스마트폰 바디 스캔과 1cm의 함정

실제 변화를 추적할 때 반복성만으로는 충분하지 않은 이유

허리둘레 1cm의 변화는 의미가 있을 수 있습니다. 어떤 사람에게는 꾸준한 운동과 식사 관리, 회복, 또는 정해 둔 방향을 몇 달 동안 지켜 온 결과일 수도 있습니다.

그렇다면 신체를 추적하는 기술에는 현실적인 문제가 생깁니다.

몸이 실제로 변하지 않았는데도 측정값이 1cm 움직일 수 있다면, 어떻게 1cm의 변화가 진짜인지 알 수 있을까요?

최근 스마트폰 신체 스캔 연구가 다루는 질문이 바로 이것입니다. 연구 결과가 모든 스마트폰 스캔이 쓸모없다고 말하는 것은 아닙니다. 삼각대에 휴대폰을 고정하고, 촬영 공간을 통제하고, 정해진 자세를 지키며, 몇 분 간격으로 스캔을 반복하면 일부 최신 시스템은 인상적인 반복성을 보여 줄 수 있습니다.

하지만 반복성은 개인 수준의 정확도와 같은 말이 아닙니다. 같은 사람을 두 번 측정해 거의 같은 값이 나와도, 그 값이 줄자 측정값이나 기준 스캐너의 결과, 또는 실제 신체 치수와 계속 다를 수 있습니다. 연구에서 평균적인 추세를 설명하기에는 충분한 방법이라도, 한 사람의 작은 변화를 실제 변화라고 확인하기에는 불확실성이 너무 클 수 있습니다.

그래서 Contura는 측정값을 먼저 기록하는 방식을 사용합니다. 3D 모델은 측정값을 대신해 카메라로 숫자를 만들어 내는 장치가 아니라, 내가 기록한 값을 보고 비교하는 방법입니다.

측정 조작부와 3D 신체 모델을 보여 주는 Contura 신체 측정 추적 화면. — Contura는 입력한 신체 측정값을 일관된 3D 변화 기록으로 바꿉니다.

Contura는 입력한 신체 측정값을 일관된 3D 변화 기록으로 바꿉니다.

삼각대에 놓인 스마트폰 신체 스캔과 허리에 둘러진 부드러운 줄자와 기록 노트를 대비한 편집 일러스트. — Contura를 위해 제작한 편집 일러스트: 카메라 스캔은 신체 모델을 추정하고, 줄자 측정 방식은 측정 과정을 드러내 둡니다.

자주 함께 묶이지만 서로 다른 세 가지 개념

“오차 0.5cm” 같은 숫자를 읽기 전에, 연구에서 서로 다른 방식으로 측정하는 세 가지 개념을 나눠 볼 필요가 있습니다.

용어	무엇을 묻는가	왜 중요한가
정밀도 또는 반복성	몸이 변하지 않았다면 두 번의 측정값이 얼마나 비슷한가?	반복 측정에서 생기는 기술적 잡음의 크기를 보여 줍니다.
정확도 또는 일치도	기준 방법과 결과가 얼마나 가까운가?	체계적인 편향과 개인별 불일치를 보여 줍니다.
최소 유의 변화(LSC)	두 값의 차이가 측정 잡음 때문일 가능성이 낮다고 보려면 얼마나 커야 하는가?	변화를 해석할 때 사용할 실용적인 기준을 정합니다.

급내상관계수(ICC)는 반복성을 평가하는 데 유용하지만, ICC가 높다고 해서 절대적인 숫자가 정확하다는 뜻은 아닙니다. 한 방법이 허리둘레를 계속 작게 추정하거나 엉덩이둘레를 계속 크게 추정해도 상관관계는 높게 나올 수 있습니다.

변화 추적이 목적이라면 LSC가 특히 중요합니다. 체성분 연구에서 두 번의 측정값을 비교할 때 LSC는 흔히 다음과 같이 계산합니다.

LSC ≈ 2.77 × precision error

따라서 정밀도 오차가 0.5cm인 방법이라고 해서 0.5cm 차이가 나타날 때마다 실제 변화라고 단정할 수는 없습니다.

조건을 통제한 360도 스마트폰 연구가 실제로 보여 준 것

최근의 대표적인 연구 중 하나는 성인 46명을 대상으로 네 가지 디지털 인체측정 방법을 비교했습니다. 그중 하나는 사용자가 한 바퀴를 완전히 도는 동안 스마트폰으로 연속 이미지를 촬영하는 앱이었습니다. 여러 둘레 측정값을 평균했을 때, 360도 회전 방식 스마트폰의 평균 기술적 측정 오차는 0.5cm, 상대 오차는 0.9%, ICC는 0.986이었습니다. 통제된 실험에서 이 방식은 휴대성이 낮은 대형 3D 스캐너와 비슷한 수준의 반복성을 보였습니다. Tinsley et al., European Journal of Clinical Nutrition (2024)

중요한 결과입니다. 조건을 잘 설계한 360도 파이프라인이 반복 측정에서 어느 정도까지 도달할 수 있는지 보여 주기 때문입니다.

하지만 다음을 의미하지는 않습니다.

모든 스캔이 실제 허리둘레에서 0.5cm 이내로 나온다는 뜻
0.5cm가 최대 오차이거나 모든 상황에 적용되는 보장값이라는 뜻
다음 날 다른 방, 다른 자세, 다른 옷, 다른 휴대폰으로 찍은 스캔이 실험실 스캔과 같다는 뜻
개인 스캔 두 번 사이에 생긴 0.5cm 차이가 자동으로 실제 변화라는 뜻

관련된 2024년 Frontiers in Medicine 연구를 보면 이 차이가 더 분명해집니다. 이 연구는 360도 회전 중 많은 이미지를 촬영하는 스마트폰 3D 스캔 앱을 사용했고, iPhone을 참가자에서 약 1.7m 떨어진 삼각대에 고정했습니다. 참가자는 A 포즈를 유지하고 몸에 붙는 최소한의 옷을 입었으며, 검사 전날 밤부터 금식하고 검사 전 최소 24시간 동안 운동을 피했습니다. 연구는 360도 스캔 중 몸이 움직이기 때문에 소프트웨어가 **비강체 아바타 재구성(non-rigid avatar reconstruction)**을 사용해야 하며, 이 과정에서 추가 오차가 생길 수 있다고도 설명합니다. Tinsley et al., Frontiers in Medicine (2024)

이 논문에서 보고한 LSC 1.39~1.82%p는 체지방률 방정식에 적용된 값이지 허리둘레에 적용된 값이 아닙니다. 논문에 등장하는 둘레 측정값 0.5cm는 앞서 소개한 360도 회전 연구에서 인용한 결과입니다.

다음 계산은 둘레 측정의 LSC를 그 논문이 보고했다는 뜻이 아니라, 개념을 설명하기 위한 단순한 예시입니다. 정밀도 오차 0.5cm를 같은 공식에 넣으면 대략 다음과 같습니다.

2.77 × 0.5 cm ≈ 1.4 cm

핵심은 이것입니다. 평균적인 반복 측정 오차가 0.5cm인 방법도, 측정 잡음을 넘어섰다고 확신하려면 그보다 큰 변화가 필요할 수 있습니다. 1cm의 변화가 실제일 수는 있지만, 한 사람의 변화로 자신 있게 식별하기에는 여전히 작은 값일 수 있습니다.

여러 체질량지수 값에서 정면, 측면, 뒷면으로 표시한 재구성 3D 신체 아바타 예시. — BMI별로 재구성한 아바타 예시입니다. 3D 아바타는 유용한 시각적 모델이지만, 매끈하고 완성도 높게 보인다고 해서 직접 측정값인 것은 아닙니다. Tinsley et al. (2024)에서 재사용, CC BY 4.0.

스마트폰으로 추정한 체지방률과 DXA 결과를 비교한 Bland–Altman 도표. 평균 차이와 개인별 차이의 분포가 표시되어 있습니다. — 일치도는 상관관계와 다릅니다. 개인별 차이가 얼마나 넓게 퍼져 있는지가 중요합니다. Tinsley et al. (2024)에서 재사용, CC BY 4.0.

MeThreeSixty 연구가 평균값이 오해를 만들 수 있는 이유를 보여 주는 방법

앞서 말씀하신 연구는 스마트폰 앱의 결과를 전문가가 줄자로 측정한 값과 직접 비교했습니다. 성인 115명이 참여했고, iPhone과 Samsung에서 실행한 MeThreeSixty, 그리고 myBVI를 평가했습니다. 기준이 된 허리둘레와 엉덩이둘레는 참가자가 집에서 대충 잰 값이 아니라, 통제된 실험실 절차에 따라 연구자들이 측정했습니다. Graybeal et al., British Journal of Nutrition (2023)

허리둘레와 엉덩이둘레의 정밀도 오차는 0.5~1.9cm 범위였습니다. 세부 결과를 보면 이 범위가 왜 중요한지 알 수 있습니다.

방법	허리둘레 정밀도 오차	엉덩이둘레 정밀도 오차
전문가 줄자 기준 측정	0.63cm	0.65cm
iPhone의 MeThreeSixty	0.54cm	0.51cm
Samsung의 MeThreeSixty	0.87cm	0.90cm
iPhone과 Samsung 간 MeThreeSixty	1.91cm	1.59cm
myBVI	1.12cm	1.91cm

이 값은 반복성에 관한 결과입니다. 앱의 숫자가 실제 몸둘레에 얼마나 가까운지는 말해 주지 않습니다.

연구진이 앱 결과를 기준 줄자 측정값과 비교했을 때, iPhone의 MeThreeSixty는 허리둘레를 평균 2.3cm 작게 추정했고, 엉덩이둘레는 평균 3.1cm 크게 추정했습니다. 앱별 95% 일치 한계는 허리둘레에서 약 ±9.0~±12.4cm, 엉덩이둘레에서 약 ±6.7~±10.7cm 범위였습니다.

일부 측정값은 사전에 정한 5% 동등성 범위 안에서 집단 수준의 동등성을 보였습니다. 그러나 이것은 어떤 개인의 결과도 줄자 측정값과 서로 바꿔 쓸 수 있다는 뜻이 아닙니다. 실제로 허리둘레를 조금 작게 추정하고 엉덩이둘레를 크게 추정하는 경향이 합쳐지면서, 허리-엉덩이 비율은 기준 방법과 동등하지 않았습니다.

여기서 얻을 수 있는 핵심 교훈은 다음과 같습니다. 평균을 비교했을 때는 괜찮아 보이는 방법도 개인별 오차는 넓게 퍼질 수 있습니다. “내 허리둘레가 정말 1cm 줄었나?”라는 질문을 하려면 집단 평균보다 개인에게 생기는 오차가 더 중요합니다.

스마트폰 허리둘레, 엉덩이둘레, 허리-엉덩이 비율, 허리-키 비율을 줄자 측정값과 비교한 동등성 도표. — 동등성 분석은 집단 수준의 차이를 사전에 정한 5% 범위와 비교합니다. 이 검사를 통과했다고 해서 모든 개인 스캔이 줄자 측정값과 서로 바꿔 쓸 수 있게 되는 것은 아닙니다. Graybeal et al. (2023)에서 재사용, CC BY 4.0.

허리둘레, 엉덩이둘레, 허리-엉덩이 비율, 허리-키 비율에서 스마트폰 측정값과 줄자 측정값 사이의 분포와 일치 한계를 보여 주는 Bland–Altman 도표. — Bland–Altman 도표는 개인별 차이가 얼마나 퍼져 있는지를 보여 줍니다. 평균적인 편향은 이야기의 한 부분일 뿐입니다. Graybeal et al. (2023)에서 재사용, CC BY 4.0.

이미지를 더 많이 찍어도 개인 수준의 문제는 사라지지 않습니다

2026년에 발표된 더 최근의 연구는 MeThreeSixty, Bodygram, ZOZO Fit을 DXA와 비교해 체지방률을 평가했습니다. 이 비교에서 여러 이미지를 사용하는 방식은 참가자가 360도로 회전하는 동안 사진 12장을 촬영하는 ZOZO Fit이었습니다. 세 앱 모두 같은 세션에서 반복 측정했을 때 ICC 0.98~0.99로 매우 높은 반복성을 보였습니다. ZOZO Fit은 체지방률 RMSE가 **2.95%**로 가장 낮았고, DXA와의 일치도도 가장 높았습니다.

하지만 어떤 앱도 연구에서 사전에 정한 ±2%p 범위 안의 동등성을 달성하지 못했습니다. ZOZO Fit의 개인별 일치 한계도 약 −5.89~+8.36%p로 넓었고, DXA와 ±2%p 이내로 일치한 참가자는 44%에도 미치지 못했습니다. 연구진은 앱들이 높은 반복성을 보였지만, 임상적 의사결정에 사용하기에는 개인 수준의 정확도가 충분하지 않다고 결론 내렸습니다. Encarnação et al., Clinical Nutrition ESPEN (2026)

이 연구는 허리둘레가 아니라 체지방률을 측정했으므로, 특정 앱의 허리둘레가 같은 정도로 틀린다고 주장하는 근거로 사용해서는 안 됩니다. 다만 카메라 이미지에서 개인의 결과를 만들어 내는 같은 종류의 추론 과정을 평가했습니다.

카메라 이미지 → 분할과 신체 모델 → 추정된 신체 측정값 → 개인별 결과

결과는 시사하는 바가 분명합니다. 이미지를 더 많이 촬영하면 평균적인 모델 적합도는 좋아질 수 있지만, 개인의 변화까지 정확하게 찾아낸다는 보장은 생기지 않습니다. 데이터가 많아지는 것은 도움이 되지만, 추정된 모델의 출력을 직접 측정한 물리적 값으로 바꾸어 주지는 않습니다.

별도의 오픈 액세스 연구는 자세에 따라 재구성 결과가 얼마나 민감해질 수 있는지 보여 줍니다. 한 참가자에게서 측면 이미지를 촬영할 때 팔의 위치만 바꾸자, 몸은 변하지 않았는데 생성된 허리둘레가 약 6cm 달라졌습니다. 모든 스마트폰 스캔이 6cm 오차를 만든다는 뜻은 아닙니다. 입력 자세 자체가 측정 시스템의 일부라는 점을 구체적으로 보여 주는 사례입니다. Minetto et al., Scientific Reports (2023)

스마트폰 촬영에서 팔을 올바르게 둔 경우와 잘못 둔 경우, 그리고 그 결과 생성된 3D 아바타를 보여 주는 오픈 액세스 연구 그림. 논문은 두 아바타 사이에 약 6cm의 허리둘레 차이가 생겼다고 보고합니다. — 이 사례에서는 팔의 위치가 재구성된 허리둘레를 약 6cm 바꾸었습니다. Minetto et al. (2023)에서 재사용, CC BY 4.0.

ZOZOFIT의 공식 도움말은 측정 부위에 따라 0.4cm의 오차 범위가 있다고 안내합니다. 이 숫자는 회사가 정의한 기준과 데이터셋, 검사 프로토콜을 바탕으로 한 것일 수 있으며, 모든 신체 부위와 체형, 휴대폰, 방, 자세, 소프트웨어 버전에 적용되는 보편적인 95% 오차 한계로 읽어서는 안 됩니다. 앱의 안내에도 360도 회전 동안 일정한 위치를 유지하고, 휴대폰과의 거리를 고정하며, 배경을 깨끗하게 하고, 조명을 고르게 해야 한다고 적혀 있습니다. ZOZOFIT: “How accurate are the ZOZOFIT measurements?” · ZOZOFIT 스캔 위치 안내

이것은 단순한 소프트웨어 버그가 아니라 구조적인 문제입니다

휴대폰 카메라는 허리둘레를 직접 재지 않습니다. 픽셀과 실루엣을 관찰한 뒤, 소프트웨어가 3차원 표면을 추정하고, 해부학적 기준점이 어디인지 정하고, 재구성된 신체의 단면을 계산해야 합니다.

이것은 역문제입니다. 특히 연조직, 옷, 그림자, 서로 겹쳐 보이는 신체 부위, 카메라에 가려진 영역에서는 서로 다른 3D 형태가 비슷한 2D 이미지로 보일 수 있습니다. 360도 회전은 알고리즘에 훨씬 더 많은 정보를 제공하지만, 결과는 여전히 이미지의 품질과 일관성, 그리고 그 이미지를 해석하는 모델에 의존합니다.

불확실성의 주요 원인은 수학적인 문제뿐 아니라 현실적인 조건에도 있습니다.

같은 기준점을 재고 있다는 보장이 없습니다. 허리둘레는 장골능, 가장 아래쪽 갈비뼈와 장골능 사이의 중간 지점, 배꼽, 자연스러운 허리선 등에서 측정할 수 있습니다. 특히 여성에서는 이 위치에 따라 값이 크게 달라질 수 있습니다. Mason and Katzmarzyk, Obesity (2009)
자세와 움직임이 표면을 바꿉니다. 제자리에서 회전하는 사람의 몸은 단단한 물체가 아닙니다. 연구에서도 비강체 아바타를 재구성한 뒤 기준 포즈로 정규화해야 한다고 설명합니다.
옷과 조명이 실루엣에 영향을 줍니다. ZOZOFIT과 MeThreeSixty가 모두 몸에 붙는 옷, 배경, 카메라 위치와 조명에 관한 안내를 제공하는 이유는 이미지 처리 과정이 이러한 입력값에 의존하기 때문입니다.
휴대폰과 소프트웨어 버전이 중요합니다. MeThreeSixty 연구에서도 iPhone과 Samsung 구현 사이에 정밀도 차이가 나타났습니다. 소비자용 앱은 시간이 지나면서 재구성 방식과 아바타 알고리즘을 바꾸기도 합니다.
학습에 사용된 참가자 집단이 중요합니다. 한 체형 분포로 학습된 모델은 체형 비율, 크기, 나이, 지방 분포가 다른 사람에게 다르게 작동할 수 있습니다. MeThreeSixty 연구는 하위집단별 차이를 발견했고, 실제 사용자가 집에서 스스로 측정하는 상황과 장기 추적에 대한 추가 연구가 필요하다고 명시했습니다.

이 모든 내용이 스마트폰 스캔은 쓸모없다는 뜻은 아닙니다. 다만 관심 있는 변화가 작을수록, 스캔은 불확실성을 함께 고려해야 하는 추정값이라는 뜻입니다.

줄자도 완벽하지 않습니다. 바로 그 점이 중요합니다

대안이 오차가 전혀 없는 마법 같은 도구인 것은 아닙니다. 줄자 측정도 기준점, 자세, 호흡, 줄자의 장력, 측정자의 숙련도에 영향을 받습니다.

초보 측정자가 허리둘레와 엉덩이둘레를 잰 연구에서, 연구진은 해당 프로토콜 아래 95% 신뢰수준으로 허리둘레 3.0cm 초과, 엉덩이둘레 2.0cm 초과의 변화는 실제 변화로 볼 수 있다고 보고했습니다. Wang et al., Perceptual and Motor Skills (2010)

교훈은 “줄자는 언제나 정확하다”가 아닙니다. 진지하게 변화를 추적하려면 측정 프로토콜을 명시적으로 정해야 한다는 것입니다. 기준점, 조건, 방법, 그리고 이 방법으로 실제로 구분할 수 있는 변화의 크기를 알고 있어야 합니다.

Contura가 측정값 중심의 3D 추적을 사용하는 이유

Contura는 의도적으로 카메라 신체 스캐너가 아닙니다. 사진 두 장이나 360도 스마트폰 스캔만으로 모든 둘레를 추정할 수 있다고 약속하지 않습니다.

대신 측정 과정이 눈에 보입니다.

카메라 우선 스캔	Contura의 측정값 중심 추적
신체 → 사진 → 실루엣 추출 → 추정 3D 메시 → 자체 기준점 → 측정값	신체 → 반복 가능한 줄자 기준점 → 사용자가 기록한 측정값 → 3D 시각화 → 과거 비교
편리하지만 여러 숨은 단계가 숫자에 영향을 줄 수 있습니다	조금 더 의식적인 과정이지만 입력값을 확인하고 같은 방식으로 반복할 수 있습니다
스캔 결과가 곧 측정값입니다	측정값이 출발점이고, 3D는 시각적 결과입니다

Contura는 같은 측정 위치를 계속 확인하고, 여러 부위의 둘레를 시간에 따라 기록하며, 그 숫자를 회전할 수 있는 3D 신체 상태로 바꾸도록 돕습니다. 두 날짜를 비교하면 측정된 차이가 일관된 시각적 기준 안에서 어떻게 나타나는지 볼 수 있습니다.

그렇다고 줄자가 오류가 없어진다는 뜻은 아닙니다. 과정이 더 투명해진다는 뜻입니다. 숫자가 달라졌다면 설명되지 않은 모델 출력에 그대로 의존하는 대신 측정 단계에서 어떤 일이 있었는지 확인할 수 있습니다. 한 번의 측정이 가진 불확실성보다 작은 변화라면, 단일 스캔이 결론을 내리게 하기보다 반복되는 추세를 기다릴 수 있습니다.

시각적인 진행 상황 오버레이와 함께 두 개의 3D 신체 상태를 비교하는 Contura 화면. — Contura는 한 번의 스캔을 정답으로 취급하지 않고, 여러 측정값을 비교 가능한 3D 타임라인으로 바꿉니다.

Contura는 한 번의 스캔을 정답으로 취급하지 않고, 여러 측정값을 비교 가능한 3D 타임라인으로 바꿉니다.

변화를 진지하게 추적한다면 어떻게 해야 할까요?

관심 있는 변화의 크기에 맞는 방법을 사용하세요.

분명한 해부학적 기준점을 정하고 계속 같은 곳을 사용합니다.
시간대, 옷, 자세, 호흡, 최근 운동 여부를 비슷하게 맞춘 상태에서 측정합니다.
줄자를 계속 조여 숫자가 원하는 값이 나올 때까지 조정하지 말고, 한 번 읽은 뒤 줄자를 풀어 다시 측정합니다.
숫자와 함께 어떤 방법으로 측정했는지도 기록합니다.
하루의 단일 차이가 아니라 의미 있는 간격을 두고 반복되는 추세를 봅니다.
스캔으로 만든 3D 신체 모델이든 측정값으로 만든 모델이든, 모두 시각화로 대하세요. 의료 진단이나 완벽한 디지털 트윈이 아닙니다.

대략적인 시각 확인이나 큰 폭의 변화를 보는 목적이라면 스마트폰 스캔이 편리할 수 있습니다. 하지만 느리게 진행되는 1cm의 변화가 실제인지 알고 싶다면 카메라 스캔에만 의존하지 마세요. 반복할 수 있는 측정 방법을 사용하고, 기록을 보존하고, 측정 방법의 불확실성을 고려해 결과를 해석하세요.

Contura의 역할은 신체 측정이 아무 노력 없이 가능하다고 가장하는 것이 아닙니다. 신중하게 측정하고, 비교하고, 이해하는 과정을 더 쉽게 기록하도록 돕는 것입니다.

App Store에서 Contura 살펴보기

자주 묻는 질문

기술적 오차가 0.5cm라면 스캔이 0.5cm까지 정확하다는 뜻인가요?

아닙니다. 360도 연구에서 0.5cm는 통제된 조건에서 둘레 측정값을 반복해서 얻었을 때 나온 평균 기술적 측정 오차입니다. 최대 오차나 모든 상황에 적용되는 보장값이 아니며, 실제 허리둘레와의 일치도를 직접 보여 주는 값도 아닙니다.

그렇다면 스마트폰 신체 스캔은 쓸모없다는 뜻인가요?

아닙니다. 대략적인 시각화, 큰 폭의 변화, 연구, 일부 집단 수준의 활용에는 도움이 될 수 있습니다. 다만 한 개인의 작은 변화가 실제인지 묻는 상황에서는 근거가 더 약합니다.

Contura가 MeThreeSixty나 ZOZOFIT보다 더 정확한가요?

Contura는 검증되지 않은 “모든 상황에서 더 정확하다”는 보편적인 주장을 하지 않습니다. 대신 다른 측정 모델을 사용합니다. 사용자가 둘레를 직접 기록하고 Contura가 그 값을 시각화하고 비교합니다. 따라서 자동 카메라 추정보다 투명한 장기 측정 추적에 더 적합합니다.

줄자는 항상 정확한가요?

아닙니다. 줄자 측정도 일관된 기준점과 방법이 필요합니다. 다만 측정 과정이 눈에 보이고, 배우고, 반복할 수 있다는 장점이 있습니다. 사용자가 방법을 확인하고 바로잡을 수 있으며, 숨은 추론 결과를 그대로 받아들일 필요가 없습니다.

얼마나 자주 측정해야 하나요?

대부분의 사람은 매일 측정할 필요가 없습니다. 체지방을 줄이는 중이라면 1~~2주에 한 번, 체형 변화가 더 느린 경우에는 2~~4주에 한 번 측정하는 방식이 꾸준히 지키기 쉽습니다. 몸이 변할 시간을 확보하면서도 측정 조건을 비슷하게 유지할 수 있는 간격이 가장 좋습니다.

스마트폰 바디 스캔과 1cm의 함정: 반복성만으로는 충분하지 않은 이유