는 설비”를 의미하며, 안전객체는 “BIM 객체로써 모델링에 사용될 수 있는 객체”를 의미한다. 대상 공간인 주방은 일반적으로 냉장고, 쿡탑, 상/하부 장, 싱크대 등의 기본적인 주방 설비로 이루어져 있다. 그러나 고령자와 같이 신체 노화 특성이 있는 사용자들에게 안전하고 편리한 공간을 제공하기 위해서는 추가적인 안전설비의 설치가 필수적이다. 이러한 맥락에서 본 연구에서는 고령자를 위한 20가지의 주방 안전설비를 선행연구 논문 기반으로 조사했으며(Lee et al., 2006; Bonenberg et al., 2018), 해당 논문들은 주방 환경에 적용할 수 있는 안전설비를 포괄적으로 분석하여 공간 내 안전 시스템의 최적화를 위한 설비리스트가 포함된 논문이다. 이러한 안전설비를 체계적으로 분류하고 적용할 수 있는 기준체계를 구축하고자 <Table 1>과 같은 기준별 매핑체계를 제안한다. 매핑체계는 생성 이미지 내 객체의 적절한 배치를 위해 세 가지 주요 기준을 바탕으로 구성되어 있다. 해당 체계는 추가학습데이터의 텍스트 데이터를 구성하는 기반이 되기 때문에 사용자의 Input(요구사항)을 효과적으로 반영할 수 있도록 설계되었다. 따라서 공간을 설계할 때 사용자와 관련된 기본적인 설계 정보로써 필요한 사용자의 신체정보와 공간 내 기대하는 효과를 객체와 연계해 파악하고, 객체를 적절한 위치에 배치하기 위해 객체 부착 위치정보까지 파악한다. 이는 사용자 중심의 맞춤형 공간설계를 위한 자료이며, 동시에 공간설계에 반영할 수 있는 체계적인 생성 AI 기반의 대안을 제공할 수 있도록 한다. 따라서 객체 별 필요한 정보의 매핑체계 기준은 아래 세 가지로 구성되어 있다.
Table 1.
Kitchen Safety Features Mapping System
첫째, 공간 사용자의 신체특성에 따라 필요한 안전설비(A), 둘째, 부엌 영역에 따라 부착될 수 있는 안전설비(B), 셋째, 안전설비를 부착함으로써 얻을 수 있는 효과(C)이다. 이러한 분류 체계는 사용자의 구체적인 요구사항을 반영한 맞춤형 설비부착을 가능하게 한다.
(A) 공간 사용자의 신체특성과 관련한 세 가지 상세 기준은 장애인과 비장애인의 생애주기별 건강 특성 비교를 통한 장애인의 노화 특성 연구(국립재활원 재활연구소, 2018) 내 “장애노인과 비장애노인의 그룹별 다빈도 질환 20순위 비교”를 확인했다. 문서에서 노인 인구에서 빈번하게 관찰되는 근골격계 노화(등통증, 무릎관절증 등)와 감각신경계 노화(노년성 백내장)를 고려하여 이를 주요 분류 기준으로 선정하였으며, 추가로 근골격계는 노화로 인해 휠체어 등의 보조기구가 있어야 하는 사용자도 포함하여 분류 기준으로 선정했다: 근골격계 노화(A-1), 근골격계 노화-휠체어 사용자(A-2), 감각신경계 노화(A-3). 이러한 구분은 고령자의 다양한 신체적 제한사항을 고려한 안전설비 선택을 가능하게 한다. (B) 부엌 영역 기준은 주방 내 기능적 공간 구분을 바탕으로 다섯 가지 상세 기준으로 나누었다: 준비 영역(B-1), 개수 영역(B-2), 조리 영역(B-3), 가열 영역(B-4), 수납 영역(B-5). 이러한 분류는 각 영역의 특성과 사용 목적에 맞는 안전설비의 효과적인 배치를 가능하게 한다. (C) 안전설비 부착 효과 기준은 여섯 가지 상세 기준으로 구성되었다. 사용자가 공간 내 원하는 기능을 Input(요구사항)으로 언급했을 때, 제안될 수 있는 객체를 다양하게 파악하기 위해 조사된 안전객체의 효과를 파악해 구성했다: 미끄럼 방지(C-1), 원활한 이동(C-2), 지탱 장치(C-3), 편리한 사용(C-4), 호출 설비(C-5), 체온유지(C-6). 특히, (C-4)는 기존 설비에 추가기능을 부여하여 사용 편의성을 증진하는 효과를 나타내는 것으로, 고령자의 주방 사용을 더욱 용이하게 만드는 데 중점을 둔다.
이렇게 구축된 매핑체계는 다양한 목적으로 활용이 가능하다. 첫째, 공간 내부 객체의 구체화한 정보를 기반으로 한 3D 공간 모델링 설계에 활용될 수 있다. 이는 가상의 공간에서 안전설비의 배치와 효과를 시각적으로 검증하고 최적화하는 데 도움을 줄 수 있다. 둘째, 향후 추가적인 학습모델 개발 시 필요한 텍스트 데이터 구축의 기초 자료로 사용될 수 있다. 이는 인공지능 기반의 주방 설계 지원 시스템 개발에 활용이 가능한 중요 데이터셋을 제공할 수 있을 것으로, 이러한 체계적인 접근은 고령자를 위한 주방 공간의 안전성과 기능성을 향상시키는 역할을 할 수 있다. 결과적으로, 이러한 매핑체계는 사용자가 안전하고 편리하게 사용할 수 있는 공간설계에 기여할 수 있다.
2. 매핑체계 기반 공간 BIM모델 구축
BIM 모델 구축을 위해서 앞서 개발된 매핑체계를 실제 3D 모델링에 적용하며, 본 논문에서 BIM 소프트웨어를 활용한 모델링의 핵심 목적은 객체의 속성정보를 활용하기 위해서이다. 궁극적으로 실제 공간구현은 3D 모델링이 필요하며 이를 효과적으로 진행하기 위해 후속 연구로써 안전객체의 자동 배치 시스템 관련 연구를 진행하고자 한다. BIM의 활용은 각 객체의 상세한 속성정보를 포함한 공간 모델링을 가능하게 한다. 이러한 접근은 안전 설계의 자동화와 최적화를 가능하게 하며 본 논문에서의 BIM의 활용은 향후 연구 진행을 위한 과정으로, 해당 소프트웨어의 활용이 가능한 데이터 구축을 진행하고자 한다.
따라서 본 논문에서는 사용자 기반 공간설계의 예시 데모로써 특정 사용자 그룹, 즉 근골격계 노화가 진행되어 휠체어를 사용해야 하는 고령자의 요구사항을 반영한 주방 공간설계가 이루어지며, 이는 공간 레이아웃 내 안전설비 배치의 최적화를 고려한다<Figure 2>. 이를 통해, 매핑체계의 실제 적용 가능성과 그 효과를 검증할 수 있습니다.
매핑테이블에서 휠체어 사용자에게 필요한 다양한 안전객체들 중 8가지를 선정하여 공간 내부에 포함했다. 선정된 안전객체는 다음과 같다: 높이 조절 싱크대, 원격 조정식 후드, 높이 조절 상부장, 롤 아웃 선반, D자형 손잡이, 내부가 보이는 수납장, 단일레버 제어 수도꼭지, 미끄럼 방지바닥<Table 2>.
Table 2.
Safety Features in the Kitchen_Musculoskeletal Aging (Wheelchair Users)
이러한 객체들은 휠체어 사용자의 특수한 요구사항을 반영하며, 주방 공간에서의 접근성, 사용 편의성, 안전성을 크게 향상시킬 수 있는 요소들이다. 안전객체의 3D 모델(Family)은 “Bimobject”1) 플랫폼을 통해 구축완료된 객체들을 수집하였다. 이는 표준화된 고품질의 객체를 효율적으로 확보하는 방법으로, 플랫폼에서 제공되지 않는 특수 객체의 경우, 실제 존재하는 제품을 토대로 자체 3D 모델을 만들었다. 이러한 접근은 연구의 특수성을 반영한 맞춤형 객체 확보를 가능하게 해 안전객체 Family 데이터를 구축할 수 있다. 또한 본 논문에서는 다양한 공간 레이아웃의 형태를 가진 주방공간의 특성에 따라 3가지 형태(L-shape, U-shape, Galley)에 안전객체가 적용된 안전주방 공간모델을 BIM 소프트웨어인 Revit 2024를 통해 구축함으로써 더욱 다양한 디자인 대안을 효과적으로 적용/활용이 가능하게 했다<Figure 3>.
IV. 공간 개조를 위한 지능형 접근방법
1. 생성형 AI 기반 안전공간 이미지 생성
기존 설계과정에서 설계전문가는 설계 대안 이미지를 만들기 위해 사용자의 요구사항을 파악하고, 필요 안전객체를 조사한 후 3D 시각화 설계 도구를 통해 개별적으로 모델링하는 과정을 거친다. 이러한 접근 방식은 맞춤형 설계를 가능하게 하지만 시간과 노력이 많이 소요되어 다양한 대안 생성에 한계가 있다. 본 연구에서는 이러한 한계를 극복하고 보다 효율적, 혁신적인 설계 시각화 방법론을 제시하고자 생성 AI 기반의 공간 이미지 대안 생성 방법을 제안하고자 한다. 생성 AI 기반의 이미지는 최근 설계과정에서 건축물 내/외부 이미지 대안을 위해 많이 활용되고 있다(Beyan & Rossy, 2023; Lee et al., 2023). 주로 디자인적 요소의 변화를 위해 인공지능 모델을 사용하는데, 본 논문에서는 안전설비 배치에 초점을 맞춰 사용하고자 한다.
본 논문의 타겟 공간인 고령자 안전주방을 사용자 정보기반으로 공간이 생성되는지 기존 이미지 생성 AI로 테스트해 보았을 때, 사용자의 신체 특성과 공간 유형에 대해 입력값을 넣어 이미지를 생성하면 <Table 3>과 같은 결과가 나온다. 해당 이미지는 안전설비를 포함한 공간으로 보기에는 일반적인 주방과 구성설비가 유사하며, 앞서 매핑테이블에서 제안하는 안전설비가 부재하거나 프롬프트에 작성된 휠체어 관련된 이미지만 생성되고 사용자를 위한 공간적 대안이 함께 제시되지 않고 있다. 이러한 테스트를 통해 현재 제공되는 인공지능 모델은 설계를 위한 정보를 제공하기엔 미흡하다는 것을 알 수 있다.
Table 3.
Generative AI-based Image Generation_Safe Kitchen for the Elderly
따라서 앞서 구축된 BIM 모델에서 추출한 이미지 데이터를 통해 실내 건축 분야에서 인공지능을 활용한 설계가 가능하도록 추가학습 모델을 구축하고자 한다. 추가학습 진행을 위해서 고품질 학습데이터는 필수적이며, 특히 다양한 사용자의 요구사항을 반영할 수 있는 포괄적인 범위의 공간 이미지 학습 데이터셋 구축이 중요하다. 이는 다양한 레이아웃, 안전설비의 배치, 사용자 특성에 따른 공간구성 등을 포함한다. 그러나 해당 과정은 상당한 시간과 자원을 요구하는 과정이다. 따라서 본 연구에서는 이러한 대규모 데이터 구축의 초기 단계로서, 현재 구축한 BIM 모델(3가지 주방 유형에 따른 근골격계 노화-보조기구사용자의 안전공간 모델)을 사용해 추가학습 데이터를 확보하고, 이는 전체 연구의 일부 범위에 해당하지만, 향후 확장 가능한 기초 프레임워크를 제공하는 데 중요한 역할을 할 것이다.
2. 추가학습 모델 구축 및 생성 테스트
본 연구의 생성형 AI 추가학습 과정은 선행 연구(Lee et al., 2024)와 비교하여 세 가지 주요 차별점을 가지고 있다. 첫째, 대상 공간의 확장:기존 욕실 한정 접근에서 벗어나, 주방의 특성을 반영한 안전 BIM 객체를 포괄적으로 수집했다. 둘째, 베이스 모델 개선: Stable Diffusion 1.5에서 SDXL로 사용 모델을 전환하여 성능을 향상시켰다. 해당 부분은 두 모델 간의 비교 테스트를 통해 검증되었다<Figure 4>.
SDXL 1.0모델은 SD 1.5모델과 비교했을 때 안전객체의 개수가 더 적게 생성되는 것을 확인할 수 있다. 이 외에 생성된 이미지의 상당수도 SDXL 1.0모델이 안전객체를 더욱 많이 포함하여 이미지 결과가 제공되었다. 따라서 본 연구에서는 SDXL 1.0 베이스 모델을 활용해 추가학습을 진행했다. 마지막으로, 프롬프트 구체화를 통해 이미지 생성 프롬프트를 정교하게 받아들일 수 있도록 결과물의 정확도와 연관성을 높였다. 이미지 데이터의 경우, 자체적으로 구축한 BIM 주방 공간 모델에서 다양한 각도의 이미지를 추출했으며, 해당 이미지들은 모델의 학습 효율성을 높이기 위해 사용된 학습 베이스 모델의 표준 입력 크기에 부합하도록 1024 × 1024픽셀 크기로 전처리를 진행했다. 또한, 텍스트 데이터 준비에 있어 선행연구에서는 공간 내 배치된 객체의 명칭만을 포함하여 학습했으나, 본 연구는 각 이미지에 대한 상세하고 구조화된 설명을 작성했다. 이를 위해 학습 프롬프트 데이터의 구성을 카테고리별로 세분화하여 작성했다. 이는 학습모델이 이미지의 다양한 측면을 이해하고 생성할 수 있도록 하며, 앞서 구축한 매핑체계를 활용하여 다음과 같은 주요 카테고리로 이뤄져 있다.
< Space description >
① 공간 명칭: 주거공간 내 해당하는 공간을 지칭하는 단어
② 공간 레이아웃: 학습 이미지의 공간 구조(ex. L-shape, Galley...)
③ 공간 안전객체: 학습 이미지 내 배치된 안전설비 목록(ex. 높이 조절 싱크대, 내부가 보이는 상부장 등)
④ 공간 안전객체 효과: 사용자 요구사항을 인식하기 위한 프롬프트(ex. 지탱 장치, 미끄럼 방지)
< Space user description >
① 사용자 신체특성: 공간 사용자의 신체특성이나 요구사항(ex. 근골격계 노화 사용자, 감각신경계 노화 사용자 등)
이러한 접근 방식은 사용자 입력 프롬프트를 명확하게 구별하여 이미지와 텍스트 데이터가 서로 연계되어 준비된다. 이는 결과 이미지에 정보 반영이 용이할 것으로 기대해 볼 수 있다. 추가학습 데이터 구축 이후, 학습환경 조절 단계에는 모델의 성능 최적화를 위해 하이퍼파라미터의 설정값을 지정하여 총 45장의 이미지와 해당 이미지를 설명하는 텍스트파일까지 총 90개의 추가학습 데이터를 함께 추가학습2)을 진행한다<Figure 5>.
추가학습 완료 모델로 테스트한 결과는 <Table 4>과 같다. 주방 유형별로 200장씩 생성하여 생성된 총 600장의 이미지는 안전설비의 형태 오류가 발생하지 않고, 기존 모델에서는 생성되지 않던 안전객체가 배치되어 유의미한 이미지가 제공되었다. <Table 4> 좌측 이미지는 생성된 이미지 내 배치된 안전객체의 위치를 시각적으로 나타냈으며 <Table 2>에 기재된 원형 표기 방식을 재현하였다. 우측 이미지는 안전객체의 유무를 인식할 수 있도록 위치표시 없이 원형 표기만 기재해 전반적인 공간 이미지와 함께 객체를 확인할 수 있다. Review of generated image는 안전객체의 배치가 추가학습 이후 의도한 만큼 구성되었는지 확인하는 데 목적이 있다. 이에 따라 1차 리뷰를 진행했을 때, Galley 형 주방의 경우 8개 중 4개의 안전설비만 포함된 이미지가 간헐적으로 발생하여, 추가학습데이터의 보완이 필요한 것을 알 수 있었다. 이후 학습데이터 10장 추가하여 재 추가학습을 진행하였으며, 생성 이미지의 품질 일관성을 확보하였다. 현재 <Table 4>의 리뷰결과, 해당 모델이 안전객체의 배치에 있어 과반수의 객체를 포함하여 유의미한 학습 효과를 보이고 있음을 알 수 있다.
Table 4.
Generated Image of Kitchen with Safety Features (Using an Additional Training Model)_Musculoskeletal Aging (Wheelchair User)
| L-shape Kitchen | ||||
* The safety object notation is the same as Table 2.
| Input |
Positive prompt |
<lora:Elderlyfriendly kitchen for wheelchair users (Korean-style)_1024, 1024:0.7> AIP_elderlyfriendly kitchen, safety kitchen, L-shape kitchen, kitchen features for wheelchair users | |
|
Negative prompt | Duplicate, Low Quality, Bad Perspective, Text, Blurry | |||
| Output | Image |  | ||
| Review of generated image (Number of safety objects) | Included 6 objects out of 8 | Included 6 objects out of 8 | ||
| U-shape Kitchen | ||||
* The safety object notation is the same as Table 2.
| Input |
Positive prompt |
<lora:Elderlyfriendly kitchen for wheelchair users (Korean-style)_1024, 1024:0.7> AIP_elderlyfriendly kitchen, safety kitchen, U-shape kitchen, kitchen features for wheelchair users | |
|
Negative prompt | Duplicate, Low Quality, Bad Proportion, Text, Blurry | |||
| Output | Image |  | ||
| Review of generated image (Number of safety objects) | Included 7 objects out of 8 | Included 7 objects out of 8 | ||
| Galley Kitchen | ||||
* The safety object notation is the same as Table 2.
| Input |
Positive prompt |
<lora:Elderlyfriendly kitchen for wheelchair users (Korean-style)_1024, 1024:0.7> AIP_elderlyfriendly kitchen, safety kitchen, Galley kitchen, kitchen features for wheelchair users | |
|
Negative prompt | Duplicate, Bad Quality, Bad Perspective, Text, Blurry | |||
| Output | Image |  | ||
| Review of generated image (Number of safety objects) | Included 7 objects out of 8 | Included 6 objects out of 8 | ||
V. 결 론
본 논문은 주거공간 내 안전주방 BIM 환경을 구축함으로써, 개인의 신체특성에 따라 맞춤화된 안전공간 대안 이미지를 생성형 AI 기반으로 제공한다. 이를 통해 선행연구에서 다뤄진 안전설비의 필요성을 넘어 공간적 활용에 대한 새로운 관점을 제시하였다. 따라서, 사용자와 안전객체 간의 연관성을 이해하고, 공간적 맥락에서의 적용 가능성을 탐구하였다. 수행된 주요 내용은 다음과 같다.
첫째, 선행연구를 기반으로 실내 구성이 가능한 공간 객체를 식별하여 신뢰성 있는 객체 매핑체계를 구축했다. 이는 전문성 있는 정보전달뿐만 아니라, 해당 체계를 통해 BIM 공간을 설계하여 추가학습 이미지 데이터를 추출할 수 있다.
둘째, 추출 이미지 데이터를 전처리 후 데이터 세트를 구축하여 추가학습모델을 도출했다. 이를 통해 입력 프롬프트만으로 안전설비가 설치된 공간 이미지를 생성할 수 있으며, 생성 이미지는 설계 대안으로써 유의미한 이미지를 생성한다.
해당 모델은 현재 3가지 주방 형태와 3가지 신체특성에 대해 이미지 생성이 가능하며, 구축데이터와 추가학습모델의 생성 가능 범위가 제한적이지만, 향후에는 연구 범위를 확장하여 다양한 사용자와 공간 객체가 연계된 풍부한 건축 정보 데이터 세트를 구축할 예정이다. 이를 통해 사용자 정보 기반의 공간 이미지 대안을 생성함으로써 실내 건축 분야에서 AI 활용이 증진될 것으로 기대된다. 또한 본 연구에서는 공간 2D 이미지 생성에 초점을 맞추고 있어, 실제 건축설계에 필요한 3D 모델링을 제공하지 못하는 한계가 있지만, 이를 극복하고 모델의 실용성을 높이기 위해 후속 연구에서는 본 연구의 AI 모델과 매핑 체계를 기반으로 실제 설계 도구와 연계될 수 있는 설계 지원 시스템을 구축하고자 한다. 이는 생성된 대안 이미지 내 공간 객체를 BIM 소프트웨어와의 연동을 통해 생성된 이미지를 즉시 실제 설계 모델링에 반영할 수 있도록 한다. 이를 통해 공간 사용자의 요구사항을 설계 프로세스에 최적화하며 신속하고 정확한 공간 설계가 가능해진다.
