-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2024-10-30 데이터 최종 개방 1.0 2024-06-28 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-06-28 산출물 공개 Beta Version 소개
- 3D 객체 생성 분야에서 인공지능 기술 발전에 기여하기 위한 학습용 데이터 - 문장에 맞는 3D 객체 생성을 위한 한국형 객체를 포함한 3D 애셋 데이터 및 이미지 캡션 라벨링 데이터 6,000쌍
구축목적
- 3D 객체 생성 분야에서 인공지능 기술 발전에 기여하기 위한 학습용 데이터 구축 - 한국형 객체 중심으로 구축된 데이터를 유통해 문화유산 자산의 디지털화 및 활용 촉진 - 다양한 산업 분야에서 3D 모델링 및 시뮬레이션을 위한 데이터 제공을 통해 새로운 가치 창출
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 3D , 이미지 데이터 형식 3D 에셋데이터 데이터 출처 크라우드소싱(직접제작) 라벨링 유형 분류태그, 캡션(이미지) 라벨링 형식 JSON 데이터 활용 서비스 3D 산업계 인력을 지원할 수 있는 3D 생성형 AI를 통한 컨텐츠 제작 지원 데이터 구축년도/
데이터 구축량2023년/6,000쌍 -
- 데이터 구축 규모
데이터 구축 규모 구분 세부내역 성과목표 데이터 수집 원시데이터 확보 750,000 건 정제 3D Mesh
• 원시데이터인 2D 촬영 이미지를 바탕으로 객체별 3D Mesh 생성6,000 건 3D LOD Mesh
• 3D Mesh로 변환18,000 건 Texture Image
• 2D 촬영 이미지에서 Texture Image 추출6,000 건 Viewpoint Image
• 인공지능 학습을 위해 만들어진 3D Mesh의 Viewpoint Image 추출750,000 건 Depth Image
• 인공지능 학습을 위해 3D Mesh의 Depth Image 추출750,000 건 가공 라벨링 데이터
• 자체 어노테이션 툴인 DeepCaption을 이용, 3D Mesh에 대해 한/영 각각 2쌍 라벨링 진행24,000 건 검수 라벨링 데이터 검수
• 작성한 라벨링 데이터가 제대로 작성됐는지 재검수24,000 건
- 데이터 분포● 자연물 중분류 7종, 소분류 27종바위류 11%, 과일류 12%, 야채류 12%, 육어패류 8%, 지형류(자연물) 17%, 자연물 기타 10%, 국내산 객체 30%
● 인공물 중분류 6종, 소분류 14종스포츠 및 패션문화용품 7%, 생활용품 21%, 가구류 9%, 지형류(인공물) 14%, 인공물 기타 19%, 전통특화객체 30%
- 데이터 분포
데이터 분포 항목명 측정 지표 정량 목표 결과값 이미지캡션 중복성 - 중복 횟수 수량 (건) 구성비 (%) 중복 없음 1,800 100% 합계 1,800 100% 3D 객체
대분류 분포목표 구성비 구분 수량 (건) 구성비 (%) 자연물 42.00% 자연물 2582 43.03% 인공물 58.00% 인공물 3418 56.97% 합계 1,800 100% 3D 객체
자연물 분포목표 구성비 구분 수량 (건) 구성비 (%) 바위류 11.00% 바위류 288 11.15% 과일류 12.00% 과일류 283 10.96% 야채류 12.00% 야채류 292 11.31% 육어패류 8.00% 육어패류 566 21.92% 지형류 (자연물) 17.00% 지형류 (자연물) 190 7.36% 자연물 기타 10.00% 자연물 기타 241 9.33% 한국형 객체 30.00% 한국형 객체 722 27.96% 합계 2582 100.00% 3D 객체
인공물 분포목표 구성비 구분 수량 (건) 구성비 (%) 스포츠 및
패션문화용품7.00% 스포츠 및
패션문화용품212 6.20% 생활용품 21.00% 생활용품 700 20.48% 가구류 9.00% 가구류 283 8.28% 지형류 (자연물) 14.00% 지형류 (자연물) 499 14.60% 인공물 기타 19.00% 인공물 기타 669 19.57% 전통특화개체 30.00% 전통특화개체 1055 30.87% 합계 3418 100.00% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- Neural Rendering – Reconstruction 활용 모델
Neural Rendering – Reconstruction 활용 모델 Point-NeRF 
Point-NeRF의 아키텍처 NeRF는 고품질의 뷰 합성 결과를 생성하지만 재구성 시간이 느린 한계를 가짐
MVS 방법론은 지오메트리를 빠르게 재구성 할 수 있으므로, 먼저 sparse하게 객체의 형상을 유추한 다음 사전 훈련된 MLP 네트워크를 기반으로 객체의 형상을 재구성하여, 높은 품질의 3D 모델을 얻을 수 있음.
※Qiangeng Xu et al. Point-NeRF: Point-based Neural Radiance Fields. CVPR. 2022. https://arxiv.org/abs/2201.08845
Yao Yao et al. MVSNet: Depth Inference for Unstructured Multi-view Stereo. ECCV. 2018. https://arxiv.org/abs/1804.02505- Text to 3D – Generation) 활용모델
Text to 3D – Generation) 활용모델 CLIP ViT–B/32 
CLIP ViT–B/32의 Architecture 기본 모델은 ViT-L/14 Transformer 아키텍처를 이미지 인코더로 사용하고 Masked self-attention Transformer를 텍스트 인코더로 사용합니다. 이러한 인코더는 대비 손실을 통해 (이미지, 텍스트) 쌍의 유사성을 최대화하도록 학습되었습니다. 원래 구현에는 두 가지 변형이 있습니다. 하나는 ResNet 이미지 인코더를 사용하고 다른 하나는 Vision Transformer를 사용했습니다. 이 저장소에는 Vision Transformer가 포함된 변형이 있습니다.
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
데이터 구성 No 속성 항목명 내용 구성 데이터셋 식별자 Identifier 데이터셋 식별자 최대값 무한대(∞) 데이터셋 이름 Name 데이터셋 이름 최대값 무한대(∞) 객체 이름 ObjectName 객체 이름 최대값 무한대(∞) 인공물/자연물 분류 IsArtificial 인공물/자연물 분류 한국형 객체 유무 IsKorean 한국형 객체 유무 대상 객체의 카테고리 Category 대상 객체의 카테고리 OBJ 경로 OBJ OBJ 경로 Texture 경로 TEXTURE Texture 경로 MTL 경로 MTL MTL 경로 이미지 캡션(한글) #1 kr 이미지 캡션(한글) #1 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 이미지 캡션(한글) #2 kr_2 이미지 캡션(한글) #2 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 이미지 캡션(영어) #1 en 이미지 캡션(영어) #1 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 이미지 캡션(영어) #2 en_2 이미지 캡션(영어) #2 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 장비 정보 Device 장비 정보 최대값 무한대(∞) 컬러 깊이 ColorDepth 컬러 깊이 ISO 감도 ISO ISO 감도 셔터 속도 ExposureTime 셔터 속도 조리개 F-Stop 조리개 카메라 뷰 x축 각도 camera_angle_x 카메라 뷰 x축 각도 카메라 뷰 y축 각도 camera_angle_y 카메라 뷰 y축 각도 x축 초점길이 fl_x x축 초점길이 최대값 무한대(∞) y축 초점길이 fl_y y축 초점길이 최대값 무한대(∞) 방사형 왜곡 계수 k1 방사형 왜곡 계수 전체 범위(-∞~∞) 렌즈 중심 거리에 따라 발생하는 왜곡의 정도 k2 렌즈 중심 거리에 따라 발생하는 왜곡의 정도 전체 범위(-∞~∞) 접선 왜곡 계수 p1 접선 왜곡 계수 전체 범위(-∞~∞) 렌즈가 이미지 평면과 평행하지 않을 때 발생하는 왜곡 p2 렌즈가 이미지 평면과 평행하지 않을 때 발생하는 왜곡 전체 범위(-∞~∞) 이미지 x축 중심점 cx 이미지 x축 중심점 최대값 무한대(∞) 이미지 y축 중심점 cy 이미지 y축 중심점 최대값 무한대(∞) 카메라 너비 w 카메라 너비 최대값 무한대(∞) 카메라 높이 h 카메라 높이 최대값 무한대(∞) Point-NeRF 모델 초기 부피 aabb_scale Point-NeRF 모델 초기 부피 최대값 무한대(∞) 프레임번호 frames 프레임번호 -어노테이션 포맷
-어노테이션 포맷 No 속성명 타입 필수
여부설명 범위 구성 최대 최소 Identifier string Y 데이터셋 식별자 1 최대값 무한대(∞) Name string Y 데이터셋 이름 1 최대값 무한대(∞) ObjectName string Y 객체 이름 1 최대값 무한대(∞) IsArtificial boolean Y 인공물/자연물 분류 0 1 IsKorean boolean Y 한국형 객체 유무 0 1 Category number Y 대상 객체의 카테고리 1 13 OBJ object N OBJ 경로 TEXTURE string N Texture 경로 MTL string N MTL 경로 kr string Y 이미지 캡션(한글) #1 20 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 kr_2 string Y 이미지 캡션(한글) #2 20 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 en string Y 이미지 캡션(영어) #1 20 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 en_2 string Y 이미지 캡션(영어) #2 20 값 표현은 length, 20음절을 길이로 표현, 특수기호 제외 Device string Y 장비 정보 1 최대값 무한대(∞) ColorDepth number N 컬러 깊이 ISO number N ISO 감도 ExposureTime number N 셔터 속도 F-Stop string N 조리개 camera_angle_x number Y 카메라 뷰 x축 각도 -1 1 camera_angle_y number Y 카메라 뷰 y축 각도 -1 1 fl_x number Y x축 초점길이 0 최대값 무한대(∞) fl_y number Y y축 초점길이 0 최대값 무한대(∞) k1 number Y 방사형 왜곡 계수 전체 범위(-∞~∞) k2 number Y 렌즈 중심 거리에 따라 발생하는 왜곡의 정도 전체 범위(-∞~∞) p1 number Y 접선 왜곡 계수 전체 범위(-∞~∞) p2 number Y 렌즈가 이미지 평면과 평행하지 않을 때 발생하는 왜곡 전체 범위(-∞~∞) cx number Y 이미지 x축 중심점 0 최대값 무한대(∞) cy number Y 이미지 y축 중심점 0 최대값 무한대(∞) w number Y 카메라 너비 0 최대값 무한대(∞) h number Y 카메라 높이 0 최대값 무한대(∞) aabb_scale number Y Point-NeRF 모델 초기 부피 2 최대값 무한대(∞) frames array Y 프레임번호 125 125 -
데이터셋 구축 담당자
수행기관(주관) : 한국딥러닝 주식회사
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김지현 050-2000-2300 [email protected] 데이터 수집, 데이터 가공, 데이터 검수, AI모델 개발 수행기관(참여)
수행기관(참여) 기관명 담당업무 서강대학교 산학협력단 데이터 가공, 데이터 검수 한국문화재재단 데이터 수집 한국전통문화전당 데이터 수집 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 류석 010-3004-5589 [email protected] 김동현 010-2536-5742 [email protected] AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 류석 010-3004-5589 [email protected] 김동현 010-2536-5742 [email protected] 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 류석 010-3004-5589 [email protected] 김동현 010-2536-5742 [email protected]
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 [email protected] 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.