본 연구는 자율 주행을 위한 과수원 내 2차원 지도를 생성하는 새로운 알고리즘을 제안한다. 제안하는 알고리즘은 과수원의 과수가 일반적으로 열로 정렬되어 있다는 특성에 기반하여, 나무 열을 감지하고 이 정보를 지도에 투영하는 것을 목표로 한다. 이를 위해 본 연구는 우선 점 구름 데이터에서 점들의 분포를 분석하여 나무를 인식하는 방법을 제안한다. 또한, 인식된 과수의 위치를 기반으로 과수 열을 추출하는 방법을 소개하고, 이를 2차원 과수원 지도에 통합한다. 본 연구는 LiDAR를 통해 획득한 실제 과수원 점 구름 데이터를 사용하여 제안하는 알고리즘을 검증하였다. 그 결과, 90%의 높은 과수 감지 정확도와 정밀한 과수 열 맵핑 결과를 보여주었다. 또한, 생성된 지도가 과수원의 구조에 맞춘 자연스러운 자율 주행 경로를 생성하는 데 도움을 주는 것을 확인하였다.

이동 정보에 대한 분석은 다양한 사회문제 해결에 도움이 될 수 있으며, 이러한 이동 정보를 정량화하여 나타낸 대표적인 데이터 중 하나가 Origin-Destination(OD) 데이터이다. 기존 연구들에서는 OD 데이터에 시각화 방법론을 도입했으나, 이러한 시각화 도구를 실제 사회 문제 해결에 사용하여 사용성을 평가한 적은 없다. 본 연구에서는 사회 문제해결에 용이한 시각화 도구(이하 SeoulOD-Vis)를 3가지 모듈(지도 시각화, 조건 선택, 세부 정보 표기)에 기반해 개발하였다. 그리고 28명의 피험자를 대상으로 SeoulOD-Vis와 동일한 OD 데이터를 기반으로 제작된 공개된 시각화 도구(기존 시각화 도구)의 사용성을 비교하였다. 그 결과, SeoulOD-Vis 가 기존 시각화 도구보다 높은 사용성 및 문제 수행 성능을 보였으며, 이는 SeoulOD-Vis에 포함된 '조건 선택' 및 '세부 정보 표기' 모듈에 기인했다. 또한, '지도 시각화' 모듈에서 제공하는 히트맵 및 플로우맵은 각기 다른 목적으로 사용되며 다양한 사회 문제 해결에 도움을 줄 수 있음을 확인했다. 본 연구의 결과는 추후 이동 정보를 활용한 사회 문제 해결을 위한 시각화 도구 개발 및 이를 통한 다양한 사회 문제 해결에 기여할 수 있을 것으로 기대된다.

최근 가상 아바타를 이용하여 가창과 안무를 표현하는 다양한 가상 아바타 음악 콘텐츠가 제작되고 있으며, 가상 아티스트들의 인기가 높아짐에 따라 오프라인에서도 가상 아바타 콘서트를 하는 사례도 등장하고 있다. 하지만 가상 아바타가 악기를 연주하는 밴드 콘텐츠의 제작 사례는 찾아보기 어려우며, 전면의 대형 스크린을 사용하는 오프라인 가상 아바타 콘서트는 가상 현실 특유의 환상적인 연출과 높은 자유도를 활용하기 어렵다는 단점이 있다. 본 논문은 이러한 제한점에 영감을 얻어, 가상 밴드 아이돌 Verse'day의 가상 아바타 밴드 콘텐츠 제작과 몰입형 인터랙티브 공연 제작 사례를 소개한다. 먼저, 본 논문에서는 모션 캡쳐 시스템과 실시간 엔진을 활용해 밴드 연주 애니메이션과 뮤직비디오를 제작한 과정을 소개한다. 이어서, 오프라인 콘서트에서 프로젝션 매핑과 실시간 상호작용 응원봉을 사용해 몰입형 인터랙티브 가상 아바타 공연을 제작한 사례를 소개한다. 마지막으로, 본 논문의 제작 사례를 바탕으로 향후 가상 아바타 음악 콘텐츠 제작을 위한 연구 방향을 제언하였다. 우리는 본 제작 사례가 향후 다양한 가상 아바타 음악 콘텐츠 제작과, 몰입형 인터랙티브 오프라인 가상 아바타 콘서트 제작에 영감을 줄 수 있을 것으로 기대한다.

핸드트래킹이 주된 조작이 되는 기기가 출시됨에 따라 현재 확장현실 분야의 관심사 중 하나는 핸드트래킹이다. 핸드트래킹은 사용자에게 몰입감 및 현실감 측면에서 장점이 있으며 그에 따라 교육, 엔터테인먼트, 의료 등 다양한 분야에서 활용되고 있다. 활쏘는 동작은 양손을 동시에 써야하는 동시에 표적을 맞추기 위해서는 정교함을 요하는 과거 문화적 스포츠적 의의를 가지는 동작이다. 본 연구는 이러한 활쏘는 동작을 구현하는 것을 목표로 했다. 따라서 본 논문은 유니티가 제공하는 XR Hands 패키지를 활용하여 손동작을 인식하도록 했으며 기반이 되는 OpenXR 에 대한 탐구했다. 최종적으로는 활 쏘는 동작을 구현했고 메타 퀘스트 2 에서 테스트했다.

시선 벡터 정답값을 갖는 대규모 데이터의 수집은 시선 추적 분야에서 많은 비용을 필요로 한다. 본 논문에서는 원본 사진의 시선을 수정하는 데이터 증강 기법을 사용하여 제한된 개수의 시선 정답값이 주어진 상황에서 시선 추적 모델의 정확도를 향상시키는 방법을 제안한다. 시선 구간 다중 클래스 분류를 보조 작업으로 학습하고, 디퓨전 오토인코더의 잠재 변수를 조정하여 원본 사진의 시선을 편집한 사진을 생성한다. 기존의 얼굴 속성 편집과 달리, 우리는 이진 속성이 아닌 시선 벡터의 피치와 요를 지정한 범주 내로 변경하며, 편집된 사진을 시선 추적 모델의 증강된 학습 데이터로 활용한다. 시선 정답값이 5만 개 이하일 때 준지도 학습에서의 시선 추적 모델의 정확도 향상은 제안한 데이터 증강 기법의 효과를 입증한다.

혼합현실 기술은 가상현실과 증강현실 기술의 장점을 결합한 기술로 혼합현실 사용자는 현실 세계를 배경으로 가상의 객체와 상호작용할 수 있다. 또한, 가상의 객체는 현실 세계와 상호작용이 가능하여 사용자는 더욱 높은 몰입감을 경험할 수 있다. 본 연구는 현실을 기반으로 하는 혼합현실 기반의 몰입형 콘텐츠를 제작하기 위하여 메타 퀘스트 프로를 활용한 전기회로 실습교육 콘텐츠를 제안한다. 이를 위해, 우선, 유니티 3D 엔진에서 메타 퀘스트 프로 장비를 연동하여 혼합현실 콘텐츠를 제작하기 위한 개발 과정을 정리한다. 그리고 초등학교 과학 수업 등에서 활용되는 전통적인 전기회로 실습교육 방식에서 착안하여 혼합현실을 기반으로 같은 교육 방식과 조작 과정을 가지는 가상 전기회로 실습교육 콘텐츠를 제작한다. 마지막으로, 제작된 콘텐츠를 활용하여 제공하는 혼합현실 기반의 교육환경이 사용자에게 미치는 영향으로 현존감과 경험을 분석하기 위한 설문 실험을 진행한다. 이를 통해, 제안하는 실습교육 콘텐츠의 활용성을 평가하고 향후 연구 방향을 제시한다.

본 연구는 혼합현실 사용자와 가상현실 사용자가 함께 참여하여 상호작용하는 비대칭 가상환경으로 메타 퀘스트 프로를 활용한 몰입형 콘텐츠 제작공정을 정리한다. 이를 기반으로 사용자의 체험 환경이 제공하는 현존감과 경험의 차이를 비교 분석한다. 제안하는 제작공정은 유니티 3D 엔진을 기반으로 Meta XR All-in-One SDK를 활용하여 통합 개발환경을 구축하는 것이다. 이는 현실 세계의 혼합현실 사용자와 가상 장면을 기반으로 하는 가상현실 사용자가 고정된 좌표에서 유기적이고 정확한 상호작용을 위하여 Room Model 기능을 활용한 현실 공간 분석 방법을 포함한다. 이를 토대로, 본 연구는 혼합현실 사용자와 가상현실 사용자가 함께 활동하는 몰입형 탁구 콘텐츠를 제작한다. 마지막으로, 제작된 콘텐츠를 활용하여 플랫폼 및 참여 방식의 차이가 현존감과 경험에 미치는 영향을 비교 분석하기 위한 설문 실험을 진행한다. 그 결과, 본 연구는 현실과 가상이 대응되는 체험 환경 내에서 모든 사용자가 만족하는 현존감과 경험을 느낄 수 있음을 확인하였다.

영상 신호 프로세서(Image Signal Processor, ISP)는 카메라 센서로부터 획득된 RAW 영상을 사람의 눈에 보기 좋은 sRGB 영상으로 변환한다. RAW 영상은 sRGB 영상에 비해 영상 처리에 도움이 되는 정보를 가지고 있지만 상대적으로 큰 용량으로 인해 주로 sRGB 영상만 저장되고 사용된다. 또한, 실제 카메라의 ISP 과정이 공개되어 있지 않아 그 역과정을 모사하는 것은 매우 어렵다. 이에 sRGB와 RAW 영상의 상호 변환을 위한 카메라 ISP 모델링 연구가 활발히 진행되고 있으며, 최근 기존의 단순한 ISP 신경망 구조를 고도화하고 실제 카메라 ISP의 동작과 유사하게 카메라 파라미터(노출 시간, 감도, 조리개 크기, 초점 거리)를 직접 반영하는 ParamISP[1] 모델이 제안되었다. 하지만 ParamISP[1]를 포함한 기존의 연구는 카메라 ISP를 모델링함에 있어 렌즈로 인해 발생하는 렌즈 쉐이딩(Lens Shading), 광학 수차(Optical Aberration), 렌즈 왜곡(Lens Distortion) 등을 고려하지 않아 복원 성능에 한계가 있다. 본 연구는 ISP 신경망이 렌즈로 인해 발생하는 열화를 보다 잘 다룰 수 있도록 위치 정보 인코딩(Positional Encoding)을 도입한다. 제안하는 위치 정보 인코딩 기법은 영상을 분할하여 패치(Patch) 단위로 학습하는 카메라 ISP 신경망에 적합하며 기존 모델에 비해 영상의 공간적 맥락을 반영할 수 있어 더욱 정교한 영상 복원을 가능하게 한다.

본 연구는 PC 및 VR 디바이스를 이용하는 사용자가 리모트 환경에서 데이터 시각화를 협업 분석할 수 있는 시스템을 개발한다. 시스템에서는 사용자들이 시각화 분석의 프로세스 이해를 돕고 역할 분담을 효과적으로 할 수 있도록 업무 지향(task-oriented) 형식의 노드-링크 제어 인터페이스(node-link control interface)를 제공한다. 또한, 다수의 사용자가 물리적으로 공간이 분리되어도 협업을 진행하여 시각화 분석의 피드백을 받을 수 있는 네트워크 환경을 제공한다. 시스템에서 진행하는 협업 분석 방식을 설명하기 위해 시나리오를 설계하였다. 그리고 관련분야 전공자를 대상으로 시스템의 사용성을 측정하는 파일럿 실험을 진행하였다. 실험 결과 확장현실 공간에서 이해하기 쉬운 형식의 인터페이스 조작을 통해 데이터를 자유롭게 분석할 수 있고, 리모트 환경에서도 실시간으로 협업 분석을 수월하게 진행할 수 있음을 확인하였다.

기존에 존재하는 비디오 영역을 가로 혹은 세로로 확장하는 비디오 확장 기술에 대한 수요가 높아지고 있지만, 최신 기술로도 모든 비디오를 성공적으로 확장할 수는 없다. 따라서 비디오 확장을 시도하기 전에 해당 비디오가 잘 확장될 수 있을지 판단하는 것이 중요하다. 이를 통해 불필요한 컴퓨팅 자원 낭비를 줄일 수 있기 때문이다. 이 논문은 비디오가 수평 확장에 적합한지 판별하는 비디오 분류기를 제안한다. 이 분류기는 광학 흐름과 적응형 가우시안 블러 네트워크를 활용하여 흐름 기반 비디오 확장 방식에 적용할 수 있다. 학습을 위한 라벨링은 유저 테스트 및 정량적 평가를 거쳐 엄격하게 이루어졌다. 이렇게 라벨링된 데이터셋으로 학습한 결과, 주어진 비디오의 확장 가능성을 분류하는 네트워크를 개발할 수 있었다. 제안된 분류기는 광학 흐름과 적응형 가우시안 블러 네트워크를 통해 비디오의 특성을 효과적으로 포착함으로써, 단순히 원본 비디오나 고정된 블러만을 사용하는 경우보다 훨씬 정확한 분류 성능을 보였다. 이 분류기는 향후 다양한 분야에서 활용될 수 있으며, 특히 몰입감 있는 시청 경험을 위해 장면을 자동으로 확장하는 기술과 함께 사용될 수 있을 것으로 기대된다.

딥러닝과 강화학습을 활용한 비전 기반 엔드투엔드 자율주행 시스템 관련 연구가 지속적으로 증가하고 있다. 일반적으로 이러한 시스템은 위치, 속도, 방향, 센서 데이터 등 연속적이고 고차원적인 차량의 상태를 잠재 특징 벡터로 인코딩하고, 이를 차량의 주행 정책으로 디코딩하는 두 단계로 구성된다. 도심 주행과 같이 다양하고 복잡한 환경에서는 Variational Autoencoder(VAE)나 Convolutional Neural Network(CNN)과 같은 네트워크를 이용한 효율적인 상태 표현 방법의 필요성이 더욱 부각된다. 본 논문은 차량의 이미지 상태 표현이 강화학습 성능에 미치는 영향을 분석하였다. CARLA 시뮬레이터 환경에서 실험을 수행하였고, 차량의 전방 카메라 센서로부터 취득한 RGB 이미지 및 Semantic Segmented 이미지를 각각 VAE와 Vision Transformer(ViT) 네트워크로 특징 추출하여 상태 표현 학습에 활용하였다. 이러한 방법론이 강화학습에 미치는 영향을 실험하여, 데이터 유형과 상태 표현 기법이 자율주행의 학습 효율성과 결정 능력 향상에 어떤 역할을 하는지를 실험하였다.

최근, 몰입형 가상현실(IVR) 환경에서 가상 객체(Virtual Object)를 이용한 상호작용을 통해 교육, 의료, 산업, 원격지 협업 등 다양한 서비스에 활용되고 있다. 특히, 인공지능(AI) 기술을 접목하여 가상 휴먼을 사용자에게 가시화하고, 상호작용을 수행하는 연구가 활발하게 진행되고 있고, 이를 확장한 가상 반려동물에 관한 연구도 시작되고 있는 단계이다. 몰입 VR공간에서 가상 반려동물과 상호작용을 수행하기 위해서는 실제 환경에서 반려동물과 신체 접촉(쓰다듬기 등) 및 제스처와 같은 비언어적 상호작용(Non-verbal Interaction)이 소통을 위해 중요한 것처럼 가상 환경에서도 이러한 상호작용의 재현을 통해 몰입 경험을 높이는 요소에 대한 영향 분석이 필요하다. 본 논문에서는 몰입형 VR 환경에서 사용자가 가상 반려동물과 상호작용 체험을 수행할 때 패시브 햅틱(Passive Haptic)을 제공하고, 그 촉각(Tactile) 요소에 대한 영향 분석을 수행하였다. 패시브 햅틱의 촉각(Tactile) 요소를 모양(shape), 재질(texture) 항목으로 분류하여 그 변화의 정도에 따라 상호작용 효과에 어떠한 영향이 있는지 측정하였다. 실험 결과, 패시브 햅틱 피드백이 제공되는 몰입형 가상 환경에서 가상 반려동물 상호작용을 수행할 때 재질 요소의 단계(Level)의 차이에 따라 몰입감(Immersion), 공존감(Co-presence), 사실감(Realism), 친근감(Fridenliness) 측면에서 통계적으로 유의미한 차이가 있다는 것을 알 수 있었다. 또한, 재질과 모양에 따른 통계적 상호작용 영향 분석에서 친근함 측정 결과에서 불쾌한 골짜기(Uncanny Valley) 효과가 있다는 것을 확인하였다. 본 논문의 연구 결과는 가상 반려동물 상호작용을 수행하는 콘텐츠 개발에 가이드라인으로 기여할 것으로 기대된다.

확장현실(eXtended Reality, XR)은 현실과 가상 세계를 결합한 초실감형 기술로, 다양한 산업에서 활발히 연구되고 있다. 본 연구는 혼합현실을 제공하는 HMD인 메타 퀘스트3을 스마트폰의 GPS 정보를 활용하여 실외에서 활용하기를 처음 시도하며 그 방법을 제안한다. 증강하는 가상 객체는 위치 정보와 HMD를 착용하고 바라보는 방향 정보를 활용하여 배치하였다. 또한, 메타 퀘스트3의 기능들을 활용하여 가상 객체가 현실 세계에 함께 보이고, 사용자의 손을 통해 가상 객체와 상호작용할 수 있도록 하였다. 본 연구는 HMD에서 위치 정보와 사진을 활용하여 현재와 과거의 공간을 연동하고, 이를 통해 시공간을 자유롭게 넘나드는 새로운 경험을 제공하는 것을 목표로 한다.

점진적 광자 매핑 방식은 복잡한 전역 조명 효과를 효율적으로 렌더링할 수 있다. 그러나 샘플이 유한한 경우, 반경 축소비율 변수에 의해 분산과 편향 값이 크게 영향 받는다. 유한한 샘플을 사용한 렌더링 결과의 픽셀 오류 및 기울기를 추정하여 추정된 기울기를 기반으로 반경 축소비율을 결정하는 최적의 매개변수를 학습할 수 있다면, 렌더링 된 이미지의 오류를 줄일 수 있을 것이다. 본 논문에서는 점진적 광자 매핑 방식을 통한 렌더링과 매개변수 학습이 동시에 될 수 있도록 기울기를 추정하고 추정된 기울기를 유한 차분법을 통해 계산된 기울기와 비교하여 검증한다. 본 논문에서 추정된 기울기는 향후 점진적 광자 매핑 방식의 렌더링과 매개변수 추정을 동시에 수행하는 온라인 학습 알고리즘에 적용될 수 있을 것으로 기대된다.

오프라인에서 사진을 촬영하는 포토부스는 자신이 원하는 포즈와 소품 등을 통해 자연스럽게 나다운 모습을 촬영할 수 있으며, 함께한 사람들과 추억을 공유하는 특별한 경험을 선사한다. 최근 다양한 표현을 가능하게 하고자 생성형 AI를 활용한 포토부스 사례들이 등장했다. 그러나 기존 AI 포토부스는 단체 사진 촬영이 불가능하고, 대부분 사용자의 포즈를 반영하지 못하며, 개별 인물마다 다른 컨셉을 적용하기 어려운 한계가 존재한다. 본 연구는 이러한 문제를 해결하여 사용자가 자유롭게 포즈와 위치, 컨셉을 선택하여 촬영할 수 있는 AI 포토부스 시네마픽을 제안한다. 인물별 개별 컨셉 적용을 위해 개별 생성 워크플로우를 전처리, 생성, 후처리 세 단계로 설계하고, 이를 실제 프로토타입으로 구현했다. 이 과정에서 인물별 투명 이미지 생성, 배경 생성 후 합성시 발생하는 아티팩트를 줄이는 재생성 테크닉, 최적화 모델 적용 및 GPU 병렬화 등 다양한 방식을 워크플로우에 통합하여 한계점을 극복하였다. 사용자 품질 평가와 약 400명의 사용자를 대상으로 대규모 시범 운영을 통해 시스템의 효과성을 검증했다. 그 결과, 사용자들은 기존 방식에 비해 높은 선호도를 보였으며, 이를 통해 실제 포토부스로의 도입 가능성을 확인했다. 본 연구에서 제안하는 AI 포토부스 시네마픽은 더욱 창의적이고 차별화된 시장을 개척할 수 있을 것으로 기대하며, 앞으로 다양한 응용 분야에서 널리 활용될 것으로 기대된다.

본 논문에서는 증강 현실 (AR) 기술과 사물 인터넷 (IoT) 기술을 융합하여 새로운 실시간 화재 모니터링 및 대피 내비게이션 시스템을 제안한다. 제안된 시스템은 건물 내에 설치된 IoT 온도 측정 디바이스를 통해 온도 데이터를 수집하고, 이를 IoT 플랫폼을 통해 MySQL 클라우드 데이터베이스에 자동으로 전송함으로써 실시간으로 정확한 데이터를 모니터링한다. 이후, 건축 정보 모델링 (BIM)을 통해 생성된 3D 건물 모델에 실시간 IoT 데이터를 가시화하고, AR 기술을 통해 현실 세계에 모델을 표현함으로써 직관적으로 화재 발생 위치를 파악할 수 있다. 또한, Vuforia 엔진의 Device Tracking 및 Area Targets 기능을 활용하여 사용자의 실시간 위치를 파악하고, 개선된 A* 알고리즘을 통해 여러 비상구 중 최적의 대피 경로를 찾는다. 본 논문에서는 다양한 가상 화재 시나리오를 기반으로 사용자 실험 평가를 진행하여 제안된 시스템의 실용성과 빠르고 안전한 대피 효과를 입증한다.

밸런스 보드 (Balance Board, BB)를 활용한 운동은 균형 감각 발달, 코어 근육 강화 등 신체 운동 능력 향상과 집중력 증진에 효과적이다. 특히, 다양한 디지털 콘텐츠와 연동되는 스마트 밸런스 보드 (Smart Balance Board, SBB)는 기존 밸런스 보드에 비해 적절한 피드백을 제공하여 운동 효과를 극대화한다. 그러나 대부분의 시스템들은 시/청각적인 피드백만 제공하여 사용자의 운동 몰입도 및 흥미 그리고 운동 자세의 정확성에 미치는 영향을 평가하지 못한다. 본 연구에서는 멀티 센서를 활용하여 다양한 피드백과 정확한 자세로 훈련이 가능한 몰입형 스마트 밸런스 보드 (Imemersive-SBB, I-SBB)를 제안한다. 제안된 시스템은 아두이노 기반으로 보드의 자세을 측정하는 자이로 센서, 유/무선 통신을 위한 통신 모듈, 사용자의 정확한 발 위치를 유도하는 적외선 센서, 촉각 피드백을 위한 진동 모터로 구성되어 있다. 측정된 보드의 자세는 칼만 필터 (Kalman Filter)를 이용하여 부드럽게 보정되고, 멀티 센서 데이터는 FreeRTOS를 활용해 실시간으로 병렬처리된다. 제안된 I-SBB는 다양한 콘텐츠와 연동하여 사용자의 집중도 및 몰입도 향상과 흥미 유발에 효과적임을 보인다.

최근 무인 단말기(키오스크)는 기존의 인력을 대체하면서도 효율적으로 주문이나 결제가 이루어질 수 있도록 해주어 그 활용 범위가 크게 증가하고 있다. 결과로 디지털 전환이 가속화되면서 키오스크 설치 비율이 급증하여 모든 연령층이 손쉽게 키오스크를 사용할 수 있도록 돕는 것이 중요한 과제가 되고 있다. 본 연구에서는 게임엔진의 기능과 Hand Tracking 기술을 기반으로 가상의 세계에서 키오스크 교육이 진행될 수 있는 콘텐츠를 개발하였다. 키오스크에 익숙하지 않은 사용자가 가상 현실에서 대기 손님으로 인한 시각적, 청각적 스트레스를 미리 체험함으로써 실제 상황에서 자신감 있게 대처할 수 있도록 돕는 것이다. 이를 위해 두 가지 VR 콘텐츠를 개발하였다. 하나는 단순 키오스크 체험 콘텐츠이고, 다른 하나는 시각적, 청각적 스트레스를 유발하는 특화 콘텐츠이다. 실험은 두 그룹으로 나뉘어 진행되었으며, 한 그룹은 일반 VR 콘텐츠를, 다른 그룹은 특화 VR 콘텐츠를 체험하였다. 체험 후, 두 그룹 모두 실제 매장에서 주문을 진행하였고, 설문조사 결과 실험군의 85%, 대조군의 95%가 교육에 만족한다고 응답하였다. 이를 통해 본 논문의 특화된 체험이 키오스크 교육에 효과적임을 확인할 수 있었다.

딥러닝 기반 모델과 물리 시뮬레이션을 결합한 연구는 의료 분야에서 중요한 발전을 이루고 있다. 이는 의료영상 데이터에서 필요한 정보를 추출하고, 물리적 법칙을 기반으로 골격 및 연조직의 변형에 대한 빠르고 정확한 예측을 가능하게 한다. 본 연구는 신경 방사 필드(NeRF), 위치 기반 동역학(PBD), 병렬 리샘플링을 융합하여 3D 볼륨데이터를 쉽게 생성하고 실시간으로 변형 및 시각화하는 시스템을 제안한다. NeRF는 2D 이미지와 카메라 좌표 정보를 사용해 고해상도 3D 볼륨 데이터를 생성하며, PBD는 물리 기반 시뮬레이션으로 획득한 데이터에 대한 실시간 변형과 상호작용을 가능하게 한다. 병렬 리샘플링은 사면체 메쉬와 GPU 병렬 처리를 통해 렌더링 효율성을 높인다. 이 시스템은 광선투사방식으로 렌더링 되어 빠른 실시간 시각화를 제공하며, 비싼 장비 없이 간단하게 3D 데이터를 생성하고 변형할 수 있어 공학, 교육, 의료 등 다양한 분야에서의 활용 가능성을 보여준다.