김재룡 , 여수빈 , 하지은 , 설인환
저가형 소프트웨어를 이용한 가상 의류 매장의 고품질 렌더링
High-Quality Rendering of Virtual Garment Store Using Low-cost Software
Jae Ryoung Kim, Su Bin Yeo, Ji Eun Ha, In Hwan Sul
Abstract: This research aims to provide an easy method for generating high-quality rendering of digital fashion garment stores. Various well-known low-priced software of several categories, such as avatar generation, motion data preparation, stage data drawing, and final rendering, were tested to make a virtual fashion show easily. The final test showed that apparel CAD software such as clo3D or FashionNet was proper for garment data generation. Mixamo was also the best solution for skin weight generation and motion mapping. TwinMotion was also recommended for the final ray-tracing-based high-quality rendering for the garment, avatar, and buildings including motion. The test result also revealed that even non-professional users can generate the product in as short as 60 minutes. By the way, the difference among motion bone structures was found which can be obstacles for each motion transfer.
Keywords: digital fashion , low-priced , virtual fashion show , apparel CAD , high-quality rendering
1. 서 론
섬유 및 의류 분야에서도 메타버스를 이용해 현실 세계와 가상 세계의 접속을 통해 새로운 상거래의 수단을 제공하려는 시도가 활발해지고 있다[1]. 과거 메타버스 구현을 위해서는 서버급의 하드웨어(hardware, HW)와 고가의 소프트웨어(software, SW)가 필요했으나, 최근에는 개인용 컴퓨터와 무료 또는 오픈소스 소프트웨어만으로도 가능해지고 있다[2,3].
메타버스 구현을 위한 하드웨어로는 먼저 고품질 렌더링을 위한 렌더링 머신이 필요하다. 고품질 렌더링은 주로 레이-트레이싱(ray-tracing)으로 알려져 있다. 이는 빛의 반사를 실제 자연현상처럼 무한정 추적하는 방식으로[4] 연산량이 매우 많이 필요하다. 예를 들어 픽사의 애니메이션 슈렉2의 특정 장면은 한 프레임의 렌더링을 위해 수 십여 대의 PC를 이용해 대여섯 시간 동안 병렬 연산이 필요했다고 한다[5]. 이로 인해 PC 게임 등 실시간 처리가 필요한 대부분의 컴퓨터 그래픽스 분야에서는 빛의 계산을 물체 삼각형 당 한번만 처리하는 레이-캐스팅(ray-casting) 방식으로 처리함으로써 화면 품질의 차이가 컸다. 그러나 최근에는 딥러닝의 발달에 힘입어 nVidia사의 RTX 시리즈 GPU의 성능이 CPU를 뛰어 넘은 지 오래이고, 이로 인해 실시간 레이-트레이싱도 가능해 졌다[6]. 따라서 메타버스 구현에도 이러한 GPU가 활용되고 있으며, 대표적으로 nVidia에서는 Omniverse라고 하는 메타버스 환경을 제공함으로써 자동차 제작 공정이나 건축 시각화, 게임 개발 등에도 활용하고 있다[7].
메타버스 구현을 위한 소프트웨어 기술로는 인체, 의복 및 건물 등에 대한 3D 모델링 기능, 인체에 뼈대(Rig)를 형성하고 모션 데이터를 부여하는 기능, 3D 데이터들을 취합하여 가상 환경 전체를 실시간으로 모니터 상에 표현할 수 있는 통합 렌더러 기능 등이 필요하다.
첫번째로 3D 형상 모델링을 위해서는 일반적으로는 CAD SW 또는 모델링 SW를 사용하는 방법이 있다. 특히 건물과 같은 구조물의 경우에는 AutoCAD, Rhino3D, SketchUp 등 유료 SW와, TinkerCAD, Blender, MeshLab 등 무료 SW를 활용하면 일반인도 쉽게 디자인이 가능하다. 반면 인체 데이터의 경우 복잡한 곡면을 가지고 있어서, 개인이 직접 생성하는 것은 어렵고 이미 만들어진 데이터를 변형하여 사용하는 방법이 더 적합하다. Clo3D, VStitcher와 같은 유료 3D 어패럴 CAD SW들은 이미 오래전부터 이러한 기능들을 탑재하고 있다. 무료로 인체 데이터를 변형하여 사용하는 데에는 약간의 한계점이 있다. 이와 관련하여 인체 데이터 측정에 대해서는 잘 알려진 사이즈 코리아 사업이 지난 수십 여 년간 국민 평균 체형 측정을 위해 진행된 바 있다[8]. 그러나 이 사업은 평균적인 통계치를 제공하는 것이 주된 목적으로서, 개인 체형에 맞춘 3D 데이터를 세부적으로 제공하는 기능까지 제공하지는 못한다. 대안으로는 Freepik, Artec 3D와 같은 무료 3D 메쉬 데이터 사이트로부터 마네킨 데이터를 다운로드 받은 후 Blender 등의 무료 모델링 SW를 이용해 수작업으로 치수를 변형하는 방법이 있다. 그러나 이 경우 폴리곤들을 사용자가 프리폼 변형(free-form deformation; FFD) 방식으로 수작업으로 변형해야 하므로, Clo3D와 같은 유료 CAD SW를 사용하는 것에 비해 매우 불편한 것이 사실이다.
두번째로 의복 매장용 메타버스 구현을 위해서는 인체 데이터에 모션을 부여하는 것이 필요하다. 모션은 인체 마네킹에 가상의 뼈대를 심은 뒤, 피부의 각 꼭지점이 이동해야 할 이동량을 뼈대에 대한 가중치(skin weight)로 표현한다. 모션 부여는 애니메이션 등 제작에서도 필수적인 것으로서, 과거에는 모션 배우의 몸에 측정 마커를 부착한 뒤 여러 대의 카메라로 동작을 추적하는 방식이 사용되었다. 그런데 모션 배우의 체형과 애니메이션 캐릭터의 체형이 다른 경우 동작이 어색하게 보이게 되므로, 이를 보정하기 위해서는 디자이너가 MotionBuilder와 같은 전용 유료 SW를 이용해 후처리를 해야 하는 번거로움이 있었다. 그런데 스마트폰 등 두 개 이상의 카메라가 있는 경우 이를 이용해 3D 스캔이 가능하다. 이를 이용해 최근 Epic Games의 Live Link Face 앱 등은 별다른 마커 부착 없이 스마트폰만으로도 모션을 쉽게 캡쳐 할 수 있게 되었다[9]. 또한 뼈대가 없는 인체 데이터의 경우에도 Mixamo와 같은 무료 홈페이지에서 자동으로 뼈대를 생성할 수 있을 뿐만 아니라, 여러 기본 모션 데이터 중에서 선택해 파일로 저장할 수 있게 되었다[10].
세번째로 필요한 SW 기능으로는 인체, 건물, 모션 등 모든 데이터를 취합하여 고품질 렌더링을 할 수 있는 통합 렌더러가 필요하다. 기존에는 Max, Maya, Rhino3D와 같은 모델링 SW에서 이들 데이터들을 불러들인 뒤 자체 렌더러 또는 V-ray 등 렌더링 플러그인을 이용해 동영상을 생성하는 방법이 주로 사용되었다. 그러나 이들 툴들은 대부분 유료이므로 일반 사용자에게 가격 접근성이 낮은 것이 단점이다. 대신 Epic Unreal Engine과 같은 게임 엔진에서 메타버스 제작을 위한 여러 가지 수단을 제공하고 있고, 특히 nVidia Omniverse과 같은 디지털 트윈 생성용 3D 그래픽 협업 플랫폼이나, TwinMotion과 같은 새로운 실시간 시각화 툴이 무료로 개방되어 일반인도 쉽게 메타버스 등 가상 현실 환경을 구현할 수 있는 SW 기술이 제공되고 있다.
기존 메타버스 기반 의류 및 3차원 모델링 제작 연구들은 언리얼엔진, Blender 등의 프로그램을 사용하여 더욱 상세한 기능들은 분석, 탐구한 후 제작을 진행하여 성능을 확인하는 것을 볼 수 있다[11,12]. 하지만 해당 연구들은 제작과정이 복잡하며 숙련자가 아닐 경우 제작 시간이 오래 소요되는 것을 알 수 있다. 이에 본 연구는 메타버스 기반 의류 및 모델링을 쉽게 구현할 수 있도록 여러 프로그램을 사용하여 조합하며 적은 시간을 소모하게 하므로 이는 메타버스에 처음 진입한 연구자 및 의류 업계 종사자에게 도움을 제공한다.
본 연구는 섬유 및 의류 분야의 종사자가 쉽게 가상 의류 매장 제작을 할 수 있도록 최근 개발된 이러한 무료 SW들의 가능성과 한계점을 확인해 보고자 한다. 인체와 가상 매장을 삼차원으로 미리 모델링하고, 여러 가지 소프트웨어들을 조합하여 메타버스 구축에 적합한 조합을 탐색하였다. PC를 기반으로 사용된 SW들의 작업 시간을 정량적으로 측정하였고, 모션 데이터 비교 분석 등 정성적 분석도 이루어졌다.
2. 실 험
2.1. 3D 데이터 생성
인체 치수, 얼굴 변형, 모션 부여에 대해서는 각각 Table 1에 나타난 여러 SW를 조합하여 진행하여 데이터를 생성하였다. Figure 1은 이들 SW들을 생성되는 데이터의 성격별 카테고리를 기준으로 분류하여 그림으로 나타낸 것이다.
Table 1.
| Company | Software (version) | Icon | Availability to individuals | Functionality |
|---|---|---|---|---|
| CLO Virtual Fashion | Clo3D (2024.1.242) |  | Commercial | Avatar: deform/export |
| Face: deform | ||||
| Garment: pattern design / simulation | ||||
| Motion: catwalk simulation | ||||
| Rendering: additional rendering | ||||
| KOFOTI | FashionNet |  | Free | Garment: Clo3D data |
| Epic Games | UnReal Engine |  | Free | Rendering: High quality rendering |
| Epic Games | Live Link Face |  | Free | Face: Real-time face capture application for MetaHuman avatar |
| Epic Games | MetaHuman Creator (5.5) |  | Free | Avatar: deform |
| Face: deform (using Live Link Face) | ||||
| Rendering: High quality skin texture based on Unreal Engine | ||||
| Epic Games | TwinMotion (2023.2.3) |  | Free | Rendering: real-time high quality visualization tool based on Unreal Engine |
| Trimble | SketchUp |  | Commercial (web version is free) | Modeling: Easy 3D B-rep modeling |
| Rendering: Additional renderer is needed (e.g. V-ray) | ||||
| Adobe | Mixamo |  | Free | Motion: Automatic rigging, free motion data, export as .FBX |
| DAZ Productions | DAZ 3D (1.4.1.69) |  | Free | Motion: Specializes in creating and animating realistic 3D faces |
| Blender Foundation | Blender (4.3.0) |  | Free | Modeling: versatile 3D modeling |
| ROKOKO | ROKOKO (1.4.1) |  | Free | Motion: Real-time motion capture for 3D animation and games |
| Actorcore | Accurig (1.36) |  | Free | Rigging: Simplifies rigging for 3D characters with precision and ease |
| Polycam | Polycam |  | Commercial | Face: Realistic 3D face regeneration |
인체 치수 변형: Clo3D, DAZ 3D, Blender를 이용해 인체 치수 변형을 시도하였다. Clo3D의 경우 내장 아바타의 부위별 치수를 입력하면 이에 따라 자동으로 해당 부위의 메쉬 변형이 이루어지는 방식이므로, 20대 남녀 대학생 4명의 치수를 줄자로 측정하여 입력하였다.
DAZ 3D와 Blender의 경우에는 Clo3D와 같이 측정된 치수에 맞게 인체 형상을 자동으로 변형시켜주는 기능이 없다. 따라서 기준 체형의 마네킨 데이터에 대해 사이즈 코리아의 20대 남성 평균 치수를 토대로 프리폼 변형을 이용해 Figure 2와 같이 수작업으로 치수를 조정하였다.
Table 2.
| Avatar ID | # of vertices | # of faces |
|---|---|---|
| 1 | 80,136 | 153,936 |
| 2 | 145,062 | 273,862 |
| 3 | 136,010 | 265,084 |
| 4 | 67,596 | 129,876 |
얼굴 변형: 각 아바타에 개인 얼굴을 표현하기 위해 먼저 얼굴 생성용 SW로 유명한 FaceGen 소프트웨어에 얼굴 정면사진과 측면사진을 입력하여 PC의 GPU로 학습시키는 방법을 사용하였다. 또한 EpicGames의 MetaHuman은 Live Link Face라는 아이폰용 앱을 제공하고 있으므로, 이를 이용하여 얼굴을 생성하는 방법도 사용하였다.
인체 모션 부여: Clo3D의 내장 아바타에는 기본적으로 뼈대(rigging) 정보와 모션 데이터가 들어있으므로, 의복 착의 후 가상 워킹(cat-walk) 시뮬레이션 기능을 사용하였다. 별도로 Mixamo 홈페이지는 임의의 아바타에 뼈대 정보를 자동 생성하고 모션 데이터를 주입할 수 있으므로 이 기능도 테스트하였다. 또한 Rokoko와 Accurig의 기능도 이용하였다.
의복 데이터: 의복 데이터는 널리 쓰이고 있는 Clo3D를 기준으로 작성하여 이용하였다. 별도로 FashionNet에서도 Clo3D 의복 데이터를 무료로 제공하고 있어서, 이를 다운로드 받아 사용하는 방법도 이용하였다.
2.2. 건물 데이터
매장이나 건물 등의 환경을 3D로 표현하는 데에는 경계 표현(boundary representation; B-rep) 방식의 CAD 툴이 적합하므로, 그 중 웹 버전을 무료로 사용할 수 있는 SketchUp으로 기초 모델링을 하였다. 이후 이 데이터를 .obj 형태로 통합 렌더러로 전달하였다.
앞에서 언급된 인체, 의복, 건물 등의 삼차원 데이터를 모두 취합하여 최종적으로 고품질 렌더링, 즉 레이-트레이싱 기반 렌더링을 이용하기 위해서는 이를 지원하는 전용 소프트웨어가 필요하다. 건물을 제외한 인체와 의복에 대한 정적인 화면 캡쳐에는 Clo3D의 자체적인 렌더링 기능을 이용하였고, 인체, 의복, 건물, 모션 등 모든 데이터를 포함한 동적 애니메이션 생성에는 TwinMotion을 이용하였다.
3. 결과 및 고찰
3.1. SW 카테고리별 분석
얼굴생성: 얼굴 생성을 위해 Daz 3D를 사용하여 페이스 모델링을 진행하였다. Figure 3과 같이 원하는 얼굴의 사진을 넣으면 자동으로 이에 맞는 아바타를 생성하며 사진에 근접하도록 페이스 모델링이 진행된다. Daz 3D를 사용하였을 때에는 .fbx, .obj 확장자로 내보내기(export) 및 최종 렌더링 과정으로의 호환이 가능하여 최적의 방법으로 볼 수 있었다.
다른 방안으로 Figure 4와 같이 Unreal Engine과 호환되는 Meta Human Creator를 사용하여 페이스 모델링을 진행하였다. Live Link Face를 사용하여 실험자의 얼굴의 영상을 촬영한 뒤 Unreal Engine으로 해당 파일을 Import 한 후 눈, 귀, 입 등 이목구비 위치에 대한 미세 조정을 진행하였다. 그 결과 Figure 4와 같이 매우 현실적인 페이스 모델링을 제작할 수 있었다. 그러나 이 방법은 표정과 움직임 및 피부의 질감은 매우 현실적으로 표현할 수 있었으나, 최종 파일이 .uasset 확장자로만 Export되며 이는 타 확장바로 변경이 불가능함과 동시에 Unreal Engine과만 호환된다는 문제점이 있었다.
Figure 4.
또한 얼굴 모델링을 진행했을 시 모델링이 올바르지 않게 진행된 과정도 있었다. Figure 5와 같이 PolyCam을 사용하였을 때 얼굴을 스캔하고 이를 Blender에서 메쉬 삭제와 수정기능(Degenerate Dissolve과 Merge by Distance)을 적용하여 메쉬의 병합 및 단순화와 원하진 않는 형상의 축소/제거를 진행하였다. 이후 Live link Face를 진행한 과정과 동일하게 Unreal Engine으로 FBX 확장자 파일을 Import하여 모델링을 진행하였으나, 앞에 문제와 동일하게 Unreal Engine에서만 호환이 되었다. 또한 Figure 5와 같이 얼굴 전면부만 정상적으로 생성되었으며 측, 후면부는 메쉬가 제거되어 추가적인 머리카락 메쉬 파일을 적용하지 않는 이상 이질적인 메쉬가 생성되었다.
의상 생성: 의상 생성을 위해서는 최근 의류 및 게임 데이터 생성용으로 국내외에 널리 쓰이고 있는 Clo3D를 사용하였다. Clo3D는 평면패턴법과 입체패턴법을 동시에 적용하여 의류 패턴을 디자인할 수 있으며, 특히 아바타에 있는 배치 포인트에 적용하여 패턴들을 쉽게 3D 공간에서 초기배치 할 수 있는 것이 특징이다. Clo3D의 시뮬레이션 기능을 이용한 결과 Figure 6과 같이 Clo3D 내부에서는 의상의 소재의 특징이 두드러지게 나타나는 것을 확인할 수 있었으며 시뮬레이션을 돌렸을 때 의상의 드레이프성 또한 확인이 가능하였다. Clo3D로 작업해 본 결과 의상뿐만 아니라 아바타, 모션 등의 여러 데이터를 .obj, stl, fbx 등의 여러 확장자 파일로 내보내기(Export)가 가능하다. 특히 뼈대를 제거할 지 여부도 선택할 수 있었는데, 이 기능은 Mixamo 등 뼈대 생성 기능에 특화된 SW와 데이터를 연계하여 사용할 때 호환성이 높아지는 것을 발견하였다.
별도로 최근 한국섬유산업연합회(KOFOTI)에서는 데이터 기반 컬러, 스타일, 패브릭 트렌드 및 마켓/리테일 정보, 섬유패션산업동향 등의 정보를 제공하는 FashionNet이라는 누리집을 운영하고 있으며, 특히 여기에는 Clo3D로 만든 의상 데이터가 무료로 공유되고 있기 때문에 이들 데이터도 사용하였다. 파일 포맷은 .zprj로 사용하였으며, 이후 통합 렌더링에 이르기까지 별다른 문제점은 발생하지 않았다.
아바타 및 모션생성: Clo3D에도 아바타 및 모션 내보내기 기능이 포함되어 있기는 하지만, 아바타의 종류 및 모션의 종류가 매우 한정되어 있다는 것이 단점이다. 이를 위해 본 연구에서는 뼈대 생성 및 모션 데이터 부여에 대해서 최근 무료로 개발 및 공개된 Adobe사의 믹사모(Mixamo) 홈페이지를 사용하였다. 종래에는 아바타에 모션을 부여하기 위해서는 전문 디자이너가 MotionBuilder, 3DS MAX, Maya 등 고가의 SW를 이용해 직접 뼈대를 생성하고, 이후 아바타 피부와 각 뼈대의 연결 가중치를 수작업으로 입력한 후, 뼈대의 이동 값을 전용 모션 캡쳐 장비를 이용해 입력해야만 했다. 그러나 이러한 방법으로 생성된 특정 아바타의 동작 데이터를 다른 아바타에 적용할 경우 관절 길이의 차이 때문에 동작이 어색해지는 문제점이 있었다. 그러나 믹사모의 경우 임의의 아바타에 대해 뼈대를 자동으로 생성해 주고, Figure 7과 같이 수백 여 개의 샘플이 내장되어 있어서 사용자는 모션 캡쳐 장비가 없더라도 단순히 이 중에서 선택하여 임의의 아바타에 적용가능한 것이 장점이다. 다만 사용자가 신규 모션 데이터를 생성하는 기능은 빠져 있다.
신규 모션 데이터 생성을 위해서는 블렌더(Blender)를 사용할 수 있다. 블렌더는 모델링 SW로서 아바타 생성뿐만 아니라 모션 데이터 생성, 렌더링까지 매우 많은 기능을 가지고 있는 무료 SW이다. 특히 로코코(Rokoko)라는 플러그인을 설치할 경우 스마트폰으로 사용자의 동작을 실시간으로 촬영하여 사용할 수 있었다.
추가적으로 뼈대 생성 SW 중 유명한 Accurig도 테스트한 결과 세세하게 손가락, 발가락 등의 관절에도 뼈대를 생성하여 믹사모에서의 모션부여까지는 호환이 가능하였으나, 이후 트윈모션에서 아바타가 정상적이지 않게 나오는 것이 확인되었다. Figure 8과 같이 로코코와 블렌더를 이용했을 때에도 동일한 현상이 발견되었다. 이는 뼈대의 트리 구조가 프로그램 간에 서로 달라서 발생한 것으로서, 모션 데이터 부여가 되지 않거나, 모션 부여가 가능하더라도 의도한 모션과는 다르게 비틀어지거나 축이 틀어지는 등의 문제가 발생하였다. 해당 문제는 서로 다른 트리구조를 분석하여 각 뼈대를 하나하나 트리구조에 맞게 설정해주면 해결된다. 하지만 해당 방법은 추가적인 시간소모가 발생하며, 믹사모와 같은 모션 부여 프로그램들은 자동 리깅을 해주기 때문에 최적화 과정에 추가하지 않았다.
3.2. 최적 조합 SW
Figure 9는 연구결과 구해진 최적의 결과를 나타낸다. 각 사각형 내의 왼쪽 위에 위치한 픽토그램은 Figure 1에서 사용한 SW의 카테고리를 나타내며, 오른쪽 아래에 위치한 그림은 상표이다. 예를 들어서 첫번째 사각형의 Daz 3D는 얼굴 생성용으로 사용된 것을 의미하고, 두번째 사각형에서의 Clo3d는 아바타 생성 및 의상 생성용으로 사용된 것을 의미한다.
최적 작업을 도출해 내기 위해 Figure 9와는 다른 방식으로도 조합을 진행하였다. Figure 5에서와 같이 Polycam을 사용하였을 때 블렌더와 조합을 하여 진행을 하였다. Polycam에서 생성한 얼굴 3D 파일을 블렌더를 통해 메쉬 삭제, 수정을 진행함으로서 원하는 형상을 얻어낼 순 있지만 제작을 진행하며 해당 과정이 필수적으로 들어가야 하고 또한 Blender에서 Clo3d, Daz3d, 믹사모 등 다른 조합을 함께할 때 Polycam+블렌더로 제작한 메쉬의 구조 수정, 머리카락 부여 등 추가적인 조정이 들어가 시간이 더 소요되는 문제가 발생하였다. 다른 프로그램으로 관절포인트 배치(rigging)를 진행하고 믹사모로 모션부여를 진행할 경우 자동 리깅이 실패하여 모션 부여가 제대로 적용되지 못하는 현상이 발생하였다. 믹사모에서 모션부여를 먼저 진행하고 Clo 3d에서의 의복생성을 할 경우 의복 적용 시 의복 패턴과 인체 부위의 배치포인트를 지정하지 못하여 의상을 적용시에 의상이 제대로 배치되지 않는 경우가 발생하였다. 해당 문제의 경우 의복의 패턴들을 인체의 배치포인트에 한 개씩 맞춰주면 되는데 이는 인체공학적 요소가 들어간 복잡한 과정이며 시간소모가 추가적으로 생긴다는 문제점이 있다.
Figure 9의 최적 작업에 대해 20대 섬유공학 전공 대학생 3명을 대상으로 직접 데이터를 작성해본 결과, 아바타 제작에 대략 10분, 의상 제작에 10분, 모션부여에 10분, 매장 제작에 30분 등 총 60분이 걸렸다. 해당 SW에 대한 비전문가들이 처음 작업한 것임을 고려해볼 때, 이러한 작업 시간은 본 연구에서 찾은 최적 작업 방식이 난이도가 낮다는 것을 의미한다고 볼 수 있다.
총 걸린 소요시간 중 일부는 프로그램의 구동과 Export 등의 렌더링 시간으로 소요되기도 하였다. 다만 사용된 SW 중 TwinMotion은 저사양 그래픽카드를 사용할 경우에는 렌더링 품질 옵션을 갖추어야 하는 문제점이 있었다. 또한 제작할 의상의 패턴의 복잡함에 따라 해당 가이드라인 시간은 변동이 될 수 있으며 프로그램 사용에 능숙한 사용자에 경우에는 훨씬 더 빠르고 간단하게 매장제작이 가능할 것이다.
4. 결 론
본 연구는 메타버스와 가상현실이 트렌드로 떠오름에 따라 기존의 패션 산업 종사자들이 가상 의류 매장을 간편하게 제작할 수 있도록 실용적인 가이드라인을 제공하는 것을 목표로 수행되었다. 연구 과정에서는 주요 소프트웨어의 비교 및 통합적 사용 방안을 도출하며, 고 사양 컴퓨터 환경에서 효율적으로 적용 가능한 작업 프로세스를 개발하였다. 이를 통해 가상 의류 매장의 설계와 구현이 비교적 단순하면서도 실용적으로 이루어질 수 있음을 입증하였다. 또한 60분이라는 상대적으로 적은 시간 안에 간단한 가상 의류 매장을 설계할 수 있음을 입증하였다.
다만, 연구 과정에서 소프트웨어 간 뼈대구조 비호환성과 같은 몇 가지 기술적 한계가 드러났다. 비전문가의 경우에는 MotionBuilder와 같은 전문 툴을 이용하기는 어려우므로, 이 부분은 향후 관련 SW업계에서 고려가 필요한 사항으로 보인다.
그럼에도 본 연구는 가상 의류 매장이 디지털 패션 산업의 핵심 요소로 자리 잡을 수 있는 잠재력을 실증적으로 보여주었다. 가상 의류 매장은 지속 가능한 패션을 구현하고 물리적 제약을 초월하는 새로운 소비 문화를 창출할 가능성을 내포하고 있으며, 이는 디지털 패션 생태계에서 중요한 역할을 할 것으로 기대된다.
향후 연구에서는 본 연구에서 제기된 기술적 한계점 해결을 넘어, 사용자 경험을 향상시키고, 다양한 소비자층을 위한 맞춤형 매장 설계 방안을 모색할 필요가 있다. 또한 가상 의류 매장과 관련한 법적·윤리적 과제의 해결, 글로벌 시장과의 통합 가능성 검토를 통해 디지털 패션 산업의 성장과 혁신을 촉진하는 데 초점을 맞추어야 할 것이다. 이러한 노력이 가상 패션 시장의 상용화 및 대중화를 앞당기는 계기가 되길 기대한다.
감사의 글
이 연구는 국립금오공과대학교 대학 연구과제비로 지원되었습니다(2024-2025). 또한 실험에 참여해 준 소재디자인공학 창의종합설계 수강생들에게 감사드립니다.
References
- 1 K. Yoo, R. Welden, K. Hewett, and M. Haenlein, "The Merchants of Meta: A Research Agenda to Understand the Future of Retailing in the Metaverse", J. Retailing, 2023, 99, 173−192.custom:[[[-]]]
- 2 S.-M. Park and Y.-G. Kim, "A Metaverse: Taxonomy, Components, Applications, and Open Challenges", IEEE Access, 2022, 10, 4209−4251.custom:[[[-]]]
- 3 H. Wang, H. Ning, Y. Lin, W. Wang, S. Dhelim, F. Farha, J. Ding, and M. Daneshmand, " A Survey on the Metaverse: The State-of-the-art, Technologies, Applications, and Challenges", IEEE Internet of Things Journal, 2023, 10, 14671−14688.custom:[[[-]]]
- 4 A. S. Glassner, "An Introduction to Ray Tracing", Morgan Kaufmann, 1989.custom:[[[-]]]
- 5 Y. Zhou, T. Kelly, J. Wiener, and E. Anderson, " An Extended Evaluation of Two-phase Scheduling Methods for Animation Rendering" , Job Scheduling Strategies for Parallel Processing: 11th International Workshop, JSSPP 2005, Cambridge, MA, USA, June 19, 2005, Revised Selected Papers 11, pp.123−145: Springer, 2005. Zhou , Y. , Kelly , T. , Wiener , J. , & Anderson , E. ( 2005 , June ). An Extended Evaluation of Two-phase Scheduling Methods for Animation Rendering . Job Scheduling Strategies for Parallel Processing: 11th International Workshop JSSPP Cambridge MA USA 19 Revised Selected Papers 11 pp.123−145: Springer , Job Scheduling Strategies for Parallel Processing: 11th International Workshop JSSPP 2005 Cambridge MA USA June 19 2005 Revised Selected Papers 11 123−145: Springer 2005 , custom:[[[ - ]]].
- 6 E. Haines and T. Akenine-Möller, "Ray Tracing Gems: High- Quality and Real-Time Rendering with DXR and Other APIs" , Apress, 2019. Haines , E. , & Akenine-Möller , T. ( 2019 , Apr ). Ray Tracing Gems: High- Quality and Real-Time Rendering with DXR and Other APIs . ess , custom:[[[ - ]]].
- 7 M. Hummel and K. van Kooten, "Leveraging Nvidia Omniverse for in situ Visualization", High Performance Computing: ISC High Performance 2019 International Workshops, Frankfurt, Germany, June 16−20, 2019, Revised Selected Papers 34, Springer, 2019, pp.634−642. Hummel , M. , & van Kooten , K. ( 2019 , June ). Leveraging Nvidia Omniverse for in situ Visualization . High Performance Computing: ISC High Performance International Workshops, Frankfurt, Germany, 16−20, Revised Selected Papers 34, Springer , 634−642 , custom:[[[ - ]]].
- 8 H. Han, Y. Nam, and K. Choi, "Comparative Analysis of 3D Body Scan Measurements and Manual Measurements of Size Korea Adult Females" , Int. J. Ind. Ergonomics, 2010, 40, 530− 540. Han , H. , Nam , Y. , & Choi , K. ( 2010 ). Comparative Analysis of 3D Body Scan Measurements and Manual Measurements of Size Korea Adult Females . Int. J. Ind. Ergonomics 40 530− 540 , custom:[[[ - ]]].
- 9 J. W. Keogh, A. Cox, S. Anderson, B. Liew, A. Olsen, B. Schram, and J. Furness, "Reliability and Validity of Clinically Accessible Smartphone Applications to Measure Joint Range of Motion: A Systematic Review" , PloS One, 2019, 14, e0215806. Keogh , J. W. , Cox , A. , Anderson , S. , Liew , B. , Olsen , A. , Schram , B. , & Furness , J. ( 2158 ). Reliability and Validity of Clinically Accessible Smartphone Applications to Measure Joint Range of Motion: A Systematic Review . PloS One 2019 14 e006 , custom:[[[ - ]]].
- 10 R. Villegas, J. Y ang, D. Ceylan, and H. Lee, "Neural Kinematic Networks for Unsupervised Motion Retargetting" , Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018, pp.8639−8648. Villegas , R. , Y ang , J. , Ceylan , D. , Lee , H. , Neural Kinematic Networks for Unsupervised Motion Retargetting , 2018 , 2018 , Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition pp.8639−8648 , Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition 2018 8639−8648 , Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition 2018 8639−8648 , custom:[[[, - , ]]].
- 11 H. Park, Y . Choi, and H. An, " A Study on Visual Elements and Design Methods of Virtual Clothing for Interoperability across Metaverse Platforms" , J. Fashion Business, 2024, 28, 36−49. Park , H. , Choi , Y. , & An , H. ( 2024 ). A Study on Visual Elements and Design Methods of Virtual Clothing for Interoperability across Metaverse Platforms . J. Fashion Business 28 36−49 , custom:[[[ - ]]].
- 12 H. W. Kim, D. E. Kim, Y. Kim, and I. K. Park, "3D Clothes Modeling of Virtual Human for Metaverse", J. Broadcast Engineering, 2022, 27, 638−653. Figure A1. External appearance of the final product. Figure A2. Internal appearance of the final product. Appendix Figure A1, Figure A2는 최종적으로 TwinMotion에서 생 성된 렌더링 결과를 나타낸다. Kim , H. W. , Kim , D. E. , Kim , Y. , & Park , I. K. ( 2022 ). 3D Clothes Modeling of Virtual Human for Metaverse . J. Broadcast Engineering, 27, 638−653. Figure A1. External appearance of the final product. Figure A2. Internal appearance of the final product. Appendix Figure A1, Figure A2는 최종적으로 TwinMotion에서 생 성된 렌더링 결과를 나타낸다 , custom:[[[ - ]]].