📌 핵심 요약 (Key Takeaways)
- 핵심 성과 1: 브라질 유네스코 세계문화유산 포함 33개 역사적 성당의 제단 이미지를 수집하여 총 1,278장, 12,093개의 정밀 어노테이션 인스턴스를 담은 ‘AltarData’ 데이터셋 구축
- 독창적 차별점 2: 바로크 및 로코코 양식 제단의 6대 세부 요소(제단 테이블, 기둥, 십자가, 성인 조각상, 감실, 옥좌)에 특화된 객체 검출 벤치마크 및 하이퍼파라미터 최적화 기법 제시
- 실무 파급력 3: MobileNetV2 기반 실험에서 F1-score 79%를 달성하며, 역사 건축물 내부의 자동 디지털 문서화 및 스마트 문화재 검사 시스템의 기술적 기반 마련
1. 서론: 문화유산 보존을 위한 컴퓨터 비전과 데이터셋의 한계
머신러닝과 컴퓨터 비전 기술의 급격한 발전은 역사 건축물의 자동 디지털 문서화와 문화재 안전 점검 방식을 혁신하고 있습니다. 특히 실내 공간의 구조물과 장식을 정밀하게 인식하는 객체 검출 기술은 인프라 유지보수 및 문화유산 아카이빙의 핵심 도구로 자리 잡았습니다.
그러나 종교 건축물의 내부 환경, 특히 화려한 장식이 집중된 제단(Altar) 영역을 대상으로 딥러닝 모델을 학습시킬 수 있는 고품질의 공개 데이터셋은 극히 부족한 실정입니다. 기존 데이터셋은 주로 외부 파사드나 일반적인 건축물에 국한되어 있어 실내 세부 요소의 정밀 인식이 불가능했습니다.
본 연구는 이러한 공백을 해소하기 위해 브라질의 역사적 성당 제단을 대상으로 한 정밀 어노테이션 데이터셋인 ‘AltarData’를 제안하며, 딥러닝 모델의 하이퍼파라미터 튜닝을 통한 객체 인식 최적화 방법론을 실증적으로 검증합니다.
2. AltarData 데이터셋 구축 및 어노테이션 방법론
AltarData는 브라질 내 12개 역사 도시의 33개 성당에서 수집된 총 1,278장의 고품질 이미지로 구성됩니다. 특히 오우루 프레투(Ouro Preto), 살바도르 다 바이아(Salvador de Bahia), 디아만티나(Diamantina) 등 유네스코 세계문화유산으로 지정된 세 지역의 건축물이 포함되어 학술적·역사적 가치가 높습니다.
데이터셋은 바로크 및 로코코 양식의 제단에서 빈번히 관찰되는 6가지 핵심 카테고리를 기준으로 철저한 수동 어노테이션 작업을 거쳤습니다. 총 12,093개의 레이블된 인스턴스가 생성되었으며, 각 카테고리는 다음과 같습니다:
- Altar Table (제단 테이블): 제단의 하단 구조물
- Column (기둥): 제단을 지지하거나 장식하는 건축적 요소
- Crucifix (십자가): 제단 중심부에 위치한 상징물
- Saint Sculpture (성인 조각상): 니치나 벽면에 배치된 입체 조형물
- Tabernacle (감실): 성체가 모셔지는 제단 중앙의 소형 건축물
- Throne (옥좌): 성상이나 성체를 높이 모시기 위한 단상 구조
3. 딥러닝 모델 학습 및 하이퍼파라미터 최적화
본 연구에서는 AltarData의 성능을 극대화하기 위해 심층 학습 아키텍처와 체계적인 하이퍼파라미터 튜닝 파이프라인을 도입했습니다. 각 객체 카테고리별 검증 정확도(Validation Accuracy)는 데이터의 형태학적 특성에 따라 상이한 결과를 보였습니다.
실험 결과, 감실(Tabernacle) 카테고리가 97.3%로 가장 높은 검증 정확도를 기록했으며, 제단 테이블 92.0%, 기둥 87.1%, 성인 조각상 85.1%, 옥좌 84.7%, 십자가 72.2% 순으로 나타났습니다. 이는 객체의 기하학적 형태의 정형성과 배경 대비 시각적 특징의 뚜렷함이 인식 성능에 직결됨을 증명합니다.
특히 경량화 모델인 MobileNetV2 구성을 기반으로 너비 승수(width multiplier) 0.35, 학습률(learning rate) 0.0100을 적용했을 때 테스트 실험에서 F1-score 79%를 달성하여, 자원이 제한된 임베디드 환경이나 현장 실사 모바일 기기에서도 실시간 구동이 가능함을 입증했습니다.
유사 선행 연구 대비 독창성 및 성능 비교
| 비교 항목 | 기존/유사 논문 방식 | 본 연구 (AltarData) 제안 방식 | 실무적 차별성 및 한계 |
|---|---|---|---|
| 타겟 도메인 | 일반 건축물 외관 및 파사드 중심 | 역사적 성당 내부 바로크/로코코 제단 세부 요소 | 실내 복잡한 장식 구조물 인식의 한계 극복 |
| 데이터 규모 | 소규모 비공개 이미지셋 (수백 장 미만) | 1,278장 고품질 이미지, 12,093개 정밀 라벨 | 유네스코 세계문화유산 지역 포함으로 데이터 신뢰도 확보 |
| 모델 최적화 | 범용 백본 모델 전이학습(Fine-tuning) 중심 | 하이퍼파라미터 튜닝(MobileNetV2, 0.35 multiplier) 적용 | 경량화를 통한 현장 실무 적용성 및 연산 효율성 극대화 |
산업 현장 적용 포인트 및 파급 효과
AltarData 구축 연구는 단순 학술적 데이터셋 공개를 넘어, 실제 문화재 보존 행정과 실내 인프라 관리 현장에 즉각적으로 투입될 수 있는 실무적 가치를 지닙니다. 특히 고고학적 유적지와 실내 역사 건축물 내부를 정밀하게 디지털 아카이빙하는 과정에서 인력 의존도를 대폭 낮출 수 있습니다.
또한, 본 연구에서 검증된 모바일 기반 경량 딥러닝 아키텍처는 현장 조사관들이 태블릿이나 휴대용 장비를 통해 실시간으로 문화재 손상 여부를 감지하고 구성 요소를 분류하는 스마트 검사 시스템(Smart Inspection System) 구축에 직접 활용될 수 있습니다.
향후 본 데이터셋은 실내 공간 매핑 및 3D reconstruction 파이프라인과 결합하여, 실내 문화유산의 완전 자동화된 디지털 트윈(Digital Twin) 구축 기술 발전에 핵심적인 역할을 담당할 것으로 전망됩니다.
출처: ScienceDirect (Journal of Cultural Heritage) – AltarData Research Paper