연수 결과 발표
한국전자통신연구원 홍상기 교수님
2024 UST 동계연수생 하시윤
NERF를 이용한
3D 객체 및 공간 모델링
01
NeRF
(1) 개념
(2) Pipeline
(3) 한계점
04
성능 비교
02
Nerfacto
05
Point Cloud 추출
03
PixelNeRF
06
활용 방안
목차
(1) 개념
(2) 실습
(1) 개념
(2) 실습
개념
Pipeline
한계점
PART 01.
NeRF
PART 01
- 객체의 3D 모델을 생성하는 기술이 아닌, 객체를 바라보는 모든 장면을 생성하는 기술 사용.
- 장점 :
Nerf
PART 02
Nerf(Training.)
Uniform Sampler
Coarse
Volumetric Renderer
PDF Sampler
Fine
Volumetric Renderer
x, y, z, dir
PART 02
Nerf(Training.)
Uniform Sampler
Coarse
PDF Sampler
Fine
Volumetric Renderer
Volumetric Renderer
밀도, 색상
<MLP>
<Positional Encoding>
PART 02
Nerf(Training.)
Uniform Sampler
Coarse
PDF Sampler
Fine
Volumetric Renderer
Volumetric Renderer
RGB coarse, Weights
PART 02
Nerf(Training.)
Uniform Sampler
Coarse
PDF Sampler
Fine
Volumetric Renderer
Volumetric Renderer
x, y, z, dir
PART 02
Nerf(Training.)
Uniform Sampler
Coarse
PDF Sampler
Fine
Volumetric Renderer
Volumetric Renderer
밀도, 색상
PART 01
2
적은 수의 입력 데이터셋에 대해 최적화한 모델
NeRF의 한계점
1
V100 GPU에서 학습이 1일 이상 소요되고, 렌더링 1장에 30초 정도 소요
-> 실시간 Application 불가능
Training, Rendering 속도 개선한 모델
많은 입력 이미지 필요
개념
실습
PART 02.
Nerfacto
PART 02
Nerfacto
PART 02
NeRF Studio
* Environment : Docker의 dromni/nerfstudio 1.0.0 Image(컨테이너 정의하는 읽기 전용 템플릿)의 nerfstudio Container *
(1) Training
PART 02
실습 - 1) 기본 데이터셋
PART 02
실습 - 1) 기본 데이터셋
(1) Training
=> 학습 시간 : 1 iteration 당 약 0.03s -> 30000 iteration 수행 시 900s (약 15분 소요).
PART 02
실습 - 1) 기본 데이터셋
(2) Rendering
PART 02
실습 - 1) 기본 데이터셋
(2) Rendering
PART 02
실습 - 2) 509 회의실
* 360 Data (Equirectangular) through Insta360 -> 509 회의실 *
(1) Preprocessing
=> 186 * 14 = 2604 images
PART 02
실습 - 2) 509 회의실
(2) Training
(3) Rendering
PART 02
실습 - 2) 509 회의실
(3) Rendering
PART 02
실습 - 3) 1층 본관
* 상대적으로 더 넓고, 빛이 들어오는 공간 *
(1) Preprocessing
=> 1500 images
PART 02
실습 - 3) 1층 본관
(2) Training
(3) Rendering
개념
PART 03.
PixelNeRF
실습
PART 03
PixelNeRF
실습 - 1층 본관
(1) PixelNeRF Method 생성
-> NeRF Studio의 Adding a New Method 기능을 활용하여 my_method(PixelNeRF) 생성.
PART 03
실습 - 1층 본관
(1) PixelNeRF Method 생성
추후 train시, call할 method 이름, pipeline 등 지정
method에 대한 진입점 설정 및 코드 베이스에 필요한 추가 종속성 지정
PART 03
PART 03
실습 - 1층 본관
(2) 실행
PART 04.
성능 비교
PART 04
성능 비교 : PixelNeRF vs Nerfacto
(1) Evaluation
output.json
PART 04
성능 비교 : PixelNeRF vs Nerfacto
(1) Evaluation
<PixelNeRF> <Nerfacto>
PART 05.
Point Cloud 추출
PART 05
Point Cloud 추출(1층 본관)
<출입구에서 본 모습>
<상단에서 본 모습>
PART 06.
활용 방안
Part 06
01. 드론을 활용한 건물 외부 모델링
02. 자율주행 알고리즘 테스트
03. 가상 현실 모델링
공간 모델링
활용 방안
인턴십 소감
인턴십 소감