컴퓨터비전과 Human Pose Estimation
자동화 시대가 도래하면서 기계의 시각에 해당하는 부분을 연구하는 분야인 컴퓨터비전의 시장규모는 점점 커지고 있습니다.
컴퓨터비전은 우리의 일상생활 속 많은 부분에서 사용되고 있습니다.
예를 들자면 QR코드와 작년에 폐지된 기능인 소셜 미디어 F이스북의 ‘얼굴 인식 태그 기능’도 컴퓨터비전의 예시로 들 수 있습니다.
컴퓨터비전은 다양한 기술을 연구하는데요, 그 중에서도 이미지인식을 통해 사람의 동작과 자세를 분석하는 Human Pose Estimation 기술이 있습니다.
Human Pose Estimation이란 무엇이고 어떻게 활용되는가
Human Pose Estimation은 사람의 관절이나 중요 신체부위를 keypoint로 지정하여 사람의 자세를 예측하는 기술입니다.
해외에서 활발하게 연구되고 있는 Human Pose Estimation은 국내에서는 아직 생소한 기술입니다.
하지만 Human Pose Estimation은 활용도가 굉장히 높은 기술로, 전 산업에 유용하게 활용될 수 있고 최근 들어서는 우리 일상생활과 밀접하게 연결되고 있습니다.
그렇다면 HPE는 구체적으로 어떻게 우리 일상과 연결되고 있을까요?
가장 흥미로운 활용 예시는 메타버스입니다.
비대면시대를 맞이하면서 급속도로 성장하기 시작한 메타버스는 우리의 현실을 가상의 디지털 세계로 확장시키는 역할을 하고 있습니다.
그렇기 때문에 메타버스 실현에 있어 현실과 유사한 가상세계 환경을 구축하는 것은 매우 중요합니다.
현실 세계와 같은 메타버스를 위해서는 사람의 움직임을 3D 공간으로 정확하게 투영할 수 있는 기술이 필수적입니다.
바로 이 지점에서, 컴퓨터비전 중에서도 이미지인식을 통해 사람의 자세를 분석하는 Human Pose Estimation 기술이 활용됩니다.
Human Pose Estimation은 실제 사람의 유연한 움직임을 조금이라도 더 현실감 있게 실현하기 위해 필요한 기술이라고 할 수 있습니다.
또한 모두가 주목하고 있는 자율주행자동차에 있어서 내 앞에 있는 보행자가 어떤 행동을 할지 예측하기 위해서 Human Pose Estimation이 사용됩니다.
이외에도 이미지인식을 통해 사람의 행동을 분석하는 기술인 Human Pose Estimation이 활용되는 산업으로는 스포츠, VR/AR, 게임, 헬스케어 등이 있습니다.
Human Pose Estimation의 전망
이렇게 우리 일상생활의 많은 부분을 차지하고 있는 Human Pose Estimation의 전망은 당연하게도 무척 밝습니다.
유수 자동차 기업들은 자율주행자동차 개발을 연구하고 있고 가상세계의 실현은 가까워지고 있으며,
자세를 교정해주는 헬스케어 어플도 연구되고 있습니다.
세계가 주목하고 있는 기술들을 구현하기 위해서는 Human Pose Estimation 기술이 필수적이며,
이것이 곧 우리가 Human Pose Estimation을 공부해야하는 이유입니다.
Human Pose Estimation, 어떻게 공부해야 할까?
이렇게 우리 주변에 스며들어있고 앞으로는 더욱 스며들 Human Pose Estimation, 과연 어떤 단계로 공부해야할까요?
앞서 언급했던 메타버스 예시를 다시 꺼내자면, 메타버스 구축에 있어서 활용되는 Human Pose Estimation 중에서도
가장 핵심적인 기술은 3D Human Pose Estimation입니다.
그렇다면 우리는 3D Human Pose Estimation부터 배워야할까요?
그 전에, 3D 환경에서 인간의 자세를 추정하는 것은 2D에서의 추정을 기반으로 두고 있습니다.
그렇기 때문에 3D Human Pose Estimation의 기초가 되는 2D Human Pose Estimation을 배우셔야 더욱 탄탄한 실력을 키우실 수 있습니다.
다음으로 Human Pose Estimation을 진짜 내 것으로 만들기 위해서는 실습을 빼놓을 수 없습니다.
여기까지 차근차근 학습하신다면 Human Pose Estimation을 한 번 훑었다고 할 수 있는데요.
추가적으로 아직 학계에서 풀리지 않은 최신 주제들을 담은 Advanced 3D Human Pose Estimation까지 배운다면?
여러분의 커리어와 연구에 도움이 될 인사이트까지 도출할 수 있게 됩니다.
Human Pose Estimation가 직면하고 있는 한계와 해결책 : Pose2Pose & 3DMPPE
이제 막 활발히 연구되는 분야인만큼 아직 Human Pose Estimation에서 원활히 해결되지 않는 부분들이 있습니다.
우선 단일 사람의 3D human pose estimation은 카메라로부터 사람의 거리를 복원할 수 없습니다.
하지만 카메라를 기준으로 사람이 어떻게 움직이고 어디에 위치해있는지는 여러 application에서 중요한 정보로 활용되고 있습니다.
이 문제를 해결한 논문(3DMPPE)은 단일 이미지로부터 처음으로 여러 사람의 3D pose estimation을 가능하게 해서 카메라로부터 사람의 거리를 복원할 수 있게 해주었습니다.
다음으로 사람의 몸, 손, 그리고 얼굴을 따로 3D 공간상에 복원하려는 시도는 이미 오래전부터 있어왔지만 사람의 전신을 복원하는 단계에서는 상당한 어려움이 있었습니다. 그렇기 때문에 사람의 전신을 한번에 3D 공간상에 복원하는 것은 최근에서야 시도되기 시작했습니다.
이렇게 3D Whole-Body를 다루게 된 건 최근의 일인데요, 이를 가능케한 논문(Pose2Pose)이 있습니다.
