Застосування глибокого навчання для прогнозування й автоматизації просторових рішень у дизайні інтер’єру

Анотація

Запропоновано розроблення та впровадження моделі глибокого навчання для прогнозування й автоматизації просторових рішень у дизайні інтер’єру. Модель поєднує згорткові нейронні мережі (CNN) для аналізу візуальних даних та рекурентні нейронні мережі (RNN) для обробки текстових запитів, що уможливлює комплексно опрацьовувати інформацію і створювати персоналізовані дизайнерські рішення. Результати дослідження засвідчують високу точність моделі, низький рівень перехресної ентропії та високі показники середньої точності об’єкта та IoU, що підтверджує її ефективність порівняно з традиційними методами та наявними моделями ШІ. Інтеграція моделі в систему підтримки прийняття рішень у дизайні інтер’єру забезпечується зручним інтерфейсом користувача і взаємодією з популярними CAD-системами, що сприяє безперервності робочих процесів та підвищенню загальної ефективності. Використання хмарних технологій для зберігання й опрацювання даних дає змогу забезпечити масштабованість та продуктивність системи. Дослідження також виявило кілька викликів, включаючи забезпечення конфіденційності і безпеки даних, що потребує подальшої уваги. Запропонована модель має великий потенціал для впровадження в практику, забезпечуючи високу якість та персоналізацію дизайнерських рішень, враховуючи індивідуальні потреби користувачів.