선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 시야각을 적용한 3차원 가시분석이론의 발전적 가능성을 파악하기 위한 시도로서, 공간구조론이 가지고 있는 가치중립성을 유지시키기 위하여 비환경적 상황과 개체의 고유속성은 모두 배제하였다. 따라서 기존의 3차원 가시성 분석이론에 안구의 움직임에 의한 각 도별 주시확률 변수만을 고려하고 있다.
- 이에 본 연구에서는 기존의 MDVC이론을 토대로 시야각에 따른 확률적 주시특성을 반영한 3차원 공간 시지각 분석이론을 제시하고 그 가능성을 파악해 보고자 하였다.
제안 방법
- 1. heat map도출을 위한 주시필터(Fixation filter)는 일반적으로 적용되는 clear view fixation filter를 사용하고, velocity threshold를 50pixel로, duration threshold는 75ms로 설정하였다.
- 9와 같이 ㄱ자로 90도 절곡된 복도공간을 예시모델로 설정하였다. 내부에 x, y, z방향으로 100㎜ 등간격의 36192개의 대상점을 설치하고, 복도의 중심점을 따라 300㎜간격으로 이동하는 과정에서 21개의 각 시점(측정지점)의 시야각 내에 들어오는 대상점의 개수를 카운트하였으며, 시야각은 가중치 산출 방법과 동일하게 5단계(5도, 10도, 15도 20도, 25도)로 설정하였다.
- 네 번째, 시야각별 주시확률을 기존의 MDVC분석 어플리케이션에 적용하여 시점별 가시도(로우데이터)를 산출한다.
- 네 번째, 위의 표준 AOI를 그룹으로 묶어서 정의하고, 이를 각 피실험자 데이터(레코드)로 불러들여 각 레코드별 시선의 중심점과 표준 AOI중심점을 정렬시킨다.
- 다섯 번째, 로우데이터를 캐드시스템에서 통계 처리하여 변수를 도출하고, 예시모델에 적용하여 보정시야가 시도를 산출하고 특성을 평가한다.
- 데이터의 일반화를 위하여 각 레코드와 전체 평균 간의 상관계수(Correlation) 산출을 통해 상관계수 0.8이하에 해당되는 레코드의 Heat Map을 재분석하여, 측정게 이지의 범위를 벗어난 5개의 레코드를 데이터에서 추가로 제외하였다.
- 두 번째, Fig.3과 같이 준비된 조준지를 글래스로부터 1미터 거리의 벽면에 설치하고 아이트래커를 착용하여 부착된 카메라로 조준지를 촬영한다.
- 두 번째, 시야각을 작도한 조준지를 아이트래커로 촬영하여 가이드라인을 설정하고, 이를 각 레코드(피실험자 데이터)의 주시패턴과 일치시킨다.
- 또한 아이트래커는 제품마다 특성이 다르고, 특히 이동형 장비는 정밀한 각도를 측정하기에는 아직까지는 상당부분 오차가 발생하는 것으로 파악되고 있으므로 본 연구에서는 확률적인 방법을 사용하였다.
- 본 연구에서는 시선 중심점을 찾기 위하여 주시분포도(Heat map)분석을 이용하였으며, 2단계의 검증을 통해 중심점을 찾아내고, 이 과정에서 발견된 오류레코드 2개를 추가로 제외시켰다.
- 세 번째, 가이드라인을 기준으로 관심영역(Area of Interest; AOI)를 설정하여 시야각별 Fixation의 빈도를 얻어낸다.
- 세 번째, 촬영된 조준지 영상이미지를 분석소프트웨어(Tobii Studio)로 불러들여 조준지 이미지를 기준으로 표준 AOI를 설정한다. 시야각 범위별로 설정하기 때문에 20도는 5도, 10도, 15도의 Fixation이 포함되고, 15도는 5도와 10도가 포함되며, 10도는 5도 범위가 포함되게 된다.
- 아이트래커 분석화면에서는 각도별 AOI영역의 마킹이 불가능하므로, 본 연구에서는 다음과 같은 절차를 거쳐 영역(각도 경계선)을 도출하였다.
- 얻어진 시각연결빈도에 시야각별 가중치(Pn)와 중첩회수(d-n)를 적용하여, 각 시점별 보정가시도를 산출하였다. 전장의 연구를 통해 도출된 가중(보정)치를 적용하기 위해 2가지 방법을 적용하였다.
- 연구의 내용은 크게 인간의 시야각별 특성분석과 이를 적용한 3차원 분석기술의 가능성 파악으로 구분되며, 연구절차 및 방법은 다음과 같다.
- 위의 두 가지 검증결과를 상호 비교하여 중심점과 불량데이터를 결정하였다.
- 일반적으로 주시는 시각틀의 중앙에 위치하는 소실점(Vanishing Point)을 중심으로 퍼져나가게 된다. 이 점을 중심으로 주시의 각도별 빈도를 안구추적을 통해 확률화하고자 하였으며, 심리생리학적 측정장비인 아이트래커를 측정에 사용하였다.
- 1차 검증은 heat map의 Scale max value를 3초~7초, absolution duration radius를 50~150범위에서 타임 슬라이더를 조정하면서 직관적으로 중심점을 찾아내는 방식이다. 이때 의심되는 레코드는 별도로 기입해 놓고, 2단계 검증을 수행하였다.
- 이상으로 시야각별 주시확률을 반영한 Blur Frustum Culling의 개념을 제안하고, 주시위치와 빈도를 측정하여 시야각도별 보편적 가시특성을 도출하였하였다. 그리고 시지향성 다차원 시각구조분석(MDVC-V)에 시야각별 가시확률을 보완하여, 예시모델을 통해 가시특성을 도출해 낼 수 있었다.
- )와 중첩회수(d-n)를 적용하여, 각 시점별 보정가시도를 산출하였다. 전장의 연구를 통해 도출된 가중(보정)치를 적용하기 위해 2가지 방법을 적용하였다.
- 첫 번째, Fig.2와 같이 1미터 거리에서 중심점으로 5도 단위로 시야각을 설정하여 Concentric rectangle(同心正四角) 형태의 각도별 가시한계틀을 정의한 조준지를 작도한다.
- 첫 번째, 이동형 아이트래커를 이용하여 실제공간에서의 주시데이터(패턴)를 수집하고, Fixation(주시고정)들의 위치를 데이터화 한다.
- 측정실험은 이동형 아이트래커를 착용하고 3분간 임의의 목적지로 자유롭게 보행하며 눈동자의 움직임을 기록(저장)하는 방식으로 진행되었다. 이 과정에서 야외, 계단, 실내, 복도 등의 익숙한 공간들을 무작위 경로로 이동하도록 하였으며, 정지상태로 머물러 주변을 둘러보거나 담화를 나누는 등 특정한 시각적 목적을 갖는 동작은 금하였다.
대상 데이터
- 시선추적실험은 글래스 타입의 이동형 아이트래커(Tobii-X2)를 사용하였다. 이 장비는 좌우 56도, 상하 40도 까지 눈동자의 위치를 기록할 수 있는 1.
- 시야각 가중 가시도 분석의 적용실험을 위해 Fig.9와 같이 ㄱ자로 90도 절곡된 복도공간을 예시모델로 설정하였다. 내부에 x, y, z방향으로 100㎜ 등간격의 36192개의 대상점을 설치하고, 복도의 중심점을 따라 300㎜간격으로 이동하는 과정에서 21개의 각 시점(측정지점)의 시야각 내에 들어오는 대상점의 개수를 카운트하였으며, 시야각은 가중치 산출 방법과 동일하게 5단계(5도, 10도, 15도 20도, 25도)로 설정하였다.
- 캘리브레이션은 9점 포인트를 2차에 걸쳐 수행하였으며, 조정실패(Fail)된 피실험자는 측정에서 제외하여 최종적으로 1:1 성별로 배분된 33명이 피실험자로 참여하였다.
데이터처리
- 이러한 절차로 도출된 각도별 평균값을 최종 주시확률로 확정하였다. 다만 상하 또는 좌우의 값을 별도로 반영하지는 않았다.
이론/모형
- 1(上)과 같이 절두체(Frustum)의 외부를 제외하게 되면 입체사다리꼴 형태의 3차원 시야장이 발생하게 되며, 분석알고리즘에서도 절두체 내부의 대상점만을 분석하는 프러스텀 컬링(Frustum Culling) 알고리즘을 적용하게 된다. 이렇듯 시야각을 고려한 시지향성 가시도 분석방법(시야가시연결도)을 MDVC-V로 명칭하도록 한다.
- 시야각별 주시특성을 파악하기 위해서는 기록된 수많은 주시지점(Fixation location)들이 어느 정도의 각도범위에 분포되는지에 대한 파악이 필요하다. 이를 본 연구에서는 심리학, 마케팅 분야의 연구에서 많이 활용되고 있는 AOI추출방식을 사용하였다.
성능/효과
- 그 결과 시야각별 가중치를 적용하여 보정하였을 때, 상대적인 가시특성에는 큰 차이가 발생하지 않았으나, 방향전환 과정에서 보다 정확한 데이터를 얻어낼 수 있음을 알 수 있었다.
- 이상으로 시야각별 주시확률을 반영한 Blur Frustum Culling의 개념을 제안하고, 주시위치와 빈도를 측정하여 시야각도별 보편적 가시특성을 도출하였하였다. 그리고 시지향성 다차원 시각구조분석(MDVC-V)에 시야각별 가시확률을 보완하여, 예시모델을 통해 가시특성을 도출해 낼 수 있었다.
- 따라서 최종 분석에 사용된 데이터는 25개로 확정되었으며, Table 1과 같이 상관계수(τ)의 평균도 0.89에서 0.94로 상향되었다.
- 향후 연구에서는 이러한 방향에 따른 차이도 고려되어야 해볼 필요가 있다. 또한 분석과정에서 보다 복잡한 공간일수록 뚜렷한 특성을 얻을 수 있다는 단서를 발견하였다. 이에 후속연구에서는 분석어플리케이션의 정밀도를 개선시키고 입체적인 다양한 형태의 예시모델에 적용하여 현실공간에 적용할 수 있도록 발전시켜 나갈 것이다.
- 이는 실험에 사용된 이동형 아이트래커 제품이 캘리브레이션과정에서 글래스와 IR조준 마커와의 거리 1미터를 두어 시선정렬을 하도록 하는 것과 동일한 원리로서, 예비실험을 통해 1미터 거리에서 아이트래커의 상하 좌우 한계각도가 촬영되는 것을 확인하였다.
- 주시특성을 파악하는 과정에서 상하방향으로의 빈도에 차이가 있음을 알 수 있었다. 향후 연구에서는 이러한 방향에 따른 차이도 고려되어야 해볼 필요가 있다.
후속연구
- 본 연구는 기존의 이론에 시야각별 가시확률 적용의 가능성을 파악하기 위한 기초적인 연구로서, 추후 시선 추적장비의 정밀도가 향상된다면 더욱 많은 데이터 수집을 통해 보다 정확한 분석이 가능해질 것이다.
- 또한 분석과정에서 보다 복잡한 공간일수록 뚜렷한 특성을 얻을 수 있다는 단서를 발견하였다. 이에 후속연구에서는 분석어플리케이션의 정밀도를 개선시키고 입체적인 다양한 형태의 예시모델에 적용하여 현실공간에 적용할 수 있도록 발전시켜 나갈 것이다.
- 주시특성을 파악하는 과정에서 상하방향으로의 빈도에 차이가 있음을 알 수 있었다. 향후 연구에서는 이러한 방향에 따른 차이도 고려되어야 해볼 필요가 있다. 또한 분석과정에서 보다 복잡한 공간일수록 뚜렷한 특성을 얻을 수 있다는 단서를 발견하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.