3D 스캔과 AI 생성의 가장 큰 차이는 3D 스캔이 "실제로 존재하는 물체를 측정해 재현하는" 방식인 반면, AI 생성(image-to-3D)은 "보이지 않는 부분을 추정해 만드는" 방식이라는 점입니다. 이 원리의 차이 때문에 필요한 입력도, 잘 다루는 대상도, 심지어 정밀도라는 말의 의미까지 달라집니다. 이 글에서는 어떤 앱이 좋은지와 같은 도구 단위의 이야기가 아니라, 방식 그 자체의 차이와 선택 기준을 정리합니다.
※ 현재 Figmee는 업로드한 그림이나 일러스트로부터 피규어풍 이미지와 3D 모델 데이터(GLB / 3MF)를 생성·다운로드할 수 있는 서비스입니다. 실물 3D 프린트 제품 판매는 준비 중(Coming Soon)입니다.
두 방식은 애초에 풀고 있는 문제가 다르다
똑같이 "3D 모델을 만든다"고 해도, 내부에서 하는 일은 정반대라고 해도 될 만큼 다릅니다.
3D 스캔은 측정입니다. 눈앞에 있는 물체의 표면이 어디에 있는지를 사진이나 빛으로 계측하고, 그 결과를 점이나 면으로 기록합니다. 대상이 실제로 존재한다는 것이 전제이며, 측정하지 못한 곳(뒷면, 가려진 부분)은 데이터 누락으로 남습니다.
AI 생성은 추정입니다. 1장~몇 장의 이미지를 단서로, 학습한 지식에서 "있을 법한 입체"를 조립합니다. 단일 이미지에서 3D를 생성하는 연구에서는 이 상황을 "제약이 부족한(under-constrained) 설정"이라고 설명하며, 대규모 이미지 생성 모델이 학습한 기하학적 사전 지식에 기대어 보이지 않는 시점을 보완하는 방침을 취하고 있습니다(출처: Zero-1-to-3: Zero-shot One Image to 3D Object(arXiv), 2026년 7월 기준). 실재하지 않는 그림도 입체로 만들 수 있는 대신, 측정하지 않은 부분은 추정으로 남습니다.
이 차이를 이해해 두면 이후의 비교가 모두 논리적으로 이해됩니다.
3D 스캔에는 두 가지 계통이 있다
"3D 스캔"이라고 하나로 묶어 부르지만, 원리가 다른 두 계통이 있습니다.
포토그래메트리(사진으로 복원한다)
대상을 조금씩 각도를 바꿔 가며 찍은, 서로 겹치는 여러 장의 사진으로 입체를 복원하는 방식입니다. 미국 지질조사국(USGS)은 사진 측량을 "사진을 측정하고 해석해 신뢰할 수 있는 정보를 얻는 과학"으로 정의하며, 서로 다른 위치에서 같은 대상을 찍은 사진 쌍으로부터 입체 정보를 얻는 구조가 기초라고 설명합니다(출처: USGS "Topographic Mapping", 2026년 7월 기준). 특별한 장비 없이도 카메라와 충분한 장수의 사진만 있으면 성립한다는 것이 장점입니다.
LiDAR·깊이 센서(빛으로 거리를 잰다)
레이저 같은 빛을 쏘고, 반사가 돌아오기까지의 정보로 거리를 재는 방식입니다. NOAA는 lidar가 "Light Detection and Ranging"의 약자이며, 펄스 레이저를 사용해 지구 표면까지의 거리를 재는 원격 탐사 기법이라고 설명하고, 얻어지는 결과물은 3차원 좌표를 가진 "점군(point clouds)"이라고 합니다(출처: NOAA "What is lidar?", 2026년 7월 기준). 일부 스마트폰과 태블릿에도 같은 종류의 센서가 탑재되어 있어, 가까운 기기로도 시험해 볼 수 있게 되었습니다.
사진으로 복원할지, 빛으로 잴지. 수단은 다르지만 실제로 존재하는 물체를 측정한다는 점은 같습니다.
방식 비교표
| 비교 축 | 3D 스캔(포토그래메트리) | 3D 스캔(LiDAR 등) | AI 생성(image-to-3D) |
|---|---|---|---|
| 원리 | 여러 장의 사진으로 복원 | 빛으로 거리 측정 | 학습한 지식으로 추정 |
| 대상 | 실재하는 물체·공간 | 실재하는 물체·공간 | 실재하지 않는 그림도 가능 |
| 필요한 입력 | 대상을 둘러싼 많은 사진 | 대응 센서를 탑재한 기기 | 이미지 1장부터 가능 |
| 촬영·취득의 수고 | 큼(장수와 각도가 필요) | 중간(기기를 갖다 댐) | 작음(업로드만) |
| 치수의 정확성 | 조건에 따라 높음 | 높은 경향 | 보장되지 않음 |
| 색·질감 | 사진에서 얻기 쉬움 | 별도 촬영이 필요할 수 있음 | 원본 이미지로부터 생성 |
| 약한 대상 | 투명·광택·무지의 면 | 세부·작은 대상 | 뒷면·가는 돌기·가려진 부분 |
| 소요 시간의 기준 | 촬영+처리로 수십 분~몇 시간 | 몇 분~수십 분 | 몇 분 |
방식 선택의 실무에서는 "약한 대상" 칸이 가장 중요합니다. 투명한 유리나 거울면은 빛의 반사가 제대로 돌아오지 않기 때문에 사진으로도 빛으로도 형태를 얻기 어렵습니다. 반면 AI 생성이 약한 것은 원본 이미지에 정보가 없는 부분, 즉 뒷면, 가는 돌기, 겹쳐서 가려진 부분입니다. 약점의 성격이 완전히 다르다는 것을 알 수 있습니다.
"정밀도가 높다"의 의미가 방식마다 다르다
비교 글에서 자주 나오는 "정밀도"라는 말은 두 방식에서 가리키는 것이 다릅니다. 이를 혼동하면 잘못 선택하게 됩니다.
3D 스캔의 정밀도는 실물과 치수가 얼마나 일치하는가입니다. 몇 밀리미터 어긋나 있는가 하는 측정의 이야기입니다. 실물의 복제나 기록이 목적이라면 이 정밀도가 가치 그 자체입니다.
AI 생성의 정밀도는 의도한 모습에 얼마나 가까운가 하는, 납득감에 가까운 것입니다. 원래 그림에 그려지지 않은 뒷면에는 비교해야 할 "정답 치수"가 존재하지 않습니다. 그래서 실측과의 일치라는 의미의 정밀도는 원리적으로 잴 수 없고, "그럴듯한가", "원래 그림의 분위기를 유지하고 있는가"로 평가하게 됩니다.
즉, 실물이 있는 대상에는 스캔, 실물이 없는 대상에는 AI 생성이라는 대응이 원리에서 도출됩니다. "어느 쪽이 더 정밀한가"라는 질문은 비교하는 잣대가 다르기 때문에 그대로는 답이 나오지 않습니다.
각각이 약한 대상과 그 이유
"잘 안 됐다"의 원인은 대개 방식의 원리에서 비롯됩니다. 이유까지 알고 있으면 쓸데없는 시행착오를 줄일 수 있습니다.
3D 스캔이 약한 대상
- 투명·반투명한 것: 유리나 클리어 파츠는 빛이 그대로 통과하기 때문에 표면의 위치를 특정할 수 없습니다.
- 거울면·강한 광택: 반사가 촬영 위치에 따라 바뀌므로 같은 점이 사진마다 다르게 보여 대응 짓기에 실패합니다.
- 무늬 없이 매끈한 면: 흰 벽처럼 무늬가 없는 면은 사진끼리 "같은 곳"을 찾을 단서가 없어, 포토그래메트리에서는 특히 고전합니다.
- 가는 털·섬유: 머리카락이나 봉제 인형의 기모는 윤곽이 사진마다 흔들려 형태가 정해지지 않습니다.
대책으로는 대상에 일시적으로 무광 파우더를 뿌리거나, 무늬가 있는 시트를 배경에 까는 등 촬영 쪽의 요령이 알려져 있습니다. 다만 작품이나 소중한 물건에는 쓸 수 없는 방법도 있으므로, 실시 여부는 대상에 따라 다릅니다.
AI 생성이 약한 대상
- 뒷면 디자인이 독특한 것: 정면 이미지에 정보가 없기 때문에 추정이 됩니다.
- 가는 돌기: 안테나, 손가락 끝, 꼬리 끝 등은 중간에 끊기거나 굵어지기 쉽습니다.
- 겹침·가림: 팔짱을 끼거나 소품으로 몸이 가려지는 구도는 가려진 쪽의 정보가 사라집니다.
- 극단적으로 평평한 채색: 입체를 추정할 음영의 단서가 부족해 밋밋한 결과가 나오기 쉽습니다.
이쪽의 대책은 입력 이미지 쪽에 있습니다. 자세를 바꾸고, 배경을 단색으로 하고, 가벼운 음영을 더하는 등의 조정으로 결과가 안정됩니다.
시간과 비용의 현실적인 감각
방식을 고를 때 의외로 크게 작용하는 것이 "1회당 걸리는 시간"입니다.
3D 스캔 중 포토그래메트리는 촬영 자체에 시간이 걸립니다. 대상을 둘러싸고 각도를 바꿔 가며 겹침을 유지한 장수를 찍어야 하기 때문입니다. 촬영 후 처리도 사진의 장수와 해상도에 비례해 길어집니다. 시행착오 한 바퀴가 긴 만큼, 조건을 바꿔 가며 여러 번 시도하기에는 적합하지 않습니다.
LiDAR 등의 센서를 쓰는 방식은 취득은 빠른 반면, 기기의 지원이 전제가 됩니다. 가지고 있는 기기에 센서가 없으면 그 시점에서 선택지에서 빠집니다.
AI 생성은 1회가 몇 분이면 끝나므로, 조건을 바꿔 가며 여러 번 시도하는 진행 방식에 적합합니다. 입력 이미지를 바꿔 가며 비교하는 절차를 현실적인 시간 안에 돌릴 수 있다는 것이 이 방식의 실무적인 강점입니다.
용도별 선택
| 하고 싶은 것 | 알맞은 방식 | 이유 |
|---|---|---|
| 실재하는 입체물을 기록·복제하고 싶다 | 3D 스캔 | 실측이 목적 그 자체 |
| 방이나 공간을 측정해 도면에 쓰고 싶다 | LiDAR 등 | 넓은 범위를 짧은 시간에 측정 가능 |
| 직접 그린 캐릭터를 입체로 만들고 싶다 | AI 생성 | 대상이 실재하지 않아 측정할 수 없음 |
| 대상이 곁에 없고 사진 1장뿐이다 | AI 생성 | 적은 입력으로 입체화 가능 |
| 실물 치수가 중요한 부품을 만들고 싶다 | 3D 스캔 | 치수의 정확성이 요건 |
| 작품의 이미지를 빨리 입체로 확인하고 싶다 | AI 생성 | 몇 분 만에 시도 가능 |
판단의 출발점은 언제나 같습니다. 그 대상은 실재합니까? 실재한다면 측정하는 방식이 첫 번째 후보가 되고, 실재하지 않는다면(그림·상상 속 캐릭터) 추정하는 방식밖에 고를 수 없습니다.
"실재하지만 곁에 없을" 때는 어떻게 할까
판단이 헷갈리기 쉬운 것이, 대상은 실재하지만 지금은 곁에 없는 상황입니다. 여행지에서 본 조각상, 남에게 줘 버린 추억의 물건, 사진밖에 남아 있지 않은 대상 등이 해당합니다.
이 경우 스캔은 물리적으로 불가능합니다. 남아 있는 사진을 입력으로 AI 생성을 쓰게 되지만, 결과는 "그 물건의 정확한 복제"가 아니라 "그 사진에서 추정한 입체"가 됩니다. 치수도 세부도 원래 물건과 일치한다는 보장은 없습니다. 기록으로서 정확성을 요구하는 용도에는 맞지 않고, 분위기를 입체로 남기는 목적이라면 선택지가 된다는 위치로 생각해 주세요.
함께 쓰는 선택지도 있다
양자택일이라고만은 할 수 없습니다. 실무에서는 조합이 효과적인 경우가 있습니다.
- 스캔으로 골격, AI로 디자인: 실재하는 물건을 스캔해 치수의 토대를 만들고, 장식 부분을 따로 만들어 넣습니다.
- AI로 시제작, 스캔으로 검증: AI로 입체의 윤곽을 잡은 뒤 조형하고, 완성된 실물을 스캔해 기록으로 남깁니다.
- AI로 생성한 3D 모델을 3D 소프트웨어에서 손보기: 어느 방식으로 만든 데이터든 GLB 등의 형식으로 만들면 같은 3D 소프트웨어에서 편집할 수 있습니다.
어느 방식으로 만든 데이터든 최종적으로는 같은 3D 모델로 다룰 수 있습니다. 3D 모델 자체의 기초는 3D 모델이란?에서 설명합니다.
도구 선택은 별개의 이야기
여기까지는 방식의 비교였습니다. 실제로 "어떤 앱·어떤 서비스를 쓸지"라는 도구 단위의 선택에는 지원 형식, 요금, 출력의 자유도 같은 다른 축이 관여합니다. AI 생성 쪽의 도구를 구체적으로 비교하고 싶다면 이미지로 3D 모델 만드는 AI 도구 비교를 참고하세요. 방식을 정한 뒤에 도구를 고르는 순서가 선택지를 좁히기 쉽습니다.
AI 생성 내부에서 무슨 일이 일어나는지 좀 더 자세히 알고 싶다면 이미지로 3D 모델을 만드는 AI의 원리에서 단계별로 설명합니다.
자주 묻는 질문
Q. 스마트폰 스캔 앱과 AI 생성, 처음이라면 어느 쪽부터 시도해야 하나요? A. 입체로 만들고 싶은 대상이 곁에 있는지에 따라 정해집니다. 눈앞에 있는 물건을 입체로 만들고 싶다면 스캔, 그림이나 캐릭터를 입체로 만들고 싶다면 AI 생성입니다. 대상이 실재하지 않는 경우 스캔이라는 선택지는 애초에 성립하지 않습니다.
Q. AI 생성으로도 실물과 같은 치수의 3D 모델을 만들 수 있나요? A. 치수의 일치를 보장하는 구조는 갖고 있지 않습니다. AI 생성은 측정이 아니라 추정이며, 원본 이미지에 절대적인 크기 정보가 포함되어 있지 않기 때문입니다. 치수가 요건이 되는 용도에서는 스캔이나 수작업 모델링 등, 측정해서 만드는 방식을 선택하세요.
Q. 포토그래메트리와 LiDAR 중 어느 쪽이 더 뛰어난가요? A. 목적에 따라 다르며, 우열이 아니라 잘하는 분야의 차이입니다. 포토그래메트리는 특별한 장비 없이도 시작할 수 있고 사진에서 색 정보를 얻기 쉬운 반면, 촬영 장수와 처리 시간이 걸립니다. LiDAR는 짧은 시간에 거리를 잴 수 있지만 세밀한 조형의 재현에는 한계가 있습니다. 투명하거나 광택이 있는 대상은 어느 방식으로도 어려워집니다.
Q. 3D 스캔으로 얻은 데이터를 그대로 3D 프린트할 수 있나요? A. 그대로는 어려운 경우가 많습니다. 스캔 데이터에는 측정하지 못한 부분의 구멍이나 미세한 노이즈가 남을 수 있어, 출력 전에 닫힌 메시로 다듬는 처리가 필요합니다. 이 점은 AI 생성 데이터도 마찬가지로, 어느 방식이든 출력 전 확인과 조정은 피할 수 없습니다. GLB로 받은 데이터를 슬라이서용 3MF로 바꾸는 절차는 GLB를 3MF로 변환하는 방법에서 설명합니다.
정리
3D 스캔과 AI 생성은 측정하는 방식과 추정하는 방식이라는 원리의 차이에서 필요한 입력도 약한 대상도 갈립니다. 실재하는 물건을 기록·복제하고 싶다면 스캔(사진으로 복원하는 포토그래메트리, 빛으로 재는 LiDAR 등), 실재하지 않는 그림이나 캐릭터를 입체로 만들고 싶다면 AI 생성이라는 대응이 기본입니다. "정밀도"라는 말이 방식에 따라 다른 것을 가리킨다는 점에도 주의하세요. 먼저 대상이 실재하는지로 방식을 정하고, 그다음 구체적인 도구를 비교한다. 이 순서라면 많은 선택지에 헤매지 않을 수 있습니다.




