AI-rendszer mutatja meg, hogyan újítható fel a saját szobánk

Valódi felújításokból indul ki a rendszer

A fejlesztést Aigul Azamat és Akshat Gupta, a University of Chicago MS in Applied Data Science képzésének hallgatói készítették. Projektjük a Summer 2026 Capstone Showcase rendezvényen Best in Show díjat kapott. A hallgatók eredetileg ajánlórendszerekkel foglalkoztak, és azt vizsgálták, hogyan lehetne jobb ajánlásokat adni annál, mint amit a hagyományos platformok, például a Netflix kínálnak.

Nick Kadochnikov oktatói tanácsadása mellett az ötletet a lakberendezés felé vitték tovább. A rendszer egy szobáról készült fotó feltöltése után professzionálisan felújított terek adatbázisában keres, majd három, a kiinduló helyiséghez hasonló mintát ajánl. Az adatbázis többek között a HGTV Property Brothers című műsorának valódi felújításaihoz kapcsolódó előtte és utána képekre, valamint a változásokat leíró szövegekre épül.

A felhasználónak nem kell ismernie a lakberendezési szakkifejezéseket

A hallgatók szerint sokan felismerik, milyen szobát szeretnének, de nehezen írják le szavakkal. Lehet, hogy egy helyiség hangulata, egy másik bútorai vagy egy harmadik összhatása tetszik nekik, miközben nem tudják, hogy az adott stílus átmeneti, kortárs vagy skandináv néven keresendő.

A felhasználó ezért először feltölti a saját szobájának fényképét, majd kiválasztja a három felajánlott inspiráció közül azt, amelyik a legközelebb áll az elképzeléseihez. A rendszer a beszélgetés során megadott preferenciákat, a kiválasztott képet és az eredeti szobát együtt használja az átalakítás elkészítéséhez. Ezután egyes elemek külön is módosíthatók, például eltávolítható a kanapé, megváltoztatható a szőnyeg színe vagy átfesthetők a falak. A rendszer a korábbi változatra épít, így nem minden alkalommal a nulláról generál új képet.

A legnehezebb feladat a szoba szerkezetének megőrzése volt

A fejlesztéshez nem volt elég egy meglévő képgenerátort egy csevegőfelülettel összekötni. A hallgatók egy ügynökalapú webkaparót készítettek, amely kiválasztott webhelyekről gyűjtött releváns képeket. Ezután összepárosították az eredeti helyiségeket a professzionális felújításokkal, és szövegesen is leírták az átalakításokat.

A háttérben egy központi tervező koordinálja a különböző feladatokra létrehozott ügynököket és eszközöket. A hallgatók által betanított transzformátormodell a beszélgetést, az inspirációs képet és a felhasználó szobájáról készült fotót használja az új látvány elkészítéséhez.

A generatív képm modellek gyakran azokat a szerkezeti elemeket is megváltoztatják, amelyekhez a felhasználó nem nyúlt volna. A rendszer fejlesztői ezért olyan korlátokat építettek a tanításba, amelyek jutalmazták az eredeti szoba megőrzését, és büntették a túl nagy eltéréseket. Külön figyelmet fordítottak az ablakok, a kandalló és a helyiség geometriájának megtartására. A generált képek minőségét statisztikai módszerekkel értékelték, többek között a fejlett számítógépes látás, a statisztikai modellek és az oksági modellek kurzusain tanultakra támaszkodva.

Olcsóbbá teheti a tervezési segítséghez való hozzáférést

A készítők elsősorban azokra a lakástulajdonosokra gondoltak, akik felújítást terveznek, tudják, mi tetszik nekik, de ezt nem tudják lakberendezési fogalmakkal vagy hatékony AI-prompttal leírni. A hallgatók kutatása szerint egy professzionális lakberendező megbízása körülbelül 8000 dollárnál kezdődhet, a költség pedig a projekt méretétől, terjedelmétől és helyszínétől függ.

A projekt így a professzionális tervezési folyamat egyes elemeit azok számára is elérhetőbbé teheti, akik nem engedhetik meg maguknak a szakember bevonását. A rendszer a hallgatók capstone projektjeként készült, és technikai részletei a GitHubon is megtekinthetők. Az elismerés azt mutatja, hogy az alkalmazás az egyetemi projekt keretein belül is működőképes megoldássá fejlődött, amely vizuális inspirációval köti össze a felhasználó saját otthonát és a valódi felújítási példákat.