1. 초기 탐구와 사진 측량학의 탄생
1830s ~ 1860s
3D 재구성은 오래전부터 2D 이미지에 3D 정보를 담으려 노력해온 인류의 탐구입니다.
-
•
스테레오스코피 (1830년대): 인간 두 눈의 원근 차이에 착안, 두 장의 사진이나 그림으로 입체감을 구현한 초기 재구성 시도.
-
•
메트로사진술과 사진 측량학 (1860년대): 지형 지도 제작을 위해 여러 지점에서 촬영한 사진을 삼각측량으로 공간상의 점을 추출하는 개념의 등장.
2. 항공 사진과 기계적 자동화
WWI ~ 1950s
전쟁과 지도의 중요성 증대로 재구성 기술이 하늘로 확장된 시기입니다.
-
•
항공 사진술: 1차 세계대전 당시 전장 지도 제작을 위해 항공기에서 수직 촬영을 시작하며 데이터 확보의 차원이 달라졌습니다.
-
•
스테레오 플로터: 두 이미지 사이의 원근을 기계적으로 설정하고 수동으로 지형의 고도를 측정하던 정교한 아날로그 시대.
-
•
컴퓨터 도입 (1950년대): 데이터의 수치화 및 기록 작업이 드디어 자동화되기 시작했습니다.
3. 수학적 최적화와 자동화의 발전
1960s ~ 1970s
컴퓨터가 직접 이미지를 이해하도록 하는 수학적 모델이 본격적으로 발전했습니다.
-
• 번들 조정 (Bundle Adjustment)
수많은 사진을 정렬할 때 발생하는 오차와 렌즈 왜곡을 최소화하기 위한 최적화 모델의 정수.
🔗 Bundle Adjustment Wiki -
• 스테레오 비전 (Stereo Vision)
컴퓨터가 두 이미지 사이의 시차(Parallax)를 계산하여 깊이를 파악하는 자동화 모델로의 전환.
🔗 Stereo Vision Guide
4. SfM과 대규모 데이터의 활용
Early Modern ~ 2010s
소프트웨어 기술 발달로 수만 장의 사진을 처리할 수 있는 빅데이터 시대가 개막되었습니다.
-
• SfM (Structure from Motion)
특징점을 자동으로 탐지하고 매칭하여 3D 모델을 구축하는 증분형/전역 SfM 기술의 보편화.
🔗 Structure from Motion Details -
• 크라우드소싱과 '로마 재건'
Flickr의 휴가 사진들을 활용하여 단 하루 만에 로마 전체를 3D로 재구성하는 등 대규모 환경의 가능성을 확인했습니다.
5. 머신러닝과 신경망 기반 재구성
Present & Future
기하학적 규칙을 넘어 인공지능이 장면 자체를 학습하는 방식으로 진화하고 있습니다.
NeRF (Neural Radiance Fields)
신경망 자체가 3D 데이터로 기능, 공간 내 모든 지점의 색상과 투명도를 학습해 실감 나는 렌더링을 구현합니다.
View Research Paper ↗가우시안 스플래팅 (Gaussian Splatting)
3D 가우시안(Blob)을 최적화하여 장면의 외형을 매우 정교하고 빠르게 재구성하는 최첨단 시각화 기술입니다.
View Project Page ↗결론
이미지 기반 3D 재구성은 수동적인 삼각측량에서 시작하여 수학적 최적화를 거쳐, 이제는 머신러닝이 장면의 의미와 맥락까지 파악하여 실감 나는 가상 세계를 구축하는 방향으로 끊임없이 진화하고 있습니다. 이 여정은 가상 현실(VR), 자율 주행, 문화유산 보존 등 현대 기술의 핵심 동력이 되고 있습니다.