이형주 Hyeongju Lee
ITC-CSCC 2026 구두 발표 · 방콕ITC-CSCC 2025 포스터 · 서울코드 공개 · MIT

원점 최적화로 체적 컴퓨터 재생을
선명하게, 그리고 빠르게

Hyeongju Lee, Myungjin Cho, Min-Chul Lee (2025년 논문은 Gilsu Yeo 포함) · 규슈공업대학교, 한경국립대학교

9×9 요소 영상81 → 1번원점을 고르기 위한 재구성 횟수
CPU · 논문 측정값0.31s반복 탐색은 추정 25.45 s (0.3142 s × 81)
GPU · CuPy, RTX 30900.0057s같은 계산을 GPU로

고정 원점과 최적화한 원점

9×9 요소 영상으로 재생한 1951 USAF 해상도 차트. ITC-CSCC 2026 Fig. 6의 (a)와 (d)입니다. 막대 묶음의 경계를 비교해 보세요.

고정 원점으로 재생한 USAF 해상도 차트 최적화한 원점으로 재생한 USAF 해상도 차트 고정 원점최적화한 원점

체적 컴퓨터 재생(VCR)은 여러 시점에서 찍은 요소 영상을 깊이에 맞춰 밀어 겹쳐 3D 장면의 단면을 만듭니다. 이때 영상을 픽셀 단위로만 옮길 수 있어 양자화 오차가 생기고, 재생 영상이 흐려집니다.

2025년 논문은 겹치는 기준점(원점)을 최적화해 이 오차를 줄였습니다. 다만 최적 원점을 찾으려면 재생을 여러 번 반복해야 해서 느렸습니다.

2026년 논문은 이 원점을 영상과 상관없이 카메라 파라미터만으로 바로 계산합니다. 논문 실험에서는 반복 탐색과 같은 원점과 같은 SSIM을 얻었고, 시간만 줄었습니다. 모든 경우에 같다고 보장되지는 않습니다.

VCR이란

3D 물체를 핀홀 배열로 찍은 요소 영상을 가상 핀홀 배열로 역투영해 재생 평면을 만드는 원리 그림
요소 영상을 가상 핀홀 배열로 역투영해 원하는 깊이의 재생 평면을 만듭니다. ITC-CSCC 2026 Fig. 1

방법

후보 원점마다 재생하던 반복을, 파라미터로 하는 계산 한 번으로 바꿨습니다.

기존: 반복 탐색

  1. 요소 영상 획득
  2. 후보 원점 고르기
  3. VCR 재생
  4. 화질 평가, 2로 돌아가 반복

후보마다 재생을 다시 해야 해서 계산량이 큽니다.

제안: 직접 계산

  1. 요소 영상 획득
  2. 카메라 파라미터와 깊이 입력
  3. 양자화 오차가 가장 작은 원점을 식으로 계산
  4. VCR 재생 한 번

영상에 의존하지 않고 파라미터만 쓰므로 반복이 없습니다. 논문 실험에서는 결과 영상의 화질(SSIM)이 반복 탐색과 같았습니다.

처리 시간

9×9 요소 영상 기준. ITC-CSCC 2026 Table III, IV.

반복 탐색CPU · 추정25.45 s
직접 계산 (제안)CPU · 측정0.31 s
직접 계산 (제안)GPU · CuPy, RTX 30900.0057 s
재구성 81번 → 1번반복 탐색 25.45 s는 재구성 1회 0.3142 s에 81을 곱한 추정치입니다. 원점과 SSIM은 논문 실험에서 같았으며, 일반적으로 보장되지는 않습니다.

코드

두 논문의 방법을 Python으로 정리해 공개했습니다: github.com/zoocasso/origin-point-optimization-vcr

  • 원점 계산(origin.py), VCR 재생(vcr.py), 화질 지표, 처리 시간 측정 스크립트
  • 테스트 21개, 다시 구현한 연구 공식과 고정 시드 입력 10,000건 대조 일치
  • NumPy, OpenCV. GPU 측정은 CuPy(선택). MIT 라이선스

인용

@inproceedings{lee2026accelerated,
  title     = {Accelerated Origin Point Optimization for
               Volumetric Computational Reconstruction},
  author    = {Lee, Hyeongju and Cho, Myungjin and Lee, Min-Chul},
  booktitle = {Proc. ITC-CSCC},
  year      = {2026}
}
@inproceedings{lee2025image,
  title     = {Image Enhancement of Volumetric Computational
               Reconstruction Using Origin Point Optimization},
  author    = {Lee, Hyeongju and Yeo, Gilsu and Cho, Myungjin and Lee, Min-Chul},
  booktitle = {Proc. ITC-CSCC},
  year      = {2025}
}
연락

채용·협업 문의는 이메일로 받습니다.

데이터 엔지니어링, 백엔드, 비전 데이터 파이프라인 직무를 찾고 있습니다.

2027년 3월 석사 졸업 예정