고객은 공간 사진과(선택) 공간별 품목 체크리스트를 제공합니다. 이미지는 해상도·왜곡 보정 후 패치 단위로 분할되어, 가구 윤곽·가전 클래스 후보를 추출하는 파이프라인으로 들어갑니다. 텍스트 라벨(‘3인 소파’, ‘냉장고’)은 카탈로그 id와 매핑되어 이후 CBM 합산에 직접 탑재됩니다.

모델 단계에서는 ‘탐지’와 ‘추정’을 분리합니다. 탐지는 바운딩 영역과 클래스 로짓을 만들고, 추정 단계에서 회사별 부피 테이블(가구·가전 단위 CBM)을 참조해 라인 CBM을 산출합니다. 신뢰도가 낮은 영역은 보수적으로 잡거나, 사람 검증 큐로 넘겨 과대산정을 줄입니다.

라인 CBM은 공간별로 합산된 뒤, 거리(km), 층수·엘리베이터, 사다리/스카이 등 현장 작업 단가와 결합됩니다. 동일한 입력이면 동일한 중간 결과가 나와야 하므로, 세션 스냅샷(items_detail·note 블록)으로 근거를 고정해 둡니다.

담당 컨설턴트는 AI가 만든 초안 CBM과 실제 현장 리스크(협소 계단, 주차, 야간 작업 등)를 대조합니다. 필요 시 방문·추가 촬영으로 데이터를 보강하고, 변경분은 다시 동일 규칙으로 재계산됩니다.

최종 견적서에는 항목별 근거가 남도록 `[CBM·요금 계산]` 블록과 사람이 읽을 수 있는 요약이 함께 저장됩니다. 고객용 화면·현장 팀장용 이미지·관리자 드로어가 같은 데이터를 바라보도록 JSON 스키마를 통일합니다.