코덱 후 렌더링이 포인트 클라우드 주관·객관 품질에 미치는 영향 분석

본 논문은 포인트 클라우드(PC) 데이터가 압축·전송·디코딩된 뒤 최종 사용자에게 보여지기까지 거치는 렌더링 과정이 품질 인식에 미치는 영향을 체계적으로 분석한다. 연구 배경으로는 3D 센서와 라이다 기술의 발달로 수백만~수억 개의 점을 포함하는 대규모 PC가 일상화되면서, 효율적인 코덱이 필수적이라는 점을 들었다. MPEG와 JPEG 양쪽에서 진행 중인 PC 코덱 표준화 작업을 소개하고, 현재 상용화된 G‑PCC(Geometry‑based PCC)와 V‑PCC(Video‑based PCC) 두 코덱을 주요 실험 대상으로 선정하였다. 논문은 크게 네 부분으로 구성된다. 첫 번째는 기존 연구 리뷰로, 이전의 주관·객관 품질 평가가 주로 단순 octree 프루닝이나 인공 노이즈 삽입 등 비효율적 코덱을 사용했으며, 렌더링 방식이 다양하게 적용되지 않아 결과의 일관성이 부족했음을 지적한다. 두 번째는 사용된 코덱·렌더링 솔루션을 상세히 설명한다. 코덱 측면에서는 G‑PCC가 정적·프로그레시브 PC에, V‑PCC가 동적 시퀀스에 최적화돼 각각 점 수 증가, 삼각형 메쉬 생성, 색상 재컬러링 등 다양한 아티팩트를 만든다. 렌더링 측면에서는 (1) 포인트 기반 렌더링(점 크기와 색상만 표시), (2) 메쉬 기반 렌더링(점 집합을 표면 메쉬로 변환 후 쉐이딩), (3) 하이브리드 렌더링(점 기반에 깊이 버퍼와 라이트 효과를 추가) 세 가지를 선택했다. 각 방식은 기하학적 왜곡을 시각적으로 다르게 강조한다는 점을 강조한다. 세 번째는 실험 설계이다. 색상 정보를 배제하고 기하학적 왜곡만을 평가 대상으로 삼아, 색상에 의한 혼란을 최소화했다. 12개의 시나리오(코덱 × 렌더링 × 비트레이트)를 구성하고, 24명의 피험자를 대상으로 DSIS(Double‑Stimulus Impairment Scale) 방식을 적용했다. 실험 환경은 30인치 2D 디스플레이와 AR 헤드셋 두 가지를 사용했으며, 피험자는 각 시나리오를 순차적으로 관찰하고 주관적 품질 점수(MOS)를 부여했다. 주관적 결과는 다음과 같다. 동일 코덱이라도 렌더링 방식에 따라 MOS 차이가 0.8~1.2점(5점 척도)까지 크게 변동했다. G‑PCC는 포인트 기반에서 높은 점밀도로 인해 작은 구멍이 눈에 띄지 않아 MOS가 가장 높았으며, 메쉬 기반에서는 과도한 점 중복이 메쉬 생성 시 불필요한 삼각형을 만들며 품질이 저하되었다. V‑PCC는 시간적 연속성을 유지하지만, 움직이는 객체를 메쉬로 변환할 경우 티어링 현상이 발생해 MOS가 크게 떨어졌다. AR 헤드셋에서는 깊이 인식이 강화돼 메쉬 기반의 왜곡이 더 두드러졌으며, 포인트 기반은 여전히 가장 안정적인 품질을 보였다. 객관적 품질 지표 평가에서는 전통적인 PC‑MSE, Point‑to‑Plane(P2plane), Hausdorff Distance와 최신 학습 기반 지표 4종을 사용했다. 거리 기반 지표는 메쉬 기반 렌더링에서 높은 상관관계(R² ≈ 0.78)를 보였지만, 포인트 기반에서는 낮은 상관(R² ≈ 0.45)으로 제한적이었다. 법선 기반 지표는 메쉬 재구성 단계에서 법선 오류를 포착해 어느 정도 보완했지만, 여전히 렌더링 의존적 편향을 보였다. 학습 기반 지표는 훈련 데이터에 메쉬 기반 렌더링이 충분히 포함되지 않아 전반적으로 낮은 성능을 나타냈으며, 향후 다양한 렌더링 조건을 반영한 데이터셋이 필요함을 강조한다. 마지막으로 논문은 “Rendered Point Cloud Quality Assessment Dataset”을 공개한다. 데이터셋은 원본 PC, G‑PCC·V‑PCC 코덱별 디코딩 결과, 세 가지 렌더링 이미지, 주관적 MOS, 그리고 8가지 객관 지표 값을 포함한다. 이는 연구 커뮤니티가 렌더링 효과를 고려한 새로운 객관 지표를 개발하거나, 코덱 설계 시 렌더링 친화적 손실 모델을 탐색하는 데 중요한 기준이 될 것이다. 결론적으로, 포인트 클라우드 품질 평가에서 렌더링 단계는 단순 시각화가 아니라 품질 인식에 결정적인 영향을 미친다. 기존 객관 지표는 렌더링 특성을 충분히 반영하지 못하므로, 코덱‑렌더링 공동 최적화와 렌더링 의존적 객관 지표 설계가 앞으로의 핵심 과제로 부각된다. 또한, 색상 정보를 배제하고 기하학적 왜곡에 집중함으로써, 실제 산업 현장에서 라이다 기반 PC가 겪는 주요 품질 문제를 보다 현실적으로 파악할 수 있었다.