가우시안 스플래팅 기반 디지털 트윈을 활용한 3차원 손상 시각화

초록

**
본 논문은 가우시안 스플래팅(Gaussian Splatting, GS) 기술을 디지털 트윈에 적용해, 2D 손상 분할 결과를 3D 재구성 과정에 직접 통합함으로써 손상 영역을 정밀히 시각화하고, 다중 해상도 계층적 재구성 및 손상 진행 상황의 실시간 업데이트를 가능하게 하는 방법을 제안한다. 합성 지진 후 검사 데이터셋을 통해 기존 포토그래메트리·NeRF 기반 방법보다 높은 효율성과 정확성을 입증하였다.

**

상세 분석

**
본 연구는 기존 2단계 “포토그래메트리 기반 3D 재구성 → 레이‑캐스팅 손상 투사” 방식이 텍스처가 부족하거나 중복 이미지에서 발생하는 매칭 오류, 카메라 포즈 정밀도 요구, 그리고 연산 비용 과다 등의 한계를 가지고 있음을 지적한다. 이를 극복하기 위해 가우시안 스플래팅(GS)의 장점을 활용한다. GS는 장면을 이산적인 3차원 가우시안 프리미티브 집합으로 표현하며, 각 가우시안은 위치 μ, 공분산 Σ(스케일·방향), 색상 c, 불투명도 α 로 파라미터화된다. 이러한 명시적 표현은 학습 과정에서 직접적인 기하학적 조작이 가능하고, GPU 기반 스플래팅으로 실시간 렌더링이 가능하다는 점에서 NeRF의 연속적 MLP 기반 표현보다 효율적이다.

핵심 기여는 세 가지로 정리된다. 첫째, 2D 손상 분할 마스크를 손실 함수에 포함시켜 다중 뷰 일관성을 유지하면서 손상 영역을 3D 가우시안에 학습시킨다. 구체적으로 렌더링된 이미지와 손상 마스크 사이의 교차 엔트로피 혹은 Dice 손실을 추가하고, 기존의 색상 L1·SSIM 손실과 결합해 전체 손실을 구성한다. 이를 통해 단일 뷰에서 발생하는 오분류가 다중 뷰 합성 과정에서 상쇄되며, 손상 형태가 실제 구조와 일치하도록 유도한다.

둘째, 계층적 재구성 전략을 도입한다. 저해상도 이미지로 초기 거친 가우시안 클라우드를 빠르게 생성하고, 손상이 의심되는 구역에만 고해상도 이미지와 세분화된 마스크를 사용해 가우시안을 클론·스플릿·프루닝한다. 이 과정은 전체 가우시안 수를 최소화하면서 손상 디테일을 고해상도로 복원한다는 비용‑정밀도 트레이드오프를 효과적으로 해결한다.

셋째, GS 고유의 novel‑view synthesis 능력을 활용해 디지털 트윈을 시계열적으로 업데이트한다. 새로운 현장 사진을 기존 모델의 동일 시점 뷰와 비교해 차이 영상을 추출하고, 차이 영역을 새로운 손상 마스크로 정의한다. 이후 해당 영역에만 선택적 파인‑튜닝을 수행함으로써 전체 재학습 없이도 손상 진행을 반영한다. 이는 현장 점검 주기가 짧은 인프라 관리에 매우 유용하다.

실험은 공개된 합성 지진 후 검사 데이터셋을 사용했으며, 정량적 지표(F1 score, IoU)와 정성적 시각화 모두에서 기존 SfM‑MVS‑Poisson 파이프라인 및 최신 NeRF 변형 대비 우수한 성능을 보였다. 특히 가우시안 수가 10⁶ 수준에서도 실시간 뷰 렌더링(30 fps 이상)이 가능해 현장 적용 가능성을 높였다.

한계점으로는(1) 가우시안 초기화가 SfM에 의존하므로 완전한 무지도 상황에서는 적용이 어려울 수 있다, (2) 손상 마스크 품질에 크게 좌우되며, 자동 분할 오류가 큰 경우 손실 함수가 오히려 손상을 왜곡할 위험이 있다, (3) 현재는 합성 데이터에만 검증했으므로 실제 현장 조명·반사·잡음 조건에서의 견고성 검증이 필요하다. 향후 연구는 실제 현장 데이터와 라이다·초음파 등 다중 센서 융합, 그리고 가우시안 파라미터의 물리적 의미(예: 재료 강도와 연계)와의 연계 모델링을 제안한다.

**