CreativeFlow: 3D 에셋 생성을 위한 One-to-Many 유추 관계 전이 방법

원문 발행 2026. 10. 04. 21:24원문 언어 영어AI 한국어 번역arXiv cs.GR (Graphics) 원문 보기

요약

본 논문은 인지 과학에서 영감을 받아, 텍스트-투-3D 파이프라인의 창의적 균질화를 완화하는 'CREATIVEFLOW'라는 유추적 생성 프레임워크를 제안합니다. 이 방법은 의미적으로 유사하면서도 관계적으로 다른 소스-타겟 에셋 쌍을 도출하여, 3D 모델 학습에 필요한 기초 데이터셋 및 벤치마크를 제공합니다.

핵심 포인트

텍스트-투-3D의 창의적 균질화 문제를 해결하는 프레임워크 제시
유추적 발산 사고(analogical divergent thinking)를 명시적으로 모델링함
관계적으로 유사한 소스-타겟 에셋 쌍을 도출하여 데이터셋 구축에 활용 가능
창의적 참신성 및 시각적 매력도 향상 효과 입증

인지 과학에서 영감을 받아, 우리는 CREATIVEFLOW를 제시합니다. 이는 텍스트-투-3D 파이프라인에서 창의적 균질화(creative homogenization)를 완화하기 위해 유추적 발산 사고(analogical divergent thinking)를 명시적으로 모델링하는 유추적 생성 프레임워크입니다. 저희 방법은 각기 다른 기하학적 구성을 특징으로 하는, 의미 있으면서도 관계적으로 유사한 소스-타겟 에셋 쌍의 시리즈를 도출합니다. 전문가 평가에 따르면, 저희 프레임워크는 창의적 참신성(creative novelty)과 시각적 매력도를 크게 향상시키는 것으로 입증되었습니다. 이 워크플로우와 그 결과로 얻은 에셋들은 미래 관계 인식 3D 모델 학습을 위한 기초 데이터셋 및 벤치마크를 확립합니다.

AI 자동 생성 콘텐츠

원문 바로가기

CreativeFlow: 3D 에셋 생성을 위한 One-to-Many 유추 관계 전이 방법

요약

핵심 포인트

댓글