쿼터니언 기반 3D 인간 동작 캡처 QuaMo

초록

QuaMo는 비전 기반 3D 포즈 추정값을 입력으로 받아, 쿼터니언 미분 방정식(QDE)과 메타‑PD 제어기에 가속도 강화 항을 결합한 상태‑공간 모델로 인간 관절의 회전과 각속도를 연속적으로 예측한다. 단위 구면 제약 하에서 정확히 적분함으로 이산적 불연속성을 제거하고, 온라인 실시간 환경에서도 부드럽고 물리적으로 타당한 움직임을 재현한다. Human3.6M, Fit3D, SportsPose, AIST 등에서 기존 최첨단 방법들을 능가한다.

상세 분석

QuaMo의 핵심은 인간 관절 회전을 4차원 단위 쿼터니언으로 표현하고, 이를 시간에 따라 변화시키는 QDE를 정확히 풀어낸다는 점이다. 기존 kinematics 기반 방법들은 주로 오일러 각을 사용했으며, 이는 gimbal lock과 0~2π 경계에서 발생하는 불연속성 때문에 급격한 자세 변화 시 진동이나 비현실적인 회전을 초래한다. QuaMo는 Hamilton 곱을 이용해 쿼터니언의 미분을 정의하고, ω(각속도) 가 일정하다고 가정한 구간에서 exp(Δt/2·Ω(ω)) 형태의 정확한 회전 연산을 수행한다. 이때 Ω(ω)는 반대칭 행렬로, exp 연산은 단위 구(S³) 위에서의 정확한 이동을 보장한다. 따라서 수치적 오차가 누적되는 Euler‑integration 방식과 달리, 매 타임스텝마다 쿼터니언의 정규성을 유지한다.

두 번째 혁신은 메타‑PD 제어기에 가속도 강화 항(α)을 추가한 것이다. 기존 메타‑PD는 목표 쿼터니언 ˆq와 현재 쿼터니언 q의 오차를 기반으로 비례·미분 제어신호를 생성한다. QuaMo는 최근 세 프레임(ˆq_{t‑2Δt}…ˆq_t) 사이의 2차 차이를 벡터화하여 α를 계산하고, 급격한 자세 전환 시 제어신호를 증폭시켜 빠른 추적을 가능하게 하며, 목표 자세에 근접하면 신호를 감쇠시켜 오버슈팅을 방지한다. 이 가속도 강화는 특히 스포츠 동작이나 급격한 동작 전환이 빈번한 데이터셋에서 효과가 두드러진다.

제어신호와 가속도 강화 파라미터는 ControlNet이라 불리는 작은 신경망에 의해 입력( q_t, ω_t, ˆq_t )으로부터 예측된다. 이 네트워크는 선형 프로젝션을 통해 κ_P, κ_D, κ_A, b_t 를 출력하고, 이 값들은 각각 비례 이득, 미분 이득, 가속도 스케일, 바이어스(데이터‑드리븐 가속도) 역할을 한다. 따라서 QuaMo는 완전한 물리 기반 모델이면서도 데이터‑드리븐 파라미터 튜닝을 통해 다양한 동작 스타일에 적응한다.

시스템 전체는 다음과 같은 이산 상태‑공간 방정식으로 정리된다.

• ω_{t+Δt} = f_Euler(ω_t, \dot{ω}_t, Δt) (Euler 적분을 사용해 각속도 업데이트)
• q_{t+Δt} = f_Hamilton(q_t, \dot{q}_t, Δt) (Hamilton 곱 기반 QDE 정확 적분)
• \dot{ω}t = f_ω(q_t, ω_t) + u(q_t, ω_t, ˆq_t) + α(ˆq{t‑2Δt:t})

여기서 f_ω는 ControlNet이 예측하는 데이터‑드리븐 가속도, u는 메타‑PD 제어 신호, α는 가속도 강화 항이다. 최종적으로 q_{t+Δt}와 ω_{t+Δt}를 SMPL 모델에 적용해 메쉬와 3D 키포인트를 복원한다.

실험에서는 Human3.6M, Fit3D, SportsPose, AIST 네 개 데이터셋에 대해 MPJPE, PCK, Acceleration Error 등 다양한 정량 지표와 시각적 정성 평가를 수행했다. QuaMo는 특히 Acceleration Error에서 기존 Euler‑angle 기반 방법보다 30% 이상 감소했으며, 관절 스키핑이나 발 미끄러짐 현상이 현저히 줄어들었다. Ablation study에서는 (1) QDE를 정확히 풀지 않은 경우, (2) 가속도 강화 항을 제외한 경우, (3) 쿼터니언 정규화를 강제하지 않은 경우 각각 성능 저하가 관찰돼 제안된 각 구성 요소의 필요성을 입증한다.

요약하면, QuaMo는 쿼터니언의 수학적 특성을 활용해 연속적이고 물리적으로 일관된 인간 동작을 실시간으로 재구성하는 새로운 프레임워크이며, 기존 Euler‑angle 기반 접근법의 근본적인 한계를 극복한다.