사진 한 장으로 3D 캐릭터 구현…형태 왜곡 없는 AI 기술 등장
UNIST 연구진이 개발한 인공지능 기반의 디폼스플랫 기술이 메타버스와 게임, 애니메이션 등 3D 콘텐츠 제작 방식에 혁신을 가져올 것으로 기대됩니다. 기존 방식에서 발생하던 형태 왜곡 문제를 해결한 점에서 기술적 의미가 큽니다.
기존 한계 돌파한 디폼스플랫 기술
UNIST 인공지능대학원의 주경돈 교수 연구팀은 사진 한 장과 같은 2D 이미지 데이터를 바탕으로, 형태 왜곡 없이 3D 캐릭터를 생성하고 자연스러운 자세 변화까지 구현할 수 있는 인공지능 기술’디폼스플랫(Deform-Splat)&39;을 개발하였습니다. 본 기술은 기존 3D 가우시안 스플래팅(Gaussian Splatting) 기법의 한계를 보완하여 고안되었으며, 소량의 데이터만으로도 높은 수준의 3D 모델링을 가능하게 합니다.
가우시안 스플래팅은 다각도에서 촬영된 영상 데이터를 기반으로 2D 이미지를 3D 객체로 재구성하는 기술로, 데이터가 부족할 경우 캐릭터가 움직일 때 팔다리가 휘어지거나 비정상적으로 변형되는 문제가 빈번하게 발생하였습니다. 특히 만화나 게임과 같은 콘텐츠에서 이러한 왜곡은 시각적 몰입도를 저하시킬 수 있습니다.
디폼스플랫은 이러한 문제를 해결하기 위해 단 한 장의 사진에서도 입력된 인체 자세를 3D로 투영할 수 있도록 설계되었으며, 캐릭터의 자세 변화에서도 비율과 형상이 자연스럽게 유지됩니다.
가우시안–픽셀 매칭 기법의 적용
디폼스플랫은 가우시안–픽셀 매칭(Gaussian–Pixel Matching)이라는 고도화된 분석 기법을 활용하여, 2D 이미지상의 픽셀과 3D 모델링 과정에서 생성된 가우시안 점을 매칭합니다. 이를 통해 입력된 사진 속 인체의 자세 정보가 3D 공간 내에서도 일관되게 구현될 수 있도록 구조적 데이터를 전달합니다.
예를 들어 팔을 드는 동작이 주어졌을 때, 3D 캐릭터는 정면뿐 아니라 측면이나 배면 시점에서도 팔과 몸통, 관절 간의 비율이 유지되며, 고무처럼 늘어나는 형태의 오류도 나타나지 않습니다. 이러한 정확한 자세 재현은 기존 기술 대비 높은 신뢰도를 제공합니다.
또한, 이 기술은 특정 부위의 정밀한 움직임뿐 아니라 캐릭터 전반의 균형감 있는 동작 표현이 가능하도록 하여, 사용자의 인터랙션을 실감나게 구현할 수 있는 기반을 마련합니다.
강체 부위 분할을 통한 비변형 모델링
디폼스플랫은 강체 부위 분할(Rigid Part Segmentation) 알고리즘을 기반으로, 3D 캐릭터 내의 구조적으로 단단한 영역을 자동으로 식별하고 그룹화할 수 있습니다. 이 알고리즘은 움직임 과정에서 관련 부위들이 동시에 연동되어 자연스러움을 유지하도록 설계되었습니다.
이러한 방식은 로봇이나 인형처럼 여러 부위가 동기화되어 움직여야 하는 구조에서도 형태가 찌그러지지 않고 원형을 유지할 수 있도록 하며, 특히 행동이 많은 콘텐츠에서 발생할 수 있는 물리적 왜곡 현상을 미연에 방지합니다.
연구진은 실험을 통해 다양한 동작 시나리오에서 디폼스플랫이 기존 방식에 비해 형태 유지 성능이 우수함을 입증하였으며, 고가의 장비나 전문 인력을 투입하지 않아도 높은 품질의 3D 콘텐츠 제작이 가능함을 시사하였습니다.
국제학회 발표 및 기술적 의미
본 연구는 컴퓨터그래픽스 분야 세계 최대 권위 학회인 시그그래프 아시아(SIGGRAPH ASIA) 2025에서 공식 발표되었으며, 해당 학회는 미국 컴퓨터학회(ACM)가 주관하는 국제적 학술 행사입니다. 연구 성과의 공식 발표는 기술적 완성도와 학술적 공신력을 동시에 인정받았다는 의미로 해석될 수 있습니다.
또한 이번 연구는 정보통신기획평가원과 UNIST 인공지능대학원의 지원을 통해 진행되었으며, 기술의 실용화 가능성까지 고려한 구체적인 응용 방향이 제시되고 있습니다.
주경돈 교수는 발표를 통해 다음과 같은 견해를 표명하였습니다.
"기존 기술은 사진 한 장만을 입력데이터로 활용할 경우 형태가 심각하게 훼손되는 한계가 있었습니다. 이번 AI 기술은 물체의 구조적 특성을 고려해 뼈대 역할을 하는 영역을 스스로 구분하고, 움직임을 생성함으로써 3D 콘텐츠 분야의 진입 장벽을 낮출 수 있을 것으로 기대됩니다."
이는 해당 기술이 상업 현장에 적용될 경우, 시간과 자원 절감은 물론, 다양한 창작 영역에서 활용될 수 있는 기반이 될 수 있음을 시사합니다.
메타버스·애니메이션 분야의 기대 효과
디폼스플랫 기술의 상용화가 이루어진다면, 메타버스 플랫폼이나 애니메이션 제작 환경에서의 생산성과 창의적 확장성이 크게 향상될 수 있습니다. 특히 정적인 2D 이미지 혹은 스케치 기반에서 3D 콘텐츠로 확장하는 과정에서 발생하던 기술적 제약이 완화될 것으로 예상됩니다.
3D 모델 제작 초기에 반드시 요구되던 다각도의 촬영 데이터 없이도 실시간으로 모델링을 구현할 수 있기 때문에, 중소 제작사 및 개인 창작자들도 보다 쉽고 빠르게 고품질 콘텐츠를 생산할 수 있는 환경을 갖추게 됩니다.
또한 이러한 기술은 교육, 의료 시뮬레이션, 로보틱스 등 다양한 산업에서 활용 가능성이 있으며, 사용자 맞춤 인터랙티브 콘텐츠 시장의 활성화를 견인할 수 있을 것입니다.
기술 구조와 캐릭터 구현 예시
디폼스플랫 기술은 입력 이미지에 대한 초기 3D 가우시안 스플래팅을 기반으로 구성되며, 이후 가우시안 점과 2D 픽셀 간의 정렬 매칭 과정을 수차례 반복하는 방식으로 구현됩니다. 인식된 자세 정보는 강체 부위 분할 단계를 통해 안정적인 3D 모션 프레임으로 변환됩니다.
연구팀이 제공한 테스트 예시 자료에 따르면 캐릭터가 단순히 정적인 상태를 유지하는 것이 아니라, 팔을 들거나 허리를 숙이는 등 동적인 자세 변화에서도 형태가 일정하게 유지되는 모습을 확인할 수 있었습니다.
이는 기존의 3D 생성 기술과 비교해, 기술적 정합성과 뎁스 생성을 동시에 충족할 수 있는 고급 구조 분석의 결과로 평가됩니다.
산업 응용 및 향후 과제
디폼스플랫 기술은 향후 다양한 산업 영역에서의 응용 가능성이 제기되고 있습니다. 특히 광고, 의료 3D 시뮬레이션, 패션 디자인, e-커머스 등에서도 제품 시각화 및 사용자 맞춤형 콘텐츠 구현에 효과적으로 적용될 수 있습니다.
향후에는 더욱 복잡한 다관절 객체의 동작 구현이나 실시간 렌더링과의 연계, 클라우드 기반 모델링 자동화와 같은 후속 연구가 예상되며, AI 기반 콘텐츠 생성 기술의 지속적 진화에 크게 기여할 수 있을 것으로 보입니다.
기술의 발전이 창의성과 결합됨으로써, 비전문가가 실제 3D 모델링 결과물을 실시간으로 구현하고 편집할 수 있는 환경이 가까운 시일 내 등장할 것으로 기대됩니다.
마치며
디폼스플랫은 형태 보존과 자세 재현의 정확성을 동시에 확보한 점에서 3D 콘텐츠 기술의 새로운 전환점을 제시합니다. 향후 관련 기술이 다양한 산업 현장에 적용되면서 3D 환경의 대중화가 더욱 가속화될 것으로 전망됩니다.
이번 연구를 통해 3D프린팅 분야의 진입 장벽이 한층 낮아질 것으로 기대됩니다. 한양3D팩토리는 이러한 기술적 혁신을 통해 고객의 다양한 제작 요구를 충족시킬 수 있도록 지속적으로 지원할 계획입니다.
