지상 레이저 스캐닝, 생성형 AI, 혼합 현실의 디지털 유산 재건 통합

요약

이 복제 가능한 프로토콜은 디지털 유산 복원을 위한 워크플로우를 보여줍니다. 이 프로그램은 지상 레이저 스캐닝을 통해 현장 기하학을 포착하고, 생성형 AI를 통해 기록 자료에서 잃어버린 문화 요소를 재구성하며, 혼합 현실을 통해 이러한 합성 된 요소들을 현장에서 시각화합니다.

초록

개발도상국에서 도시화가 급속히 진행되면서 건축 유산에 대한 이중 위기가 발생했습니다: 구조물의 물리적 훼손과 문화적 기억의 무형적 소멸입니다. 사진이나 수동 측량과 같은 정적 기록에 주로 의존하는 전통적인 보존 방법론은 이러한 역사적 장소들의 복잡한 공간적·시간적 차원을 포착하기에 점점 부족해지고 있습니다. 본 연구는 엄격한 기록 보관과 역동적인 공공 참여 간의 간극을 메우기 위해 설계된 새로운 조합적 방법론적 틀을 제시합니다. 우리는 세 가지 서로 다른 기술을 시너지 낸 워크플로우를 상세히 설명합니다: 건물의 실체적 기하학적 특성을 밀리미터 단위의 정확도로 포착하는 지상 레이저 스캐닝(TLS); 기록 자료를 바탕으로 잃어버린 문화적 요소(특히 전통적인 사원 축제 구조물)의 역사적 정보를 반영한 시각적 표현을 생성하는 조건부 생성 인공지능(CGAI); 그리고 홀로그램 헤드셋을 통한 증강현실(AR)을 통해 이러한 계층들을 통합된 혼합현실(MR) 경험에 겹쳐 제공합니다. 프로토콜은 데이터 수집 전략과 포인트 클라우드 처리부터 AI 기반 모델 생성 및 최종 배포에 이르기까지 전체 파이프라인을 설명합니다. 이 접근법은 고정밀 공간 데이터를 해석적 문화 시각화와 성공적으로 겹쳐 도시 유산 랜드마크의 디지털 보존과 증강 전시를 위한 기술적으로 실현 가능하고 확장 가능한 워크플로우를 제공하는 동적 디지털 모방물을 만들어냅니다.

서론

건축 유산의 보존은 현대 도시계획과 문화적^{지속가능성 담}론에서 중요한 필수 과제를 이룹니다. 도시가 급속한 현대화와 디지털화를 겪으면서 개발과 보존 사이의 긴장은^{점점 더 심}해지고 있습니다. 이 현상은 문명의 요람 역할을 하지만 도시 확장의 끊임없는 압력에 직면해 있는 중국 중부 평원에서 특히 두드러집니다 ^4,5. 문화유산 보호는 단순한 물리적 유물 유지 문제를 넘어섭니다; 이는 역사적 맥락의 보호, 문화적 의미의 전달, 그리고 유산지⁶의 진정성 보존을 포함합니다. 유산 보존은 단순한 기록 보관 행위가 아니라 문화적 재생을 위한 적극적인 전략으로, 국가와 지역의 정체성을 형성하고 미래 세대가 조상 대대로 내려온^{영적 세계}와 지속적으로 연결될 수 있도록 합니다. 더 나아가, 이러한 유적지의 효과적인 보존은 세계 경제와 역동적으로 상호작용하는 다차원적 문화 생태계를 조성하여^{국제 무대}에서 이 지역의 이미지를 향상시킵니다.

유산 보존의 중요성이 인정되고 있음에도 불구하고, 현재의 연구와 자금 지원은 종종 소림사나 루오양, 개봉⁹의 역사적 중심지와 같은 두드러지고 기념비적인 장소에 불균형적으로 유리하게 배치되고 있습니다. 이로 인해 정저우의 도시신사와 같이 지역적으로 중요하지만 세계적으로 덜 알려진 랜드마크들이 주변화 상태에 놓였다. 명나라 시대에 지어진 도시신사는 그림 1에 보이듯 정저우에서 잘 보존된 종교 건축물의 유일한 예입니다. 역사적으로 이곳은 단순한 종교적 성소가 아니라 사회적, 경제적, 민속 활동의 활기찬 중심지였으며, 특히 템플 페어¹¹이 대표적입니다. 이 장터들은 희생, 상업, 오락을 통합하여 사원의 생명줄이었으며, 하나의 응집력 있는 문화 표현으로 이루어졌습니다¹². 하지만 현대 상업주의와 도시 재조정의 침범으로 인해 이러한 전통 박람회가 중단되어 보존 문제에 직면하게 되었습니다. 사원의 물리적 골격은 남아 있지만, 무형의 정신—소음, 시각적 생동감, 사회적 상호작용—은 대부분 사라졌다. 이러한 장소의 상실(공간과 사회적 기능)은 실체적 구조와 무형의 대기를 모두 복원할 수 있는 보존 방법의 긴급함을 강조합니다^13,14. 따라서 본 연구에서 상세히 설명된 프로토콜은 이러한 특정한 이분법을 가진 유산지에 명확히 적용되고 설계되었습니다: 물리적 건축 구조물은 구조적으로 온전하지만, 관련 덧없는 문화적 맥락과 무형의 유물은 사라진 장소입니다.

그림 1. 정저우 도시신사 사진으로, 현관 정면 상태를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

문화유산 보존에 디지털 기술의 도입은 이 문제에 대한 변혁적 해결책을 제공합니다. 보존 원리는 물질 존재론의 연대적 가치를 유지하는 것을 요구한다^. 손 측정이나 2D 사진 같은 전통적인 아날로그 방법은 고대 건축의 복잡한 기하학을 포괄적으로 기록하지 못하며, 잃어버린 덧없는 장면을 복원하는 데 무력하다. 그 결과, 이 분야는 원래 항공우주공학에서 유래한 개념인 '디지털 트윈닝'으로 전환되었는데, 이는 물리적 존재의 가상 복제본을 생성하여 그 수명^{주기 15}에 걸쳐 존재하는 것을 의미합니다. 유산의 맥락에서 디지털 트윈은 진단, 예측, 상호작용을 지원하는 정밀하고 변경 불가능한 아카이브 역할을 합니다.

지상 레이저 스캐닝(TLS)은 이러한 디지털 트윈의 기하학적 계층을 구축하는 기초 기술로 부상했습니다. TLS는 LiDAR(광 감지 및 거리 측정)를 활용하여 초당 수백만 개의 데이터 포인트를 포착하며, 밀리미터 단위 정확도¹⁷로 건물의 모든 균열, 기울기, 질감을 기록하는 고밀도 포인트 클라우드를 만듭니다. 이 기술은 비접촉식으로, 연약한 구조물에 이상적이며, 토탈 스테이션 측량에 비해 매우 효율적입니다. 최근 응용 사례들은 복잡한 상황에서 TLS의 효능을 입증했습니다: Marsella 등은 TLS^{를 활용해} 바티칸 성 베드로 대성당의 구조적 안전성을 평가했으며, 육안으로는 보이지 않는 미세한 변형을 확인했습니다. 마찬가지로, Barontini 등^은 예방적 보존을 위해 TLS 데이터를 통합하는 역사적 건물 정보 모델링(HBIM) 프레임워크를 개발했습니다. TLS가 벽 균열, 기초 침하, 바닥 처짐과 같은 기술적 상태를 진단하는 능력은 물리적 복원 개입에 과학적 근거를 제공합니다^20,21.

하지만 TLS가 현존하는 물리적 현실을 기록하는 데는 뛰어나지만, 사라진 역사적 현실을 복원할 수는 없다. 포인트 클라우드는 정확하지만, 정적이고 역사적 맥락이 없습니다. 사원 축제의 분주한 분위기와 같은 빠진 역사적 장면을 재구성하기 위해, 이 연구는 신흥 분야인 조건부 생성 인공지능(CGAI)에 주목합니다. 전통적인 수동 3D 모델링이 노동 집약적이고 모델러의 주관적 해석에 크게 의존하는 것과 달리, CGAI(예: Stable Diffusion 또는 Tencent Huiyuan 3D)는 텍스트 설명을 기반으로 한 시각적 콘텐츠를 생성하기 위해 딥러닝 알고리즘을 활용합니다²². 방대한 역사적 건축 양식과 질감 데이터셋을 분석함으로써, CGAI는 기록 텍스트와 시각 데이터를 바탕으로 등불, 현수막, 임시 가판대 등 그럴듯한 역사적 요소를 합성하거나 재구성할 수 있습니다. 이는 단순히 존재하는 것을 기록하는 것에서 역사적으로 존재했던 것을 시뮬레이션하는 패러다임 전환을 의미하며, 물리적 아카이브의 빈틈을 데이터 기반 논리로 메우는 방식^입니다.

마지막 도전은 이 디지털 모방품의 확산에 있습니다. 서버에 저장된 디지털 트윈은 대중에게 접근하지 않으면 사회적 가치가 제한적입니다. 증강현실(AR)과 혼합현실(MR) 기술은 물리적 세계와 가상 세계를 연결하여 디지털 트윈을 물리적 사이트에 겹쳐 놓을 수 있게 합니다²⁴. 가상현실(VR)이 사용자를 완전히 인공적인 환경에 격리시키는 것과 달리, AR은 물리적 유산과의 연결을 유지하면서 디지털 정보로 이를 강화합니다. Fologram과 같은 플랫폼과 Microsoft HoloLens 2와 같은 기기는 고해상도 3D 모델을 실제 좌표계에 투사할 수 있게 해주어, 방문객과 재^{구성된 역사 간의} 직접적인 대화를 가능하게 합니다. 이 몰입형 접근법은 방문객의 참여와 이해를 크게 향상시키며, 수동적인 시청을 능동적 탐구로 전환하는 것으로 입증되었습니다²⁶.

현재 문헌들은 종종 디지털 보존 기술을 고립적으로 다루지만, 이 글에서 제안된 통합 프로토콜은 독특한 방법론적 신성을 제공합니다. 첫째, 매우 정확하지만 문화적으로 무미건조한 기하학적 아카이브를 만드는 표준 TLS 문서 워크플로우와 달리, 우리 방법은 동적 의미론적 맥락을 도입합니다. 둘째, 사진측량 기반 재구성은 현존하는 물리적 표면의 질감을 표현하는 데 뛰어나지만, 물리적 잔재가 없는 완전히 사라진 문화적 유물을 구조적으로 재생하는 데는 불가능하다. 마지막으로, 기존의 AR 유산 시각화 시스템이 수작업으로 만든 일반적인 3D 자산에 의존하거나 VR에서 사용자를 격리시키는 것과 달리, 이 워크플로우는 CGAI를 활용해 밀리미터 정확한 TLS 데이터에 직접 기반한 현장 특정적이고 역사적 정보를 가진 시각화를 생성합니다. 이 프로토콜은 엄격하고 재현 가능한 프로토콜을 상세히 제시함으로써 중요한 공백을 메운다. 개념적 모호함을 해소하고 명확한 방법론적 근거를 확립하기 위해, 우리는 이 워크플로우의 핵심 구성 요소를 명확히 정의합니다. 문서화된 기하학은 기존 물리적 구조의 매우 정밀하고 정적인 3D 공간 복제를 의미합니다; 이 부인할 수 없는 경험적 현실을 비접촉적 정밀함으로 포착하기 위해 TLS가 필요합니다. 반면, AI가 생성하는 해석적 재구성은 기록 문서에서 파생된 잃어버린 문화 유물(예: 축제 장식)의 시각적 표현을 의미하며; CGAI는 절대적인 물리적 진리보다는 확률적이고 역사적으로 근거한 해석을 종합하기 때문에 이 단계에 필요합니다. 마지막으로, 현장 시각화에는 MR이 필수적이며, 실제 세계의 물리적 기하학에 해석적 문화적 층을 매끄럽게 겹치는 체험적 매체로 기능합니다. 이러한 정의된 개념을 중심으로 접근법을 구조화함으로써, 이 조합적 작업 흐름은 중부 평원 도시 문화유산의 디지털화를 위한 기술적 경로를 제공할 뿐만 아니라, 디지털 시대에 '보존'을 정의하는 새로운 이론적 모델을 제시합니다—물질 보존을 넘어 기억의 부활로 나아가는 것—^{27, 28}살.

프로토콜

1. 역사적 자료 수집 및 현장 분석

1. 포괄적인 기록 보관 검토를 통해 프로젝트를 시작하세요. 목표 유산지(이 경우 정저우 도시신사)와 관련된 역사 기록, 사진, 건축 도면, 텍스트 설명을 지역 기록 보관소, 사원 관리 사무소, 관련 문화유산국에서 확보하세요.
2. 구체적으로 텍스트 데이터를 분석하여 사원 장터 장식, 임시 가판대, 깃발, 특정 조명 배치(예: '붉은 등불', '용춤')와 같은 잃어버린 일시적 요소들의 묘사를 식별하세요.
3. 낮 시간대에 예비 현장 조사를 실시하여 부지의 지형을 이해하고 현재 건축 보존 상태를 문서화하세요 (그림 2). 단지의 배치를 문서화하고, 중심 축, 메인 홀, 벨 타워, 드럼 타워의 위치, 그리고 레이저 스캐닝 시야를 가릴 수 있는 오래된 나무나 좁은 복도 같은 장애물을 기록하세요.

그림 2. 예비 현장 조사 중 촬영된 사원 안뜰의 현재 모습입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

4. 상세한 스캔 스테이션 전략/배치 계획을 수립하세요. 모든 구조물에 대해 360° 범위 보장을 위해 지상 레이저 스캐너(TLS)의 구체적인 좌표 위치를 지정하세요. 최소 12개 기지를 계획하고, 부지 복잡성에 따라 18개 기지로 확장할 수 있는 유연성을 갖추세요.
5. 보행자 통행으로 인한 데이터 잡음을 최소화하기 위해 비공개 시간대(보통 이른 아침 07:00–08:30 또는 늦은 오후 17:00–18:30)에 사이트 접근을 위한 필요한 행정 허가를 받으세요.

2. 지상 레이저 주사(TLS) 획득

1. 고정밀 위상 이동 지상 레이저 스캐너를 배치하세요. 스캔 기간 동안 배터리 충전이 충분한지, SD 저장 카드가 충분한 용량인지 확인하세요.
2. 스캐너 삼각대를 미리 정해진 첫 번째 정지 지점(메인 홀/A 구역부터 시작)에 설치하세요. 삼각대 다리를 조정해 돌 바닥에서 안정적으로 고정되도록 하세요.
3. 내장 버블 레벨이나 장치 인터페이스의 디지털 기울거리계를 사용해 스캐너를 평평하게 조절할 수 있습니다. 포인트 클라우드 데이터의 수직성을 보장하기 위해 경사각이 0.5° 미만으로 유지되도록 하세요.
4. 온보드 터치스크린 인터페이스를 통해 스캔 매개변수를 설정하세요:
   1. 해상도를 1/4 또는 1/5(시간 제약 기준)로 설정하여 10m 지점에서 약 6 mm 간격을 유지합니다.
   2. 품질을 3배 또는 4배로 설정해 노이즈를 줄이세요.
   3. 색상 캡처(통합 카메라)를 활성화하여 빨강, 초록, 파랑(RGB) 텍스처를 지오메트리에 겹쳐 넣으세요.
   4. 스캔 범위가 0.6m에서 120m까지 범위가 ±2 mm로 정확히 측정되도록 하세요.
5. 조명 상태를 확인하기 위해 작은 구역(예: 종탑)의 파일럿 스캔을 실행하세요. 야외 공간의 과다 노출이나 그림자 낀 처마에서의 노출 부족 여부를 미리 확인해 보세요.
6. 전체 스캔 절차를 진행하세요. 각 스테이션마다 스캔을 트리거하고 그림자를 드리우거나 데이터에 나타나는 현상(고스팅)을 피하기 위해 스캐너의 시야에서 물러납니다.
7. 스캐너를 다음 스테이션으로 옮기고, 이전 스테이션과 최소 30–40% 겹침을 유지하세요. 이 중복은 이후 클라우드 간 등록 과정에 매우 중요합니다.
8. 각 스테이션에서 외부 디지털 단안 반사(DSLR) 카메라를 사용해 고급 참조 사진을 촬영하여 스캐너 내부 카메라를 보완하며, 특히 정교한 조각이나 서예 명판을 촬영할 수 있습니다.

3. 포인트 클라우드 데이터 처리

1. SD 카드에서 처리 소프트웨어가 실행되는 고성능 워크스테이션으로 원시 스캔 데이터(.fls 형식)를 전송합니다.
2. 원시 스캔본을 소프트웨어 프로젝트 작업 공간에 가져오세요.
3. 원시 데이터에 전처리 필터를 적용하세요: 먼지와 날아다니는 곤충을 제거하기 위해 Stray Point 필터 를 사용하세요.
4. 다크 스캔 포인트 필터를 사용해 반사율이 높거나 흡수성이 강한 표면에서 잘못된 데이터를 제거하세요.
5. 자동 등록 실행. 소프트웨어가 기하학적 특징 인식과 GPS 데이터를 기반으로 스캔을 정렬할 수 있도록 허용하세요.
6. 등록 보고서를 확인하세요. 평균 장력 오차(해당 지점 간 평균 거리)가 4mm 미만인지 확인하세요. 오류가 임계값을 초과하면 수동 등록을 수행하세요. 두 번의 겹치는 스캔에서 세 개의 뚜렷한 공통점(예: 건물의 모서리, 기둥)을 선택하여 정렬을 강제합니다.
7. 이동 객체 필터를 적용하여 스캔 중 장면을 지나간 보행자나 새와 같은 일시적인 소음을 자동으로 감지하고 제거합니다.
8. 밝은 하늘과 어두운 사원 내부 밝기를 평형화하기 위해 컬러 밸런싱 (다중 노출 조정)을 수행하세요.
9. 프로젝트 포인트 클라우드를 만들고 최종 모델을 구조화된 .로 내보내세요. E57 또는 . OBJ 파일. 파일 크기가 관리 가능한지 확인하세요(예: 파일이 10GB를 초과하면 5mm 격자 간격으로 다운샘플링).

4. 조건부 생성 AI(CGAI) 모델링

1. 1.2단계의 분석을 바탕으로 재구성할 구체적인 역사적 요소(예: 전통적인 사원 축제 가판대, 등불)를 식별하세요.
2. 선택된 CGAI 플랫폼을 활용하세요.
3. 정현연대기(예: 정현연대기)에서 발견된 의미 설명자와 역사적 기록을 직접 시각적 매개변수로 번역하여 정확한 텍스트 프롬프트를 구성합니다. 예를 들어, 입력: "전통 중국 명나라 붉은 등불, 빛나고 처마에 걸려 있고, 고해상도" 또는 "나무 시장 노점, 고대 스타일, 천 깃발, 3D 텍스처."
4. 생성 과정을 실행하세요. 일반적으로 각 역사적 요소에 대해 20–30회 반복 배치를 만들어 스타일적 변이와 구조적 가능성을 충분히 샘플링합니다.
5. 최종 MR 시각화에 생성된 자산을 통합하기 전에 유산 역사학자와 분야 전문가로 구성된 공식 검증 패널을 소집하세요. AI 배치를 생존한 시각 아카이브 및 확립된 역사적 합의와 교차 검증하여 역사적으로 그럴듯한 결과를 선별합니다.
6. 시대착오적인 특징이나 구조적 불가능성을 보이는 결과는 모두 버리세요. 전문가 패널의 명확한 피드백을 바탕으로 텍스트 프롬프트를 반복하여 모델의 역사적 정확성을 다정하게 다듬으세요.

5. 통합 및 디지털 트윈 구축

1. 3D 모델링 환경을 열어보세요.
2. 처리된 TLS 포인트 클라우드 (. OBJ)를 3D 모델링 소프트웨어로 전환했습니다.
3. CGAI로 생성된 자산을 가져오세요.
4. CGAI 자산을 포인트 클라우드 환경 내에서 수동으로 정렬하고 배치하세요. 등불은 처마 아래에 설치하고, 역사적 배치 분석에 따라 마당 공간에 가판대를 배치하세요.
5. 소프트웨어의 모델링 도구를 사용해 메쉬 교차점이나 포인트 클라우드와 AI 모델 간의 스케일 차이를 정리하세요.
6. 결합된 모델에 텍스처를 적용하세요. 스캐너에서 나온 하이 다이내믹 레인지(HDR) 이미지를 포인트 클라우드 메쉬에 적용하고, AI 자산이 적절한 재질 속성(거칠기, 금속성)을 갖도록 하세요.
7. 완전 통합된 디지털 트윈 모델을 .로 내보내세요. GLTF(그래픽 언어 전송 형식) 파일입니다. 이 형식은 웹 및 AR 애플리케이션에 최적화되어 있습니다.

6. 증강현실(AR) 배치

1. 워크스테이션에 3D 모델링 소프트웨어용 MR 배포 플러그인을 설치하세요.
2. 혼합현실 헤드셋에 동반 앱을 설치하세요.
3. 워크스테이션과 MR 헤드셋을 동일한 로컬 5GHz Wi-Fi 네트워크에 연결하여 저지연 데이터 전송을 보장합니다.
4. 모델링 소프트웨어에서 MR 플러그인을 실행하여 세션 QR 코드를 생성하세요.
5. MR 헤드셋을 착용하고 동반 앱을 실행하세요. QR 코드를 스캔해서 세션을 동기화하세요.
6. 배치 전에 현장 환경 조건을 평가하세요. MR 시각화 세션은 정오 태양의 강한 적외선 간섭을 피하기 위해 이른 아침이나 늦은 오후에 엄격히 일정을 잡아야 합니다. 이는 헤드셋의 공간 추적 능력을 심각하게 저하시키고 모델 드리프트를 유발합니다.
7. 현장 모델 정렬을 수행하고 공간 등록 전략을 수립합니다:
   1. 실제 세계의 안정적인 앵커 지점, 예를 들어 주 향로의 돌 받침대에 물리적 추적 마커(예: ArUco 마커나 QR 코드)를 배치하세요. 우리는 직사광선으로 인한 적외선 간섭을 상쇄하고, 도전적인 주간 조명 하에서도 모델 안정성을 보장하며, 자연 공간 고정이 실패할 경우 견고한 백업 수단으로 기능하기 위해 순수 공간 환경 매핑보다 마커 기반 추적을 명확히 권장합니다.
   2. 헤드셋의 광학 센서를 활용해 마커를 감지하고, 디지털 포인트 클라우드가 물리적 구조를 완벽하게 겹칠 때까지 수동 손짓만 사용해 가상 모델을 올바른 좌표계에 자동으로 고정하세요.
8. 모델 위치 잠가.
9. 사이트를 둘러보며 등록 안정성을 확인하세요. 정렬 정확도 임계값을 엄격히 유지하여 활성 사용자 움직임 시 최대 시각 이동 2–5cm만 허용하여 몰입감 있는 착시를 유지하세요.

결과

2024년 11월에 실행된 지상 레이저 스캔 캠페인은 18개의 스캔 스테이션을 활용해 메인 홀, 입구 광장, 아프스 구역을 종합적으로 커버했습니다. 표 1에 자세히 설명된 바와 같이, 스캔 매개변수는 엄격히 보정되었으며, 특히 해상도 1/4와 품질 4배 설정을 사용하여 10미터 거리에서 약 6.1 mm의 점 거리를 얻었습니다. 이 특정 보정은 높은 데이터 밀도와 현장 획득 효율의 균형을 맞추는 데 필수적이었습니다. 따라서 포인트 클라우드 처리 소프트웨어에서 원시 데이터 처리 과정에서, 자동 등록 과정과 독특한 아키텍처 기능을 활용한 수동 정제가 더해져 평균 점 장력 오차가 정확히 3.5mm에 달했습니다(표 1). 이 정량적 결과는 선택한 스캔 매개변수를 확립된 성공 기준에 직접 검증합니다. 건축 유산 문서의 경우, 포인트 클라우드 등록 오차의 허용 임계값은 일반적으로 < 5.0 mm로 정의됩니다. 평균 오차 ...

토론

이 연구는 건축 유산의 디지털 르네상스를 위한 조합적 방법론적 틀을 성공적으로 입증합니다. 지상 레이저 스캐닝(TLS), 조건부 생성 AI(CGAI), 증강현실(AR)을 통합함으로써, 우리는 전통적인 정적 보존의 한계를 뛰어넘는 워크플로우를 구축했으며, 이는 방법론적 틀( 그림 8)에 요약되어 있습니다.

그림 8. 문화유산 부흥을 위한 혼합현실 및 디지털 트윈 워크플로우의 도식적 틀.

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
DSLR 카메라	고해상도 참조 사진	해당 없음
FARO 포커스3D S120	지상 레이저 스캐너(TLS)	FARO 테크놀로지스
파로 씬 2019	포인트 클라우드 데이터 처리 소프트웨어	FARO 테크놀로지스
폴로그램	MR 개발 플러그인 및 헤드셋 애플리케이션	폴로그램
고성능 워크스테이션	데이터 처리 및 렌더링	해당 없음
마이크로소프트 홀로렌즈 2	혼합 현실(MR) 헤드셋	마이크로소프트
라이노 8	3D 모델링 환경	로버트 맥닐 & 준회원
SD 저장 카드	원시 스캔 데이터 저장	해당 없음
안정 확산	조건부 생성 AI(CGAI) 모델	안정성 AI
텐센트 후이위안 3D	조건부 생성형 AI(CGAI) 플랫폼	텐센트