AI 학습에 사용되는 데이터셋의 다양성과 품질은 모델 성능에 큰 영향을 미칩니다. 특히 3D 비전, 로봇 인식, 자율주행 등 물리적 환경을 다루는 분야에서는 현실과 유사한 3D 데이터셋이 필수입니다.
NVIDIA의 Omniverse Replicator는 이러한 요구에 부합하는 합성 데이터 생성 툴로, 다양한 조명, 소재, 시점, 배경을 조합해 대규모 데이터셋을 손쉽게 생성할 수 있도록 설계되어 있습니다.
이번 포스트에서는 Omniverse Replicator를 사용해 AI 모델 학습용 이미지 데이터셋을 자동 생성하는 전체 과정을 정리합니다.
Omniverse Replicator란?
Omniverse Replicator는 NVIDIA Omniverse 생태계 내에서 제공되는 합성 데이터 생성 도구로, 복잡한 3D 장면을 구성하고 다양한 조건에서 이미지를 렌더링하여 AI 학습용 주석 데이터를 함께 생성할 수 있습니다.
공식 문서: Omniverse Replicator Extension
Replicator는 실제 환경을 모방한 광원, 재질, 카메라 구도를 활용해 현실감 있는 데이터를 생성하며, 그 과정에서 세그멘테이션 마스크, 바운딩 박스, Depth, 라벨 정보 등을 자동으로 생성할 수 있습니다.
환경 구성: Omniverse Code 실행
합성 데이터를 생성하려면 Omniverse Code를 실행해야 합니다.
Omniverse Launcher에서 Code를 설치한 후 실행하고, 데이터를 생성할 3D 환경을 구성합니다.
또한 커스텀 Extension을 개발하기 위해서는 VSCode를 연결하여 확장 기능을 구성할 수 있습니다.
Semantics 설정: 객체에 클래스 라벨 부여
Omniverse Code에서 Semantics Schema Editor 확장을 활성화하여 장면(Scene)에 존재하는 객체에 의미론적 태그(Semantics)를 부여합니다.
이 작업은 세그멘테이션 및 바운딩 박스 주석을 위한 전처리 과정으로, 학습에 필요한 정답 데이터를 자동으로 생성하기 위한 핵심 단계입니다.
사용 예시:
Semantics Type: classSemantics Data: plastic_folding_box_2, metal_box, wooden_cube 등카메라 및 조명 설정
카메라와 조명을 자유롭게 배치하여 다양한 시점에서 데이터셋을 생성할 수 있습니다.
랜덤화 함수(Randomizer) 정의
데이터 다양성을 확보하기 위해 객체의 위치, 회전, 색상을 랜덤화합니다.
데이터셋 생성 및 저장
렌더링된 데이터를 PNG 포맷으로 저장하고, 총 생성할 프레임 수를 지정합니다.
해당 경로에 100장의 이미지와 주석 정보가 .png와 메타데이터 파일로 저장되며, 이는 학습용 데이터로 바로 활용 가능합니다.
시각화 및 결과 확인
저장된 이미지 및 어노테이션 결과는 로컬 디렉토리에서 확인할 수 있으며, 다양한 객체와 조건이 조합된 데이터셋을 반복 생성하여 AI 학습에 사용할 수 있습니다.
마무리
Omniverse Replicator는 AI 모델 학습을 위한 데이터셋 구축에 있어 정밀도 높은 합성 데이터를 자동으로 대량 생성할 수 있도록 해주는 매우 유용한 도구입니다.
복잡한 물리 기반 시뮬레이션, 다양한 조건의 라벨링 이미지, 다양한 객체 조합 등을 단일 코드 흐름으로 처리할 수 있어, 실제 업무나 연구에 큰 시간 절약과 효율을 제공합니다.
이 글 공유하기: