Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AnySurf는 방향성 에지(Directed Edge)를 활용하여 개방형, 폐쇄형 및 하이브리드 3D 표면을 생성하는 통합 프레임워크입니다. 기존 방식의 한계인 법선 및 위상 오류를 해결하며, 의류와 액세서리를 아우르는 범용적인 3D 생성 성능을 보여줍니다.
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 바로가기실제 산업용 3D 콘텐츠에서는 개방형 표면 (Open surface) 구성 요소가 지배적이며, 이는 렌더링 (Rendering), 물리 시뮬레이션 (Physical simulation) 및 기하학적 편집 (Geometric editing)을 지원합니다. 의류 (Garments)는 전형적인 개방형 표면 유형으로, 기존의 수많은 생성 방법들은 재봉 패턴 (Sewing patterns)을 활용하여 2D 패널을 생성하고 이를 3D 형상으로 스티치 (Stitch)하는 방식을 사용합니다. 이러한 도메인 특화 (Domain-specific) 설계는 확장성이 부족하며 신발이나 액세서리로 일반화될 수 없습니다. 일반적인 필드 기반 (Field-based) 3D 생성기들은 수밀 메쉬 (Watertight meshes)를 우선시하며, 개방형 표면에서 결함이 있는 이중 레이어 구조를 생성하는 경향이 있습니다. Trellis2가 필드 프리 표현법 (Field-free representation)을 채택했음에도 불구하고, 그 개방형 표면 결과물은 여전히 법선 (Normal) 및 위상 (Topology) 오류를 포함하고 있습니다.
우리는 정확한 면 방향 (Face orientation)을 가진 개방형, 폐쇄형 및 하이브리드 3D 표면을 생성하는 통합 프레임워크인 AnySurf를 제안합니다. 방향성 에지 (Directed-edge)가 강화된 Flexible Dual Grid (FDG-D)를 기반으로 구축된 우리의 표현법은 방향이 지정된 그리드 에지 (Oriented grid edges)를 통해 법선 방향 정보를 유지합니다. 또한 우리는 ROS-FT 사후 학습 (Post-training)과 단 1%의 추가 파라미터만을 사용하는 경량 DE-Adapter를 제안하여, 기존의 생성 성능을 유지하면서도 방향성 에지 학습을 용이하게 합니다. 더 나아가 우리는 산업용 의류와 폐쇄형 액세서리를 포함하는 Outfit3D 데이터셋을 구축했습니다. 우리의 연구는 의류 모델링을 보편적인 3D 생성 작업으로 변환합니다. 실험 결과는 우수한 메쉬 품질과 다운스트림 애플리케이션 (Downstream applications)에 대한 더 나은 실용성을 입증합니다.