Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
3D Gaussian Splatting(3DGS)의 파라미터를 직접 조작하여 메쉬 없이도 도메인 랜덤화(DR)를 수행하는 새로운 프레임워크를 제안합니다. 광도와 기하학적 형상을 조절하는 두 가지 섭동 파이프라인을 통해 복잡한 유기적 대상에 대한 강건한 합성 데이터를 생성합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기도메인 랜덤화 (Domain Randomization, DR)는 Sim-to-Real 간극을 메우기 위한 표준적인 기술이지만, 전통적인 DR 파이프라인은 폴리곤 메쉬 (polygon meshes)에 의해 구동되는 고전적인 컴퓨터 그래픽스 렌더링에 의존합니다. 곤충 표본과 같이 복잡한 유기적 대상의 경우, 질감이 있는 메쉬를 추출하고 렌더링하는 것은 매우 어렵습니다. 이 문제를 해결하기 위해, 우리는 3D Gaussian Splatting (3DGS)의 파라미터 공간에서 작동하는 메쉬리스 (meshless) DR 프레임워크를 제안합니다. 우리의 방법은 무작위화된 학습 데이터셋을 합성하기 위해 두 개의 독립적인 섭동 (perturbation) 파이프라인을 채택합니다. 첫째, 광도 DR (Photometric DR) 파이프라인은 구면 조화 함수 (Spherical Harmonics, SH) 계수를 조절함으로써 베이크된 조명 (baked illumination)과 색상 균형을 변경합니다. 둘째, 절차적 DR (Procedural DR) 파이프라인은 대상의 원래 질감을 3D 공간 노이즈로 교체함으로써 대상의 기하학적 형상을 분리합니다. 마지막으로, 이러한 섭동된 복사 휘도장 (radiance fields)은 래스터화 엔진 (rasterization engine)을 사용하여 확률적으로 변화된 배경 위에 합성됩니다. 우리의 파라미터 조작은 복잡한 기하학적 구조에 대해 강건한 데이터셋을 생성하기 위한 메쉬리스 대안을 제공합니다.