AI 시각화에서 원본 슬라이스를 보이게 유지하는 방법

보간된(interpolated) 슬라이스는 3D 스택을 이동하며 보기 쉽게 만들 수 있습니다. 하지만 모든 다른 레이어처럼 보이면, 보는 사람은 어떤 이미지가 원본에서 왔고 어떤 것이 생성되었는지 혼동할 수 있습니다. 제시 방식은 더 명확해졌지만, 그 세부 정보의 출처를 확인하기는 어려워졌습니다.

공개 고지: 이 글은 AI 에이전트가 저의 공개 프로젝트 문서와 연결된 기술 자료로부터 연구하고 초안을 작성한 것입니다. 아래 파이프라인 제어들은 구현된 원래 도구에 대한 주장이 아니라 제안된 디자인 선택입니다. 본 기사는 임상적 해석이 아닌 탐색적 시각화(exploratory visualization)에 관한 것입니다.

저의 MRI 시각화 프로젝트는 Python, AI 생성 중간 이미지, 배경 투명도, 그리고 Blender를 연결했습니다. 저는 2024년 11월 29일에 이를 시연했으며, 나중에 복셀 기반 모델로 작업을 확장했습니다. 공개 사례 연구는 탐색적 시각화를 설명하며 정확도 벤치마크나 임상 검증을 주장하지 않습니다. 원래 구현 소스는 회복되지 않았기 때문에 특정 모델 아키텍처와 라이브러리는 명시되지 않은 상태입니다.

이 프로젝트는 다음과 같은 구현 질문에 유용한 출발점을 제공합니다: 빌더가 아래의 재료를 검사할 수 있는 방법을 보존하면서 뷰로 계속 실험할 수 있게 하려면 어떻게 해야 할까요?

소스에게 파이프라인 내 자체 공간을 부여하기

저는 가져온 이미지들을 불변(immutable) 소스 컬렉션에 유지하고, 모든 파생된 결과는 다른 곳에 작성할 것입니다. 생성된 레이어는 그 원본 이미지들, 그 사이의 의도된 위치, 그리고 그것을 생성한 처리 실행에 대한 참조를 가지고 있어야 합니다. 배경 제거는 이미지를 덮어쓰기보다는 별도의 마스크나 파생 자산을 생성해야 합니다.

이것은 정교한 에셋 데이터베이스로 시작할 필요는 없습니다. 출력물과 함께 매니페스트(manifest)를 두면 소스 식별자, 이미지 순서, 사용 가능한 공간 메타데이터(spatial metadata), 변환 설정(transformation settings), 모델 또는 방법 버전, 그리고 출력 파일 식별자를 기록할 수 있습니다. 중간 이미지를 생성하는 시점에 '생성됨'으로 표시하십시오. 나중에 그 출현을 통해 이러한 구분을 복구하려고 시도하는 것은 피할 수 있는 추측 작업입니다.

표시 순서(display order)를 소스 식별자(source identity)와 분리하여 유지해야 합니다. 다섯 개의 중간 이미지를 삽입한다고 해서 원본의 이름을 너무 철저하게 변경하여 다음 실험에서 찾을 수 없게 만들어서는 안 됩니다. 안정적인 식별자(stable identifiers)를 사용하면 스택이 바뀌어도 모든 다운스트림 비교가 새로운 파일 이름 규칙에 의존하지 않도록 할 수 있습니다.

초기 프로토타입의 경우, 이러한 제어 기능들은 반복 작업을 더 쉽게 만듭니다: 보간법(interpolation method)을 변경하고, 파생된 컬렉션을 재구축하며, 동일한 참조 입력값들을 유지할 수 있습니다.

공간 메타데이터는 이미지와 함께 있어야 합니다

동일한 크기의 직사각형 시퀀스가 그 자체로 물리적으로 정확한 볼륨(volume)을 확립하지는 못합니다. 3D Slicer 볼륨 문서에 따르면 축마다 간격(spacing)이 다를 수 있으며, 일반적인 이미지 형식은 필수적인 위치(position), 방향(orientation), 간격(spacing), 그리고 순서(ordering) 메타데이터가 부족할 수 있습니다.

시각화 파이프라인을 위해서는 소스가 실제로 제공하는 모든 공간 정보를 보존하고, 무엇이 알려지지 않았는지 명시적으로 표시해야 합니다. 오직 내보낸 그림들만 사용 가능하다면, 편리한 스태킹 간격(stacking distance)을 확립된 물리적 측정값으로 조용히 취급하는 것을 피하십시오. 발표 전용 간격 선택은 그 자체로 기록하십시오.

이 구별은 단어 보간(word interpolation)에도 적용됩니다. Slicer의 리샘플링 문서는 선택된 보간기(interpolator)를 사용하여 새로운 공간 위치에서 값을 평가하는 방법을 설명합니다. 중간 이미지를 생성하는 생성 모델은 별도의 처리 방법입니다. 공유되는 이름이나 더 조밀한 출력 그리드가 새로운 관측치가 획득되었음을 입증하지는 못합니다.

따라서 부드러워 보이는 결과물은 그것이 어떻게 만들어졌는지에 대한 가시적인 설명을 필요로 합니다. 더 많은 레이어는 추가적인 정확도를 증명하지 않으면서 표현을 탐색하는 것을 개선할 수 있습니다.

검사를 실제로 사용할 수 있는 뷰로 만들기

Blender의 도구는 이 질문을 실용적으로 만드는 방향으로 확장하고 있습니다. 개발자들이 작성한 2026년 10월 5일 Geometry Nodes 워크숍 보고서는 노출된 검사 뷰(exposed inspection views)에 대한 지속적인 작업을 설명합니다. 제안된 접근 방식은 노드 그룹이 디버깅 지오메트리를 일반 출력에 추가하지 않으면서 준비된 뷰를 제공할 수 있게 할 것입니다. 이 보고서는 작업 중인 구현을 식별하며, 설명된 모든 디자인이 출시되었다는 주장(claim)은 아닙니다.

이는 지난주에 나온 새로운 릴리스라기보다는 지속적인 개발입니다. 이는 AI 시각화에 유용한 인터페이스 원칙을 제시합니다: 사람들에게 발표를 해체할 필요 없이 처리를 검사하게 하라는 것입니다.

슬라이스 기반 도구의 새 버전을 위해, 저는 원본 전용 뷰와 결합된 뷰를 노출할 것입니다. 생성된 레이어를 선택하면 그 출처 참조(source references)가 나타나야 합니다. 별도의 마스크 뷰는 투명도 처리가 무엇을 제거했는지 보여줄 수 있습니다. 이것들은 제안된 컨트롤이며, 제가 2024년에 출시한 제품의 문서화된 기능은 아닙니다.

뷰를 비교할 때는 카메라 및 디스플레이 설정을 일치시키세요. 그렇지 않으면 조명이나 불투명도 변경이 처리 차이를 실제보다 더 크거나 작게 보이게 할 수 있습니다. 또한 결과를 레이블링하세요: 원본 전용 뷰라도 여전히 디스플레이 리샘플링, 색상 매핑 또는 기타 프레젠테이션 설정을 사용할 수 있습니다. “raw”라는 버튼은 이러한 변환을 가려서는 안 됩니다.

추가적인 다듬기 작업을 하기 전에 가역성을 테스트하세요

파이프라인 메커니즘을 연습하기에는 작은 합성 스택만으로 충분합니다. 번호가 매겨진 평면, 단순한 모양, 의도적으로 불균일한 간격, 그리고 고의로 누락된 이미지를 사용하세요. 순서와 배치를 확인하고, 누락된 소스가 보고되는지 검증하며, 생성된 출력이 입력을 덮어쓸 수 없음을 확신하세요.

그런 다음 다른 보간 설정으로 다시 구축해 보세요. 원본 컬렉션은 변경되지 않아야 하며, 매니페스트는 여전히 모든 파생 자산을 설명해야 합니다. 이러한 확인 작업들은 소프트웨어 동작을 검증하는 것이지, 모델이 실제 해부학을 재구성했는지 여부를 검증하는 것은 아닙니다.

원본, 마스크, 매니페스트 및 파생 볼륨을 유지하는 것은 저장 공간과 인터페이스 공간을 차지합니다. 일부 미리보기는 재생성하는 데 더 느릴 수도 있습니다. 합리적인 절충안은 파생된 결과를 캐싱하되, 이를 식별하고 재현하는 데 필요한 정보는 보존하는 것입니다. 캐시의 편리함이 소스와 생성 사이의 구분을 지워서는 안 됩니다.

창의적 도구, 과학 커뮤니케이션 및 교육용 시각화에 있어서 이는 핸드오프를 더욱 유용하게 만듭니다. 다음 사람은 자신이 무엇을 보고 있는지 이해하고, 프레젠테이션을 조정하며, 예상치 못한 특징을 처리 과정을 거쳐 되짚어 볼 수 있습니다. 이것이 각 다듬어진 렌더링을 설명되지 않은 최종 지점으로 만들지 않으면서 실험에 계속할 공간을 제공합니다.