초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

2000년대 초반부터 문화유산의 형상 정보를 취득하는 것은 보존과 분석을 위한 필수 요소로 여겨져 많은 데이터가 축적되었으며, 우리나라의 경우 문화재청에서 ‘문화유산 3차원 스캔 데이터 구축 가이드라인(2015)’을 공개하여 표준화된 데이터베이스를 구축하고 있다. 하지만 구축한 데이터의 검증 체계는 마련되어 있지 않아 데이터의 신뢰성이 확보되지 않은 상황이다. 본 연구에서는 메쉬(mesh) 형태의 3D 스캔 데이터 자동 형상평가를 통하여 디지털 유산의 신뢰성을 확보하고자 한다. 먼저 기초자료 분석과 실무자 ...

2000년대 초반부터 문화유산의 형상 정보를 취득하는 것은 보존과 분석을 위한 필수 요소로 여겨져 많은 데이터가 축적되었으며, 우리나라의 경우 문화재청에서 ‘문화유산 3차원 스캔 데이터 구축 가이드라인(2015)’을 공개하여 표준화된 데이터베이스를 구축하고 있다. 하지만 구축한 데이터의 검증 체계는 마련되어 있지 않아 데이터의 신뢰성이 확보되지 않은 상황이다. 본 연구에서는 메쉬(mesh) 형태의 3D 스캔 데이터 자동 형상평가를 통하여 디지털 유산의 신뢰성을 확보하고자 한다. 먼저 기초자료 분석과 실무자 자료 분석을 토대로 데이터 검수 항목을 도출하였으며, 데이터가 실제 문화유산과 동일한지 확인하는 동일객체 인식과 형상에 대한 정확도를 평가하였다.
실험 및 평가는 ‘보물 제1152호 경주 죽동리 청동기 일괄’ 중 5가지 유물 (동모, 동대, 소동탁, 간두령, 검파두식)을 선택하여 실시하였다. 먼저 동일객체인식을 위하여 특징추출기술자인 histogram of gradient (HoG)를 사용하였다. 이 때 cell size에 따라 성능과 속도가 다르기 때문에 cell size [2x2], [4x4], [8x8]로 특징을 추출하였다. 그 후 기계학습방식인 support vector machine (SVM)과 k-nearest neighborhood (k-NN)분류기를 사용하여 성능평가를 실시하였으며, ‘HoG(cell size 4x4) + SVM’이 86%로 가장 높은 결과 값을 얻을 수 있었다. 두 번째로는 Shape Context를 이용하여 형상 정확도 평가를 실시하였다. 이를 통하여 데이터 품질에 대한 평가를 할 수 있었다.
본 연구를 통하여 실제 문화유산 산업현장에서 문화유산 3D 스캔 데이터에 대한 품질 검수가 필요하며, 특히 형상에 대한 평가가 필요하다는 것을 알 수 있었다. 또한 동일객체 인식실험 및 형상 정확도 평가를 통하여 자동으로 형상 평가의 가능성을 확인할 수 있었다. 마지막으로 보행자 인식 등 기존의 인식연구와 달리 문화유산의 경우 대상이 다양하기 때문에 속도 향상을 위하여 형상을 단순화 시킨 일반적인 연구 결과를 적용하기에는 한계가 발생하였다. 문화유산은 특징점 추출 후 시스템에 적용했을 때 오히려 성능이 높아지는 것을 볼 수 있었다.
본 연구에서는 5점의 문화유산을 선정하여 실험을 진행하였기 때문에 실험에서 발생하는 여러 요인을 분석하는데 한계가 발생하였다. 향후 본 연구가 추가적으로 진행된다면 형태적 복잡성, 대상의 크기 등 다양한 문화유산을 선정하여 추가 연구를 실시할 필요가 있다. 또한 유사한 형태의 문화유산인 경우 동일객체 인식 및 형상 정확도 평가 결과가 본 연구와 다르게 도출될 가능성이 있으므로 딥러닝(deep learning) 등을 이용한 성능 향상 연구도 필요하다. 마지막으로 사진측량(photogrammetry)을 통해 산출되는 3D 데이터가 본 연구에 적용될 수 있는지 확인하는 추가연구가 필요하다. 앞으로 이와 같은 데이터 검수 및 관리 체계 마련을 위한 연구가 지속적으로 진행되어 디지털 유산의 기록보존시스템이 구축되기를 기대한다.

주제어