🤖 machine learning

SynthPID: P&ID digitization from Topology-Preserving Synthetic Data

이 논문은 실제 배관도에서 추출한 토폴로지를 기반으로 한 665 개의 합성 P&ID 데이터셋 'SynthPID'를 제안하여, 실제 데이터 없이도 P&ID 디지털화 성능을 기존 방법 대비 크게 향상시키고 실데이터 오라클과 8% 포인트 이내의 격차를 달성했다고 요약할 수 있습니다.

원저자: Suraj Prasad, Pinak Mahapatra

게시일 2026-04-21

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Suraj Prasad, Pinak Mahapatra

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🏭 문제: "보이지 않는 공장"과 "비밀스러운 설계도"

상상해 보세요. 거대한 화학 공장이나 정유 공장이 있습니다. 이 공장에는 수많은 파이프, 펌프, 밸브가 복잡하게 얽혀 있습니다. 이 모든 것을 관리하려면 **설계도 (P&ID)**가 필요합니다.

하지만 현실은 이렇습니다:

설계도는 종이 (이미지) 로만 남아있습니다. 컴퓨터가 읽을 수 있는 데이터가 아닙니다.
이 설계도는 '비밀'입니다. 공장의 핵심 기술이 담겨 있어 외부에 공유할 수 없습니다.
수동으로 입력하는 건 너무 느립니다. 사람이 일일이 그림을 보고 컴퓨터에 입력하려면 시간이 너무 오래 걸립니다.

그래서 연구자들은 **"컴퓨터가 자동으로 그림을 보고 데이터를 만들어내게 하려면?"**이라고 고민했습니다. 하지만 여기서 큰 벽에 부딪혔습니다. 학습시킬 '정답 데이터'가 부족하기 때문입니다. 공개된 정답 데이터는 고작 12 장뿐입니다.

🎨 실패한 시도: "주사위로 찍은 설계도"

기존 연구자들은 "데이터가 없으면 가짜 (합성) 데이터를 만들어서 학습시키자!"라고 생각했습니다. 하지만 그 방식이 잘못되었습니다.

비유:
마치 주사위를 굴려서 무작위로 '밸브', '펌프', '파이프' 아이콘을 종이에 아무렇게나 붙이고, 선으로 연결하는 방식이었습니다.

결과: 겉보기엔 설계도처럼 보이지만, 실제 공장과는 전혀 닮지 않았습니다.

문제점: 실제 공장에서는 특정 장비 주변에 밸브들이 모여 있거나, 특정 흐름에 따라 파이프가 연결됩니다. 하지만 무작위 생성된 데이터는 이런 **구조적 논리 (Topology)**가 전혀 없었습니다.

비유: 마치 무작위로 찍은 레고 조각을 붙여 만든 '집'은, 비록 벽돌은 같아도 실제 집처럼 살 수 없는 것과 같습니다. AI 는 이 가짜 데이터를 배웠기 때문에, 진짜 공장의 설계도를 보면 "이건 뭐지? 전혀 다른 언어야!"라고 혼란을 겪었습니다.

💡 해결책: "실제 설계도를 씨앗 (Seed) 으로 삼다"

이 논문 (SynthPID) 의 핵심 아이디어는 **"무작위로 만들지 말고, 실제 설계도를 '씨앗'으로 쓰자"**는 것입니다.

비유:

씨앗 심기: 실제 공장 설계도 12 장을 가져옵니다.

변형 (Perturbation): 이 설계도의 **구조 (어떤 것이 어떤 것과 연결되어 있는지)**는 그대로 유지한 채, 그림의 스타일만 바꿉니다.

파이프의 굵기를 다르게 하거나, 색상을 바꾸거나, 기호의 모양을 살짝 변형합니다.

하지만 논리는 그대로입니다. (예: 펌프는 여전히 밸브와 연결되어 있어야 함)

새로운 데이터 생성: 이렇게 해서 665 장의 새로운 가짜 설계도를 만들었습니다.

핵심: 겉모습은 가짜지만, 내부의 연결 구조 (뼈대) 는 진짜와 똑같습니다. 마치 실제 집의 평면도 (구조) 는 그대로 두고, 벽지 색상과 가구 배치만 바꿔서 새로운 집 도면을 여러 장 만든 것과 같습니다.

🚀 성과: "가짜로만 배워도 진짜를 잘 이해한다"

이렇게 만든 SynthPID 데이터로 AI 를 훈련시켰습니다. 결과는 놀라웠습니다.

진짜 데이터를 전혀 보지 않고도 (훈련 데이터 0 장), AI 는 실제 설계도의 연결 구조를 **63.8%**나 정확하게 찾아냈습니다.
기존에 무작위로 만든 데이터를 썼을 때의 성능 (약 33%) 보다 무려 30% 포인트나 향상되었습니다.
심지어 실제 데이터를 60 장이나 쓴 기존 방식보다도 더 좋은 성능을 냈습니다.

비유:
무작위 레고로 만든 가짜 집 (기존 방식) 을 2,000 장이나 배워도, 진짜 집을 못 알아봤습니다.
하지만 실제 집의 평면도를 바탕으로 변형한 가짜 집을 665 장만 배웠을 때, AI 는 진짜 집을 거의 완벽하게 이해하게 되었습니다.

🔍 교훈: "겉모음보다 '뼈대'가 중요하다"

이 연구가 우리에게 주는 가장 큰 교훈은 **"AI 가 진짜를 배우려면, 가짜 데이터의 '겉모습'이 얼마나 사실적인지보다, '내부 구조'가 얼마나 진짜와 같은지가 중요하다"**는 것입니다.

시각적 사실감 (Visual Fidelity): 그림이 진짜처럼 보일 필요는 없습니다.
구조적 사실감 (Topological Fidelity): 연결 관계와 논리가 진짜와 같아야 합니다.

📈 결론 및 다음 단계

데이터 양의 한계: 가짜 데이터를 400 장 이상 늘려도 성능이 더 이상 오르지 않았습니다. 이는 씨앗 (실제 설계도 12 장) 의 다양성이 부족해서입니다.
해결책: 더 많은 종류의 공장 설계도 (씨앗) 를 모으면, AI 는 훨씬 더 똑똑해질 것입니다.
실용성: 이제 공장들은 자신의 설계도를 외부에 공개하지 않고도, 이 기술을 이용해 공장 데이터를 디지털화할 수 있게 되었습니다.

한 줄 요약:

"실제 공장 설계도의 **구조 (뼈대)**를 그대로 가져와서 가짜 데이터를 만들면, AI 는 진짜 데이터를 전혀 보지 않아도 공장의 연결 구조를 완벽하게 이해할 수 있습니다. 겉모습보다 내부 논리가 핵심입니다!"

1. 문제 정의 (Problem Statement)

배경: 석유 화학 공장이나 정유소 등 산업 시설의 운영, 유지보수, 디지털 트윈 구축을 위해 P&ID 를 구조화된 그래프로 자동 변환하는 것이 필수적입니다.
핵심 장벽: 실제 P&ID 도면은 기밀 문서이므로 공개 데이터가 극히 부족합니다. 현재 공개된 유일한 벤치마크인 PID2Graph OPEN100은 단 12 개의 주석 달린 실제 이미지만 존재합니다.
기존 접근법의 실패: 기존 합성 데이터 생성 방법 (템플릿 기반) 은 빈 캔버스에 심볼을 무작위로 배치하고 선으로 연결하는 방식을 사용했습니다. 이는 시각적으로는 P&ID 처럼 보일 수 있으나, **그래프 위상 (연결 구조, 노드 차수 분포, 공간적 군집 등)**이 실제 공정 설비와 완전히 다릅니다.
- 결과: 합성 데이터만으로 학습한 모델은 실제 데이터에서 약 33% 의 엣지 감지 정확도에 그쳤으며, 이는 구조적 불일치 (Structural Mismatch) 로 인한 실패로 분석됩니다.

2. 방법론 (Methodology)

A. 위상 보존 합성 데이터 생성 (Topology-Preserving Synthetic Generation)

기존의 '무작위 생성' 대신 '실제 도면 기반 시드 (Seed) 생성' 방식을 채택했습니다.

시드 추출: 12 개의 실제 P&ID 에서 물리적 구성 요소 그래프를 추출합니다.
위상 변형: 추출된 그래프의 토폴로지 (연결 관계) 를 유지하면서 노드 위치를 미세하게 변형 (Perturbation) 시킵니다.
- 심볼은 동일한 클래스 내에서 무작위로 교체하여 시각적 다양성을 확보합니다.
- 파이프 연결은 맨해튼 경로 (Manhattan routing) 를 사용하여 재라우팅합니다.
중복 제거: 생성된 그래프가 기존 데이터와 구조적 (Weisfeiler-Lehman 해시) 또는 시각적 (Perceptual 해시) 으로 중복되지 않도록 필터링합니다.
결과물: 이 과정을 통해 SynthPID라는 665 개의 합성 P&ID 데이터셋을 구축했습니다. 이 데이터는 실제 도면과 그래프 수준의 통계 (차수 분포, 엣지 밀도) 가 유사하지만 시각적으로는 구별됩니다.

B. 패치 기반 처리 (Patch-Based Processing)

P&ID 이미지는 매우 고해상도 (7000x4500 px 이상) 이며 심볼은 매우 작습니다. 전체 이미지를 한 번에 처리하면 심볼이 픽셀 미만으로 축소되어 검출이 어렵습니다.
해결책: 1500x1500 px 크기의 오버랩 패치 (Stride 750) 로 이미지를 분할하여 처리합니다.
마무리: 패치 경계에서 끊긴 파이프 연결을 복원하기 위해 '경계 노드 (Border Node)'를 삽입하고, NMS 및 Weighted Box Fusion (WBF) 을 통해 예측 결과를 통합합니다.

C. 모델 아키텍처

Relationformer를 기반으로 사용 (Deformable DETR 확장).
객체 쿼리와 공유 관계 토큰 (Relation Token) 을 결합하여 바운딩 박스, 클래스, 엣지 (연결선) 를 한 번의 순전파로 예측합니다.
엣지 예측의 어려움을 고려하여 엣지 손실 가중치 ( $\lambda_{edge}$ ) 를 5.0 으로 조정했습니다.

3. 주요 기여 (Key Contributions)

SynthPID 데이터셋 공개: 완전한 그래프 주석이 포함된 최초의 위상 보존 합성 P&ID 데이터셋 (665 개 이미지) 과 생성 파이프라인을 오픈소스로 공개했습니다.
생성 품질의 중요성 입증: 모델 아키텍처가 아닌 **데이터 생성 방식 (위상 보존 vs 무작위 배치)**이 성능 차이의 주된 원인임을 실험적으로 증명했습니다.
엄격한 평가 프로토콜: 데이터가 부족한 환경 (OPEN100) 을 위해 5-fold 교차 검증과 3 개의 독립적인 랜덤 시드를 활용한 재현 가능한 벤치마크를 정립했습니다.

4. 실험 결과 (Results)

성능 비교 (OPEN100 벤치마크):
- E1 (Oracle): 실제 데이터 12 개로 학습 (상한선) → 엣지 mAP 69.4%
- E2 (SynthPID): 합성 데이터 665 개만 학습 (실제 데이터 0 개) → 엣지 mAP 63.8 ± 3.1%
- 참조 (기존 합성): 템플릿 기반 합성 데이터만 학습 → 엣지 mAP ~33%
- 참조 (모듈식): 기존 모듈식 파이프라인 (실제 데이터 60 개 사용) → 엣지 mAP 45.9%
주요 발견:
- SynthPID 만으로 학습한 모델 (E2) 은 실제 데이터를 전혀 보지 않았음에도 불구하고, 템플릿 기반 합성 데이터보다 30%p, 실제 데이터 60 개로 학습한 기존 모듈식 방법보다 18%p 더 높은 성능을 보였습니다.
- 실제 데이터 12 개만 학습한 상한선 (E1) 과의 격차는 5.6%p로 매우 작았습니다.
- 소량의 실제 데이터를 혼합 (E3) 하면 성능이 **72.6%**까지 상승하여 최신 기술 (SOTA) 과 2.8%p 차이로 수렴했습니다.
확장성 분석 (Scaling Analysis):
- 합성 이미지 수가 400 개까지 증가할 때 성능이 급격히 향상되지만, 그 이후 (665 개) 에는 성능 향상이 둔화됩니다.
- 이는 이미지 양이 아닌 시드 (Seed) 의 다양성이 성능의 병목 요소임을 시사합니다.

5. 의의 및 결론 (Significance & Conclusion)

도메인 갭의 본질: P&ID 디지털화에서 중요한 것은 심볼의 시각적 사실성 (Visual Fidelity) 이 아니라 **그래프 위상의 사실성 (Topological Fidelity)**입니다. 무작위 배치로는 실제 공정의 복잡한 연결 구조 (고차수 접합, 밸브 군집 등) 를 학습할 수 없습니다.
실용적 가치: 산업 현장에서는 기밀 유지로 인해 실제 도면 주석이 불가능한 경우가 많습니다. SynthPID 접근법은 기존에 보유한 12 개의 도면만 시드로 활용하면, 추가 주석 작업 없이도 경쟁력 있는 디지털화 모델을 구축할 수 있는 길을 열었습니다.
향후 방향: 더 많은 성능 향상을 위해서는 12 개의 시드에서 더 많은 이미지를 생성하는 것보다, **서로 다른 유형의 공장 도면 (더 많은 시드)**을 확보하여 위상적 다양성을 높이는 것이 더 효과적입니다.

이 연구는 데이터가 부족한 공학 도면 분야에서 합성 데이터의 구조적 품질이 모델 성능을 결정짓는 핵심 요소임을 명확히 보여주었습니다.