가이아쓰리디의 Universal Voxelizer

https://www.youtube.com/watch?v=vdxW8zFhAUw

 

 

저희 회사 연구소에서 만든 Universal Voxelizer입니다. 3차원 공간에 있는 객체를 가변 복셀(Variable Voxel)로 촘촘하게 그리고 효율적으로 변환합니다. 3차원 모델이든 점군(Point Clouds)이든 3차원 메쉬(3D Mesh)든 상관 없이 가변 복셀로 변환한다는 건 데이터의 복잡도는 낮추면서도 공간의 '부피' 정보를 기계가 읽기 좋은 형태로 최적화했다는 뜻입니다. 이 기술은 특히 데이터 용량은 줄이면서 연산 속도는 높여야 하는 분야에서 많은 이점을 주지 않을까 싶습니다. 자율주행 및 드론/로봇 네비게이션, 기상/기후, 재난 분야에서도 잘 활용될 수 있겠지요.

 

더불어, 더 기술이 발전하면 복셀 자체가 3차원 세계의 '토큰(Token)'이 되지 않을까 싶습니다. LLM(거대언어모델)이 텍스트를 '토큰' 단위로 쪼개어 학습하듯 GFM(Geospatial Foundation Model)은 공간을 정형화된 단위로 인식해야 하겠지요. 점군 데이터는 불규칙하고, 3차원 모델과 메쉬는 위상(Topology)이 복잡합니다. 반면 복셀은 격자 구조이기에 Transformer 기반 모델이 공간적 관계를 학습하기에 최적의 형태가 아닐까 싶습니다. 모든 공간을 촘촘하게 채우면 연산량이 폭발하겠지만, 이번에 개발한 '가변 복셀' 기술을 쓰면 정보가 밀집된 곳(기계실, 복잡한 실내)만 정밀하게 토큰화할 수 있어 모델의 효율성이 향상됩니다. 이후 각 복셀에 속성 정보를 임베딩(Embedding)하고 벡터 DB로 저장하면 대충 얼개는 만들어지겠지요.

 

근데, 왜 다들 주변에서는 하지 말라고 말리는 거에요?? ㅎ

 

My team at Gaia3D Inc., has just developed the so called "Universal Voxelizer". This tool transforms 3D objects and environments into 'Variable Voxels' both densely and efficiently. Whether we are dealing with 3D models, Point Clouds, or 3D Meshes, converting them into variable voxels means we are reducing data complexity while optimizing spatial "volume" information into a format that machines can truly understand. This offers massive advantages for fields that require high-speed computation with minimal data overhead such as autonomous driving, drone/robot navigation, meteorology/climatescience, and disaster management. Looking ahead, I believe voxels will eventually become the "tokens" of the 3D world.

 

2026년 3월 18일
신상희