CPU 기반 MLP를 통한 0.3cm 정밀도의 3D Body 파라미터 추론

Context

기존 HMR Photo Reconstruction 방식은 조명, 의상 등 환경 제약과 사용자 데이터 프라이버시 이슈 및 5분 이상의 긴 소요 시간이라는 병목 지점 존재. Height와 Weight 기반의 Linear Regression은 단순하나 신체 형태(Shape)의 다양성을 반영하지 못해 BWH MAE 7cm 이상의 높은 오차 발생.

Technical Solution

• Height, Weight 외에 Build, Belly, Cup size, Gender, Ancestry 등 신체 특성을 반영한 8가지 Question-based Feature 도입
• 각 Feature의 신호 강도를 분석하여 Waist std를 최소화하는 최적의 입력 변수 조합 설계
• Physics-aware Loss를 적용한 2-layer MLP 구조를 통해 58개의 Anny body parameters를 추론하는 경량 모델 구축
• Ancestry 데이터를 추가하여 학습 데이터와 추론 데이터 간의 분포 불일치(Distribution Mismatch)를 해결하고 Mass 계산 일관성 확보
• ISO 8559-1 해부학적 규칙을 적용한 Plane-sweep Math 기반의 측정 기준 표준화로 시스템 바이어스 제거

Impact

• Height 오차 0.3cm, Mass 오차 0.3kg, BWH 오차 3~4cm 달성
• Mass MAE를 3kg에서 0.5kg 미만으로 대폭 개선
• CPU 환경에서 밀리초(ms) 단위의 추론 속도로 GPU 의존성 제거

Key Takeaway

모델의 복잡도(Network Size)를 높이는 것보다 도메인 지식 기반의 데이터 정제와 평가 체계(Evaluation Harness) 구축이 성능 개선에 더 결정적인 영향을 미침.