사진 한 장을 3D 모델로 바꾸는 오픈소스 Budget3D가 11월 12일 공개됐습니다. 3D 모델을 만들 때 쓰는 토큰 수를 8,192개에서 3,277개(40%)까지 줄이면 엔비디아 H100에서 물체 하나를 만드는 계산 시간이 5.67초에서 2.66초로 줄어 연구팀 표기로 2.14배 빨라집니다.
그런데 결과물을 실제 3D 그림으로 바꾸는 데 드는 약 3초를 더하면 이야기가 달라집니다. 빠른 버전 Idol-Turbo는 전체 시간이 3.48초에서 3.25초로 1.07배 빨라지는 데 그칩니다(다대구 계산). 저는 Budget3D가 보여 준 것이 속도 자체보다 품질과 비용을 사용자가 고르게 했다는 점이라고 봅니다.
1. 이미지 3D 생성 Budget3D, 토큰 개수를 쓰는 사람이 정한다
Budget3D는 Sperid Labs가 10월 말 공개한 이미지 3D 생성 모델 Idol과 11월 초 공개한 빠른 버전 Idol-Turbo를 다시 학습시킨 모델입니다. 두 모델은 사진 한 장을 받아 3D 가우시안 스플랫이라는 작은 점 구름 형태의 3D 모델로 바꿉니다.
원래 Idol은 물체마다 늘 8,192개의 토큰을 같은 크기로 씁니다. Budget3D는 내용이 거의 변하지 않는 부분, 특히 물체 바깥의 빈 공간을 큰 토큰 하나로 합치고 모양이 복잡한 부분에만 촘촘한 토큰을 남깁니다. 그래서 토큰 수를 100%에서 40%까지 실행할 때마다 정할 수 있습니다.
방법은 BudgetPix 논문에서 왔습니다. 외즈귀르 카라(Ozgur Kara) 등 연구진이 10월 8일 arXiv에 올린 이 논문은 이미지 생성에서 이 방식을 제안했고 Budget3D는 이를 3D 생성으로 옮긴 것입니다.
계산 자원은 미국 일리노이대(UIUC) 연구소가 지원했습니다. 하나의 모델 파일로 품질과 비용 사이를 오갈 수 있다는 점이 이 연구의 핵심이라고 봅니다.
2. 토큰 40%에서 계산 2.14배, 메모리는 21% 줄었다
연구팀이 H100 한 장에서 물체 8개씩 묶어 잰 결과 Budget3D-Idol의 물체 1개 계산 시간은 토큰 100%에서 5.67초, 60%에서 3.60초, 40%에서 2.66초였습니다. 토큰을 60% 덜어 내자 시간은 53.1% 줄었습니다(다대구 계산).

최대 메모리는 9.9GB에서 7.8GB로 21.2% 줄었습니다(다대구 계산). 빠른 버전 Idol-Turbo는 엔비디아 RTX PRO 6000에서 0.48초가 0.25초로, 메모리는 8.0GB가 6.6GB로 줄었습니다.
토큰 수와 시간이 거의 비례해 줄어든다는 점은 분명한 성과입니다. 같은 그래픽카드로 더 많은 물체를 한꺼번에 만들어야 하는 서비스라면 이 조절 손잡이만으로 비용을 절반 가까이 낮출 수 있다고 봅니다.
3. 렌더링 3초를 더하면 Idol-Turbo는 1.07배에 그친다
연구팀은 표 아래에 중요한 조건을 적어 두었습니다. 만든 결과를 가우시안으로 풀고 화면에 그리는 과정에 토큰 수와 관계없이 물체당 약 3초가 더 든다는 내용입니다.

이 3초를 더하면 Idol은 8.67초가 5.66초로 1.53배 빨라집니다. Idol-Turbo는 3.48초가 3.25초로 줄어 1.07배이고 줄어든 시간은 0.23초입니다(다대구 계산).
이미 빠른 모델에서는 생성 계산이 더 이상 병목이 아닙니다. 저는 Budget3D의 효과가 느린 고품질 모델을 서버에서 대량으로 돌릴 때 가장 크고 한 장씩 빠르게 뽑는 용도에서는 체감이 작다고 봅니다.
4. 품질이 얼마나 떨어지는지는 아직 숫자가 없다
토큰을 줄이면 품질은 얼마나 떨어질까요. 프로젝트 페이지에는 예시 영상만 있고 기술 보고서는 곧 공개한다고만 적혀 있어 3D 품질 지표는 아직 나오지 않았습니다.
참고할 숫자는 이미지 쪽 BudgetPix 논문에 있습니다. 텍스트로 이미지를 만드는 시험에서 계산량 25%만 쓰고도 기존 모델과 비슷한 품질을 냈고 다른 시험에서는 계산량 60%일 때 품질 지표 FID가 0.8 오르는 데 그쳤다고 밝혔습니다. 다만 이 결과가 3D에서도 그대로 나온다는 보장은 없습니다.
국내 연구도 같은 고민을 다룹니다. 지민석·배성호 연구팀은 2025년 한국소프트웨어종합학술대회에서 3D 가우시안 스플래팅의 가우시안 수가 학습 중 지나치게 늘어나는 문제를 공간 밀도 기준으로 덜어 내 모델 크기와 렌더링 속도를 비슷하게 유지하면서 화질 지표를 높였다고 보고했습니다. 최규형·김정이 연구팀은 2025년 문화기술의 융합에 낸 논문에서 사용자가 올린 이미지로 3D 에셋을 만들어 Unity 게임 엔진까지 보내는 소규모 제작용 흐름을 구현했습니다.
속도표는 연구팀이 직접 잰 값이고 독립 검증은 아직 없습니다. 기술 보고서에 토큰 비율별 3D 품질 점수가 나오기 전까지는 40% 설정을 시안용으로, 100% 설정을 최종본용으로 나눠 쓰는 편이 안전하다고 봅니다.
5. 써 보려면, CUDA 그래픽카드와 메모리 8GB 안팎
코드는 깃허브에 MIT 라이선스로, 모델 가중치는 허깅페이스에 Apache 2.0 라이선스로 올라와 있습니다. 파이썬 3.10 이상과 CUDA를 쓰는 엔비디아 그래픽카드가 필요하고 연구팀 측정 기준 메모리는 6.6~9.9GB를 씁니다.
11월 15일 조회 기준 Budget3D-Idol 내려받기는 23회, Budget3D-Idol-Turbo는 25회이고 깃허브 별은 36개입니다. 바탕 모델 Idol이 3만 3,423회 내려받아진 것과 비교하면 이제 막 공개된 단계입니다.
앞서 다룬 온디바이스 AI 음성 코덱 LiquidCodec 글과 풀듀플렉스 음성 AI Haru-4B 글처럼 요즘 공개 모델 경쟁은 성능 숫자에서 같은 성능을 얼마나 싸게 내느냐로 옮겨 가고 있습니다. 저는 쇼핑몰 상품 3D 보기나 게임 소품 시안처럼 물체를 대량으로 만드는 곳에서 이런 비용 조절 방식이 먼저 쓰일 것이라고 봅니다.
참고 논문: 지민석·배성호(2025), 「밀도 기반 부활 가지치기를 통한 3D 가우시안 스플래팅 개선」, 한국소프트웨어종합학술대회 논문집. · 최규형·김정이(2025), 「소규모 프로젝트를 위한 이미지 기반 3D 오브젝트 커스터마이징: 생성형 모델을 활용한 FastAPI-Unity Pipeline」, 문화기술의 융합 11(5).
본문 그래프 2점은 Budget3D 프로젝트 페이지의 속도·메모리 표로 다대구가 직접 계산·작성했습니다. 대표 이미지는 Budget3D 연구팀이 공개한 소개 영상 화면입니다.






