콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#헬스케어 건강서비스

NEW 네일 및 페디큐어 데이터

네일 및 페디큐어 데이터 아이콘 이미지
  • 분야헬스케어
  • 유형 3D , 이미지
  • 생성 방식LMM
구축년도 : 2025 갱신년월 : 2026-06 조회수 : 199 다운로드 : 4 용량 :
샘플(경량) 데이터 ?

※ 내국인만 데이터 신청이 가능합니다.

  • 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
  • ○ 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
    200 10.00%
    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
    19049 94.97%
    1009 5.03%
    합 계 20058 100.00%
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드

    1. 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=8.3.211
    학습 알고리즘 YOLOv11
    학습 조건 epoch = 50
    batch size = 9

     

    2. 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=0.15
    학습 알고리즘 Style Transfer (Style Splat)
    학습 조건 • Loss: BCE(Binary Cross Entropy) logit loss
    • batch: 24
    • optimizer: Adam
    • epochs: 50

     

    AI 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
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청 데이터 열람신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 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.

K-ICT 빅데이터센터는 데이터 안심구역으로 지정되어
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.

데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.

국방데이터 이용신청 탭 이미지

국방데이터 개방 안내

본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.

방송영상 데이터 개방 안내

방송영상 데이터는 열람서비스를 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 데이터 열람신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 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