Автоматизація проєктування інтер’єрів на основі технологій штучного інтелекту
| dc.contributor.author | Ковалюк Д. О. | |
| dc.contributor.author | Ковалюк О. О. | |
| dc.contributor.author | Маліцький В. В. | |
| dc.contributor.author | Kovaliuk Dmytro O. | |
| dc.contributor.author | Kovaliuk Oleh O. | |
| dc.contributor.author | Malitskyi Vadym V. | |
| dc.date.accessioned | 2026-06-19T08:35:24Z | |
| dc.date.issued | 2026 | |
| dc.description | Ковалюк, Д. О. Автоматизація проєктування інтер’єрів на основі технологій штучного інтелекту = Automation of interior design based on artificial intelligence / Д. О. Ковалюк, О. О. Ковалюк, В. В. Маліцький // Зб. наук. пр. НУК. – Миколаїв : Гельветика, 2026. – № 2 (505). – С. 193–199. | |
| dc.description.abstract | Мета. Метою роботи є підвищення ефективності проєктування інтер’єрів шляхом обґрунтування та розробки підходу до автоматизованого проєктування на основі авторегресійних трансформерних моделей. Основний акцент зроблено на забезпеченні керованої генерації, що дозволяє враховувати специфічні вимоги користувача (стиль, планування та кількість об’єктів) при збереженні високого рівня логічної та просторової узгодженості інтер’єрних рішень. Актуальність дослідження обумовлена вимогами до швидкості, гнучкості та персоналізації дизайнерських рішень у сучасній індустрії інтер’єрного дизайну. Методика. В роботі використано методи аналізу сучасних наукових підходів до синтезу інтер’єрних сцен, а також методи глибинного навчання. Для реалізації системи застосовано авторегресійну трансформерну модель ATISS, що генерує послідовність об’єктів інтер’єру на основі планування приміщення. Проведено підготовку та фільтрацію спеціалізованого набору даних, навчання моделей для різних типів кімнат, а також модифікацію алгоритмів для забезпечення контролю параметрів генерації. Результати. У результаті дослідження розроблено автоматизовану систему генерації інтер’єрів, що дозволяє створювати тривимірні моделі приміщень із урахуванням заданих параметрів: типу кімнати, стилю, планування та кількості об’єктів. Експериментальні дослідження підтвердили здатність системи генерувати логічно узгоджені інтер’єри із потрібним рівнем якості. Виявлено обмеження моделі, пов’язані з генерацією окремих типів об’єктів та обробкою нетипових запитів користувача. Наукова новизна. Полягає у вдосконаленні підходу до автоматизованого проєктування інтер’єрів шляхом інтеграції трансформерної моделі з механізмами керованої генерації, що дозволяє враховувати додаткові параметри користувача, зокрема стиль інтер’єру та кількість об’єктів заданих класів. Практична значимість. Отримані результати можуть бути використані при розробці інтелектуальних систем підтримки дизайнерських рішень, а також у діяльності дизайнерських студій для прискорення процесу створення інтер’єрів та підвищення рівня їх персоналізації. | |
| dc.description.abstract1 | Purpose. The aim of the research is to enhance the efficiency of interior design by substantiating and developing an automated design approach based on autoregressive transformer models. The primary focus is placed on ensuring controlled generation, which allows for specific user requirements (style, layout, and quantity of objects) to be incorporated while maintaining a high level of logical and spatial consistency in interior solutions. The relevance of this research is driven by the industry’s demand for speed, flexibility, and personalization of design solutions. Methodology. The study applies methods of analysis of recent research in indoor scene synthesis, as well as deep learning techniques. An autoregressive transformer-based model is used to generate sequences of interior objects based on room layouts. The dataset is preprocessed and filtered, followed by training separate models for different room types. The model is further modified to enable controlled generation with user-defined parameters. Findings. As a result, an automated system for interior generation has been developed, capable of producing 3D room models based on user-defined parameters such as room type, style, layout, and number of objects. The trained models demonstrate the ability to generate logically consistent interior scenes with acceptable quality. At the same time, certain limitations have been identified, particularly in generating specific object categories and handling non-standard user constraints. Scientific novelty. The novelty of the research lies in improving the approach to automated interior design by integrating a transformer-based model with mechanisms of controlled generation, allowing the incorporation of additional userdefined parameters such as interior style and object quantity constraints. Practical significance. The obtained results can be applied in the development of intelligent decision-support systems for interior design, as well as in design studios to accelerate the design process and enhance the level of personalization. | |
| dc.identifier.govdoc | DOI https://doi.org/10.15589/znp2026.2(505).21 | |
| dc.identifier.issn | 3154-8245 (Print) | |
| dc.identifier.issn | 3154-8253 (Online) | |
| dc.identifier.uri | https://eir.nuos.edu.ua/handle/123456789/13145 | |
| dc.language.iso | uk | |
| dc.relation.ispartofseries | УДК; 004.89:004.4 | |
| dc.subject | автоматизація проєктування | |
| dc.subject | штучний інтелект | |
| dc.subject | інтер’єрний дизайн | |
| dc.subject | трансформерні моделі | |
| dc.subject | генерація сцен | |
| dc.subject | ATISS | |
| dc.subject | глибоке навчання | |
| dc.subject | interior design automation | |
| dc.subject | artificial intelligence | |
| dc.subject | transformer models | |
| dc.subject | scene generation | |
| dc.subject | deep learning | |
| dc.title | Автоматизація проєктування інтер’єрів на основі технологій штучного інтелекту | |
| dc.title.alternative | Automation of interior design based on artificial intelligence | |
| dc.type | Article |