비정형 3D 정합과 인체 포즈 추정 기반 시공간 비전 연구

Nonrigid 3D Registration and Spatiotemporal Human Pose Estimation

연구 내용

비정형 점군에서 대응관계를 그래프 매칭으로 탐색하고, 인체 포즈를 시공간 트랜스포머로 추정하며, 궤적 기반 변형 장면 표현을 결합하는 3D 비전 연구

비정형 점군 정합을 위해 그래프 기반 대응관계 탐색을 수행하여 기하 유사도와 변형 특성을 동시에 반영합니다. 또한 3D 휴먼 포즈 추정에서 국소 관절 토큰 상호작용과 전역 프레임·궤적 범위 혼합을 결합한 트랜스포머 구조로 특징 전달의 제약을 완화합니다. 더 나아가 궤적 그리드 표현을 사용한 변형 가능 Neural Radiance Field 모델을 통해 동적 장면의 표현을 확장합니다. 이를 통해 정합·포즈·동적 장면 재현의 일관된 3D 비전 파이프라인을 지향합니다.

관련 프로젝트

1건

연구 흐름

초기에는 2020년 비정형 점군에서 대응관계를 찾기 위한 그래프 매칭 기반 검색 방법을 제안하여 nonrigid point cloud registration의 핵심 문제를 정리했습니다. 이후 인체 시공간 정보를 더 잘 교환하기 위해 2025년 GaLFormer 형태의 local-global Transformer를 적용한 3D human pose estimation 연구로 확장했습니다. 한편 2023년부터는 trajectory grid 표현을 기반으로 변형 가능 Neural Radiance Field의 학습과 조건 제어를 수행하여 동적 장면 표현으로 연구 축을 확장하고 있습니다. 최근까지 정합과 포즈, 3D 표현을 연결하는 방향의 연구를 지속하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비정형 점군 정합 파이프라인
3D 장면 재구성
모션 캡처 기반 운동 분석
로봇용 자세 추정
AR/VR 실시간 포즈 추적
인체 관절 궤적 모델링
동적 장면 시각화
자율주행 센서 정합
스포츠·재활 영상 분석
궤적 조건 기반 3D 생성