기술 필드 노트 #15 · 2026년 11월
머리 움직임은 에고센트릭 영상을 얼마나 흐리게 하나? 실제 작업 2시간 25분 측정
기술노트 #15 · IMU와 프레임별 노출시간으로 본 머리 움직임과 모션 블러 예산 (ODL-EGO S1 촬영 리그)
모션 블러는 에고센트릭 영상에서 가장 흔한 품질 지적이지만, 실제로 재는 경우는 드뭅니다. 우리 리그는 프레임마다 노출 구간을 기록하고 500Hz 자이로를 같은 시계로 기록하므로, 노출 동안 카메라가 얼마나 돌았는지 정확히 계산할 수 있습니다. 실제 농산물 소분 작업 2.4시간(세션 6개, 261,390프레임)에서 머리 회전 속도는 중앙값 22°/s, 95%값 112°/s였습니다. 녹화된 약 10ms 노출에서 프레임 중앙값은 카메라 블러 1.7px였고, 1px 초과 70%, 3px 초과 28%, 8px 초과 6%였습니다. 클립 5,400프레임의 영상 선명도가 이 예측을 뒷받침합니다. 3px 미만에서는 선명도 손실이 보이지 않고, 5–8px에서 15%, 8px 초과에서 59% 떨어졌습니다. 같은 움직임을 4ms로 찍으면 3px 초과는 7%가 됩니다. 다음 납품부터 모든 세션에 프레임별 블러 추정값을 함께 보냅니다.
왜 중요한가
블러는 구매자가 가장 먼저 알아보는 품질 문제다
머리에 쓴 카메라는 작업자가 다음 물건을 볼 때마다 돌아갑니다. 노출 중에 돌면 영상이 번지고, 손과 물체의 세부, 특징점 추적, 스테레오 매칭이 약해집니다.
블러는 보통 클립 몇 개를 눈으로 보고 판단합니다. 이 노트는 실제 세션의 모든 프레임에 대해, 녹화에 이미 들어 있는 센서로 블러를 재고, 그 측정을 영상과 대조합니다.
구성
실제 농산물 소분 2.4시간, 평소대로 작업하며 녹화
작업: 2026-11-01 식품 공급업체 작업장에서 학교 급식용 채소를 계량, 포장, 라벨링하는 작업. 작업자가 스테레오+IMU 리그를 머리에 쓰고, 14–32분짜리 6개 구간(261,390프레임/한쪽)으로 녹화했습니다. 움직임을 바꾸라는 지시는 없었습니다.
사용 데이터: 영상 스트림에 들어 있는 프레임별 노출 시작 시각과 노출 길이, 같은 시계의 500Hz 자이로(정렬은 기술노트 #10에서 측정). 자이로는 공장 카메라–IMU 회전으로 카메라 좌표계로 옮겼습니다.
블러 모델: 노출 구간 동안 회전을 적분. 피치·요 블러는 화면 중앙 기준 482px/rad × 회전각, 롤 블러는 중심에서 400px 지점 기준, 둘을 합침. 카메라 회전에 의한 블러만이며, 손 자체의 움직임은 포함하지 않습니다.
결과
약 10ms 노출에서 프레임의 28%가 3px 넘게 번진다
녹화된 노출은 프레임 중앙값 10.0ms(5–95% 범위 8.9–10.6ms, 최대 12.1ms)였습니다. 머리 회전 속도는 중앙값 22°/s, 95%값 112°/s, 최대 460°/s였습니다.
그 결과 블러는 중앙값 1.73px, 90%값 5.9px, 99%값 16.5px입니다. 세션 6개가 모두 비슷합니다. 세션별 3px 초과가 25–30%라서, 특정 세션이 아니라 작업과 노출의 특성입니다.
| 세션 시작 | 분 | 머리 회전 속도 중앙값 (°/s) | 머리 회전 속도 95% (°/s) | 1px 초과 프레임 | 3px 초과 프레임 |
|---|---|---|---|---|---|
| 09:48 | 27.5 | 19 | 103 | 66% | 25% |
| 10:20 | 17.9 | 23 | 125 | 70% | 30% |
| 10:42 | 21.7 | 23 | 114 | 70% | 28% |
| 11:11 | 14.1 | 20 | 102 | 64% | 25% |
| 11:28 | 32.2 | 24 | 113 | 71% | 30% |
| 12:05 | 31.9 | 24 | 116 | 73% | 30% |
확인
자이로 예측이 영상과 맞는가
30초 클립 6개(5,400프레임)에서 영상 선명도(중앙 800×600 영역의 라플라시안 분산)를 재고, 앞뒤 31프레임 중앙값으로 나눠 장면 변화 영향을 뺐습니다. 예측 블러가 커질수록 선명도가 떨어집니다(전체 스피어만 ρ = -0.41, 클립별 -0.52 ~ -0.33).
3px 미만에서는 손실이 보이지 않습니다. 이 비트레이트에서는 영상 압축이 이미 미세한 디테일을 제한하기 때문으로 보입니다. 3–5px 프레임은 주변 프레임 선명도의 94%, 5–8px는 85%, 8px 초과는 41%만 남습니다. 따라서 이 리그에서는 3px가 실질적인 기준이고 8px는 심한 블러입니다.
예산
노출을 줄이면 얼마나 좋아지나
같은 움직임이면 블러는 노출 시간에 비례합니다. 측정한 회전을 환산하면 3px 초과 프레임은 28%에서 6ms일 때 13%, 4ms일 때 6.6%, 2ms일 때 1.4%로 줄어듭니다.
대가는 빛입니다. 4ms면 빛이나 게인이 2.5배 더 필요하고, 일반 실내 작업장에서는 잡음이 늘어납니다. 짧은 노출은 이번에 시험하지 않았고, 시험할지 판단하기 위한 예산입니다.
| 기준 | 실제 녹화 (~10ms) | 6ms라면 | 4ms라면 | 2ms라면 |
|---|---|---|---|---|
| > 1 px | 69.7% | 51.8% | 35.6% | 13.4% |
| > 2 px | 44.1% | 25.0% | 13.4% | 3.8% |
| > 3 px | 28.3% | 13.4% | 6.6% | 1.4% |
| > 5 px | 13.2% | 5.4% | 2.4% | 0.1% |
바꾼 것
모든 납품에 프레임별 블러 점수
검증됨: 이 작업과 리그에서의 머리 움직임 통계, 모든 프레임의 카메라 블러, 그리고 그 추정이 영상 선명도와 맞는다는 것.
절차 변경: 이 계산을 납품 QA 도구에 넣었습니다(이 패키지의 analysis/qa/odl_delivery_qa.py, 이번 녹화로 시험 완료). 다음 납품부터 세션마다 프레임별 블러 파일(파일 번호, 프레임, 노출, 머리 회전 속도, 블러 px)을 함께 보냅니다. 구매자가 영상 모델을 돌리지 않고도 프레임을 거르거나 가중치를 줄 수 있습니다. 다음으로 같은 작업장 조명에서 노출 상한을 낮춰 시험합니다.
- 이 리그와 비트레이트에서는 3px를 실질 기준, 8px를 심한 블러로 봅니다.
- 약 10ms 노출로 손 작업을 하면 프레임의 약 4분의 1이 3px를 넘는다고 예상합니다.
- 클립 전체를 버리지 말고 프레임별 블러 점수를 씁니다.
범위와 한계
연구의 한계
이 노트가 보여주지 않는 것을 먼저 밝힙니다.
- 리그 1대, 작업자 1명, 작업 1종(농산물 소분), 작업장 1곳, 하루(2026-11-01) 측정이며 다른 작업과 사람은 다르게 움직입니다.
- 모든 측정은 자동 처리입니다. 사람이 블러를 평가하지 않았으므로 알고리즘 기반 예비 분석(AI-only preliminary analysis)입니다.
- 블러 모델은 카메라 회전만 다루며 카메라 이동, 손과 물체의 움직임은 포함하지 않습니다. 롤 블러는 반경 400px 한 곳 기준입니다.
- 선명도 확인은 세션별 30초 클립 1개씩 6개와, 초점·장면 변화에도 반응하는 상대 선명도 지표를 사용했습니다.
- 짧은 노출 결과는 측정한 움직임으로 환산한 값이며, 잡음·게인·조명 영향은 시험하지 않았습니다.
- 원본 영상은 다른 작업자와 작업장 내부가 찍혀 있어 공개하지 않고, 프레임별 수치 데이터만 포함합니다.
FAQ
데이터 구매자가 묻는 질문
Q01실제 작업 중 머리 착용 에고센트릭 영상은 얼마나 흐린가요?
Q02영상을 보지 않고 모션 블러를 잴 수 있나요?
Q03손 작업 중 머리는 얼마나 빨리 도나요?
Q04노출을 줄이면 도움이 되나요?
Q05손이 움직여서 생기는 블러도 포함되나요?
공개 데이터와 코드
근거 자료를 직접 확인하세요
이 노트의 모든 수치는 검증할 수 있습니다. 가공 데이터, 분석 코드, 그림, 실행 가능한 노트북을 공개합니다.
GitHub분석 코드와 재현 절차origin-data-lab/egocentric-head-motion-blur-budget-real-work저장소 보기 
Hugging Face데이터셋 카드, 표, 그림origin-data-lab/egocentric-head-motion-blur-budget-real-work데이터셋 열기 
데이터 탐색과 실행 노트북origindatalab/odl-egocentric-head-motion-blurKaggle에서 보기 라이선스: CC BY 4.0 (데이터·그림) · MIT (코드)
Origin Data Lab (2026). 기술노트 #15: 머리 움직임은 에고센트릭 영상을 얼마나 흐리게 하나? https://origindatalab.io/ko/technical-field-notes/egocentric-head-motion-blur-budget-real-work.html