01 / Context
무엇을 해결할 것인가.
원근 사진에서 보이지 않는 경계, 건물 평면과 방향을 추정하면 현장 정보를 왜곡할 수 있습니다. 관찰 가능한 정보와 알 수 없는 영역을 구분해야 합니다.
로컬 Vision 모델로 사진 기반 조경 배치 참고도를 만들되 추측과 실측의 경계를 검증하는 실험.
02 / Direction
프로젝트를 바라본 방향.
동선, 보호구역과 식재 구역을 참고도로 표현합니다. 사진에 드러나지 않는 정보는 미확정 상태로 남기고 실측값과 구분합니다.
03 / Experience
사용자의 다음 행동을 설계하다.
기존 작업 읽기 → 로컬 Vision 분석 → 구조화된 참고도 → 기하 규칙 검증 → SVG와 검토 보고서.
04 / Making
경험을 실제 시스템으로.
로컬 실행 도구로 Vision 분석과 기하 검증을 연결했습니다. 작업별 SVG 참고도와 검토 보고서를 별도 저장합니다.
Node.jsOllamaQwen3-VLSVG구조·기하 검증
05 / In detail
구현의 디테일.
- 로컬 Vision 사진 분석
- 공간 정보 구조화와 미확인 구역 표시
- 추정 경계·방향 검사
- 식물 마커의 구역 이탈 검사
- 한글 SVG 참고도와 검토 보고서
06 / Intelligence & automation
AI를 설계하는 원칙.
알 수 없는 경계·북쪽·건물 형상을 채워 넣지 않고 생략한다. 비실측 고객 치수는 축척에 쓰지 않는다. AI 출력의 위치를 결정적 검증기로 검사해 식재 구역 이탈을 보정한다.
07 / Outcome
그래서, 가능해진 일.
사진 분석 결과를 구조화하고 SVG 배치 참고도로 출력했습니다. 실측 도면이 아닌 설계 검토용 자료로 활용하는 실험입니다.
08 / Continuity
만든 이후의 시간까지.
작업별 참고도와 검토 보고서를 보관합니다. 기존 서비스 데이터를 변경하지 않고 로컬에서 다시 실행하며 구조와 기하 규칙을 검증합니다.