Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ExMesh는 다중 뷰 이미지로부터 명시적 메쉬를 직접 최적화하는 새로운 프레임워크입니다. 미분 가능한 최적화와 이산적 위상 업데이트를 통합하여 기하학적 무결성을 유지하면서도 정밀한 메쉬 재구성을 가능하게 합니다.
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 바로가기다중 뷰 이미지(multi-view images)로부터 표면 메쉬(surface meshes)를 재구성하는 것은 최근 몇 년간 핵심적인 과제로 남아 있습니다. 암시적(implicit) 방식이든 명시적(explicit) 방식이든 대부분의 기존 방법들은 중간 표현(intermediate representations)과 Marching Cubes 또는 TSDF fusion과 같은 후처리 단계에 의존하며, 이는 종종 아티팩트(artifacts)와 파편화된 기하 구조(fragmented geometry)를 초래합니다. 명시적 메쉬를 직접 최적화하는 것은 유망한 접근 방식입니다. 하지만 여기에는 두 가지 결정적인 과제가 존재합니다. 첫 번째는 퇴화된 면(degenerate faces)을 생성하지 않으면서 세부 사항을 포착하기 위해 메쉬 위상(mesh topology)을 어떻게 적응적으로 정밀화(refine)할 것인가 하는 점입니다. 두 번째는 메쉬 구조가 진화함에 따라 고충실도 텍스처링(high-fidelity texturing)을 위한 일관된 UV 좌표를 어떻게 유지할 것인가 하는 점입니다. 이를 극복하기 위해, 우리는 미분 가능한 최적화(differentiable optimization)와 이산적 위상 업데이트(discrete topology updates)를 통합하여 명시적 메쉬를 직접 최적화하는 새로운 프레임워크인 ExMesh를 제안합니다. 구체적으로, 우리는 기하학적 무결성(geometric integrity)을 보존하면서 조립식(coarse-to-fine) 최적화를 가능하게 하기 위해 실시간 UV 유지(real-time UV maintenance)와 함께 적응형 정점 분할 및 병합(adaptive vertex splitting and merging) 전략을 도입합니다. 우리가 알기로, ExMesh는 이산적 위상 연산(discrete topology operations)을 연속적인 미분 가능 최적화 파이프라인(continuous differentiable optimization pipeline)에 원활하게 통합한 최초의 프레임워크입니다. 광범위한 실험을 통해 ExMesh가 정확도(accuracy), 계산 효율성(computational efficiency), 그리고 메쉬 간결성(mesh conciseness) 사이의 균형을 달성함을 입증합니다.