객체 단위 픽셀 군집 분석 기반 메타버스 가상 공간 혼잡도 추정 방법
A Metavers Virtual Spaces Congestion Estimation Method for Based on Object-level Pixel Cluster Analysis
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
메타버스 플랫폼의 이용자 증가에 따라 가상 공간 내 혼잡도를 실시간으로 모니터링하는 기술의 필요성이더욱 커지고 있다. 기존의 혼잡도 추정 방식은 단순 이용자 수 집계나 위치 기반 밀도 계산에 의존하여, 실제공간에서의 객체 분포나 배치 형태를 정확히 반영하지 못하는 한계를 가진다. 본 논문에서는 이러한 문제를 해결하기 위해 메타버스 환경에서 렌더링된 장면 이미지를 활용하여 객체 단위픽셀 군집 분석을 기반으로 혼잡도를 산출하는 방법을 제안한다. 제안 방법은 객체 영역 추출, 전처리, 객체 점유픽셀 군집 분석, 정량적 혼잡도 산출의 네 단계로 구성된다. 이러한 구성은 단순 인원 수가 아닌 객체 픽셀 점유 비율과 군집 밀도 분석을 통해 실제 체감 혼잡 수준을보다 정확히 반영할 수 있다. 따라서 제안 방법은 메타버스 기반 교육, 공연, 전시, 회의 등 대규모 사용자 환경에서 사용자 경험 개선과 공간관리 효율성 향상에 기여할 수 있을 것으로 기대된다.
Abstract
The increasing number of users in metaverse platforms has heightened the need for real-time monitoring of congestion levels within virtual spaces. Conventional congestion estimation methods rely on simple user counts or location-based density calculations, which are limited in their ability to precisely reflect the actual spatial distribution and arrangement of objects. To address these limitations, this paper proposes a congestion estimation method based on object-level pixel cluster analysis using rendered scene images from metaverse environments. The proposed method consists of four stages: object region extraction, preprocessing, pixel-cluster-based analysis of occupied object areas, and quantitative congestion estimation. This approach enables more accurate reflection of perceived congestion levels by analyzing pixel occupancy ratios and clustering density rather than simple population counts. Therefore, the proposed method is expected to improve user experience and enhance spatial management efficiency in large-scale metaverse environments such as virtual education, performances, exhibitions, and conferences.