| dc.contributor.author | Маліцький, В. В. | uk |
| dc.contributor.author | Ковалюк, О. О. | uk |
| dc.contributor.author | Kovalyuk, O. | en |
| dc.date.accessioned | 2025-07-24T11:04:03Z | |
| dc.date.available | 2025-07-24T11:04:03Z | |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Маліцький В. В., Ковалюк О. О. Автоматизована система проєктування інтер’єру для студії дизайну // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/19671. | uk |
| dc.identifier.isbn | 978-617-8163-14-3 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47099 | |
| dc.description.abstract | У рамках дослідження було розроблено автоматизовану систему для дизайну інтер'єрів з використанням штучного інтелекту та машинного навчання. За допомогою цієї системи клієнти студії дизайну можуть завантажувати фотографії планів своїх приміщень і отримувати 3Dмоделі інтер'єрів, створені за допомогою нейронної мережі. Ця робота спрямована на поліпшення послуг студій дизайну, зниження їхніх витрат і збільшення продажів. Було використано датасет 3D-FRONT та модель ATISS для глибокого навчання. Було розроблено бекенд на FastAPI та фронтенд на Gradio для взаємодії з користувачем. Користувачі можуть налаштовувати стиль кімнати, об'єкти та кількість речей, а навіть завантажувати фотографії своїх приміщень для генерації інтер'єрів. Результатом є 3D-модель кімнати та можливість замовлення об'єктів зі згенерованого інтер'єру. | uk |
| dc.description.abstract | As part of the research, an automated system for interior design using artificial intelligence and machine learning has been developed. With the help of this system, clients of design studios can upload photos of their room layouts and receive 3D interior models created using a neural network. This work aims to improve the services of design studios, reduce their costs, and increase sales. The 3D-FRONT dataset and the ATISS model for deep learning were utilized. A backend was developed using FastAPI, and a frontend using Gradio for user interaction. Users can customize the room style, objects, and the quantity of items, and even upload photos of their own spaces to generate interiors. The result is a 3D room model and the ability to order objects from the generated interior. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/19671 | |
| dc.subject | глибоке навчання | uk |
| dc.subject | нейронна мережа | uk |
| dc.subject | 3D моделі | uk |
| dc.subject | дизайн інтер’єру | uk |
| dc.subject | авторегресійний трансформер | uk |
| dc.subject | ATISS | uk, en |
| dc.subject | Deep Learning | en |
| dc.subject | Neural Network | en |
| dc.subject | 3D Models | en |
| dc.subject | Interior Design | en |
| dc.subject | AutoregressiveTransformer | en |
| dc.title | Автоматизована система проєктування інтер’єру для студії дизайну | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 681.5 | |
| dc.relation.references | Fu, H., Cai, B., Gao, L., Zhang, L., Wang, J., Li, C., Zeng, Q., Sun, C., Jia, R., Zhao, B., & Zhang, H. (2020). 3D-FRONT: 3D Furnished Rooms with layOuts and semaNTics. | en |
| dc.relation.references | Paschalidou, D., Kar, A., Shugrina, M., Kreis, K., Geiger, A., & Fidler, S. (2021). ATISS: Autoregressive Transformers for Indoor Scene Synthesis1. In Proc. of the 35th Conference on Neural Information Processing Systems (NeurIPS 2021), Sydney, Australia. | en |
| dc.relation.references | Github: Code for "ATISS: Autoregressive Transformers for Indoor Scene Synthesis", NeurIPS 2021
[Електронний ресурс] – Режим доступу до ресурсу: https://github.com/nv-tlabs/ATISS. | en |
| dc.relation.references | FastAPI User Guide [Електронний ресурс] – Режим доступу до ресурсу:
https://fastapi.tiangolo.com/tutorial/. | en |
| dc.relation.references | Gradio Quickstart [Електронний ресурс] – Режим доступу до ресурсу:
https://www.gradio.app/guides/quickstart. | en |