NEW 네일 및 페디큐어 데이터
- 분야헬스케어
- 유형 3D , 이미지
- 생성 방식LMM
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2026-06-30 데이터 최종 개방 1.0 2026-06-29 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2026-06-29 산출물 최종 공개 소개
• 네일·페디큐어 가상 피팅 및 큐레이션 서비스 구현을 위해 손·발 3D모델링 데이터와 네일·페디큐어 디자인 데이터를 구축한 초거대 AI 학습용 데이터셋
구축목적
• 네일·페디큐어 디자인 기반 가상 피팅 및 큐레이션 서비스 구현을 위한 AI 학습·검증용 고품질 손·발 3D 모델링 및 디자인 데이터 구축
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 3D , 이미지 데이터 형식 PNG 데이터 출처 직접 촬영 및 네일아트 협력사 통한 이미지 구매 라벨링 유형 • 손발 포즈 데이터 : Segmentation • 디자인 데이터 : Polygons 라벨링 형식 • 손발 포즈 데이터 : OBJ • 디자인 데이터 : PNG 데이터 활용 서비스 네일·페디큐어 가상 피팅, 개인 맞춤 디자인 추천, 실시간 3D 시뮬레이션 서비스 구현에 활용 데이터 구축년도/
데이터 구축량2025년/• 손발 포즈 데이터 : 80,000장 (라벨링: 2,000건) • 디자인 데이터: 20,058건 (라벨링: 374,008건) • 원천데이터 총 수량 : 100,058장 -
○ 네일 및 페디큐어 디자인 분포
- 모양 분포○ 네일 및 페디큐어 디자인 분포 - 모양 분포 모양 구분 비율 Rounded 40.85% Oval 23.75% Square 15.28% Square Oval Squoval 11.55% Almond 5.81% Ballerina 1.73% Stiletto 0.93% Mountain Peak 0.07% Square 0.01% 합계 100.00% - 패턴 분포
○ 네일 및 페디큐어 디자인 분포 - 패턴 분포 패턴 구분 비율 파츠 18.886% 글리터 15.306% 아트 13.281% 원컬러 13.208% 유니크 8.852% 스티커 4.126% 프렌치 4.079% 캐릭터 3.296% 그라데이션 2.789% 드로잉 2.705% 레진 2.621% 시럽 2.473% 체크 1.980% 마블 1.673% 도트 1.378% 무광 1.127% 파우더 1.045% 테라조 0.725% 치크 0.277% 자석 0.155% 유니크 0.004% 스티커 0.004% 파츠 0.004% 골드 0.002% 유니크 0.002% 프렌치 0.002% 합계 100.00% ○ 손발 포즈 이미지 데이터
- 피부톤 분포○ 손발 포즈 이미지 데이터 - 피부톤 분포 피부톤 구분 수량(건) 비율 피부톤1 80 4.00% 피부톤2 820 41.00% 피부톤3 840 42.00% 피부톤4 192 9.60% 피부톤5 68 3.40% 합 계 2000 100.00% - 성별 분포
○ 손발 포즈 이미지 데이터 - 성별 분포 성별 구분 수량 비율 남 200 10.00% 여 1800 90.00% 합 계 2000 100.00% - 연령 분포
○ 손발 포즈 이미지 데이터 - 연령 분포 연령 구분 수량 비율 20대 1004 50.20% 30대 616 30.80% 40대 272 13.60% 50대 108 5.40% 합 계 2000 100.00% ○ 디자인 데이터 구성 분포
- 손,발 분포○ 디자인 데이터 구성 분포 - 손,발 분포 구분 수량 비율 손 19049 94.97% 발 1009 5.03% 합 계 20058 100.00% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드1. 손발 포즈 데이터
- Segmentation 모델 : YOLO v11
○ 임무 정의
- 네일/페디큐어 가상 피팅 및 큐레이션 서비스 구현을 위해 손/발 이미지 내 손톱(발톱) 영역을 정밀 분할(Segmentation)하고, 필요시 손·발 관련 객체를 탐지하여 가상 피팅 적용 대상 영역을 안정적으로 추출하는 것을 목적으로 함.○ 임무 선정 사유
- YOLO v11 기반 Segmentation은 객체 탐지 및 분할을 통합적으로 수행할 수 있어 실시간/준실시간 처리에 적합하며, 다양한 실제 환경 변화에 대해 강건한 성능 확보가 가능함.
- 2024년에 개발된 실시간 객체 탐지 및 인스턴스 분할 모델
- Attention 매커니즘과 가변적인 커널 크기 기반 기법으로 기존 YOLO 모델 대비 소형 객체 탐지 성능이 비약적으로 향상○ 학습모델 개발 환경
○ 학습모델 개발 환경 Segmentation 모델 Segmentation 모델 수행 환경 CPU Intel(R) Core(TM) i9-10940X CPU @ 3.30GHz 3.31GHz Memory 64GB GPU NVIDIA GeForce RTX 3090 * 3 Storage SSD 1TB OS Ubuntu 22.04 Segmentation 모델 학습 및 검증 조건 개발 언어 python==3.10 프레임워크 CUDA==12.1
pytorch==2.1.1
ultralytics=8.3.211학습 알고리즘 YOLOv11 학습 조건 epoch = 50
batch size = 92. 디자인 데이터
- StyleTransfer 모델 : Style Splat
○ 임무 정의
- 손·발 이미지 및 3D 재구성 결과를 기반으로, 네일/페디큐어 디자인을 손·발톱 영역에 자연스럽게 전사(Style Transfer)하여 가상 피팅 결과 이미지를 생성하는 것을 목적으로 함.○ 임무 선정 이유
- 네일/페디큐어는 질감·광택·반사 등 표현이 중요하여 단순 2D 합성방식보다 3D 기반 스타일 전이 모델이 시각적 품질을 크게 향상 시킬수 있음.
- 2024년에 제안된 Gaussian splatting 기반 스타일 전이 모델
- Gaussian splatting을 통해 다각도 이미지를 3D 복원하고, 복원한 이미지에 스타일을 전이할 수 있는 통합 프레임워크○ 학습모델 개발 환경
○ 학습모델 개발 환경 Style Transfer 모델 Style Transfer 모델 수행 환경 모델 수행 환경 CPU Intel(R) Core(TM) i9-10940X CPU @ 3.30GHz 3.31GHz Memory 64GB GPU NVIDIA GeForce RTX 3090 * 3 Storage SSD 1TB OS Ubuntu 22.04 Style Transfer 모델 학습 및 검증 조건 개발 언어 python==3.10 프레임워크 CUDA==11.8
pytorch==2.0.1
ultralytics=0.15학습 알고리즘 Style Transfer (Style Splat) 학습 조건 • Loss: BCE(Binary Cross Entropy) logit loss
• batch: 24
• optimizer: Adam
• epochs: 50AI 모델 성능 요약 AI Task 알고리즘 총 구축량 성능지표 목표치 평가결과 Segmentation YOLO v11 40,000 mIOU 90% 이상 91.99% Style Transfer Style Splat 20,058 LPIPS 0.15 이하 0.1472 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드○ 메타데이터① (손발 포즈 데이터)
○ 메타데이터① (손발 포즈 데이터) 구분 속성명 타입 필수 설명 예시(단위) 1 info object Y 데이터 정보 1-1 created_date String Y 생성 날짜 정보 20260101 1-2 version String Y 데이터 버전 V0.1 2 related_data object Y 포함된 데이터 정보 2-1 pose_id String Y 관련 포즈 ID 2-2 rgb_list array Y 원천 RGB 이미지 목록 [P013_01_02_RGB_01, ... P013_01_02_RGB_20] 2-3 depth_list array Y 원천 Depth 이미지 목록 [P013_01_02_DEPTH_01, ... P013_01_02_DEPTH_20] 2-4 rgb_size array Y RGB 이미지 크기 [2124, 2832] (pixel) 2-5 depth_size array Y Depth 이미지 크기 [768, 576] (pixel) 2-6 obj_list array Y 라벨 OBJ 파일 목록 [P013_02_02_3D_01] 3 image_meta_info object Y RGB 이미지별 메타정보 3-1 image_id String Y 이미지 파일명 P013_01_02_RGB_01 3-2 lux int Y 이미지 촬영 시 환경 조도(밝기) 783 (lux) 3-3 k int Y 이미지 촬영 시 환경 색온도(조명 종류) 3395 (k) 3-4 camera_intrinsic array Y 촬영 카메라 내부 정보(카메라 내부에 설정된 고정값) [[-0.70, 0, -0.85],[0,-0.70,-0.85],[0,0,1]] 3-5 camera_extrinsic_RotationM array Y 촬영 카메라 외부 정보(카메라와 물체 사이 각도) [[0.34,0.55,-0.75],[-0.82,-0.70,-0.85],[-0.45,0.80,0.37]] 3-6 camera_extrinsic_TranslationV array Y 촬영 카메라 외부 정보(카메라와 물체 사이 위치) [0,0,0] 3-7 blur_score number Y 이미지 내 흐림 정도(라플라시안 분산 알고리즘) 134.86 3-8 gravity array Y 이미지 촬영 시 중력 벡터 [-0.82, -0.21, -0.52] 3-9 polygons array Y 폴리곤 좌표 정보(폴리곤을 구성하는 좌표 목록) [[940.78, 1712.85, ...], ... [1038.29, 1914.21, ...]] 3-10 bbox array Y b-box 좌표 정보(폴리곤을 구성하는 좌표 목록) [[908.5,1590.4,151.02,122.45], ..., [952.83,1719.84,156.17,147.52]] 4 obj_meta_info object Y OBJ 파일별 메타정보 4-1 obj_id String Y 3D 모델 파일명 P013_02_02_3D_01 4-2 vertex_count int Y 3D 모델 정점 개수 25046 (개) 4-3 face_triangle_count int Y 3D 모델 삼각형(면) 개수 45651 (개) 4-4 bbox_size array Y 3D 모델 bbox 크기 [0.15, 0.12, 0.15] (미터) 4-5 bbox_diagonal_length number Y 3D 모델 bbox 대각선 길이 0.25 (미터) 4-6 surface_area number Y 3D 모델 표면적 0.04 (제곱미터) 4-7 volume number Y 3D 모델 부피 0.0004 (세제곱미터) 4-8 center_geometry array Y 3D 모델 정점들의 중심 좌표 [0.02, 0.13, -0.02] (미터) 4-9 sex_id int Y 3D 모델 성별 정보 (0:남, 1:여) 1 4-10 age_id int Y 3D 모델 연령대 정보 (0:20대, 1:30대, 2:40대, 3:50대) 0 4-11 tone_id int Y 3D 모델 피부톤 정보 (0~4) 0 ○ 메타데이터② (디자인 데이터)
○ 메타데이터② (디자인 데이터) 구분 속성명 타입 필수 설명 예시(단위) 1 info object Y 데이터 정보 1-1 created_date String Y 생성 날짜 정보 20260101 1-2 version String Y 데이터 버전 V0.1 2 related_data object Y 포함된 데이터 정보 2-1 design_list array Y 관련 포즈 ID [D19001_02_RGB_01] 2-2 design_size array Y 원천 RGB 이미지 목록 [512, 512] (pixel) 2-3 texture_list array Y 라벨 Texture 이미지 목록 [D19001_02_Texture_01_01, ..., D19001_02_Texture_04_04] 3 design_meta_info object Y 디자인 이미지별 메타정보 3-1 image_id String Y 이미지 아이디 19001 3-2 color_id array Y 디자인 색상 정보 [화이트, 라이트핑크, ...] 3-3 shape_id array Y 디자인 모양 정보 [캐릭터, 테라조, ...] 3-4 pattern_id array Y 디자인 패턴 정보 [Square] 3-5 object_count int Y 손/발톱 개수 정보 4 (개) 3-6 polygons array Y 폴리곤 좌표 정보(폴리곤을 구성하는 좌표 목록) [[940.78, 1712.85, ...], ... [1038.29, 1914.21, ...]] 3-7 bbox array Y b-box 좌표 정보(폴리곤을 구성하는 좌표 목록) [[908.5,1590.4,151.02,122.45], ..., [952.83,1719.84,156.17,147.52]] ○ 데이터 포맷
○ 데이터 포맷 데이터명 원시데이터 포맷 원천데이터 포맷 라벨링 데이터 포맷 손발 포즈 데이터 PNG PNG OBJ 디자인 데이터 PNG PNG PNG ○ 메타데이터① (손발 포즈 데이터)
{
"info": {
"created_date": "20251010",
"version": "v0.1"
},
"related_data": {
"pose_id": "021",
"rgb_list": ["P021_02_01_RGB_01",],
"depth_list": [“P021_02_01_DEPTH_01"],
"rgb_size": [2124, 2832]
"depth_size": [768,576]
"obj_list": ["P021_02_01_3D_01"]
},
"image_meta_info": [
{
"image_id": "P021_02_01_RGB_01",
"lux": 484,
"k": 5481,
"cameras": {
"camera_intrinsic": [
[-0.70238096, 0, -0.85119045 ],
[0, -0.70238096, -0.85119045 ],
[0, 0, 1 ] ],
"camera_intrinsic_RotationM": [
[0.83568746, -0.3741991, -0.40199688],
[-0.5444462, -0.66061026, -0.51688737 ],
[-0.072144434, 0.6508219, -0.75579494]],
"camera_extrinsic_TranslationV": [0, 0, 0],
"blur_score": 187.29153,
"gravity": [-0.5444461703300476, -0.6606101989746094, -0.516887366771698]
},
"polygon": [
[519.38, 1182.77, 533.95, 1235.58, 550.34, 1275.64, 561.27, 1292.03, 586.76,
1288.39, 610.43, 1264.71, 608.61, 1217.37, 597.68, 1177.31, 590.4, 1157.27,
563.09, 1146.35, 537.59, 1148.17, 521.2, 1157.27],
],
"bbox": [
[604.97, 550.89, 145.68, 200.3],
[838.08, 611.76, 157.38, 198.31],
[526.67, 731.16, 131.11, 196.67],
[519.38, 1146.35, 91.05, 145.68],
[1711.56, 1167.33, 130.63, 192.01]]},
}
],
"obj_meta_info": [
{
"obj_id": "P021_02_01_3D_01",
"vertex_count": 25109,
"face_triangle_count": 45537,
"bbox_size": [
0.14382699999999998,
0.15947,
0.126451
],
"bbox_diagonal_length": 0.24921224333888572,
"surface_area": 0.036384748063546885,
"volume": 0.0002768889766588987,
"geometry": [-0.009573900633239077,0.10942349002349755,-0.028939511011987735]
}
],
"subject_info": {
"sex_id": 1,
"ageg_id": 2,
"tone_id": 1
}
}
○ 메타데이터2 (디자인 데이터){
"info": {
"created_date": "20250930",
"version": "v0.1"
},
"related_data": {
"design_list": ["D17224_01_RGB_01"],
"design_size": [512, 512 ],
"texture_list": ["D17224_01_Texture_01_01",]
},
"design_meta_info": [
{
"image_id": "17224",
"pattern_id": [
"드로잉",
"유니크"
],
"color_id": [
"민트",
"블랙"
],
"shape_id": [
"Square"
],
"target_id": "hand",
"object_count": 5,
"polygons": [
[168.0, 237.0, 159.0, 245.0, 148.0,
265.0, 136.0, 300.0, 135.0],
],
"bbox": [
[135.0,237.0,90.0,108.0],
[291.0,100.0,127.0,91.0]
}
]
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜메타카움
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김시진 02-6959-2927 sjkim@metakium.co.kr 구축사업 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜보트르내일 데이터 수집 및 가공 광운대학교산학협력단 유효성 검증 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김시진 02-6959-2927 sjkim@metakium.co.kr 주형섭 02-6959-2927 david@metakium.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 황병선 02-940-5567 hbsun1225@naver.com 이민규 02-940-5567 priuslee@naver.com 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 신종호 02-508-5591 hugh.shin@votre.kr 진회용 02-508-5591 hyjin@votre.kr
-
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.
-
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