검색 상세

가우시안 스플래팅을 활용한 실내공간 복원의 실질적 접근

A Practical Approach of Indoor Space Reconstruction Using Gaussian Splatting

초록 (요약문)

본 연구는 Gaussian Splatting 기법을 기반으로 대형 실내 공간의 3D 복원 효율성과 정확성을 개선하는 방법을 제안한다. 이를 위해 데이터 전처리, 객체 제거, 점군 병합의 주요 단계를 설계하였다. 먼저 HyperIQA와 ResNet50을 활용하여 품질이 낮거나 중복된 이미지를 선별적으로 제거해 Gaussian Splatting에 적합한 데이터셋을 구성하였다. 다음으로 Grounded-SAM2와 ProPainter를 결합하여 객체 탐지 및 객체 제거 후 자연스러운 인페인팅 과정을 수행하여 시각적 일관성을 개선하였다. 마지막으로 점군 병합 과정에서는 CloudCompare를 통해 초기 정합을 수행하고, GaussReg알고리즘을 활용하여 PLY파일간 변환 매트릭스를 적용해 정밀하게 병합하였다. 이를 통해 계단실과 같은 복잡한 구조에서도 구조적 정합성을 확보하고 일관된 3D 모델을 구축하였다. 실험 결과, 본 방법은 기존 3D 복원 방식에 비해 처리 시간과 복원 정밀도에서 우수한 성능을 보였으며 데이터 효율성을 극대화하였다. 특히 Gaussian Splatting 기반의 복원 과정에서 데이터 전처리를 통해 효율성을 극대화하고 객체 제거 및 정합 기술을 결합함으로써 더욱 일관된 3D복원결과를 도출할 수 있었다. 본 연구는 Gaussian Splatting기술을 실내 공간 복원에 효과적으로 적용한 사례로서 메타버스 및 디지털 트윈과 같은 첨단 기술 분야에서의 실질적인 활용 가능성을 제시하였다. 이를 통해 실내 공간 데이터의 효율적 복원과 활용이 가능해졌으며 향후 다양한 분야에서 응용될 수 있는 기반을 마련하였다.

more

초록 (요약문)

This study proposes an efficient and accurate method for 3D reconstruction of large indoor spaces using Gaussian Splatting. The approach involves data preprocessing, object removal, and point cloud merging. First, HyperIQA and ResNet50 are used to remove low-quality or duplicate images, optimizing the dataset for Gaussian Splatting. Next, Grounded-SAM2 and ProPainter detect and remove unnecessary objects, followed byinpainting to ensure visual consistency. For point cloud merging, CloudCompare performs initial alignment, and the GaussReg algorithm refines the transformation matrix for precise merging of PLY files. This ensures structural consistency, even in complex areas like stairwells. Experimental results show that the proposed method out performs traditional 3D reconstruction techniques in processing time and reconstruction accuracy. By combining preprocessing, object removal, and precise alignment, the method enhances data efficiency and produces consistent 3D models.This study highlights the practical potential of Gaussian Splatting for indoor space reconstruction, offering applications in fields like the metaverse and digital twins, while enabling efficient reconstruction and utilization of spatial data.

more

목차

제 1장 서론 1
1.1 연구 배경 1
1.2 연구 목적 3
1.3 연구범위및제한사항 4
1.4 논문의 구성 5
제 2장 관련 연구 6
2.1 가우시안 스플래팅 (3GS) 6
2.1.1 3GS의 개념과 응용 6
2.1.2 3GS의기존연구동향과한계 7
2.2 실내공간복원기술 9
2.2.1 Structure from Motion (SfM)과Multi-View Stereo (MVS) 9
2.2.2 실내공간복원에서의주요도전과제 10
2.3 이미지품질평가및중복제거 11
2.3.1 전통적 방법 11
2.3.2 딥러닝 기반 방법 11
2.4 객체인식및이미지인페인팅 12
2.4.1 Grounded-SAM2 12
2.4.2 Propainter 13
2.4.3 Optical Flow와영상기반객체제거 15
2.4.4 기존연구에서의객체제거응용 15
2.5 포인트클라우드정합 16
2.5.1 포인트클라우드정합연구 16
2.5.2 ICP (Iterative Closest Point) 16
2.5.3 GaussReg (Gaussian Registration) 17
제 3장 연구방법론 18
3.1 전체연구프로세스개요 18
3.2 데이터수집및실험환경 20
3.2.1 데이터 수집 20
3.2.2 데이터 전처리 20
3.3 1단계:이미지필터링및품질평가 23
3.3.1 딥러닝을활용한이미지품질평가 23
3.3.2 중복 이미지 제거 과정 24
3.4 성능 평가 방법론 25
3.4.1 1.이미지 품질 평가 25
3.4.2 2.처리 시간 분석 26
3.4.3 3.품질,처리 시간,이미지수의균형분석 26
3.5 2단계: 객체 제거 29
3.5.1 Grounded-SAM2를활용한객체탐지및마스킹작업 29
3.5.2 ProPainter를활용한인페인팅 29
3.5.3 Optical Flow와영상기반객체제거의중요성 31
3.5.4 실험 비교 및 분석 31
3.6 3단계: 3GS와 공간 병합 34
3.6.1 3GS을이용한공간복원 34
3.6.2 GaussReg를 활용한 병합 34
3.6.3 CloudCompare를 활용한 병합 35
3.6.4 PLY파일의 구성 및 3GS PLY파일의 특징 36
3.6.5 실험 설계 및 비교 37
제 4장 실험 결과 및 분석 38
4.1 1단계:이미지필터링실험결과 38
4.1.1 HyperIQA+ResNet50성능 비교 38
4.1.2 품질 평가 41
4.1.3 효율성및품질평가비교결과 42
4.1.4 결합지표를통한최종결과분석 44
4.2 2단계:객체제거실험결과 46
4.2.1 2단계 실험 개요 46
4.2.2 특정영역시각적품질평가 48
4.2.3 정량적분석및효율성평가 51
4.3 3단계:공간복원실험결과 54
4.3.1 3단계 실험 개요 54
4.3.2 1차 정합 55
4.3.3 2차 정합 56
4.3.4 정합시각적품질평가 58
4.3.5 정량적 평가 61
제 5장 결론 및 한계점 62
5.1 결론 62
5.2 연구의 한계 63
5.3 향후 연구 방향 64
참고문헌 66

more