"""실험 — v3 도면 결과(JSON 메타 + 도면 PNG)를 입력으로 받아 **실사 배경 사진** 생성. 흐름: 1. v3 run 디렉토리 로드 (step1_spatial.json + step2_base_plans.json + step3_shot_*.json) 2. GPT-5.5 → 사진 T2I 프롬프트 JSON 생성 - base 도면별 wide 사진 1장씩 (인물 없음) - 선택된 샷별 카메라 시점 사진 (인물 없음, 환경 디테일만) 3. gpt-image-2 generate 인물·시체·혈흔 직접 표현 금지. 환경 디테일(쓰러진 의자/창문/벽 마크)만 묘사. 출력: /photos/ 또는 --out-dir 지정. """ from __future__ import annotations import argparse import base64 import json import logging import os import sys from pathlib import Path from typing import Dict, Any, List BACKEND = Path(__file__).resolve().parent.parent sys.path.insert(0, str(BACKEND)) from dotenv import load_dotenv # noqa: E402 load_dotenv(BACKEND / ".env") from openai import OpenAI # noqa: E402 logging.basicConfig(level=logging.INFO, format="%(asctime)s %(levelname)s %(message)s") logger = logging.getLogger("plan_to_photo") SYSTEM_PROMPT = """당신은 영화 미술·시네마토그래피 전문가입니다. 건축 도면 분석 데이터(공간 구조 + 가구/소품 메타 + 카메라 정보)를 받아 그 공간의 **실사 사진 스타일 T2I 프롬프트**를 작성합니다. ## 사진 스타일 - Photorealistic cinematic still, 35mm film aesthetic - 자연 조명 (씬 데이터에 시간 단서가 있으면 반영: night/dusk/morning 등) - 환경 디테일 풍부 (가구·소품·텍스처·먼지·생활감) - **No people, no characters, no figures, empty space** — 무인 공간만 ## 데이터 의존 - spatial/elements_meta/fixed_elements에 명시된 요소만 사용 - 임의 가구·인물·소품 추가 금지 ## ⚠ T2I 프롬프트 — 고유명사 절대 금지 (CLAUDE.md 절대 규칙) - 어떤 인명·공간 고유명·지역명·작품 명칭도 t2i_prompt 본문에 넣지 않는다. - ❌ 캐릭터 이름 (어떤 언어든, 한국어/영문/표기 어떻든) - ❌ 도시·국가·지역명, 작품 제목 - ✅ 일반 명사: "a small bedroom", "a small rooftop residential apartment" - 입력 메타에 인명·고유 공간명이 포함된 라벨이 보이면 (예: "'s room", " 방") 일반 명사로 변환: - 인명이 붙은 방 → "the small bedroom" / "the adjacent small bedroom" - 거실/주방 등 일반 명사 + 인명 보조 라벨 → 인명 부분만 제거 - 사진은 도면이 아니므로 그래픽 라벨도 그릴 필요 없다 (clean photo, no overlaid text). ## 안전 어휘 (이미지 generation moderation 회피) - 인물 묘사 절대 금지: "no people", "empty room", "uninhabited" - 폭력/사망/외상 직접 단어 금지: blood / body / corpse / victim / wound / gore / weapon / knife - 환경 변경 표현은 허용 (단, 위험 조합 회피): - 쓰러진 의자/난장판: "overturned chair", "scattered household items", "ransacked appearance" - 벽 마크: "weathered red mark on wall", "circular stain", "faded ring shape" - 바닥 자국: "dark dried floor stain" (단어 minimal, 광택·번짐 묘사 금지) - 깨진 유리/창문: "broken window glass", "open window with curtain blown" - 시간/조명: "dim interior at night", "fading dusk light", "first morning light" 등 ## ⚠ 위험 조합 회피 (검열 deterministic 트리거) 다음 조합은 한 프롬프트에 동시에 등장 금지 — sexual/violence 분류 강하게 유발: - "low angle through doorway/door gap" + "bedroom" + "floor stain" - "doll" + "backpack" + "dim bedroom" + "stain/footprint" - "open door" + "dark bedroom interior" + "reddish/rust stain" 대안: 카메라를 eye-level 또는 high angle로, 시점을 방 내부 또는 외부 와이드로, 인형/백팩 같은 미성년 연관 소품은 언급 최소화. ## 카메라 (샷 사진의 경우) - 도면 step3의 camera position/heading/height/fov/lens_note를 사진 카메라 어휘로 변환 - WS=wide shot, MS=medium shot, MCU=medium close-up, CU=close-up - low angle / eye level / high angle / overhead - handheld / static / dolly-in / static frame ## 출력 JSON (엄격) ``` { "base_photos": [ { "id": "photo_", "source_plan_id": "string (step2 base_plans의 id)", "label": "string", "lighting": "string", "camera_note": "string (wide environment shot 등)", "t2i_prompt": "string (영문, gpt-image-2)" } ], "shot_photos": [ { "id": "photo_S##_Shot#", "source_shot": {"scene_index": int, "shot_index": int}, "source_plan_id": "string", "label": "string", "lighting": "string", "camera_note": "string (도면 camera 정보 사진 변환)", "t2i_prompt": "string (영문)" } ] } ``` JSON만 출력. 추가 설명 금지. """ def load_run_dir(run_dir: Path) -> Dict[str, Any]: spatial = json.loads((run_dir / "step1_spatial.json").read_text(encoding="utf-8")) plans = json.loads((run_dir / "step2_base_plans.json").read_text(encoding="utf-8")) shots = [] for p in sorted(run_dir.glob("step3_shot_*.json")): shots.append(json.loads(p.read_text(encoding="utf-8"))) context = {} ctx_path = run_dir / "context.json" if ctx_path.exists(): ctx = json.loads(ctx_path.read_text(encoding="utf-8")) context = { "scenes": ctx.get("scenes", []), "fixed_elements": ctx.get("fixed_elements", []), "locations": ctx.get("locations", []), "visual_world": ctx.get("visual_world", {}), } return { "spatial": spatial, "plans": plans, "shots": shots, "context": context, } def build_user_message(payload: Dict[str, Any], shot_filter: List[str]) -> str: """LLM에게 전달할 메시지. 자르지 않음.""" spatial = payload["spatial"] plans = payload["plans"] shots = payload["shots"] context = payload["context"] # 샷 필터 (예: ["S12:4","S25:2"]) — 빈 리스트면 모든 step3 사용 if shot_filter: wanted = set() for s in shot_filter: sc, sh = s.split(":") wanted.add((int(sc), int(sh))) shots = [ sh for sh in shots if (sh.get("scene_index"), sh.get("shot_index")) in wanted ] scenes = context.get("scenes", []) fixed = context.get("fixed_elements", []) return ( "## v3 도면 결과 (자르지 않음)\n\n" "### Step 1 spatial_analysis\n```json\n" + json.dumps(spatial, ensure_ascii=False, indent=2) + "\n```\n\n" "### Step 2 base_plans (이미지가 이미 생성되어 있음 — 동일 공간을 사진으로 변환)\n```json\n" + json.dumps(plans, ensure_ascii=False, indent=2) + "\n```\n\n" f"### Step 3 shot overlays ({len(shots)}개)\n```json\n" + json.dumps(shots, ensure_ascii=False, indent=2) + "\n```\n\n" f"### 관련 씬 원문 ({len(scenes)}개, 시간/조명 단서)\n" + "\n\n".join(f"【{s['heading']}】\n{s['text']}" for s in scenes) + "\n\n" f"### fixed_elements ({len(fixed)}개)\n" + "\n".join( f"S{fe['scene_index']}: {fe.get('analysis_summary','')}\n" + "\n".join( f" - [{e['element_type']}] {e.get('element_id')}: {e.get('description','')}" for e in fe.get("fixed_elements", []) ) for fe in fixed ) + "\n\n" "## 작업\n" "1) **base_photos**: Step 2의 base_plans 각각에 대해 wide 환경 사진 T2I 프롬프트 1개씩.\n" "2) **shot_photos**: 위 step3 shots 각각에 대해 그 샷 카메라 시점의 환경 사진 T2I 프롬프트.\n" "**모두 인물 없음**. 환경(가구·소품·벽 마크·창문·바닥 자국)만 묘사. 안전 어휘 엄격 준수.\n" "JSON만 출력." ) def gen_image(client: OpenAI, model: str, prompt: str, size: str, quality: str, out_path: Path) -> Path: logger.info("[image] %s → %s", model, out_path.name) resp = client.images.generate(model=model, prompt=prompt, size=size, quality=quality, n=1) if not resp.data or not getattr(resp.data[0], "b64_json", None): raise RuntimeError(f"empty/missing b64_json for {out_path.name}") out_path.write_bytes(base64.b64decode(resp.data[0].b64_json)) logger.info(" saved %d KB", out_path.stat().st_size // 1024) return out_path def parse_args() -> argparse.Namespace: p = argparse.ArgumentParser(description="도면 → 실사 배경 사진 생성 실험 (시나리오 무관)") p.add_argument("--run-dir", required=True, help="v3 run 디렉토리 (step1/step2/step3 JSON + context.json 포함)") p.add_argument("--shot-filter", nargs="*", default=[], help='샷 필터, 예: "12:4 25:2". 빈 값이면 step3 전체 사용') p.add_argument("--out-dir", default=None, help="출력 디렉토리 (기본: /photos/)") p.add_argument("--text-model", default="gpt-5.5") p.add_argument("--image-model", default="gpt-image-2") p.add_argument("--image-size", default="1536x1024", help="배경 사진은 가로 긴 비율 권장") p.add_argument("--image-quality", default="high") p.add_argument("--skip-base", action="store_true", help="base_photos 생성 건너뛰기") p.add_argument("--skip-shots", action="store_true", help="shot_photos 생성 건너뛰기") return p.parse_args() def main() -> int: args = parse_args() if not os.getenv("OPENAI_API_KEY"): logger.error("OPENAI_API_KEY not set"); return 1 run_dir = Path(args.run_dir).resolve() if not run_dir.is_dir(): logger.error("run-dir 없음: %s", run_dir); return 1 out_dir = Path(args.out_dir) if args.out_dir else (run_dir / "photos") out_dir.mkdir(parents=True, exist_ok=True) logger.info("run_dir=%s out=%s", run_dir, out_dir) payload = load_run_dir(run_dir) logger.info("loaded: spatial.space_groups=%d plans=%d shots=%d scenes=%d", len(payload["spatial"].get("space_groups", [])), len(payload["plans"].get("base_plans", [])), len(payload["shots"]), len(payload["context"].get("scenes", []))) client = OpenAI() # LLM — 사진 T2I 프롬프트 생성 user_msg = build_user_message(payload, args.shot_filter) logger.info("=== LLM (%s) — 사진 T2I 프롬프트 생성 ===", args.text_model) resp = client.chat.completions.create( model=args.text_model, messages=[{"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": user_msg}], response_format={"type": "json_object"}, ) photos = json.loads(resp.choices[0].message.content) (out_dir / "photo_prompts.json").write_text( json.dumps(photos, ensure_ascii=False, indent=2), encoding="utf-8" ) logger.info("base_photos=%d shot_photos=%d", len(photos.get("base_photos", [])), len(photos.get("shot_photos", []))) # base_photos if not args.skip_base: for ph in photos.get("base_photos", []): pid = ph.get("id") or f"photo_{ph.get('source_plan_id','unknown')}" prompt = ph.get("t2i_prompt") if not prompt: logger.error("base photo skip — t2i_prompt 누락: %s", pid); continue try: gen_image(client, args.image_model, prompt, args.image_size, args.image_quality, out_dir / f"{pid}.png") except Exception as e: logger.error("base photo failed (%s): %s", pid, e) # shot_photos if not args.skip_shots: for ph in photos.get("shot_photos", []): sid = ph.get("id") if not sid: src = ph.get("source_shot") or {} sid = f"photo_S{src.get('scene_index','?'):02d}_Shot{src.get('shot_index','?')}" prompt = ph.get("t2i_prompt") if not prompt: logger.error("shot photo skip — t2i_prompt 누락: %s", sid); continue try: gen_image(client, args.image_model, prompt, args.image_size, args.image_quality, out_dir / f"{sid}.png") except Exception as e: logger.error("shot photo failed (%s): %s", sid, e) logger.info("=== DONE === %s", out_dir) return 0 if __name__ == "__main__": sys.exit(main())