Roomer, 3D 실내 배치 생성을 ‘수리 가능한’ 과정으로 바꾸다

도입

최근 3D 실내 배치 생성기는 전체적으로 그럴듯한 방을 만들어낼 수 있다. 하지만 실제 설계 도구, 시뮬레이션, embodied AI 환경에서 쓰려면 작은 오류가 큰 문제가 된다. 의자가 책상과 겹치거나, 가구가 벽 경계를 벗어나거나, 문과 창이 막히거나, 사람이 지나가야 할 동선이 끊기는 식이다. Roomer는 이러한 잔여 오류를 장면 전체의 실패로 보지 않고, 특정 객체가 일으킨 국소적인 복구 문제로 다룬다.

핵심 내용

• 객체 수준의 원인 규명: Roomer는 충돌, 경계 이탈, 개구부 가림, 동선 차단 같은 위반을 구체적인 객체 인스턴스에 연결한다. 단순히 전체 장면을 다시 최적화하는 것이 아니라 어떤 물체가 문제인지 먼저 찾는다.
• RoState 기반 표현: 실내 배치는 RoState라는 구조화된 상태로 인코딩된다. 덕분에 모델은 시각적 인상만이 아니라 편집 가능한 배치 정보를 바탕으로 작동한다.
• RoReview를 통한 증거 연결: RoReview는 측정된 위반과 관련 객체를 묶어 준다. 이는 이후 국소 편집의 근거가 된다.
• 비전-언어 계획과 결정론적 검증의 결합: 기하 정보로 조건화된 비전-언어 모델이 구조화된 수정안을 제안하고, 필요하면 결정론적 솔버가 후보 편집을 검증하거나 유한한 후보 집합을 생성한다.
• 전체 장면 재검증 후 반영: 후보 수정은 목표 위반을 해결하고, 새로운 하드 위반을 만들지 않으며, 보호된 제약을 깨지 않는다는 전체 장면 검증을 통과해야만 적용된다.
• 학습 및 평가 체계 제안: Roomer-CC는 의도적으로 손상된 배치, 객체 수준 위반 증거, 실행 가능한 역방향 StatePatch를 묶은 학습 데이터다. Roomer-Eval은 분포 품질, 물리적 타당성, 실제 사용성을 함께 평가한다.

의미와 영향

Roomer의 핵심 가치는 3D 실내 배치 생성을 한 번에 끝나는 생성 작업이 아니라, 진단하고 고치고 다시 검증하는 워크플로로 확장했다는 점이다. 실내 디자인 도구에서는 생성 결과의 작은 오류를 사용자가 일일이 수정해야 하는 부담을 줄일 수 있다. 로봇이나 embodied AI 시뮬레이션에서는 문, 통로, 이동 가능 영역이 제대로 작동하는지가 후속 작업의 성패와 직결된다.

또한 이 연구는 평가 기준의 변화를 요구한다. 어떤 배치가 눈으로 보기에는 자연스럽고 큰 충돌이 없어 보여도, 문이 막혀 있거나 통로가 끊겨 있으면 실제로 유용한 공간이라고 보기 어렵다. Roomer-Eval은 장면 생성 결과를 단순한 시각적 사실성이나 물리적 유효성만으로 판단하지 말고, 실제 사용 가능한지까지 살펴봐야 한다는 메시지를 준다.

제공된 요약만으로는 더 복잡한 평면도, 사용자 선호 조건, 실제 CAD/BIM 파이프라인에서의 성능까지 확인하기는 어렵다. 그럼에도 Roomer가 제시한 방향은 분명하다. 생성 모델의 유연한 계획 능력과 기하 기반 검증의 확실성을 결합하고, 가능한 한 국소 편집으로 문제를 해결하며, 수정의 책임 객체를 추적 가능하게 만드는 것이다.

출처: Hugging Face Daily Papers