• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 "렌더링"에 대한 통합 검색 내용이 1,736개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
[케이스 스터디] 3D 애셋 데이터를 위한 SSOT 구축
데이터 사일로 해소부터 거버넌스 수립까지, 전사 협업의 효율 혁신   본격적인 3D 협업을 위한 첫 단추는 흩어진 데이터를 효율적으로 통합하는 팀 환경을 구축하는 것이다. 이번 호에서는 공통 라이브러리에 모든 3D 데이터 소스를 연결하고, 엔지니어링부터 운영 단계까지 모든 팀이 3D 애셋에 안전하게 접근하면서 데이터 임포트 시 정보 손실을 최소화하는 방법을 소개한다. 목표는 새로운 툴을 배포하는 것 자체가 아니라, 부가 가치를 창출하지 않는 작업에 소요되는 시간을 줄이고 액세스 권한 및 규정 준수 정책을 적용할 때 발생하는 불필요한 관리 복잡성을 없애는 것이다. ■ 자료 제공 : 유니티 코리아     대부분의 산업 팀은 방대한 3D 애셋 데이터를 보유하고 있지만, 이러한 데이터는 여러 사일로에 분산되어 서로 다른 조직이 소유하고 있어 재사용하기가 어렵다. 이와 관련해 데이터가 서로 다른 곳에 있으면 사람들은 서로 다른 사실을 기반으로 결정을 내리게 되기 때문에 문제가 발생한다. 예를 들어, 교육 담당자는 엔지니어링 팀에서 이전에 라인 레이아웃을 업데이트했다는 사실을 모르고 신입 직원에게 VR 시뮬레이션을 그대로 제공할 수 있다. 결국 교육 담당자는 교육을 중단하고 최신 데이터를 반영하여 업데이트하거나, 신뢰할 수 없는 콘텐츠로 교육을 계속 진행할 수밖에 없다. 둘 다 시간과 신뢰성 면에서 비용이 발생하게 된다. 해결책은 모든 3D 애셋을 위한 단일 저장소를 구축하여 계층 구조와 메타데이터를 온전히 유지하면서, 필요한 사람에게만 승인된 모델에 대한 액세스 권한을 부여하는 것이다. 모두가 동일한 라이브러리에서 애셋을 가져오면 버전 불일치가 해결되고 재작업의 필요성이 없어지며, 누가 무엇을 변경했는지에 대한 가시성도 확보할 수 있다.   단절의 원인 : 분산된 데이터와 중복 작업 산업 데이터는 어디에나 존재하지만, 서로 연결되어 있는 경우는 별로 없다. 유니티의 산업 부문 수석 부사장 겸 제너럴 매니저인 사라 래시는 “디자이너나 건축가는 CAD나 BIM(건설 정보 모델링)에 액세스할 수 있지만, 엔지니어는 해당 소프트웨어를 사용하지 않는 경우가 있어 결국 팀이 모델을 처음부터 다시 만드는 상황이 발생한다”고 전했다. 이런 사일로(silo) 현상은 운영 또는 기술적 격차로 인해 발생하는 경우가 많다. 예를 들어 엔지니어링 팀은 CAD 파일을 PLM(제품 수명주기 관리) 시스템에 저장할 수 있는 반면, 다른 팀은 사본을 별도의 드라이브나 앱으로 익스포트하므로 결국 동일한 애셋의 여러 버전이 존재하게 된다. 래시 수석 부사장은 “가장 흔한 문제는 동일한 모델의 두 가지 다른 버전으로 작업하는 것이다. 이러면 사실상 재작업을 할 수밖에 없게 된다”고 말했다. 어쩔 수 없이 여러 플랫폼, 툴, 포맷을 사용해야 하는 경우도 많지만, 이는 애셋을 추적하고 공유하는 작업을 어렵게 만든다. 그 결과 생산성이 저하되고 올바른 애셋을 찾는 데 몇 시간씩 허비하게 되며, 어떤 것이 정확한 버전인지 쉽게 알 수 없기 때문에 이미 존재하는 애셋을 다시 만드는 일까지 발생한다. 유니티 산업 고객 성공 부문의 시니어 디렉터인 헤닝 린은 “중복의 위험이 높으면 재작업이 필요한 경우가 많아진다. 애셋이 서로 일치하지 않고 팀이 동일한 소스 파일로 작업하지 않기 때문”이라고 설명했다. 이러한 불일치는 교육이나 납품 같은 후속 단계에서 드러나며, 이는 재작업, 일정 지연, 일관성 없는 경험으로 이어져 애셋 관리의 복잡성을 키운다. 그러나 그로 인한 대가는 기술적인 영역에 그치지 않는다. 이는 부서 간 신뢰뿐만 아니라 브랜드와 고객 간의 신뢰까지 약화시킬 수 있다. 결국 교육 담당자는 신규 직원을 위한 온보딩이 길어지고 일관성이 없어지더라도, 오래 되거나 검증되지 않은 모델로 세션을 시작하는 것을 피하고 싶어 한다. 다른 팀은 생산성을 유지하기 위해 ‘섀도(shadow)’ 라이브러리를 구축하게 되고, IT 팀은 통제되지 않는 환경을 보호하고 관리하느라 분주해진다. 이처럼 공통된 기반이 없으면 모든 신규 프로젝트를 처음부터 다시 시작해야 한다.   연결 대상 : 중요한 데이터를 보존하는 중앙화된 저장소 구축 3D 애셋 라이브러리는 여러 툴과 플랫폼에 걸쳐 있을 가능성이 높기 때문에, 기존에 보유한 모델을 활용하려면 먼저 유니티 애셋 매니저(Unity Asset Manager)와 같이 중앙화된 저장소로 모든 데이터를 임포트해야 한다. 이렇게 하면 이미 보유하고 있는 애셋을 다시 만들 필요가 없다. 린 시니어 디렉터는 “유니티를 활용하면 관련된 모든 데이터를 선호하는 방식으로 높은 품질을 유지하며 임포트할 수 있다. 사실상 업계에서 유니티가 지원하지 못하는 파일 포맷은 거의 없다”면서, “데이터를 통합된 포맷으로 변환하고, 필요에 따라 보강하며 모든 변경 사항을 추적하면 애셋의 전체 라이프사이클 동안 관리가 훨씬 쉬워진다”고 전했다.     데이터를 통합하기 전에, 무엇을 왜 연결하는지를 먼저 이해해야 한다. 대부분의 산업용 3D 파이프라인은 구조와 우선순위가 서로 다른 네 가지 주요 데이터 소스에서 데이터를 가져온다. CAD 모델은 보통 PLM 시스템에 저장되며 부품, 어셈블리, 기계적 프로퍼티에 대한 기본 기준이 되는 데이터 소스이다. BIM 모델은 건물 및 인프라 데이터를 포함하고, 풍부한 공간 및 규정 준수 관련 메타데이터를 갖추고 있으며, 보통 BIM 소프트웨어나 AEC   (건축, 엔지니어링 및 건설) 저장소에 저장된다. 디지털 콘텐츠 제작 툴에서 생성된 메시는 마케팅, 교육, 사용자 경험 등의 영역에서 사용되는 시각화 애셋을 포함하며, 기술적 디테일보다는 시각적 정확도에 최적화된 경우가 많다. XR(확장현실) 및 VR(가상현실) 애플리케이션에서 흔히 사용되는 포인트 클라우드(점군)와 스캔 데이터는 레이저 스캐닝이나 사진 측량 등을 통해 캡처된 데이터를 포함한다. 각 소스는 동일한 실물 애셋(제품, 어셈블리 라인, 전체 시설)을 서로 다른 관점에서 표현한다. 여기에는 기능, 공간, 형상이 포함되며, XR용 포인트 클라우드의 경우 실제로 구축된 물리적 상태가 이에 해당한다. 애셋 라이브러리 규모에 따라 우선순위를 정해야 하므로 팀에서 가장 많이 재사용하는 모델부터 시작하는 것이 좋다. 출처와 관계 없이 공통으로 필요한 사항은 임포트 과정에서 컨텍스트를 유지하는 것이다. 중요한 메타데이터가 손실되면 결국 재작업을 진행해야 하기 때문이다. 임포트 전에는 절대 손실되어서는 안 되는 메타데이터 필드를 식별한다. 린 시니어 디렉터는 “항상 식별자뿐만 아니라 높이, 무게와 같은 기술적 속성을 유지하고, 모든 애셋에 이름과 버전을 지정하여 추적과 사용이 용이하도록 해야 한다”고 덧붙였다. 일부 필드는 항상 온전하게 유지되어야 한다. 부품 번호, 버전 코드 또는 고유 ID와 같은 식별자를 사용하면 애셋의 진위 여부를 확인하기 위해 원본 소스로 추적하는 작업이 더 쉬워진다. 병합된 메시가 아닌 계층 구조 및 그룹 메타데이터는 부품이 어떻게 결합되는지, 시설이 어떻게 구성되는지를 보여 주며, 엔지니어가 필요에 따라 부품을 분리하거나 교체할 수 있도록 돕는다. 밀도나 인장 강도와 같은 머티리얼 및 단위 정보, 이름이나 공급업체와 같은 설명 정보를 활용하면 애셋이 올바른 형상과 동작을 유지하도록 할 수 있다. 이러한 세부 정보를 보존하면 모델을 다양한 애플리케이션 전반에서 유용하게 사용할 수 있지만, 그렇지 않으면 목적과 단절된 단순 참고용 이미지에 불과하게 된다. 린 시니어 디렉터는 “항상 식별자뿐만 아니라 높이, 무게와 같은 기술적 속성을 유지하고, 모든 애셋에 이름과 버전을 지정하여 추적과 사용이 용이하게 만들어야 한다”고 조언했다.     애셋 임포트를 위한 처리 애셋은 임포트 전과 임포트 과정에서 적절한 가공을 거쳐야 하며, 저장소의 상태를 양호하게 유지하기 위해 피해야 할 몇 가지 일반적인 함정이 있다. 이는 3D 데이터 세트가 극도로 복잡해질 수 있는 대규모 제조나 건설 분야에서 특히 중요하다. 예를 들어, 공장 전체의 디지털 트윈이나 자동차의 전체 모델은 수만 개, 혹은 수십만 개의 부품으로 구성될 수 있다. 이 경우 가장 강력한 소프트웨어와 하드웨어에도 부담이 가해질 수 있기 때문에 마이크로칩, 커넥터, 기계 부품과 같은 더 작은 논리적 그룹으로 분해하면 임포트 작업을 효율적으로 관리할 수 있다. 유니티의 애셋 트랜스포머 툴킷(Asset Transformer Toolkit)과 같이 3D 데이터를 준비하는 소프트웨어는 널리 사용되는 다양한 CAD 및 BIM 포맷을 지원하고, 구조와 메타데이터를 보존하며, 필요에 따라 임포트 과정에서 모델을 자동으로 단순화하고 표준화함으로써 이러한 과제를 해결하도록 설계되었다. 예를 들어, 직원 교육을 위한 XR 시뮬레이션과 같은 실시간 활용 사례에서는 원본 CAD 파일에 포함된 모든 볼트나 리벳이 필요하지 않다. 여기서 중요한 것은 작업을 수행하는 데 충분한 현실감의 수준이다. 린 시니어 디렉터는 “최종 활용 지점에 따라 폴리곤 수를 소폭에서 최대 90%까지 줄일 수 있다”고 밝혔다.   ▲ 유니티 애셋 트랜스포머 플러그인   목표는 성능과 사용성을 최적화하기 위해 모델을 최대한 가볍게 유지하는 것이다. 교육 및 시뮬레이션 활용 사례에서는 매끄러운 프레임 속도를 유지하면서 최대한 높은 시각적 정확도를 달성하는 것이 목표이다. 헤드셋의 새로고침 속도와 일치하는 안정적인 프레임 속도를 목표로 해야 하며, 그보다 낮을 경우 사용자에게 불편함을 줄 수 있다. 3D 협업 및 디자인 리뷰에서는 일반적으로 엔지니어가 체결 요소나 인터페이스 등을 검토할 수 있도록 높은 기능적 디테일을 요구한다. 높은 폴리곤 수에 대한 부담을 더 원활하게 관리할 수 있도록, 가까운 거리에서만 렌더링되는 하위 어셈블리에 디테일 수준(LOD)을 사용하는 것이 좋다. 임베디드 시스템 및 산업 제어 장치와 같은 인간–기계 인터페이스는 그래픽 처리 성능이 제한적인 경우가 많으므로, 최대한 낮은 복잡도를 목표로 하고 미리 베이크된 조명과 단순한 셰이더를 사용하는 것이 좋다. 고객 경험 애플리케이션은 타깃 기기의 다양성이 매우 크기 때문에 최적화가 어려울 수 있다. 시각적 정확도와 로딩 시간 사이의 균형을 목표로 하고, 중간급 사양의 모바일 기기와 주요 웹 브라우저에서 검증해야 한다. 일반적인 원칙으로는, 지원 계획이 있는 기기 중에서 가장 성능이 낮은 기기를 기준으로 단순화된 모델부터 테스트하는 것이 좋다. 그 후 성능이 허용하는 범위 내에서만 디테일을 추가하여 배포 후 모델이 과도하게 커져 수정해야 하는 상황을 피해야 한다. 예를 들어 임포트 단계에서 LOD를 생성하면 모든 애셋이 확장 가능한 디테일을 갖추게 되어, 향후 더 다양한 기기와 활용 사례에 유연하게 대응할 수 있다. 다만, 보편적으로 정해진 올바른 폴리곤 수는 없다. 중요한 것은 타깃 기기에서 프레임 속도와 로딩 시간 목표를 안정적으로 달성하는 방법이다. 린 시니어 디렉터는 “같은 애셋이라도 폴리곤 수는 수백만 개에서 수십만 개까지 줄어들 수 있다. 중요한 것은 모든 메타데이터가 연결된 동일한 소스 파일을 계속 사용하고 있다는 것”라고 전했다.   ▲ 제공 : HERE HMI   활용성 갖추기 : 거버넌스, 접근성 및 버전 관리 구축 애셋을 임포트하고 적절한 크기로 조정하고 나면, 다음 단계는 필요한 모든 역할에서 애셋에 안전하게 액세스하고 애셋을 쉽게 찾을 수 있도록 만드는 것이다. 이때 목표는 팀이 애셋을 어디서 찾아야 하는지 명확히 알면서도 관련 없는 애셋으로 인해 부담을 느끼지 않도록 하는 단일 라이브러리를 선별하는 것이다. 이를 위해서는 업무 속도를 저해하지 않으면서도 모든 업데이트가 프로젝트 전반에 반영되도록 완전한 감사 추적을 유지할 수 있는 권한 기반의 액세스 모델이 필요하다.   RBAC(역할 기반 액세스 제어) 린 시니어 디렉터는 “보통은 애셋의 임포트와 생성을 감독하는 관리자가 있고, 그 아래에 작업자와 검토자 역할이 있으면 충분하다”면서, 액세스 권한을 단순하게 유지할 것을 권장했다. 예를 들면 관리자는 구조와 표준을 정의하고, 사용자와 리텐션을 관리하며, 버전을 승인하거나 아카이브 처리할 수 있다. 이 사용자 그룹은 가능한 한 작게 유지하는 것이 좋다.     그 다음 계층에는 디자이너, 작업자, 편집자가 있을 수 있다. 이들은 새로운 애셋을 임포트하고 메타데이터를 편집하며 업데이트를 게시할 수 있으며, 필요 시 관리자 승인을 받아 작업을 수행할 수 있다. 이들이 라이브러리를 일상적으로 유지 관리하게 된다. 마지막으로 소비자 역할이 있는 직원은 승인된 애셋을 검색, 미리 보기 및 다운로드할 수 있지만, 수정하거나 게시할 수는 없다. 역할 기반 액세스 제어는 보안 측면에서도 매우 중요하다. 많은 산업용 3D 애셋 라이브러리에는 매우 민감한 정보가 포함되어 있으며, 그 중 일부는 규제 대상이 되기도 한다. 예를 들어 정부, 항공우주 또는 방위 분야의 수출 통제 설계 데이터는 엄격한 ‘알아야 할 필요성(need-to-know)’ 원칙, 완전한 감사 용이성, 엄격히 통제된 환경에서의 배포를 요구하는 연방 규정을 준수해야 한다. 린 시니어 디렉터는 규제가 엄격한 산업에서 운영하는 경우 가상 프라이빗 클라우드 배포를 사용할 것을 권장했다. 산업 분야와 관계 없이 반드시 지켜야 하는 내용은 다음과 같다. 항상 최소 권한의 원칙을 기본으로 하는 RBAC를 사용한다. 사용하는 플랫폼에서 전송 중인 데이터와 저장된 데이터를 모두 암호화한다. 버전별로 포괄적인 감사 로그와 승인 상태를 유지한다. 민감한 작업을 위해 프로젝트를 분리하고, 필요할 경우 데이터 상주 옵션을 적용한다.   ▲ 유니티 애셋 매니저 웹 인터페이스   버전 관리 및 감사 용이성 거버넌스는 보안과 규정 준수만을 의미하는 것이 아니라, 액세스와 활용을 용이하게 하기 위한 애셋 관리 표준화도 포함한다. 실제로 대부분의 거버넌스 문제는 모두가 모든 것을 바꿀 수 있거나, 누구도 아무것도 바꿀 수 없는 두 가지 극단적인 상황 중 하나에서 발생한다. 예를 들어, 교육 담당자가 엔지니어링 팀이 막 승인한 모델을 덮어쓸 수도 있다. 이는 반드시 부주의 때문이라기보다는, 대부분 명확한 버전 관리 체계의 부재로 인해 발생한다. 린 시니어 디렉터는 “동일한 애셋의 여러 브랜치 버전이 존재하는 경우가 많다. 이 모든 것을 일관적이고 표준화된 방식으로 관리해야 한다”고 조언했다. 여기서 버전 관리가 중요한 역할을 한다. 목표는 변경 사항이 명확하고, 되돌릴 수 있으며, 확실한 의도를 가지고 이루어지도록 하는 것이다. 결국 활용 가능한 애셋 라이브러리는 정기적으로 변경될 수밖에 없다. 공장의 디지털 트윈은 매주 레이아웃이 조금씩 조정될 수 있고, 교육 프로그램은 차세대 XR 헤드셋 출시를 앞두고 새로운 모델로 업데이트될 수 있다. 선형적인 버전 이력(v1.0, v1.1 등)과 애셋 상태(초안, 검토 중, 승인됨, 폐기됨 등)를 적용하여, 라이브러리를 계속해서 변화하는 SSOT(Single Source of Truth)로 관리해야 한다. 많은 산업 환경에서 엔지니어링 팀은 공식 설계를 위한 원본 CAD 파일을 유지 관리한다. 그러나 시각화 또는 교육 팀은 일반적으로 특정 목적에 맞게 최적화된 동일한 모델의 실시간 버전을 사용한다. 이러한 애셋은 병합이 아니라 연결되어야 하며, 그렇지 않으면 시각화용 모델이 어떤 CAD 버전에서 파생되었는지 알 수가 없다. 예를 들면 엔지니어링 팀이 도면을 업데이트하더라도 몇 달 전에 제작된 교육용 모델에는 이전 버전이 그대로 반영되어 있을 수 있으며, 이 사실을 아무도 모를 수 있다. 이는 감사 용이성을 훼손하고 잘못된 설정으로 학습하는 등의 오류로 이어질 수 있다는 점에서 문제가 된다. 모델 변형(variant)의 경우, 단순히 새로운 이름으로 복사본을 만드는 대신 해당 범위와 목적에 따라 태그를 지정하는 것이 좋다. 예를 들어 자동차 제조업체는 지리적 지역, 운전석 위치 폼 팩터 기준으로 태그를 지정할 수 있다. 이렇게 하면 기본 부품이 변경될 때 어떤 변형을 업데이트해야 하는지 정확히 알 수 있다. 마찬가지로 교육에 사용되는 단순화된 모델과 같은 특정 기본 모델의 파생 모델이 있다면, 이를 파생 모델로 표시하되 원본 소스와 해당 CAD 수정 버전에 대한 참조를 유지해야 한다. 이렇게 하면 교육 담당자가 XR/VR 시뮬레이션에 사용되는 단순화된 메시를 엔지니어링 팀의 공식 원본과 혼동하지 않게 된다. 물론 이처럼 세분화된 수준의 버전 관리도 사용성을 높이는 데 매우 중요하지만, 대규모로 구현하기는 매우 어렵기 때문에 자동화가 필수이다. 최신 3D 애셋 매니저(3D Asset Manager)는 일반적으로 대량 작업을 수행하기 위한 커맨드 라인 인터페이스(CLI)뿐만 아니라 새로 임포트 또는 업데이트된 애셋에 대한 메타데이터, 미리보기 및 태그를 생성하는 이벤트 기반 자동화 기능을 포함한다.   ▲ 애셋 매니저 팩토리   적절한 애셋 매니저를 통해 수행할 수 있는 운영 변경 사항의 간단한 체크리스트는 다음과 같다. 관리자, 작업자, 소비자로 구성된 3 역할 모델을 도입한다. 추가 승인이 필요한 프로젝트에는 승인 역할을 추가한다. 애셋 ID, 수정 번호, 원본 소스, 소유자 및 승인 상태와 같은 필수 메타데이터 필드를 매핑하고, 대부분의 사용자에게 기본적으로 승인된 뷰를 설정한다. 배리언트 및 파생 모델에 명확한 레이블을 지정하고 가능한 경우 업데이트를 자동화하여, CAD 수정 버전을 해당 실시간 대응 항목과 연결한다.   시작하기 : 30일 체크리스트 애셋을 임포트, 최적화 및 관리하고 나면 마지막 단계는 새로운 시스템을 일상 업무에 적용하는 것이다. 그런 다음 교육, 제품 개발, 고객 경험 또는 그 밖의 목적으로 실제 비즈니스 성과를 창출하는 몰입형 경험을 만들어 통합 3D 애셋 라이브러리의 가치를 빠르게 입증할 수 있다. 30일 이내에 수행할 수 있는 작업을 간단히 요약하면 다음과 같다. 데이터 소스와 해당 소유자를 목록화한다. 파일럿으로 진행할 대표 모델 한두 개를 선정한다. 보존할 메타데이터 필드를 결정한다. 임포트 과정을 테스트하여 게시 사이클을 최적화한다. 액세스 제어 및 감사 추적을 설정한다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-05-06
그냥 따라하다 배우는, 나노바나나 100선
이재 지음 / 2만 2000원 / 비엘북스   생성형 AI 도구인 '나노바나나'를 활용하여 누구나 전문가 수준의 비주얼 콘텐츠를 제작할 수 있도록 돕는 실전 가이드북이 새로 나왔다. 이 책은 복잡한 이론보다는 100가지의 구체적인 예제를 통해 사용자가 직접 기능을 체험하며 익힐 수 있도록 구성되어 있다는 점이 특징이다. 이 책의 가장 큰 특징은 '경험 중심의 학습'을 지향한다는 점이다. 지루한 원리 설명 대신 실행 버튼을 누르는 순간부터 실습이 시작되도록 설계되어 있으며, 브랜드 로고 제작부터 광고 썸네일, 사진 복원 등 현무에서 즉시 활용 가능한 예제들을 담고 있다. 또한, 미드저니(Midjourney)와 같은 기존 AI 도구들이 가진 한계를 보완하는 워크플로우를 제시하여, 뭉개진 텍스트 복구나 캐릭터의 일관성 유지와 같은 고급 테크닉을 초보자의 눈높이에서 설명한다. 기술적인 측면에서는 단순한 이미지 생성을 넘어 '디테일의 완성'에 집중한다. 카메라의 로우 앵글이나 더치 앵글 같은 연출법은 물론, 제품과 액체의 상호작용, 조명과 그림자의 자동 일치 등 전문적인 이미지 퀄리티를 결정짓는 미세한 요소들을 다루는 법을 배울 수 있다. 나아가 구글 FLOW를 이용한 영상 제작이나 3D 렌더링 변환까지 다루고 있어 생성형 AI의 확장성을 폭넓게 경험하게 한다. 이 책에서 소개하는 나노바나나 활용법은 크게 네 가지 영역으로 구분된다. 첫째, 이미지 수정 및 복원 기술이다. AI가 생성한 이미지 내의 뭉개진 텍스트를 완벽하게 복구하거나, 불필요한 사물과 사람을 자연스럽게 지우는 법을 배운다. 또한 흑백 사진을 자동으로 컬러링하거나 저해상도의 사진을 선명한 프로필 사진으로 보정하는 실무 기술이 포함되어 있다. 둘째, 배경 및 스타일의 자유로운 변환이다. 인물은 그대로 유지한 채 배경만 특정 장소로 교체하거나, 여름 풍경을 눈 내리는 겨울로 바꾸는 계절 변경법을 익힐 수 있다. 실사 사진을 라인 드로잉으로 바꾸는 등의 화풍 변환과 낮과 밤의 시간대 변경도 가능하다. 셋째, 캐릭터 및 콘텐츠의 일관성 유지이다. 한 장의 캐릭터 이미지를 바탕으로 다양한 각도의 턴어라운드 시트를 제작하거나, 동일한 캐릭터에게 여러 가지 감정을 입히는 법을 배운다. 이는 웹툰이나 브랜드 캐릭터 마케팅을 준비하는 사용자에게 매우 유용한 기능이다. 넷째, 전문적인 광고 및 제품 디자인 연출이다. 제품 이미지를 자연스러운 배경에 합성하면서 그림자와 조명을 일치시키고, 모델이 들고 있는 상품을 다른 것으로 교체하는 등 고효율의 마케팅 콘텐츠 제작법을 다룬다. 영문 텍스트를 한글로 수정하거나 건축 도면을 바탕으로 3D 조감도를 기획하는 등의 심화 활용법도 제시된다. 특히 이 책은 프롬프트 입력이 막막한 입문자부터 업무 속도를 높이려는 디자이너, 저비용 고효율의 홍보물이 필요한 1인 창업자 모두에게 실질적인 솔루션을 제공하는 지침서가 될 것이다.
작성일 : 2026-05-06
실무 중심의 통합형 BIM 솔루션, GstarBIM
주요 스마트 건설 DX 솔루션 소개 실무 중심의 통합형 BIM 솔루션, GstarBIM 개발 : Gstarsoft, www.gstarcad.net 자료 제공 : 모두솔루션, 02-857-0974, https://gstarcad.co.kr   GstarCAD(지스타캐드) 개발사인 Gstarsoft(지스타소프트)는 본격적인 BIM 시장 개척을 위해 Hawk3D를 설립하고, Cadline의 ARCHLine.XP를 인수·통합해 30년 이상 축적된 BIM 기술 기반의 GstarBIM을 선보였다. 이를 통해 BIM 시장에서 새로운 성장 활로를 본격적으로 열어가고자 한다. 1. 주요 특징  GstarBIM의 가장 큰 특징은 실무 중심의 통합성이다. 건축 설계, 인테리어 설계, 문서화, 시각화 기능을 하나의 플랫폼으로 통합해 설계 단계별로 분리되던 작업을 하나의 흐름으로 연결한다. 또한 DWG 기반 데이터 호환과 GstarCAD 연계를 통해 2D 설계 자산을 유지하면서 단계적으로 BIM을 도입할 수 있는 환경을 제공하며, 기존 설계 환경을 완전히 바꾸지 않고도 BIM을 실무에 적용하려는 조직에 현실적인 대안을 제시한다. 2. 주요 기능 (1) 건축 설계를 위한 BIM 모델링 (Architectural Design) GstarBIM은 벽체, 기둥, 보, 슬래브, 지붕, 계단, 램프, 커튼월 등 주요 건축 요소를 지능형 BIM 객체(Intelligent Object)로 모델링할 수 있으며, 각 객체는 파라메트릭 구조와 속성 정보를 포함한다. 이를 통해 설계 변경 시 모델과 연계된 도면·치수·물량 정보가 자동으로 갱신되어 변경 대응에 따른 반복 업무를 줄일 수 있다.  또한 기존 2D 도면(DWG)을 기반으로 BIM 모델을 생성할 수 있어, 기존 CAD 설계 흐름을 유지하면서 BIM으로 확장하는 워크플로우 구성이 가능하다. 대지(Site) 및 매싱(Massing) 설계를 통해 초기 단계부터 BIM 기반 검토를 수행할 수 있으며, MEP 요소를 건축 모델과 함께 3D로 검토하고 간섭 검토 기능을 통해 충돌 요소를 설계 단계에서 사전 확인하는 데 활용할 수 있다.  (2) 인테리어 설계를 위한 전용 BIM 기능(Interior Design) GstarBIM은 인테리어 설계 실무를 고려한 전용 기능을 제공한다. Room Maker로 공간 구성을 빠르게 정의하고, 문·창호·가구·전기 설비·마감 요소 등을 파라메트릭 방식으로 배치할 수 있어, 설계안을 빠르게 구성하고 반복 검토하기에 유리하다.  타일링(Tiling) 기능은 벽·바닥 면적을 기준으로 타일 패턴을 자동 계산하고, 자재 효율을 고려한 배치를 지원한다. Furniture Configurator 및 Smart Object 기능으로 가구를 구성 요소 단위로 설계·관리할 수 있으며, Trimble 3D Warehouse 등 외부 라이브러리 연계를 통해 다양한 객체를 활용할 수 있다. 또한 IES 데이터를 활용한 조명 시뮬레이션으로 실제 조도 환경을 고려한 설계 검토가 가능하다.  (3) BIM 기반 자동 문서화(Documentation) GstarBIM은 BIM 모델과 연계된 자동 문서화 기능으로 설계 실무의 효율을 높인다. Auto Dimensioning을 통해 도면 전체 또는 선택 영역의 치수를 일괄 생성할 수 있으며, 설계 변경 시 2D 도면과 3D 모델이 자동 동기화되어 문서 수정 부담을 줄인다.  또한 BIM 객체의 속성 정보를 기반으로 자동 물량 산출 및 수량 계산이 가능해, 변경이 잦은 프로젝트에서도 물량 정보의 정확성과 일관성을 유지할 수 있다. 레이어 및 출력 관리 기능을 통해 다양한 도면 출력 요구에 대응함으로써, 설계·시공·협업 단계에서 필요한 문서를 체계적으로 관리할 수 있다.  (4) 설계 커뮤니케이션을 위한 시각화(Visual Design) GstarBIM은 설계 의도를 명확히 전달하고 협업 효율을 높이기 위한 시각화 기능을 제공한다. 실사 표현, 페이퍼 모델 스타일, 3D 섹션 박스, 2D 도면과 3D 뷰의 중첩 표현 등 다양한 방식으로 설계 내용을 직관적으로 검토할 수 있다.  360도 파노라마 뷰와 가상 투어를 통해 직관적으로 검토할 수 있으며, 보행·비행·경로 애니메이션 및 공정 시뮬레이션으로 설계 및 시공 단계를 시각적으로 표현할 수 있다. 내장된 실시간 렌더링과 D5 Render 연계를 통해 고품질 시각화 결과물도 효율적으로 생성할 수 있다.  3. 활용 분야 GstarBIM은 설계·문서·시각화가 연결되는 통합 워크플로우를 통해 스마트 건설 DX 환경에서 다음과 같은 분야에 활용될 수 있다. ■ 건축 설계 사무소: 개념 설계~실시설계, 대지/매싱 검토, MEP 간섭 검토 및 문서화 자동화 ■ 인테리어 설계·시공: 공간 구성, 마감·가구·조명(IES) 설계 및 고객 커뮤니케이션 강화 ■ 리노베이션·리퍼비시: 기존 도면(및 현장 데이터) 기반 BIM 전환, 기존 건축물 설계 검토 ■ 단계적 BIM 도입 조직: DWG 파일과 GstarCAD 연계로 2D 자산을 유지하며 점진적 BIM 전환   상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기  
작성일 : 2026-05-06
HP, 차세대 AI PC 및 워크스테이션으로 구현하는 ‘일의 미래’ 공개
HP는 4월 28일 신제품 출시 기자간담회를 열고, 인공지능(AI) 기반의 업무 환경 비전으로 ‘AI가 바꾸는 일의 미래’를 발표했다. HP는 이번 행사에서 폭넓은 차세대 AI PC와 워크스테이션 포트폴리오를 공개하며, AI 기술이 일하는 방식을 어떻게 변화시키고 있는지에 대한 방향성을 제시했다. HP는 AI의 확산과 하이브리드 근무의 일상화로 업무 환경이 복잡해지는 상황에서 생산성과 관리 효율을 높이는 데 집중하고 있다. 특히 AI가 개별 기능을 넘어 업무 흐름 전반에 영향을 미친다고 보고, 디바이스 간 연결과 경험의 통합을 핵심 화두로 내세웠다. HP에 따르면 이러한 변화의 중심에는 대규모 데이터 처리가 가능한 AI 워크스테이션과 스스로 업무를 이해하고 실행하는 ‘에이전트형 AI’가 있다. 이번 간담회에서 HP는 온디바이스 기반 로컬 AI 플랫폼인 ‘HP IQ’를 처음으로 선보였다. HP IQ는 사용자 업무 흐름을 이해하고 문서 요약, 업무 자동화, 파일 정리 등을 기기 내에서 직접 수행하는 지능형 플랫폼이다. 데이터가 외부로 전송되지 않는 구조를 갖춰 보안성을 높였으며 기기 간 연결을 자동으로 인식해 끊김 없는 업무 경험을 지원한다. HP 코리아의 강용남 대표는 “AI는 이제 단순한 기능을 넘어 일하는 방식 자체를 다시 정의하고 있다”면서, “HP는 PC와 프린터, 협업 디바이스 등 사무 환경 전반을 아우르는 포트폴리오를 기반으로 각 기기가 하나의 지능형 시스템처럼 연결되는 일의 미래를 만들어가고 있다”고 말했다. HP 코리아의 소병홍 전무 또한 PC가 단순한 디바이스를 넘어 업무 경험을 연결하는 플랫폼으로 진화하고 있다고 덧붙였다.     새롭게 공개된 HP 엘리트북(EliteBook) X G2 AI PC는 최대 85 TOPS NPU 성능을 지원하는 차세대 제품이다. 로컬 환경에서 빠른 AI 연산이 가능하며, 최대 28시간 지속되는 배터리를 탑재해 하이브리드 업무 환경에 적합하도록 설계됐다. 이 제품은 다양한 소프트웨어 파트너와 협업해 문서 작성과 콘텐츠 제작에 바로 활용할 수 있는 AI 기능을 제공한다. HP는 사용자의 역할과 업무 방식에 맞춰 제품군을 세분화했다. 협업 중심 사용자를 위한 엘리트북 8 G2 시리즈, 기업 및 공공기관용 엘리트북 6 G2 시리즈, 중소기업을 위한 프로북(ProBook) 4 G2 시리즈, 데스크톱 형태의 엘리트데스크(EliteDesk) 8 G2 시리즈 등을 함께 출시했다. 이들 제품은 AI 기반 업무 자동화 기능을 지원하며 ‘HP 울프 시큐리티(Wolf Security)’를 통해 보안성을 확보했다. 고성능 연산이 필요한 전문가용 워크스테이션 라인업도 강화했다. 데스크톱 워크스테이션인 HP Z8 퓨리(Fury) G6i는 최대 4개의 엔비디아 RTX 프로 6000 블랙웰 GPU를 지원해, AI 개발이나 시뮬레이션 등 고난도 작업에 최적화됐다. 모바일 워크스테이션인 HP Z북(ZBook) X G2i와 Z북 8 G2 시리즈는 이동 중에도 3D 설계와 렌더링 작업을 수행할 수 있는 성능을 갖췄다. 특히 HP Z북 X는 최대 128GB 메모리를 탑재해 복잡한 프로젝트 효율을 높였다. 한편, HP는 GPU를 공유해 로컬 디바이스의 한계를 확장하는 ‘HP Z 부스트’ 설루션도 소개했다. HP는 앞으로 AI가 에이전트형으로 진화함에 따라 관련 플랫폼을 고도화해 조직의 디지털 전환을 지원할 계획이다. 또한 제품 설계와 공급망 전반에서 환경 영향을 줄이는 지속가능성 전략도 함께 추진하고 있다고 밝혔다.
작성일 : 2026-04-28
트림블, AI 기반 건설 혁신 비전 제시하는 ‘BIM 이노베이션 콘퍼런스 2026’ 개최
  트림블코리아는 4월 28일 서울 코엑스에서 ‘BIM 이노베이션 콘퍼런스 2026’을 개최한다고 밝혔다. 이번 행사는 건설, 구조, 설계 분야 전문가 300여 명이 참석해 건설 기술의 현재와 미래를 논의하고 산업의 방향성을 모색하는 자리다. 올해 콘퍼런스는 ‘AI가 건축 환경에 가져올 실질적인 변화’를 주제로 정했다. 설계부터 시공까지 전 과정에서 AI가 비즈니스 가치를 창출하는 방안을 집중적으로 조명한다. 특히 AI를 단순한 기술 트렌드를 넘어 건설 산업의 방식 자체를 재정의하는 핵심 동력으로 바라보고, 실제 업무 환경에서의 변화와 적용 가능성에 초점을 맞췄다. 트림블코리아에 따르면 AI는 설계의 정밀도를 높이고 현장 안전을 강화하며 데이터 기반의 의사결정을 가능하게 하는 수준으로 진화하고 있다. 이번 행사는 이러한 변화가 개별 기술을 넘어 건설 산업 전반의 업무 흐름과 비즈니스 구조에 어떤 전환을 만드는지 구체적으로 제시할 예정이다. 현장에서는 트림블의 ‘에이전트 AI 및 활용 방안’이 처음으로 공개된다. 테클라를 활용한 철골 모델 자동화 AI 설루션의 실시간 시연과 스케치업 AI(SketchUp AI)를 이용한 자동 모델링 및 렌더링 기능도 소개한다. 이를 통해 설계와 시공을 연결하는 스마트 워크플로의 실제 구현 모습을 확인할 수 있다. 사용자 친화적인 인터페이스로 변화한 테클라 2026(Tekla 2026)의 신규 기능도 함께 공개한다. 국내 주요 기업의 실무 사례 발표도 이어진다. CJ건설, 인터컨스텍, 커스시스템, 시스트라 등이 참여해 공사 관리, 강교 용접 및 모델링 자동화, 철근 공사 물량 관리 등을 설명한다. 테클라를 활용해 생산부터 시공까지 종이 도면 없이 철근 시공을 완료한 해외 사례도 공유한다. 이를 통해 AI와 스마트 건설 기술이 실제 프로젝트 현장에서 거둔 성과를 전달할 예정이다. 트림블코리아의 박완순 사장은 “AI는 이제 건설 산업에서 선택이 아닌 필수 경쟁력으로 자리 잡고 있다”면서, “이번 콘퍼런스를 통해 설계부터 시공까지 전 과정에서 AI가 만드는 실질적인 변화와 이를 비즈니스 성과로 연결하는 방법을 구체적으로 확인할 수 있을 것”이라고 전했다.
작성일 : 2026-04-23
[신간] PLAY! SOLIDWORKS 2026 MASTER(플레이! 솔리드웍스 2026 마스터)
원동현 지음 / 3만 5000원 / 청담북스   실무 설계 역량을 완성하는 중급자를 위한 바이블, ‘PLAY! SOLIDWORKS 2026 MASTER’ 출간 도서출판 청담북스가 3D 설계 분야의 베스트셀러 저자인 원동현의 신간 ‘PLAY! SOLIDWORKS솔리드웍스 2026 MASTER’를 출간했다. 이번 신간은 전작인 ‘플레이! 솔리드웍스 2021 마스터’ 이후 5년 만에 선보이는 중급 단계 학습서로, 실무 현장에서 즉각적으로 활용 가능한 고급 설계 기법을 체계적으로 다루고 있다. 이 책은 단순히 소프트웨어의 기능을 나열하는 방식에서 벗어나 ‘개념 정리 → 예제 풀이 → 연습 문제’로 이어지는 단계적 학습 구조를 채택했다. 이를 통해 학습자는 복잡한 설계 원리를 명확히 이해하고, 실제 프로젝트에 응용할 수 있는 실전 능력을 효과적으로 배양할 수 있다. 주요 특징으로는 첫째, 멀티바디, 수식, 설정 등 설계 현장에서 필수적으로 요구되는 핵심 기능을 다양한 실무 예제와 함께 완벽히 정리했다. 둘째, 기존 베이직 단계에서 다루기 어려웠던 렌더링과 작업 스케줄러 등 고급 기능을 포함하여 학습의 폭을 대폭 확장했다. 셋째, 어셈블리 심화 학습 과정을 강화하여 고급 메이트 및 기계 메이트의 개념을 정립하고, 종합 프로젝트를 통해 완성도 높은 결과물을 도출할 수 있도록 구성했다. 특히 솔리드웍스 글로벌 인증 자격증인 CSWA 및 CSWP 취득을 준비하는 수험생을 위해 2세트의 모의고사를 수록하여 실전 대비가 가능하도록 돕는다. 또한, 저자가 직접 설명하는 총 12강의 유튜브 동영상 강의를 무료로 제공하여 독학으로 학습하는 사용자들의 편의를 극대화했다. 이 책은 솔리드웍스의 기본기를 넘어 숙련된 엔지니어로 도약하고자 하는 학생과 현업 설계자들에게 최적의 지침서가 될 것이다. 단계별 커리큘럼을 따라 학습하다 보면 자연스럽게 실무 수준의 설계 메커니즘을 체득할 수 있다.    
작성일 : 2026-04-22
[탐방] 유비씨, 디지털트윈에서 피지컬 AI까지 자율제조 지원
전주기 AX 통합 플랫폼 ‘OCTOPUS’로 산업 AI 혁신 앞당긴다   AI는 이제 로봇의 몸을 빌려 물리적 제조 현장에서 움직이기 시작했다. 글로벌 제조업은 산업현장이 자동화되는 인더스트리 4.0을 넘어 인간과 기술이 공존하는 인더스트리 5.0 시대로 진입하고 있다. 특히 올해 글로벌 빅테크 기업들이 앞다퉈 제시한 ‘피지컬 AI’는 AI가 물리적 세계를 직접 제어하는 시대의 도래를 알렸다. 제조업 디지털화의 중심도 변하고 있다. 과거 스마트 팩토리가 ‘연결’과 ‘자동화’를 중심으로 했다면, 현재의 자율제조는 ‘지능화’와 ‘자율 판단’으로 무게중심이 이동하고 있다. 유비씨(UVC, www.uvc.co.kr)는 전주기 AX(AI Transformation) 통합 플랫폼 ‘OCTOPUS’(옥토퍼스)를 통해 이러한 변화를 이끌고 있다.   유비씨 조규종 대표 8개 개별 솔루션을 하나로 통합한 전주기 AX 플랫폼 ‘OCTOPUS’ 유비씨는 2010년 설립 당시 기계와 로봇 간 데이터 통신 기술에 집중했다. 이후 3D 렌더링 엔진 기술을 결합하며 스마트 팩토리와 디지털트윈 솔루션으로 사업영역을 확장했다. 최근에는 이러한 역량에 AI 기술을 융합하며 제조 현장의 디지털 전환(DX)을 넘어 AI 전환(AX)까지 아우르는 전주기 통합 솔루션 OCTOPUS를 완성했다. OCTOPUS는 엣지(Edge), 데이터 허브(Data Hub), 트윈(Twin), 시뮬레이터(Simulator), AI 허브(AI Hub), 에이전틱 AI(Agentic AI), 피지컬 AI(Physical AI), 로봇 허브(Robot Hub) 등 8개 솔루션으로 구성된다. 8개의 개별 솔루션을 하나의 전주기 AX 플랫폼에 통합한 OCTOPUS는 이름 그대로 문어의 특징을 닮았다. 글월 문(文)자를 쓰는 문어는 예부터 ‘바다의 선비’로 불리던 똑똑한 생명체다. 문어의 지능적 두뇌는 스스로 학습하는 AI를, ▲ 유비씨 조규종 대표 예리한 눈은 정밀 모니터링을, 독립적으로 움직이는 8개의 팔은 분산지능을, 민감한 피부는 이상 감지를 상징한다. OCTOPUS는 8개 솔루션이 유기적으로 연결되어 데이터 수집-통합-시각화-검증–학습–예측–제어의 전 과정을 수행한다. 나아가 이를 다시 생산 계획에 반영하는 완벽한 순환 구조를 구현했다. 작동 방식은 다음과 같다. 현장의 엣지가 이기종 설비에서 데이터를 수집하면, 데이터 허브가 이를 AI가 학습할 수 있는 형태로 정제한다. 트윈은 실시간 3D로 현장을 시각화하고, 시뮬레이터는 반복 실험을 통해 최적의 조건을 탐색한다. AI 허브는 공정을 학습하고, 학습된 데이터를 바탕으로 에이전틱 AI가 24시간 자율 의사결정을 수행한다. 피지컬 AI는 로봇과 설비를 정밀 제어하고, 로봇 허브가 다수의 로봇을 통합 관제한다. 기존의 제조 IT·시뮬레이션·AI 솔루션은 전문 인력이 아니면 접근 자체가 어려울 정도로 진입 장벽이 높았다. OCTOPUS는 이 문제를 플랫폼 설계 단계부터 완전히 다르게 접근했다. 데이터 수집, 시뮬레이션, AI 분석, 디지털 트윈, 로봇 제어 등 각기 다른 카테고리로 분리되어 있던 기능들을 하나의 흐름과 하나의 화면, 하나의 언어로 통합한 것이다. 특히 LLM 기반 자연어 인터페이스를 적용해 “생산 라인을 한 대 더 늘리면 어떻게 될까?”, “이 공정에서 병목이 생기는 이유가 뭐지?” 등의 질문만으로 시뮬레이션과 AI 분석, 가상 검증 결과를 제시한다. AI 예측을 실제 설비제어까지 연결하는 M.AX 시대 많은 AI 솔루션이 데이터를 분석하고 예측 결과를 보여주는데 그친다. 그러나 진정한 제조 A I전환, 즉 ‘M.AX(Manufacturing AX)’를 실현하려면 AI의 판단이 실제 설비나 로봇의 동작으로 직접 이어져야 한다. 문제는 현장에서 AI가 내린 결정을 설비 제어에 바로 적용하는 것을 극도로 꺼린다는 점이다. 안전 문제, 예상치 못한 오작동에 대한 우려, 그리고 책임 소재에 대한 불안감 때문이다. 유비씨는 디지털 트윈과 피지컬 AI를 결합한 독자적인 아키텍처로 문제 해결에 나섰다. 가상 환경에서 AI 모델을 충분히 학습시키고, 수천 번의 시뮬레이션을 통해 안전성과 효과를 검증한 후에만 실제 현장에 적용하도록 설계한 것이다. 이를 통해 환경 변화와 예외 상황에도 흔들리지 않는 안정적이고 신뢰할 수 있는 자율 운영을 실현해 나간다. 유비씨 조규종 대표는 “AI가 브레인이라면 DT는 AI의 명령을 실질적으로 수행하는 중추 신경계다. 유비씨는 디지털 트윈 기반의 피지컬 AI 기업을 향해 나아가고 있다”고 설명한다. 이어 “제조업에서 AI 기반 디지털 트윈이 지금 가장 큰 가치를 만드는 분야는 제조·생산·물류 현장의 ‘협업’을 지능화하는 영역이다. 로봇이 혼자 똑똑해지는 것보다 더 어려운 건 로봇이 제조 설비와 함께 상황을 이해하고, 여러 로봇이 스스로 역할을 나누며, 필요하면 작업자와도 안전하게 함께 일하도록 만드는 일이다”라고 덧붙였다. 유비씨가 정의하는 피지컬 AI는 인지-계획-실행으로 이어지는 구조를 기반으로 한다. 물리적 환경과 설비 상태를 실시간으로 인지하고, 운영 목표와 제약 조건을 반영해 행동을 계획한 뒤, 이를 실제 로봇과 설비의 동작으로 실행하는 전 과정을 설계하고 있다. 이 과정에서 디지털 트윈은 피지컬 AI가 학습할 수 있는 합성 데이터(Synthetic Data)를 제공하는 핵심 환경 역할을 담당한다. 나아가 OCTOPUS 피지컬 AI 솔루션을 중심으로 자율제조 영역에서 사업을 확장하는 모습이다. 조 대표는 “국내 탑티어 로봇 제조사 두 곳과 협업을 통해 실제 제조 현장 적용이 가능한 피지컬 AI 기술의 실증과 고도화를 진행하고 있다”면서, “이를 통해 제조 AX 분야의 선도 기업으로 입지를 공고히 해 나갈 것”이라고 밝혔다.   ■ 캐드앤그래픽스 최경화 국장 kwchoi@cadgraphics.co.kr
작성일 : 2026-04-05
월드랩과 오토데스크의 협업, 그리고 공간 AI 모델 패러다임 전환
BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-04-02
월드랩과 오토데스크의 협업, 그리고 공간 AI 모델 패러다임 전환
BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-04-02
[케이스 스터디] 언리얼 엔진으로 새롭게 정의한 ‘케이팝 데몬 헌터스’
프리비즈와 레이아웃 혁신해 애니메이션 공정 효율 향상   소니 픽처스 이미지웍스는 넷플릭스 흥행작인 ‘케이팝 데몬 헌터스’의 제작에 언리얼 엔진을 도입해 제작 파이프라인을 혁신했다. 제작 초기 단계부터 최종 렌더링 수준의 비주얼을 확인하며 창작자의 의도를 정교하게 시각화한 것이 핵심이다. 특히 유니버설 신 디스크립션(USD) 기반의 워크플로를 구축해 프리비즈와 레이아웃 과정의 효율을 높여 시네마틱한 완성도를 극대화했다. ■ 자료 제공 : 에픽게임즈   ‘케이팝 데몬 헌터스’는 단순한 영화가 아니라, 하나의 문화적 현상이다. 이 넷플릭스 오리지널 애니메이션 영화는 조회 수 2억 3600만 회를 기록하며 넷플릭스 역사상 가장 인기 있는 영화로 자리잡았을뿐만 아니라, 사운드트랙 또한 빌보드 핫 100 차트 역사상 처음으로 네 곡이 동시에 톱 10에 오르는 전례 없는 기록을 세웠다. 소니 픽처스 애니메이션이 제작한 이 애니메이션은 빠른 액션 전개, 대규모 군중 연출, 콘서트 규모의 라이팅이 결합된 작품으로, 기존의 레이아웃과 프리비즈 방식으로는 결과를 사전에 판단하기 어려웠다. 액션, 라이팅, 머티리얼, 이펙트가 시네마틱한 관점에서 각각 따로가 아니라 서로 유기적으로 결합되어 어떻게 작동하는지를 확인하는 것이 핵심적인 연출 결정의 기준이었기 때문이다. 이를 제작 초반부터 가능하게 하기 위해, 소니 픽처스 이미지웍스 팀은 파이프라인 시작 단계에서 창작 의도를 보다 온전히 시각화할 수 있는 방법이 필요했고, 그 해답으로 언리얼 엔진을 선택했다.   더 빠르게 구현하는 최종 픽셀 수준의 비주얼 ‘케이팝 데몬 헌터스’는 비밀리에 초자연적 위협으로부터 세상을 수호하는 케이팝 걸 그룹 헌트릭스의 이야기를 그린다. 기상천외한 판타지 액션으로 가득한 이야기 속에서, 특히 목욕탕을 배경으로 한 액션 시퀀스는 소니 픽처스 이미지웍스에게 중요한 전환점이었다. 이 장면에서 주인공들은 새로운 라이벌 보이 밴드이자 정체를 숨긴 악령들인 사자 보이즈와 맞서던 중, 물귀신의 기습을 받는다. 소니 픽처스 이미지웍스의 제이슨 볼드윈(Jason Baldwin) 리얼타임 슈퍼바이저는 목욕탕에서 벌어지는 액션 시퀀스는 정말 놀라웠다며, “머티리얼 표현을 극대화해 모든 요소가 젖어 있고 반사되고 안개가 낀 느낌을 제대로 구현할 수 있었기 때문”이라고 밝혔다.   ▲ 소니 픽처스 이미지웍스 제공   이 시퀀스에서 소니 픽처스 이미지웍스의 레이아웃 팀은 처음으로 실시간 볼류메트릭을 사용해, 수증기가 자욱하게 깔리고 부드럽게 확산되는 라이팅이 증기 사이를 스며드는 목욕탕 특유의 분위기를 구현했다. 이 음산한 환경 속에서 혼란스럽고 긴박한 난투극이 벌어지며, 팀은 안개와 수증기가 가득한 공간에서 빠르고 격렬한 전투 연출을 구현해야 하는 과제에 직면했다. 소니 픽처스 이미지웍스의 애덤 홈즈(Adam Holmes) 비주얼라이제이션 총괄은 “언리얼 엔진을 처음 접한 레이아웃 아티스트 한 명이 약 일주일 만에 이 메인 액션 신(scene)의 기본 레이아웃인 블록아웃을 완성했다”고 설명했다. 이 초기 블록아웃을 통해 팀은 복잡한 액션 동선, 독창적인 카메라 워크, 그리고 검이 악령을 폭발시키는 모든 시각 효과까지 함께 구현할 수 있었고, 해당 신이 지향하는 시네마틱한 비전을 생생하게 표현할 수 있었다. 라이팅, 머티리얼, 분위기, 카메라가 유기적으로 작동하는 방식을 제작 초기 단계부터 확인할 수 있었기 때문에, 팀은 시퀀스의 감정적 톤을 설정해 나갈 수 있었다. 젖은 타일의 광택, 수증기의 밀도, 빠르게 전개되는 카메라 워크는 긴장감과 스펙터클을 극대화하며 액션 신에 드라마와 몰입감을 더했다. 궁극적으로 이러한 초기 시각화 작업은 시퀀스의 최종적인 예술적 효과를 한층 끌어 올리는 역할을 수행했다. 볼드윈은 “레이아웃 단계에서 모든 요소가 최종 렌더에 가까운 수준으로 함께 결합되는 모습을, 게다가 그렇게 빠르게 세팅할 수 있다는 점이 정말 놀라웠다”고 말했다.   마야, 언리얼 엔진, USD를 연결하는 파이프라인 오토데스크의 마야(Maya)와 언리얼 엔진간의 워크플로는 소니 픽처스 이미지웍스의 ‘케이팝 데몬 헌터스’ 애니메이션 파이프라인의 핵심 기반이었다. 홈즈는 “마야 파이프라인에서 개발한 애니메이션 릭을 언리얼 엔진으로 가져오는 과정은 매우 중요하고, 이를 자동화하기 위해 여러 스크립트를 만들었다”고 설명했다. 레이아웃 샷의 애니메이션 작업이 완료되면 이를 다시 마야로 보내서 적용할 수 있으며, 레이아웃 아티스트가 완성한 모든 작업을 그대로 유지할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   이 워크플로는 소니 픽처스 이미지웍스가 유니버설 신 디스크립션(Universal Scene Description : USD)을 본격적으로 도입하면서 한 단계 더 발전했다. USD를 활용함으로써 내부 툴과 언리얼 엔진 간에 애셋 이동 과정이 더 빠르고 일관되게 이루어질 수 있었다. 볼드윈은 “이제 모델링 단계에서 애셋을 기존 파이프라인에 보내면, 이 데이터를 USD를 통해 매우 손쉽고 안정적으로 언리얼 엔진으로 가져왔다가 다시 내보낼 수 있다”라고 전했다. 소니 픽처스 이미지웍스에게 이러한 방식의 작업은 아티스트들이 사용하는 크리에이티브 툴 간의 반복 작업에 큰 변화를 가져왔다. 소니 픽처스 이미지웍스의 황종환 리얼타임 파이프라인 슈퍼바이저는 “초기에는 시퀀스 하나를 익스포트하는 데만 6~8시간이 걸렸다. 하지만 소스 코드에 접근할 수 있다는 점이 큰 전환점이 되었다. 그 덕분에 작업 시간을 30분으로 줄일 수 있었고, 지금은 시퀀스를 5분 만에 익스포트한다”고 설명했다.   캐릭터, 군중, 콘서트 라이팅의 확장 팀은 언리얼 엔진의 컨트롤 릭을 활용해 수십 명의 캐릭터 애니메이션을 엔진에서 직접 제작했다. 소니 픽처스 이미지웍스의 릴리아 라이(Lillia Lai) 리깅 개발 리드는 “언리얼 엔진에서 컨트롤 릭을 구성하기로 한 이유는 실행 속도가 매우 빠르기 때문이다. 하나의 신에서 필요하다면 최대 20명에서 30명에 이르는 여러 캐릭터를 동시에 다룰 수 있다”고 말했다.   ▲ 소니 픽처스 이미지웍스 제공   ‘케이팝 데몬 헌터스’에서 세 명의 주인공은 각 시퀀스마다 서로 다른 커스텀 의상을 착용한다. 이를 위해 소니 픽처스 이미지웍스는 블루프린트 비주얼 스크립팅 시스템을 활용해 의상과 액세서리를 즉시 교체할 수 있는 캐릭터 시스템을 구축했다. 이 시스템은 무작위로 조합된 다양한 캐릭터로 가득 찬 대규모 군중을 제작할 때 그 진가를 발휘했다. 라이는 “단 하나의 체형과 여러 헤어스타일만 만들면 된다. 그런 다음 원하는 조합으로 헤어스타일과 의상을 교체하고, 이를 언리얼 엔진의 폴리지 모드와 결합해 공연장 전체를 빠르게 채울 수 있었다”고 설명했다. 폴리지 모드는 원래 언리얼 엔진 신에 식물과 나무를 손쉽게 배치하기 위해 설계된 기능이다. 팀은 이 기능을 공연장에 모인 군중을 구현하는 데 적용하면서, 폴리지 모드 툴을 활용하는 새로운 방법을 발견할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   공연장 신을 방대한 규모의 다양한 관객으로 채우는 것은 물론, 프리비즈 단계부터 콘서트 전체 라이팅이 환경에 미치는 영향을 직접 탐색할 수 있었다. 홈즈는 “그 효과를 제대로 시각화할 수 있는 유일한 방법은 언리얼 엔진을 사용하는 것이었다”고 말했다. 프리비즈 아티스트들은 파이프라인의 마지막 단계가 아니라 시작 단계에서부터 아름답고 놀라운 신을 구성할 수 있었으며, 소니 픽처스 애니메이션과 이미지웍스의 크리에이티브 팀은 그 어느 때보다 다양한 시각적 옵션을 확보할 수 있었다. 아티스트는 콘서트가 어떤 느낌일지 상상하는 대신, 공연의 에너지와 규모를 실시간으로 대응하며 각 노래의 감정적 임팩트를 극대화하기 위해 안무, 무대 연출, 라이팅을 조정할 수 있었다. 이 기술로 팀은 시작 단계부터 더 큰 스케일과, 한층 강화된 시네마틱한 환경을 구현했다. 볼드윈은 “이런 경험은 난생 처음이었다”라고 놀라움을 표현했다. 이 콘서트 신에서 수백 개의 라이팅에 애니메이션을 적용한 뒤, 이미지웍스 팀은 이를 USD를 통해 파운드리(Foundry)의 카타나(Katana)로 익스포트할 수 있는 플러그인을 제작했고, 그 결과 언리얼 엔진과 카타나 간 라이팅을 거의 일대일에 가깝게 일치시킬 수 있었다. 홈즈는 “프레임마다 키를 베이킹하지 않고도 카타나에서 언리얼 엔진 애니메이션을 유지할 수 있도록 F 커브를 익스포트하는 방식을 개발했다. 그렇게 하면 수천 프레임에 달하는 불필요한 데이터가 추가로 생성되지 않는다”고 설명했다. 원본 라이팅 커브를 유지함으로써 프리비즈부터 최종 라이팅까지 콘서트의 리듬과 에너지를 그대로 유지할 수 있었다. 이를 통해 아티스트들은 복잡한 애니메이션을 다시 제작할 필요 없이 반복 작업을 이어갈 수 있었다. ‘케이팝 데몬 헌터스’에서의 이러한 라이팅 실험을 통해 이미지웍스는 리얼타임과 기존 라이팅 워크플로 간의 경계를 확장할 수 있었다.   ▲ 소니 픽처스 이미지웍스 제공   차세대 애니메이션 파이프라인 구축 ‘케이팝 데몬 헌터스’는 강력한 최첨단 기술이 애니메이션 제작 방식을 어떻게 혁신하고 있는지를 보여주는 대표적인 사례이다. 이 프로젝트에서 소니 픽처스 이미지웍스는 CG 레이아웃 파이프라인 전반을 재정비해 다양한 영역을 현대화했으며, 리얼타임 기술과 USD 프레임워크를 결합해 이전에는 불가능했던 방식으로 부서 간 협업을 이뤄냈다. 홈즈는 “이번 작품에서 구축한 기반 덕분에 현재와 향후 프로젝트에서 레이아웃과 프리비즈 과정의 속도와 효율이 20~25% 가량 향상될 것으로 기대하고 있다”고 전했다. 볼드윈은 “언리얼 엔진이 무엇을 할 수 있는지, 우리가 무엇을 해낼 수 있는지 알고 있었기 때문에 그대로 실행에 옮겼다. 그 결과 현재는 매우 견고한 파이프라인을 구축하게 되었다”고 설명했다.   ▲ 소니 픽처스 이미지웍스 제공   소니 픽처스 이미지웍스 팀은 신 개발 방식을 간소화하고 파이프라인을 재정립함으로써 퍼포먼스와 스케일, 그리고 시각적인 에너지에 더욱 집중할 수 있었으며, 이는 ‘케이팝 데몬 헌터스’의 핵심인 역동적인 스토리텔링을 뒷받침했다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-04-02