콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#3D 스캐닝 # 3D 포즈 # 가상현실 # 메타버스 # 3D 촬영

NEW 한국인 신체 3D 스캐닝 데이터

한국인 신체 3D 스캐닝 데이터 아이콘 이미지
  • 분야영상이미지
  • 유형 3D , 이미지 , 텍스트
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 3,778 다운로드 : 149 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-12-13 데이터 최종 개방
    1.0 2023-07-26 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-12-29 산출물 전체 공개

    소개

    ㅇ한국인 신체에 대하여 360도 카메라, 핸드헬드 카메라 등을 이용하여 남녀 각각 265명 씩, 신체 활동 20종 3D 스캐닝 데이터 수집 및 인공지능 데이터셋 구축, 서비스 모델 개발 및 실증 (연령별, 체지방을 고려한 신체 스캐닝 데이터)

    구축목적

    K-가상 아바타, AI 에이전트, 패션 디자인, 인체공학 산업 분야 등에 적용, 영화, 게임, 증강/가상 현실 콘텐츠 등 다양한 3D 미디어 제작에 활용, 3D 인체 형상, 연령별 3차원형상과 치수데이터, 표준체형, 체형분석 자료제공, Size Korea의 산업체의 인간공학적 제품 설계를 위한 동작 관련 항목 제공
  • 데이터 구축 규모

    구분 데이터 구축 세부내용 구축수량
    데이터 설명 데이터포맷 목표 실적
    원시데이터 신체 2D raw 이미지 jpg, raw 1,908,000 장 1,908,000 장
    신체 3D raw 데이터 obj, png 10,600 set 10,600 set
    원천데이터 신체 3D 모델 가공 OBJ 10,600 장 10,600 장
    신체 3D 모델 매쉬+텍스처 OBJ,GLTF 10,600 장 10,600 장
    신체 2D 이미지 JPG, PNG 84,800 장 84,800 장
    라벨링데이터 3D 라벨링 신체 데이터  JSON 10,600 장 10,600 장

     

    데이터 분포

    항목 과제 구분 구분 비율(%) 설명
    BMI 공통 저체중 15.47 촬영 시 해당 정보 입력
    (18.5 미만)
    정상체중 41.69
    (18.5~25.0 미만)
    비만 1단계 25.47
    (25.0~30.0 미만)
    비만 2단계 15.09
    (30.0~40.0 미만)
    비만 3단계 2.26
    (40.0 이상)
    성별 공통 남자 50 촬영시 해당 정보 입력
    여자 50
    연령대 공통 20~24세(만) 22.64 촬영 시 해당 정보 입력
    25~29세(만) 22.64
    30~34세(만) 18.86
    35~39세(만) 16.98
    40~49세(만) 11.32
    50~59세(만) 7.54
    신체 자세 신체데이터 20가지 포즈 각 5 촬영시 해당 정보 입력
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    ② 3차원 동작 예측 모델

    - (개발 목표) 다양한 각도에서 찍은 다양한 동작 이미지를 학습시키고 이로부터 2차원 키포인트와 3차원 키포인트를 추론

    - (개발 내용) 구축되는 학습데이터를 활용하여 Cascaded 2D to 3D lifting 방식의 모델인  EvoSkeleton 모델을 기반으로 2차원 이미지로부터 2차원 키포인트와 3차원 키포인트를 추론함

    - 제한된 데이터셋 안에서 두 샘플 데이터를 크로스오버 기법을 통해 섞거나 하나의 샘플 데이터에 변형을 가하는 데이터 증폭 기법을 통해 훈련 데이터의 양을 늘임

    3차원 동작 예측 모델의 구조

    그림 3차원 동작 예측 모델의 구조

     

    - 구축된 스캔 데이터를 저작도구를 통해 다양한 카메라 각도에서 캡처하여 얻은 다양한 동작별 신체 이미지와 3차원 키포인트 좌표를 프로젝션하여 얻은 2차원 키포인트 좌표, 카메라 파라미터 값이 한 쌍을 이루어 학습모델의 입력값으로 사용됨
    - 정면을 포함하여 30도씩 좌우로 각도 추가하며 조정. 하나의 포즈(하나의 신체 스캔 데이터)에 대하여 얼굴이 보이는 각도에 해당하는 총 5가지 2D 캡처 이미지 사용 

    3차원 동작 예측 모델의 입력 데이터

    그림 3차원 동작 예측 모델의 입력 데이터

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 3차원 동작 예측 성능 Prediction EvoSkeleton MPJPE 53 mm 46.15 mm

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    표 [한국인 3D 스캐닝 신체 데이터 구축 단계별 데이터 포맷]

    순번 구축
    단계
    생성
    데이터
    데이터 포맷
    속성명 속성설명 데이터
    타입
    필수
    여부
    예시
    1 획득 원시 신체 3D 모델링 데이터 obj 필수 3074M_BD_A_MS
    3082M_BD_A_IMG_001
    2D 이미지 데이터 jpg.raw 3047M_BD_A_TT
    Texture 데이터 png 3047M_MD_CP
    메타정보 데이터 txt 3047M_ND_MI
    2 정제 원천 신체 Model obj 필수 3001M_BD_A
    Textire png 3001M_BD_A
    3 라벨링 학습 신체 랜드마크 좌표 json 필수 3003M_BD_C

     

      예시 데이터 항목 Json 형식(예시)
    2D 이미지
    (신체)
    2D 이미지 신체 예시 BMI {"category": {"type": "person", "type_id": 1}, "annotation": {"id": "3001M_BD_A", "num_keypoints": 32}, "keypoints": [{"id": 0, "name": "Head", "x": 1.9839412500475437, "y": 174.37056611963212, "z": 3.7975478615107647}, {"id": 1, "name": "Neck", "x": 3.353498096362557, "y": 154.39257609653677, "z": 2.173803880098038}, {"id": 2, "name": "Thorax", "x": 3.690026544262807, "y": 146.44228589465362, "z": -1.9010602063783169}, {"id": 3, "name": "Spine", "x": 4.818067685105955, "y": 112.28704701910077, "z": 1.5872461636771789}, {"id": 4, "name": "Pelvis", "x": 4.577874348197604, "y": 89.96617907249615, "z": -0.46106223908615795}, {"id": 5, "name": "Nose", "x": 3.1513298255084976, "y": 163.6193793076991, "z": 16.653949886071427}, {"id": 6, "name": "Right eye", "x": 6.659480853203931, "y": 167.31473833070015, "z": 14.503251396942055}, {"id": 7, "name": "Left eye", "x": -0.6623947710921243, "y": 166.9838134720188, "z": 14.563249231241777}, {"id": 8, "name": "Right ear", "x": 10.654191299552593, "y": 164.74310680071486, "z": 4.670062054459464}, {"id": 9, "name": "Left ear", "x": -5.132423696020519, "y": 163.9879512478786, "z": 4.710811445130076},
    성별
    연령대
    신체 자세
    3D 이미지
    (신체)
    3D 이미지 신체 예시 신체
    : 20가지 자세 A~T
    라벨링
    (신체)
    라벨링 신체 예시 1라벨링 신체 예시 2

     

    어노테이션 포맷
      -신체 

    항목 세부항목 값 형태 설명
    categories type String “Person”
    type_id Number 1=Person, 2=Face
    annotations id String 각 annotation3d 마다 고유의 ID 할당
    3d num_keypoints Number 해당 매쉬에서 마킹된 관절 수 
    key point [id] array 관절번호
    [name] array 관절명
    [x,y,z] array 관절 번호 순서 (x, y, z) 값 위치를 표현
    mesh mesh_id String 각 Mesh 마다 고유의 ID 할당
    actor_id Number 해당 Mesh의 배우 ID
    pose_id Number 해당 이미지와 매칭되는 자세의 번호 
    obj_file_name String OBJ 매쉬 파일 이름
    map_file_name String PNG 텍스쳐 파일이름
    actors id String 각 배우 고유의 ID 할당
    sex String male : 남성 female : 여성
    age Number 배우의 나이
    height Number 배우의 키 (cm 단위)
    weight Number 배우의 몸무게 (kg 단위)
    BMI Number 체중(kg)을 키(cm)의 제곱으로 나눈 체형 파악을 위한 체질량 지수
    BMI Class String 배우의 BMI 정보
    chest length Number 왼쪽 유두를 지나 수평으로 잰 둘레길이 (female) 
    오른쪽 가슴 겨드랑이부터 수평으로 잰 둘레길이(male)
    waist length Number 허리의 가장 가는 위치의 둘레길이
    hip Number 엉덩이의 제일 튀어나온 부분을 평행하게 잰 둘레길이
    inseam Number 사타구니부터 발바닥까지의 길이
    outseam Number 골반부터 발바닥까지의 길이
    arm length Number 어깨끝점에서 팔꿈치점을 지나서 손목점까지의 길이
    poses id String 각 자세의 고유 번호 할당
    name  String 자세의 이름
    licenses id String 각 라이센스 고유의 ID 할당
    name String 라이센스 이름
    url String 라이센스 참조 url 정보
    Camera filename String 카메라 정보 파일명
    info version Number 학습 데이터 버전
    description String 학습 데이터 이름
    year String 학습 데이터 수집 연도
    contributor String 학습 데이터 제공자
    url String 학습 데이터 참조 URL
    data_created String 학습 데이터 생성 날짜
  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜우경정보기술
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    이소영 1588-5105 sylee@wkit.co.kr 총괄
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜위딧 수집
    ㈜우경정보기술 정제
    ㈜비전21테크 가공
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    이소영 1588-5105 sylee@wkit.co.kr
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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]
    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 -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.