※ 25년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다.
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2025-04-16 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2025-04-16 산출물 전체 공개 소개
- 실생활에서 쉽게 접할 수 있는 가전, 가구, 생활용품, 잡화, 자동차 등 중대형 객체 데이터 - 실생활에서 쉽게 접하는 중대형 객체 관련 2D 다각도 이미지 43,200건과 3D 모델링 에셋 800건, 텍스쳐 이미지 800건, 메타, 라벨링 통합 데이터 800건(480,000 토큰)으로 구성 - AR/VR, 게임, 미디어 등 다양한 산업 전반 활용 가능
구축목적
- 산업용 시각화, 교육용 시뮬레이션, 엔터테인먼트(게임·애니메이션 등), 메타버스 등 다양한 분야에 활용할 수 있는 기반 데이터 마련
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 3D 데이터 형식 jpg, pcd, fbx 데이터 출처 자체수집 라벨링 유형 이미지 설명(캡셔닝 디지털 파일) 라벨링 형식 .json 데이터 활용 서비스 - [제품 가상 배치] 가구나 대형 가전제품 등을 3D 모델로 불러와 사용자의 실제 공간(AR)에 배치해보는 기능 제공 - [건축 설계 리뷰] 건물 내부나 외부에 대형 설비·물건을 미리 배치해보며 설계 오류 및 동선 문제 등 사전 검토 - [디지털 트윈] 도시·단지 내 시설물을 3D 데이터로 구축해 가상 시뮬레이션 및 관리 데이터 구축년도/
데이터 구축량2024년/1) 원천데이터 - 2D 다각도 이미지(JPG) : 124,094건 - 3D 스캐닝 데이터(PCD) : 800건 - 3D 모델링 에셋(FBX) : 800건 - 텍스처 이미지(JPG) : 800건 - 가상 2D 다각도 이미지(JPG) : 43,200건 2) 라벨링 데이터 - 텍스트 : 라벨링+메타(JSON) : 800건 (725,902 토큰) -
1) 데이터 분포
데이터 분포 No 데이터명 클래스 구분 1 중대형 객체 2D 이미지-3D 데이터 의류(4%) 상,하의 잡화류 2 차량(11%) 사륜차량 이륜차량 항공기 기타 3 건축 구조물(38%) 도로, 교통시설 공원시설 건물, 조형물 문화시설 공업시설 소방시설 체육시설 보안시설 기타 5 일상용품(5%) 주방용품 공구류 스포츠용품 기타 7 가구(13%) 탁자류 의자류 소품류 장식류 10 자연물(29%) 식생류 지형류 바위류 나무류 절벽류 기타 2) 원천 데이터 구축 수량
원천 데이터 구축 수량 상세 구분 수집량(건) 다각도 촬영 2D 다각도 이미지 124,094 3D 스캐닝 데이터 800 3D 모델링 에셋 800 텍스처 데이터 800 가상공간 촬영 2D 다각도 이미지 43,200 총 수량 169,694 3) 라벨링 데이터 구축 수량
라벨링 데이터 구축 수량 상세 구분 수집량(건) 가상공간 촬영 2D 다각도 이미지 800 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드Neural Rendering – Neuralangelo Overview
Neuralangelo Demo 예시
Neuralangelo는 고해상도의 3D 표면을 RGB 이미지로부터 복원하는 데 초점을 맞춘 구조로, 다중 해상도 해시 인코딩과 신경 SDF(서명 거리 함수) 기반 렌더링을 결합함. 이 접근법은 복잡한 장면에서 세밀한 세부 정보를 복원할 수 있도록 설계되었음.
이 아키텍처의 핵심은 다중 해상도 해시 인코딩(Multi-Resolution Hash Encoding)과 신경 볼륨 렌더링(Neural Volume Rendering)을 통합하여 3D 표면을 효과적으로 표현하는 데 있음. 다중 해상도 해시 인코딩은 공간 해상도에 따라 위치를 다양한 해상도의 격자(grid)로 매핑하여 고유한 해시 엔트리를 생성하며, 이러한 특징 벡터는 경량의 MLP에 입력으로 전달되어 표면의 SDF 값을 예측함. 이를 통해 높은 표현력을 가지면서도 메모리 효율적인 구조를 제공함.
Neuralangelo는 수치 미분(Numerical Gradients)을 활용하여 더 높은 차원의 미분(예: 표면 법선 계산)을 수행함으로써 기존의 해석적 미분이 가진 지역성 문제를 해결함. 이는 해시 격자의 여러 셀에서 최적화 업데이트를 동시에 수행할 수 있게 하여 표면의 일관성과 매끄러움을 유지하는 데 기여함. 이러한 수치 미분은 Eikonal Loss를 통해 SDF 표현을 유효하게 유지하며, 추가적인 표면 곡률 손실(Curvature Loss)을 적용하여 복원된 표면의 부드러움을 향상시킴.
또한, 점진적 최적화(Coarse-to-Fine Optimization)를 통해 초기에는 거친 해상도의 격자부터 시작하여 점진적으로 더 높은 해상도의 격자를 활성화함으로써 세부 정보를 더욱 정밀하게 복원함. 이 접근법은 초기 거친 단계에서 전역 구조를 안정적으로 학습하고, 이후 세부 단계에서 보다 미세한 구조를 복원하도록 설계됨.
Loss Function
Neuralangelo의 손실 함수는 모델이 고해상도 3D 표면을 복원하는 데 필요한 다양한 목표를 효과적으로 달성할 수 있도록 설계된 세 가지 주요 손실로 구성됨.
첫 번째로, RGB 손실은 복원된 이미지와 입력 이미지 간의 색상 차이를 줄이는 데 초점이 맞춰져 있음. 이를 통해 복원된 3D 표면이 실제 이미지와 시각적으로 유사해지도록 보장함. 이 손실은 렌더링된 결과가 입력 이미지의 세부 사항과 색상 정보를 최대한 정확히 재현할 수 있도록 돕는 역할을 함.
두 번째로, Eikonal 손실은 SDF(서명 거리 함수)의 유효성을 보장하기 위한 손실임. SDF의 그래디언트, 즉 표면 법선의 크기가 항상 1로 유지되도록 강제함으로써, 모델이 매끄럽고 일관된 3D 표면 구조를 학습하도록 만듦. 이 손실은 특히 표면의 정의를 명확히 하고, 복원 과정에서 발생할 수 있는 왜곡을 최소화하는 데 중요한 역할을 함.
세 번째로, 곡률 손실은 복원된 표면의 부드러움을 유지하기 위해 추가적으로 사용됨. SDF의 곡률, 즉 표면의 변화 정도를 최소화하여 불필요한 잡음을 줄이고, 복원된 표면이 자연스럽고 현실감 있게 보이도록 만듦. 이는 특히 복잡한 표면 구조나 세부적인 영역에서 표면이 과도하게 날카롭거나 부자연스럽게 되는 문제를 방지함.
Z. Liu et al., "Neuralangelo: High-Fidelity Neural Surface Reconstruction," arXiv preprint arXiv:2306.03092v2, 2023.
T. Müller et al., "Instant Neural Graphics Primitives with a Multiresolution Hash Encoding," in Proceedings of SIGGRAPH, 2022.
C. Sitzmann et al., "Implicit Neural Representations with Periodic Activation Functions," in Proceedings of NeurIPS, 2020. -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드가. 데이터 구성
데이터 구성 품질 특성 검증 유형 항목명 지표 결과 다양성 통계 객체
크기별
분포구성비 구분 분포(%) 수량(건) 중형 28 224 중대형 41 328 대형 20 161 초대형 11 87 합계 100 800 캡션
중복성구성비 총 수량(건) 중복 수량(건) 중복률(%) 48,000 4,942 10.3 요건 객체
카테고리별
분포구성비
중첩률구성비 중첩률 100% 구분 목표(%) 분포(%) 수량(건) 의류 4 4 32 차량 11 11 88 건축구조물 38 38 304 일상용품 5 5 40 가구 13 13 104 자연물 29 29 232 합계 100 100 800 가상 생성
이미지 당
캡션 문장 수
(영어)최소
수량3문장(최소수량) 이상 100% 나. 어노테이션 포맷
어노테이션 포맷 구분 속성명 타입 필수여부 설명 범위 비고 1 dataset object Y 1-1 dataset.identifier string Y 데이터셋 식별자 1-2 dataset.category number Y 대상 객체 카테고리 1~29 1-3 dataset.size number Y 대상 객체 크기 그룹 0~4 2 3d object Y 2-1 3d.object string Y 3D 객체 경로 2-2 3d.texture string Y Texture 경로 3 images array Y 3-1 images.path string Y 이미지 파일 경로 3-2 images.ColorDepth number Y 컬러깊이 16~ 3-3 images.ISO number Y ISO감도 100~ 409600 3-4 images.ExposureTime number Y 셔터속도 ~1 3-5 images.F-Stop string Y 조리개 4 v_images array Y 4-1 v_images.path string Y 가상 이미지 파일 경로 4-2 v_images.annotations_kr1 string N 이미지캡션(한글) 4-3 v_images.annotations_kr2 string N 이미지캡션(한글) 4-4 v_images.annotations_kr3 string N 이미지캡션(한글) 4-5 v_images.annotations_en1 string N 이미지캡션(영문) 4-6 v_images.annotations_en2 string N 이미지캡션(영문) 4-7 v_images.annotations_en3 string N 이미지캡션(영문) 4-8 v_images.rotation_matrix array Y 가상 이미지 파라미터 4-9 v_images.translation_vector array Y 4-10 v_images.intrinsic_matrix array Y 다. 데이터 포맷(JSON 형식)
* 어노테이션 예시 참고 -
데이터셋 구축 담당자
수행기관(주관) : 한국딥러닝(주)
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 천효창 파트장 070-8805-2612 hcc@koreadeep.com 데이터 품질관리 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 한국딥러닝(주) 데이터 구축 및 데이터 품질관리 총괄 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 정선희 070-8805-2612 shj@koreadeep.com AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 정선희 070-8805-2612 shj@koreadeep.com 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 정선희 070-8805-2612 shj@koreadeep.com
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.
국방데이터 개방 안내
본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.