최근 메타버스 기술의 확산으로, 2D 도면을 넘어 3D 공간을 직접 시뮬레이션하려는 실내 디자인 서비스 수요가 급증하고 있다. 그러나 기존 3D 재구성 기술은 높은 연산량에 따른 긴 처리 시간과 실제 공간과의 시각적 괴리, 그리고 재구성 후 수정이 어려워 실시간 서비 스 적용에 한계가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 기존 PE3R 모델을 획 기적으로 개선한 IN3R(Interior New 3D Reconstruction) 프레임워크를 제안한다. IN3R은 YOLOE 기반의 단일 통합 파이프라인을 도입하여 객체 탐지, 분할, 의미 부여 과정을 경량 화함으로써 불필요한 연산을 제거하고 재구성 속도를 최적화하였다. 또한, 생성형 LLM을 결합하여 공간의 맥락을 분석하고, 사용자가 텍스트 프롬프트를 통해 가구 배치와 분위기 를 능동적으로 편집할 수 있는 인터랙티브 기능을 구현하였다. 실험 결과, 제안 모델은 기 존 PE3R 대비 재구성 품질의 저하 없이 평균 3.65배 빠른 처리 속도를 달성하였다. 본 프 레임워크는 실내 재구성 기술의 실용성을 확보하여, 향후 사용자 맞춤형 가상 인테리어 및 이커머스 연계형 3D 쇼룸 시스템의 핵심 기술로 활용될 것으로 기대된다.

최근 인테리어 디자인 플랫폼들이 AR 및 3D 렌더링 기술을 빠르게 도입하고 있으나, 기 존 온라인 시뮬레이터와 AR 서비스가 제공하는 조명 미리보기 기능은 광학 효과가 반영되 지 않아 실제 공간의 분위기를 체감하는 데 한계가 있다. 본 논문에서는 이러한 현실감의 격차를 해소하기 위해 AI 기반 2D 실내 리라이팅 시스템을 제안한다. 제안한 시스템은 이 미지 전체의 스타일을 변환하는 대신 실제 조명 기구 위치에 광원을 적용하는 조명 기구 기반 리라이팅을 수행하며, 사용자 경험 향상을 위해 다중 색상 조명 변경을 지원한다. Latent-Intrinsics와 확산 모델을 기반으로 램프 객체에 특화되도록 U-Net의 Cross-attention을 미세 조정하고, 안정적인 색상 주입을 위해 학습된 ControlNet과 Color Adaptor를 적용하였다. 실험 결과, 기존 베이스라인 모델 대비 우수한 색상재현력과 RMSE와 LPIPS 성능이 약 2.5배, SSIM은 약 1.2배 향상되었다. 연구 결과는 AR 기반 인테리어 서비 스를 위한 정교한 조명 미리보기 기술로 활용되기를 기대한다.

This study proposes a mobile-based lightweight deep learning model (Lite-MCC) capable of reconstructing three-dimensional (3D) spatial structures from a single RGB image. Conventional 3D reconstruction models require multi-view inputs or point cloud data and depend on large-scale computational resources, which limits their real-time applicability in practical environments. To address this limitation, the proposed Lite-MCC model simplifies the existing Multiview Compressive Coding (MCC) architecture, enabling accurate 3D reconstruction using only a single image. The model adopts a parallel structure consisting of a Vision Transformer (ViT-Tiny) and a Geometry Encoder to extract visual and spatial features simultaneously, while a Transformer Decoder generates the corresponding 3D point cloud. Furthermore, depth map–based input transformation and ONNX-based optimization are employed to achieve efficient real-time inference on edge devices. Experimental results on the CO3D dataset demonstrate that Lite-MCC reduces computational cost by 87% and memory usage by 65%, while maintaining a Chamfer Distance of 0.045, comparable to the original MCC model. These results indicate that the proposed method provides a promising direction for lightweight AI models enabling low-cost, real-time 3D recording and visualization.

본 논문에서는 웹툰 캐릭터 영상에 대해서 심층학습에 기반한 3D 안면 재구성 기술을 제안한다. 본 연구에서 제안하는 방법은 기본 사항 모듈과 상세 사항 모듈로 구성된다. 입력 받은 웹툰 캐릭터 영상에 대해서 기본 사항 모듈의 요소인 Albedo 모듈을 적용해서 안면에 들어오는 빛의 양을 계산하여 Albedo 맵을 생성한다. 그 리고 기본 사항 모듈의 다른 구성 요소인 FLAME 모듈에서는 입력 영상에 대한 기본적인 3D 안면 형태를 생 성한다. 이와 동시에 상세사항 모듈을 적용해서 실제 사람과 다르게 이목구비가 변형된 웹툰 캐릭터 영상의 표정이나 얼굴 깊이와 같은 특징을 살리는 세부사항을 추출한다. 계산한 세부사항들을 토대로 세부사항 맵을 생성하여 앞서 FLAME 모듈에서 생성된 3D 안면 형태와 결합하여 세부사항 안면 형태를 생성한다. 그 후 Albedo 모듈에서 생성된 Albedo 맵까지 적용하면 최종적으로 웹툰 캐릭터 영상에 대한 3D 안면 재구성이 완 료된다. 본 연구에서는 웹툰 캐릭터뿐만 아니라 안면이 스타일화된 애니메이 션 캐릭터에 대해서도 결과를 생성하고, 이를 기존 연구와 비교하여 그 우수성을 입증한다.

목 적 : 대퇴골두 충돌 증후군의 진단과 치료을 위하여 자기공명 3D 재구성 영상과 컴퓨터 단층 촬영 3D 재구성 영상을 비교 평가하여 유용성을 알아보고자 하였다. 대상 및 방법 : 2014년 6월부터 12월까지 본원에서 Hip 자기공명 영상 검사(MRI)와 3D Hip 컴퓨터 단층 촬영(CT)을 동시 시행한 환자 31명 (남: 21명 평균연령: 35세 여: 10명 평균연령: 40.3세)을 대상으로 분석하였다. MR System은 3.0T Magnetom Tim Verio (Siemens Healthcare, Germany)를 사용하여 3D T2 trufi sequence을 시행하였다. 3D T2 trufi의 영상변수는 TR은 5.64msec 이고 TE는 2.48msec 이며, NEX는 1, Slice thickness는 4mm, Matrix: 165×256, FOV: 230×230 이며, Scan time은 2분45초가 소요 되었다. 컴퓨터 단층 촬영의 Protocol은 관전압 120 kVp, 관전류 150 mAs, pitch 1 mm, Increment 0.7 mm, Kernel값은 B60S Sharp을 사용하였다. 영상평가는 정형외과 전문의 1명과 영상의학과 전문의 1명이 MR과 CT modality에서 Hip joint articular transverse ligament의 6 o’clock을 중심으로 superior을 12 o’clock, Labrum의 전면을 3 o’clock, 반대쪽을 9 o’clock로 기술하는 clock face을 재구성 한 후 11 o’clock에서 A.retinacular vessel, B. head neck junction, 12 o’clock A. Epiphyseal line, B. Cam lesion, 1,2,3,4 o’clock의 Cam lesion, Posterior Cam lesion확인 여부를 리커트(Likert scale) 5점 척도로 평가하였다(Independent t-test p<0.05). 평가자간 신뢰도 검증은 Cohen’s weighted Kappa 검증을 이용하여 일치성 검증을 하였다. 결 과 : 영상의 정성적 평가를 위한 리커드 척도 결과 11 o’clock A. retinacular vessel MR 평균 값 3.69±1.0, CT 평균값 2.8±0.78이며 통계적으로 유의하였다(p<0.001). B. head neck junction은 두 평가자간 차이가 없었다(p<0.416). 12 o’clock A. Epiphyseal line MR 평균값 3.54±1.00, CT 평균값 4.5±0.62이었다(p<0.000). B. Cam lesion은 두 평가자간 차이가 없었다(p<0.532). 1,2,3,4 o’clock 의 Cam lesion과 Posterior Cam lesion은 통계적으로 유의하지 않았다(p<0.656, p<0.658). weighted Kappa 검증 결과 11 o’ clock A.retinacular vessel CT K값이 0.663으로 가장 낮은 일치도였으며, 각각의 평가 항목의 일치도 평가결과 매우 높은 결과로 두 평가자간 높은 신뢰도를 보여주었다. 결 론 : 대퇴골두 충돌 증후군의 진단과 관절경을 적용하기 위하여 시행하는 CT 3D-Hip 검사는 MRI 3D clock face 재구성 기법으로 대체 가능하며, 이로 인해 불필요한 환자의 피폭선량을 최소화 할 수 있다. 또한 Cam lesion에 대한 표준화된 영상을 제시함으로써 고관절 수술 시 의료진에게 신뢰할 수 있는 영상을 제공하여 수술 전 효과적인 계획을 수립할 수 있을 것으로 사료된다.

목 적 : Hip FAI 진단과 수술 계획 시 이루어지는 CT 촬영을 최소화하고 Hip FAI MRI 검사시 3D 영상을 추가로 활용하여 CT 영상으로 이루어지는 Hip Clock face 영상을 MRI 3D영상으로 대체할 수 있는지 비교 평가하였다. 대상 및 방법 : 2014년 6월부터 12월까지 본원에서 Hip 자기공명 영상 검사(MRI)와 3D Hip 컴퓨터 단층 촬영(CT)을 동시 시행한 환자 31명 (남: 21명 평균연령: 35세 여: 10명 평균연령: 40.3세)을 대상으로 분석하였다. MR System은 3.0T Magnetom Tim Verio (Siemens Healthcare, Germany)를 사용하여 3D T2 trufi sequence를ㄹ 시행하였다. 3D T2 trufi의 영상변수는 TR은 5.64msec 이고 TE는 2.48msec 이며, NEX는 1, Slice thickness는 1mm, Matrix: 165×256, FOV: 230mm×230mm이며, Scan time은 2분45초가 소요 되었다. 컴퓨터 단층 촬영의 Protocol은 관전압 120 kVp, 관전류 150 mAs, pitch 1 mm, Increment 0.7 mm, Kernel값은 B60S Sharp을 사용하였다. 영상평가는 정형외과 전문의 1명과 영상의학과 전문의 1명이 MR과 CT modality에서 Hip joint articular transverse ligament의 6 o’clock을 중심으로 superior을 12 o’clock, Labrum의 전면을 3 o’clock, 반대쪽을 9 o’clock로 기술하는 clock face를 재구성한 후 11 o’clock에서 A. retinacular vessel, B. head neck junction, 12 o’clock A. Epiphyseal line, B. Cam lesion, 1,2,3,4 o’clock의 Cam lesion, Posterior Cam lesion확인 여부를 리커트(Likert scale) 5점 척도로 평가하였다(Independent t-test p<0.05). 평가자간 신뢰도 검증은 Cohen’s weighted Kappa 검증을 이용하여 일치성 검증을 하였다. 결 과 : 영상의 정성적 평가를 위한 리커드 척도 결과 11 o’clock A. retinacular vessel MR 평균 값 3.69±1.0, CT 평균값 2.8±0.78이며 통계적으로 유의하였다(p<0.001). B. head neck junction은 두 평가자간 차이가 없었다(p<0.416). 12 o’clock A. Epiphyseal line MR 평균값 3.54±1.00, CT 평균값 4.5±0.62이었다(p<0.000). B. Cam lesion은 두 평가자간 차이가 없었다(p<0.532). 1,2,3,4 o’clock 의 Cam lesion과 Posterior Cam lesion은 통계적으로 유의하지 않았다(p<0.656, p<0.658). weighted Kappa 검증 결과 11 o’clock A. retinacular vessel CT K값이 0.663으로 가장 낮은 일치도였으며, 각각의 평가 항목의 일치도 평가 결과 매우 높은 결과로 두 평가자간 높은 신뢰도를 보여주었다. 결 론 : 대퇴골두 충돌 증후군의 진단과 관절경을 적용하기 위하여 시행하는 CT 3D-Hip 검사는 MRI 3D clock face 재구성 기법으로 대체 가능하며, 이로 인해 불필요한 환자의 피폭선량을 최소화 할 수 있다. 또한 Cam lesion에 대한 표준화된 영상을 제시함으로써 고관절 수술 시 의료진에게 신뢰할 수 있는 영상을 제공하여 수술 전효과적인 계획을 수립할 수 있을 것으로 사료된다

스마트폰, 셀폰과 같이 휴대가 간편한 포터블 카메라를 포함하여, DSLR 카메라 등 최근 카메라와 3D 입체에 대한 관심이 괄목할 정도로 증가추세에 있다. 하지만 단일 카메라로부터 획득된 단일 영상과 다중 디스페러티를 적용한 3D 재구성 방법에 대한 연구는 비교적 활발하지 못하다. 본 논문에서는 단일 영상으로부터 다중 디스페러티 파라미터를 적용한 Multi-view 3D 장면 재구성 방법을 제안한다. 다수의 카메라에 의한 영상획득 방법으로 3D 입체 장면을 재구성하는 기존의 방법에 비해 하드웨어의 구성이 필요 없는 편리한 3D 장면 재구성 방법이다. 실험결과를 제시하여 제안방법의 타당성을 제시하였다.

실 세계 공간에 가상 물체를 사실적으로 합성하기 위해서는 공간 내에 존재하는 조명정보 등을 분석해야 한다. 본 논문에서는 카메라에 대한 사전 교정(calibration)없이 카메라 및 조명의 위치 등을 추정하는 새로운 조명공간 재구성 방법이 제안된다. 먼저, 어안렌즈(fisheye lens)로부터 얻어진 전방향(omni-directional) 다중 노출 영상을 이용해 HDR (High Dynamic Range) 래디언스 맵(radiance map)을 생성한다. 그리고 다수의 대응점으로부터 카메라의 위치를 추정한 다음, 방향벡터를 이용해 조명의 위치를 재구성한다. 또한 대상 공간 내 많은 영향을 미치는 전역 조명과 일부 지역에 국한되어 영향을 주는 방향성을 갖는 지역 조명으로 분류하여 조명 환경을 재구성한다. 재구성된 조명환경 내에서 분산광선추적(distributed ray tracing) 방법으로 렌더링한 결과로부터 사실적인 합성영상이 얻어짐을 확인하였다. 제안된 방법은 카메라의 사전 교정 등이 필요하지 않으며 조명공간을 자동으로 재구성할 수 있는 장점이 있다.