패스트캠퍼스 환급챌린지 12일차 : Computer Vision Signature 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

공부 시작 시각 / 공부 종료 시각

 

 수강 인증 사진 

학습 인증샷 (필기)

챌린지 대상 강의 완강률 

 

5장. 뉴럴 렌더링 강의에 대한 후기

1. 총평

• 2D 이미지로 3D 공간을 창조하는 뉴럴 렌더링의 핵심 기술들을 순차적으로 학습하며, 불과 2~3년 사이 한 분야의 기술이 얼마나 폭발적으로 성장할 수 있는지 체감한 강의였음.
• 'NeRF'라는 혁신적 개념의 등장부터, 'Mip-NeRF'를 통한 이론적 완성, 그리고 'Instant-NGP'에 이르러 현실적, 실용적 기술로 자리 잡기까지의 과정이 한 편의 기술 발전 서사를 보는 듯하여 지적 만족감이 매우 높았음.

2. 세부 내용별 후기

가. NeRF (Neural Radiance Fields) - 개념의 충격과 가능성

• 3D 모델링을 신경망, 즉 연속된 함수로 표현한다는 발상 자체에 큰 충격을 받음. 이는 단순히 3D 에셋을 만드는 것을 넘어, '공간'을 이해하고 표현하는 방식의 근본적인 패러다임 전환으로 느껴짐.
• 빛의 투과와 반사를 '밀도(σ)'라는 물리량으로 정의하고, 이를 렌더링에 활용하는 '볼륨 렌더링'의 수학적 원리가 매우 흥미로웠음.
• 다만, 이론적 경이로움에도 불구하고 하나의 씬을 학습하는 데 수 시간이 소요되는 극심한 비효율성과 Aliasing(계단 현상) 문제는 이 기술이 아직 연구 단계를 벗어나기 어렵다는 명확한 한계로 인식됨.

나. Mip-NeRF - 논리적 완성도에 대한 감탄

• NeRF의 Aliasing 문제를 '잘못된 샘플링'이라는 원인으로 명확히 진단하고, 이를 해결하기 위해 '점(Point)'이 아닌 '원뿔(Cone)' 영역을 샘플링한다는 접근 방식에 감탄함.
• 문제 해결을 위해 단순한 트릭이 아닌, 'Integrated Positional Encoding'이라는 수학적으로 정교한 해법을 제시한 점이 인상 깊었음. 이는 개발자의 깊은 고민과 문제 해결 능력을 엿볼 수 있는 부분이었음.
• Mip-NeRF를 통해 비로소 뉴럴 렌더링이 다양한 거리와 뷰에서도 안정적인 고품질 결과물을 생성할 수 있게 되었으며, 이로써 기술의 이론적 완성도가 한 단계 높아졌다고 판단됨.

다. Instant-NGP - 현실과 기술의 만남, 그리고 전율

• 본 챕터에서 가장 큰 전율을 느낀 부분임. '즉시(Instant)'라는 이름처럼, 기존 기술의 가장 큰 장벽이었던 '속도' 문제를 정면으로 돌파했기 때문임.
• 거대한 단일 신경망에 대한 의존을 과감히 버리고, '다중 해상도 해시 인코딩'이라는 효율적인 자료구조와 작은 보조 신경망의 조합으로 문제를 해결한 접근이 천재적이라 생각됨. 이는 순수 R&D를 넘어선 탁월한 엔지니어링의 성과임.
• 이 기술 덕분에 뉴럴 렌더링이 마침내 연구실을 벗어나 VR/AR 콘텐츠, 디지털 트윈, 3D 스캐닝 등 실제 산업 현장에서 누구나 활용할 수 있는 실용적 도구가 될 수 있겠다는 확신을 얻게 됨.

3. 결론

• 본 강의는 단순히 개별 기술의 원리를 나열하는 데 그치지 않고, 각 기술이 어떤 문제를 해결하기 위해 등장했으며 어떻게 진화했는지를 명확한 흐름으로 보여주어 깊이 있는 학습이 가능했음.
• AI 그래픽스 분야의 최신 동향과 무서운 발전 속도를 피부로 느끼며, 향후 관련 기술의 잠재력에 대한 기대감과 함께 개인적인 학습 동기를 크게 고취시키는 계기가 됨.

 

 URL: https://fastcampus.info/4n8ztzq