• 반도체디스플레이기술학회지
• /
• 제20권4호
• /
• pp.6-9
• /
• 2021

The 3D industry is drawing attention for its applications in various markets, including architecture, media, VR/AR, metaverse, imperial broadcast, and etc.. The current feature of the architecture we are introducing is to make 3D models more easily created and modified than conventional ones. Existing methods for generating 3D models mainly obtain values using specialized equipment such as RGB-D cameras and Lidar cameras, through which 3D models are constructed and used. This requires the purchase of equipment and allows the generated 3D model to be verified by the computer. However, our framework allows users to collect data in an easier and cheaper manner using cell phone cameras instead of specialized equipment, and uses 2D data to proceed with 3D modeling on the server and output it to cell phone application screens. This gives users a more accessible environment. In addition, in the 3D modeling process, object classification is attempted through deep learning without user intervention, and mesh and texture suitable for the object can be applied to obtain a lively 3D model. It also allows users to modify mesh and texture through requests, allowing them to obtain sophisticated 3D models.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권8호
• /
• pp.2381-2398
• /
• 2024

The construction of virtual indoor spaces is crucial for the development of metaverses, virtual production, and other 3D content domains. Traditional methods for creating these spaces are often cost-prohibitive and labor-intensive. To address these challenges, we present a pipeline for generating digital twins of real indoor environments from RGB-D camera-scanned data. Our pipeline synergizes space structure estimation, 3D object detection, and the inpainting of missing areas, utilizing deep learning technologies to automate the creation process. Specifically, we apply deep learning models for object recognition and area inpainting, significantly enhancing the accuracy and efficiency of virtual space construction. Our approach minimizes manual labor and reduces costs, paving the way for the creation of metaverse spaces that closely mimic real-world environments. Experimental results demonstrate the effectiveness of our deep learning applications in overcoming traditional obstacles in digital twin creation, offering high-fidelity digital replicas of indoor spaces. This advancement opens for immersive and realistic virtual content creation, showcasing the potential of deep learning in the field of virtual space construction.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.466-468
• /
• 2022

3차원 복원은 AR, XR, 메타버스 등에서 활용되고 있는 중요한 주제입니다. 3차원 재구성을 하기 위해서는 스테레오 카메라, ToF 센서 등을 이용해 깊이 지도를 구해야 합니다. 우리는 두가지 센서를 모두 상호보완적으로 이용하여 3차원 정보를 정밀하게 구하는 방법을 고안하였습니다. 우선 두 카메라의 캘리브레이션을 적용하여 색상 정보와 깊이 정보를 일치시킵니다. 그리고 두 센서로부터의 깊이 지도는 3차원 정합과 재투사 방법을 통하여 융합하였습니다. 융합된 3차원 복원 데이터는 RTC360을 이용해 구한 정밀 데이터와 비교 분석하였습니다. 평균 거리 오차 분석을 위해 상용프로그램 Geomagic Wrap을 활용하였습니다. 제안하는 방법을 구현하고 실공간 데이터를 이용하여 실험을 진행했습니다.

• 한국항행학회논문지
• /
• 제28권4호
• /
• pp.574-581
• /
• 2024

본 연구는 제작공정 훈련을 위한 확장 현실 콘텐츠의 사용성을 탐색하고, 사용자 경험을 분석하는 목적으로 수행되었다. 이를 위해 공정교육용 확장 현실사용성 평가 보고서에 제시된 사용자 하드웨어, 사용자인터페이스, 콘텐츠 만족도에 대한 인터뷰 내용을 키워드 추출 및 워드 클라우드 시각화를 위한 파이선 패키지를 사용하여 분석하였다. 분석 결과, 하드웨어의 착용감은 만족스러웠지만, 중량과 열 문제는 개선이 필요하다는 피드백이 나타났다. 사용자인터페이스 측면에서는 가독성에는 긍정적 응답이 많았으나, 핸드트래킹 기반 상호작용 방식의 인식률이 낮아 개선이 요구되었다. 또한, 사용자는 확장 현실 기술을 의료 및 교육 분야에 적용할 가능성을 인식하고 긍정적인 미래 기대감을 표현하였다. 본 연구는 산업용 확장 현실 콘텐츠의 사용성 및 품질 개선을 위한 기초 자료를 제공하며, 향후 실질적인 산업 현장 적용을 위한 발전 방향을 수립하는 데 활용될 수 있다.