AI 기반 심층 학습 알고리즘을 활용한 이미지 스캐닝 개발 연구

Abstract

이미지 스캐닝 기술은 19세기 후반 사진측량의 태동과 함께 시작되어 초 기에는 수작업 기반의 치수 추출 및 계측 방식에 의존하였으며, 측정자의 숙련도에 따른 편차가 큰 문제가 지속되었다. 20세기 중반 이후 광학장비·사진 기술·라스터 기반 스캐닝 기술이 보급되면서 2D 이미지 기반 계측이 본격화 되었으며, 디지털 센서의 상용화는 이미지 스캐닝을 산업·의료·패션·안전·스포츠 등 다양한 분야로 확장시키는 계기가 되었다. 이러한 2D 스캐닝 기술은 인체 치수 측정에서 일정 수준의 정량화된 데이터를 제공하였으나, 이미지 왜곡·촬영 각도·조명·해상도 등 다양한 변수에 의해 정확도 확보에 한계가 존재하였다. 1990년대 후반부터는 이러한 한계를 보완하기 위해 구조광(Structured Light), 레이저 스캐닝, Time-of-Flight 기반 센서 등이 도입되면서 정밀한 표면 형상과 볼륨 정보를 확보할 수 있게 되었다. Bartol 외(2021)는 3D 스캐닝 기반 신체 측정 기술에 대한 체계적 문헌 고찰을 통해 의류 산업의 맞춤형 패턴 제작, 정형·재활 의료 분야의 체형 분석, 스포츠·헬스케어 분야에서 활용도가 크게 증가하였음을 보고하였다. 그러나 3D 스캐너는 고가의 장비 비용, 공간적 제약, 전문 인력 확보, 유지보수 비용 등 구조적 한계를 갖고 있어 중소기업·소상공인·스타트업에서는 도입이 어려운 구조가 유지되고 있다. 이러한 배경에서 최근 주목받는 분야가 AI 알고리즘을 활용한 2D 기반 신체 치수 측정 기술의 고도화이다. 기존 2D 스캐닝 방식은 스마트폰 또는 보급형 카메라 한 대만으로도 데이터 수집이 가능하다는 점에서 비용·접근성 측면의 장점을 가지나, 명확한 깊이(depth)를 측정할 수 없어 치수 정밀도 확보에 제 한이 있었다. 그러나 최근 딥러닝 기반 포즈 추정, 단일 이미지 깊이 예측 (Monocular Depth Estimation), 인체 파라메트릭 모델 기반 3D 복원 등 다 양한 AI 기술이 발전하면서 2D 이미지에서도 3D 스캐닝에 근접한 수준의 신체 치수 추정이 가능해지고 있다. 특히 Loper 등(2015)이 제안한 SMPL(Skinned Multi-Person Linear Model)은 수천 명의 3D 스캔 데이터를 기반으로 인체 형상과 자세를 파라메트릭하게 표현할 수 있는 통계적 인체 모델로서, 단일 2D 이미지로부터 3D 인체 형상을 복원하는 연구의 핵심 기 반 기술로 자리 잡았다. 본 연구는 이러한 기술적 발전을 바탕으로 AI 기반 2D 스캐닝 신체 치수 측정 기술의 정확도를 검증하고, 3D 스캐닝 기술을 대체할 수 있는 가능성을 분석하는 것을 목적으로 한다. 촬영 환경·해상도·카메라 사양·의복 착용 여부 등에 따른 정확도 변화를 실험적으로 검증하며, ESG 경영 및 적정기술 관점 에서 2D AI 스캐닝의 사회·경제적 파급 효과에 대해서도 제언하고자 한다. 저비용 장비만으로 치수 측정이 가능하다는 점은 환경적(E) 측면에서 장비 제조·폐기 과정의 탄소 배출 감소, 사회적(S) 측면에서 중소기업·개도국의 기술 접근성 확보, 지배구조(G) 측면에서 디지털 전환 촉진이라는 장점을 가진 다. 본 연구는 AI 기반 2D 스캐닝 기술이 중소기업 산업 현장에서 3D 스캐닝의 기술적·경제적 한계를 대체할 수 있는지를 실증적으로 검토하였다. 연구 결과는 인체 계측 산업의 접근성 향상, 기술격차 해소, 저비용 디지털화 전략 수립에 기여할 것으로 기대되며, 국가 단위의 디지털 제조혁신, 공공 보건 데이터 구축, 개인 맞춤형 서비스 산업 등 다양한 영역에서 확장 적용될 수 있을 것으로 기대한다. 주제어: 딥러닝, 2D 신체 치수 측정, 이미지 스캐닝, SMPL, 포즈 추정, 의류 디자인 산업, 적정기술