컴퓨터비전 및 영상처리 연구실(CVIP) 김태곤(석사과정/제1저자), 정강현(석사과정), 음승호(박사과정), 명재홍(석사과정), 이지훈(석사과정), 박운상 교수(교신저자)가 작성한 “Real-Time Dental Panorama Generation from Handheld Intraoral Video” 논문이 우수국제학술대회 British Machine Vision Conference (BMVC) 2026 (Acceptance Rate: 406/1448 = 28.0%)에 게재가 확정되었습니다.

휴대형 구강 카메라는 비교적 저렴하고 간편하게 치아 표면을 기록할 수 있어 진료 현장에서 활용하기 좋은 장비이다. 그러나 한 번에 볼 수 있는 범위가 좁아 치열 전체를 연속적인 구조로 확인하기 어렵고, 여러 장의 국소 영상을 따로 살펴봐야 한다는 한계가 있다. 이를 보완하기 위해 여러 프레임을 하나의 치아 표면 파노라마로 연결하는 기술이 필요하지만, 실제 손으로 촬영하는 환경에서는 안정적인 파노라마 생성이 쉽지 않다.

특히 구강 영상은 반복적인 치아 형태와 약한 법랑질 텍스처, 타액과 조명에 따른 반사광, 혀·잇몸·볼 등의 가림 현상 때문에 일반적인 특징점 기반 영상 정합이 불안정해질 수 있다. 기존의 SIFT·ORB 기반 방법이나 학습 기반 특징 매칭 방법은 이러한 환경에서 잘못된 대응점이나 치아 중복·누락, 고스팅을 유발할 수 있으며, 일부 학습 기반 방법은 GPU 연산과 별도의 모델 의존성이 요구된다는 한계가 있다.

연구팀은 이에 착안해 별도의 학습 과정 없이 CPU에서 동작하는 실시간 치아 표면 파노라마 생성 프레임워크를 제안했다. 연속된 비디오의 시간적 연속성을 활용해 현재 프레임과 이후 후보 프레임들을 ZNCC(Zero-Normalized Cross-Correlation)로 비교하고, 가장 신뢰도 높은 프레임을 선택해 이동(translation) 기반 정합으로 좌·우 반악(half-jaw) 파노라마를 순차적으로 구성한다. 이를 통해 반복적인 치아 구조에서 불안정한 특징점 매칭에 대한 의존도를 줄였다.

프레임이 겹치는 영역에는 두 영상 사이의 밝기 차이가 작은 경계를 찾은 뒤 그 주변을 부드럽게 혼합하는 seam-aware blending을 적용했다. 이러한 방식은 정합 오차나 반사광 차이로 발생하는 이음선, 흐림, 중복 구조를 줄이면서 각 치아의 국소적인 외형을 보존하도록 설계되었다.

또한 좌측과 우측에서 별도로 촬영한 두 반악 파노라마를 연결하기 위해 경계 치아의 랜드마크를 자동으로 추출한다. LAB 색공간의 A-channel과 distance transform을 활용해 치아 중심 랜드마크를 검출하고, 이를 기반으로 좌·우 파노라마를 정합한다. 이를 통해 상악과 하악의 협측(buccal), 설측(lingual), 교합면(occlusal) 등 6개 view–jaw 범주에 대해 연속적인 치아 표면 파노라마를 생성할 수 있다.

제안 방법은 ORB+RANSAC, SIFT+RANSAC, SuperPoint+LightGlue 등을 포함한 다양한 고전적·학습 기반 스티칭 방법과 비교하여 시각적 품질, 구조적 일관성, 좌·우 파노라마 융합 성능 및 처리 속도를 평가했다. 실험 결과 5점 척도의 전체 시각 품질 평가에서 4.45±0.71점을 기록했으며, 구조적 일관성에서도 SSIM 0.8942±0.0283으로 가장 높은 값을 보였다. 또한 400×720 해상도에서 48.12 FPS, 540×960에서 34.33 FPS, 600×1080에서 25.35 FPS를 기록하여 모든 평가 해상도에서 비교 방법보다 빠른 처리 속도를 보였다. 좌·우 파노라마 융합 역시 대부분의 평가 사례에서 성공적으로 수행되었다.

이번 연구는 고성능 GPU 기반의 학습형 매처나 별도의 작업별 학습 없이도 휴대형 구강 카메라 영상의 시간적 연속성을 활용해 치열의 넓은 표면 정보를 연속적인 2차원 파노라마로 구성할 수 있음을 보여준다. 특히 중간 해상도 입력에서 30 FPS 수준의 온라인 처리가 가능해, 비교적 가벼운 하드웨어에서도 치아 표면을 실시간에 가깝게 시각화할 수 있는 가능성을 제시했다.

본 논문의 제1저자인 김태곤 석사과정은 “이번 연구는 일반적인 영상 스티칭이 불안정해지기 쉬운 구강 환경에서, 비디오의 시간적 연속성을 활용해 별도의 학습 모델이나 고성능 GPU 없이도 안정적인 치아 표면 파노라마를 생성하는 데 의미가 있습니다. 특히 파노라마의 시각적 연속성과 처리 속도를 함께 확보해 실제 휴대형 구강 카메라 환경에서 활용 가능한 방향을 제시하고자 했습니다. 앞으로는 보다 다양한 환자와 촬영 조건에서의 검증과 고해상도 처리 최적화를 통해 실제 진료 환경에서의 활용 가능성을 높이고자 합니다. 함께 연구한 공동연구자들과 지도해주신 박운상 교수님께 감사드립니다.”라고 소감을 밝혔다.

British Machine Vision Conference (BMVC)는 British Machine Vision Association (BMVA)이 주관하는 머신 비전, 영상 처리 및 패턴 인식 분야의 주요 국제학술대회이다. 한국정보과학회 우수학술대회 목록에서 AI·컴퓨터비전 분야 우수 학술대회로 분류되어 있다. 제37회 BMVC 2026은 올해 11월 23일부터 26일까지 영국 랭커스터(Lancaster)에서 개최될 예정이다.

참고자료:

●           British Machine Vision Conference (BMVC 2026)

●           Website: https://bmvc2026.bmva.org/