Earticle

초록

영어

While interior design platforms are rapidly adopting AR and 3D rendering technologies, the lighting preview features in existing online simulators and AR services often fail to incorporate accurate optical effects, limiting users' ability to experience the actual atmosphere of a space. To bridge this realism gap, this paper proposes an AI-based 2D indoor relighting system. The proposed system performs luminaire-grounded relighting—applying the light source directly to the actual fixture location—and supports multi-color lighting changes to enhance the user experience. Built upon Latent-Intrinsics and diffusion models, we fine-tuned the U-Net cross-attention to specialize in lamp objects and employed a trained ControlNet and Color Adaptor for stable color injection. Experimental results demonstrate superior color reproduction compared to baseline models, with performance improvements of approximately 2.5× in RMSE and LPIPS, and 1.2× in SSIM. We anticipate that these findings will serve as a sophisticated lighting preview solution for future AR-based interior services.

한국어

최근 인테리어 디자인 플랫폼들이 AR 및 3D 렌더링 기술을 빠르게 도입하고 있으나, 기 존 온라인 시뮬레이터와 AR 서비스가 제공하는 조명 미리보기 기능은 광학 효과가 반영되 지 않아 실제 공간의 분위기를 체감하는 데 한계가 있다. 본 논문에서는 이러한 현실감의 격차를 해소하기 위해 AI 기반 2D 실내 리라이팅 시스템을 제안한다. 제안한 시스템은 이 미지 전체의 스타일을 변환하는 대신 실제 조명 기구 위치에 광원을 적용하는 조명 기구 기반 리라이팅을 수행하며, 사용자 경험 향상을 위해 다중 색상 조명 변경을 지원한다. Latent-Intrinsics와 확산 모델을 기반으로 램프 객체에 특화되도록 U-Net의 Cross-attention을 미세 조정하고, 안정적인 색상 주입을 위해 학습된 ControlNet과 Color Adaptor를 적용하였다. 실험 결과, 기존 베이스라인 모델 대비 우수한 색상재현력과 RMSE와 LPIPS 성능이 약 2.5배, SSIM은 약 1.2배 향상되었다. 연구 결과는 AR 기반 인테리어 서비 스를 위한 정교한 조명 미리보기 기술로 활용되기를 기대한다.

목차

ABSTRACT
요약
1. 서론
2. 관련연구
2.1 다중 이미지 기반 리라이팅 및 3D 복원
2.2. 사용자 주도형(User-Guided) 단일 이미지 리라이팅
2.3. 자동화된 단일 이미지 리라이팅
3. 제안한 3D 공간 재구성 IN3R 프레임워크
3.1. 실내 공간 및 조명 정보 분리 (Latent Intrinsic Decomposition)
3.2. 조명 색상 주입 (Color-Aware MLP Adaptor)
3.3. 국지적 조명 적용 (Fine-tuned U-Net Cross-Attention)
3.4. 이미지 복원 및 화질 개선 (VAE Reconstruction)
4. 실험 결과
4.1. 데이터 수집 및 구성 (Data Collection)
4.2. 모델 학습 (Model Training)
4.3. 정량적 평가 (Quantitative Evaluation)
4.4. 시스템 구현 및 정성적 평가 (Implementation and Qualitative Results)
5. 결론
Acknowledgement
참고문헌

키워드

저자

• 김민수 [ Min-Su Kim | 인하대학교 통계학과 ]
• 황선우 [ Sun-Woo Hwang | 서울시립대학교 도시공학과 ]
• 이영진 [ Young-Jin Lee | 세종대학교 호텔경영학 ]
• 유길상 [ Gil-Sang Yoo | 고려대학교 기계공학부 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  컴퓨터게임및콘텐츠논문지(구 한국컴퓨터게임학회논문지) [Journal of Computer Games and Contents]

• 간기

  월간

• pISSN

  3091-7409

• eISSN

  3092-3638

• 수록기간

  2002~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 691 DDC 793