가우시안 스플래팅과 포토그래메트리, 어떤 3D 재구성 방식을 선택해야 할까요?

주요 내용

• 시각적 사실감, 부드러운 새로운 시점 표현, 인터랙티브 렌더링이 가장 중요하다면 가우시안 스플래팅이 좋은 선택입니다.
• 측정 가능한 표면, 텍스처가 적용된 메쉬, 또는 전통적인 3D 워크플로우용 어셋이 필요하다면 포토그래메트리가 일반적으로 더 적합합니다.
• 전 세계 3D 재구성 기술 시장은 2025년 약 17억 달러, 2026년 약 19억 1천만 달러로 추정되었습니다(360iResearch).
• 두 방식 모두 비슷한 이미지 캡처에서 시작할 수 있지만, 근본적으로 다른 유형의 3D 표현을 생성합니다.

요약

가우시안 스플래팅과 포토그래메트리는 모두 서로 겹치는 이미지에서 실제 씬을 재구성할 수 있지만, 지향하는 목적은 다릅니다. 가우시안 스플래팅은 라디언스 기반 표현을 생성하며, 특히 사실적인 새로운 시점과 부드러운 인터랙티브 렌더링에 강합니다. 포토그래메트리는 표면 지오메트리 복원에 더 직접적으로 초점을 맞추며, 일반적인 3D 워크플로우에 적합한 포인트 클라우드, 메쉬, 텍스처를 주로 생성합니다. 가상 배경, 몰입형 씬, 빠른 시각적 캡처에는 가우시안 스플래팅이 더 잘 맞을 수 있습니다. 측정, 측량, 어셋 제작, 충돌 지오메트리, 또는 편집 가능한 메시가 필요한 워크플로에는 포토그래메트리가 일반적으로 더 실용적입니다.

가우시안 스플래팅과 포토그래메트리의 차이가 중요한 이유

두 방식 모두 카메라로 오브젝트나 환경 주위를 이동하면서 서로 겹치는 시점을 촬영하는 것에서 시작할 수 있습니다. 카메라 위치가 계산된 뒤에는 차이가 더 분명해집니다. 포토그래메트리는 명시적인 표면 재구성으로 이어지는 반면, 가우시안 스플래팅은 서로 다른 시점에서 씬이 어떻게 보이는지를 재현하도록 가우시안 프리미티브 집합을 최적화합니다.

이러한 워크플로우에 대한 관심은 더 넓은 3D 재구성 분야의 성장과 함께 높아지고 있습니다. 전 세계 3D 재구성 기술 시장은 2025년 약 17억 달러, 2026년 약 19억 1천만 달러로 추정되었으 (360iResearch), 이는 실제 공간과 오브젝트를 디지털 표현으로 변환하는 기술에 대한 전반적인 수요를 반영합니다.

3D 가우시안 스플래팅이란?

3D 가우시안 스플래팅은 수많은 작은 3차원 가우시안 프리미티브를 사용해 씬을 표현합니다. 각 가우시안에는 위치, 크기, 방향, 불투명도, 외형과 같은 정보가 저장됩니다. 최적화 과정에서 렌더링된 시점이 원본 이미지와 밀접하게 일치하도록 이러한 가우시안이 조정됩니다. 이 표현은 명시적이며 GPU에서 효율적으로 래스터화할 수 있기 때문에, 씬 학습이 완료되면 매우 빠른 렌더링을 지원할 수 있습니다.

포토그래메트리란?

포토그래메트리는 겹치는 사진들에서 일치하는 시각적 특징을 찾아 3차원 구조를 재구성합니다. 일반적인 파이프라인은 Structure from Motion으로 카메라 위치를 추정하고, 희소 재구성을 만든 뒤, Multi View Stereo로 더 밀도 높은 지오메트리를 구축하고, 이후 포인트 클라우드, 메쉬, 텍스처를 생성합니다.

이처럼 표면에 초점을 둔 결과물은 포토그래메트리의 가장 큰 장점 중 하나입니다. 지오메트리는 정리, 리토폴로지, 측정, 텍스처링, 충돌용 활용이 가능하며, 익숙한 3D 어플리케이션으로 내보낼 수도 있습니다.

가우시안 스플래팅과 포토그래메트리의 가장 큰 차이점

가우시안 스플래팅 워크플로우의 작동 방식

일반적인 가우시안 스플래팅 워크플로우는 서로 겹치는 사진이나 영상에서 추출한 프레임으로 시작합니다. 카메라 포즈는 보통 Structure from Motion 소프트웨어로 추정합니다. 희소 포인트 집합이 초기 구조를 제공할 수 있으며, 이후 렌더링된 시점이 학습 이미지와 일치하도록 시스템이 가우시안을 최적화합니다.

최적화가 완료되면 최종 씬을 호환되는 splat 뷰어나 렌더러에서 열 수 있습니다. 프로젝트에 따라 지오메트리가 필요하거나 다른 3D 파이프라인과의 통합이 필요한 경우 데이터를 추가로 처리할 수도 있습니다.

포토그래메트리 워크플로우의 작동 방식

포토그래메트리 워크플로우도 서로 겹치는 이미지 커버리지에서 시작합니다. 소프트웨어는 특징을 감지하고 매칭하며, 카메라 위치를 계산하고, 희소 포인트 클라우드를 생성한 뒤, 더 조밀한 깊이 정보를 추정하고, 해당 데이터를 고밀도 포인트 클라우드나 폴리곤 메쉬로 변환합니다.

이후 원본 사진에서 텍스처를 투영할 수 있습니다. 스캔을 프로덕션 어셋으로 만들 경우 아티스트는 클린업, 리토폴로지, UV 작업, 단순화, 텍스처 베이킹을 계속 진행할 수 있습니다.

가우시안 스플래팅 vs NeRF

가우시안 스플래팅과 NeRF의 비교는 가우시안 스플래팅과 포토그래메트리를 비교하는 것과는 조금 다릅니다. 두 방식 모두 새로운 시점 합성을 위해 설계되었기 때문입니다. NeRF는 공간 위치와 시선 방향을 볼륨 밀도와 시점 의존적 라디언스로 매핑하는 신경망을 통해 씬을 암묵적으로 표현합니다. 반면 3D 가우시안 스플래팅은 렌더링 중 투영되고 블렌딩되는 3차원 가우시안 프리미티브의 집합을 사용해 씬을 명시적으로 표현합니다.

NeRF와 가우시안 스플래팅을 비교하면, 가우시안 스플래팅은 높은 시각적 품질을 유지하면서 빠른 인터랙티브 렌더링을 제공할 수 있다는 점에서 특히 매력적입니다. NeRF 방식도 특정 연구 및 재구성 워크플로에 적합할 수 있지만, 어느 방식도 기존 3D 어셋 제작에서 기대하는 깔끔한 폴리곤 토폴로지를 자동으로 제공하지는 않습니다.

가우시안 스플래팅이 더 적합한 경우

가우시안 스플래팅은 가상 프로덕션 배경, 몰입형 씬 캡처, 영화, 가상 투어, 환경 레퍼런스, 그리고 여러 가까운 시점에서 장소를 설득력 있게 보여줘야 하는 기타 프로젝트에 특히 유용합니다. 복잡한 시각적 외형을 유지하는 능력 덕분에 최종 결과물을 주로 보기 위한 용도로 사용하고, 크게 리모델링하지 않는 경우 특히 적합합니다.

또한 캡처에서 인터랙티브 시각화까지의 과정을 단축할 수 있습니다. 팀의 주된 목적이 장소를 즉시 다듬어진 폴리곤 어셋으로 만드는 것이 아니라 탐색하거나 보여주는 것이라면, 가우시안 표현은 포토그래메트리에서 일반적으로 필요한 일부 메쉬 클린업을 줄일 수 있습니다.

포토그래메트리가 더 적합한 경우

포토그래메트리는 캡처한 오브젝트나 환경을 일반적인 3D 어셋으로 만들어야 할 때 여전히 실용적입니다. 메쉬는 리토폴로지, UV 매핑, 베이킹이 가능하고, 다른 지오메트리와 결합하거나 충돌에 사용하거나, 표준 모델링 및 텍스처링 도구로 넘길 수 있습니다. 따라서 게임, VFX, 건축, 제품, 문화유산 등 다양한 워크플로우에 자연스럽게 적합합니다.

가우시안 스플래팅과 포토그래메트리를 함께 사용할 수 있을까요?

네. 두 방식은 동일한 캡처 및 카메라 솔빙 과정의 일부를 공유할 수 있습니다. 팀은 포토그래메트리로 신뢰할 수 있는 지오메트리를 만들면서, 시각화를 위해 더 풍부한 씬 외형을 보존하는 데 가우시안 스플래팅을 사용할 수 있습니다.

또 다른 워크플로우는 빠른 씬 검토를 위해 스플랫에서 시작한 뒤, 편집, 충돌, 합성, 시뮬레이션에 필요한 부분에만 지오메트리를 생성하거나 추출할 수 있습니다. 시각적 외형과 활용 가능한 지오메트리 어느 쪽도 포기할 수 없다면 두 방식을 함께 사용하는 것이 실용적일 수 있습니다.

결론

가우시안 스플래팅은 사실감과 인터랙티브 렌더링이 주요 목표일 때 이미지 기반 3D 캡처로 달성할 수 있는 범위를 넓혔습니다. 포토그래메트리는 활용 가능한 표면 지오메트리가 매핑, VFX, 게임, 건축, 문화유산 등 많은 분야에서 여전히 필수이기 때문에 계속해서 중요한 방식입니다. 가우시안 스플래팅은 씬이 어떻게 보이는지를 재현하는 데 크게 초점을 맞추는 반면, 포토그래메트리는 씬을 구성하는 표면을 재구성하는 데 더 초점을 둡니다. 이 차이를 이해하면 프로젝트에 적합한 접근 방식을 훨씬 쉽게 선택할 수 있습니다.

‍