Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 텍스트 프롬프트에 맞춰 3D 메시를 변형하면서도 원래의 자세(pose) 일관성을 유지하는 PoseAlign을 제안합니다. 이 방법은 전역 자세 스케일링과 국부 디테일 조각이라는 두 단계로 과정을 분해하여, 라플라시안 기반의 효율적인 전역 변형과 새로운 자세 정렬 손실 함수를 사용합니다.
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 바로가기메시 변형(Mesh deformation)은 3D 메시의 정점 위치를 변경하면서 위상 구조를 보존하는 과정으로, 컴퓨터 그래픽스의 핵심 요소입니다. 최근 수많은 텍스트 기반 3D 메시 변형 방법이 등장했음에도 불구하고, 초기 메시를 텍스트 프롬프트에 부합하고 동시에 자세(pose)를 유지하도록 변형하는 것은 여전히 어렵습니다. 본 논문은 PoseAlign을 제안하며, 이는 텍스트 기반 메시 변형 과정을 두 단계로 분해합니다: 전역 자세 스케일링(global pose scaling)과 국부 디테일 조각(local detail sculpting)입니다. 구체적으로, 첫 번째 단계에서는 더 효율적이면서도 부드러운 전역 변형을 가능하게 하는 미분 가능한 메시 표현으로 라플라시안(Laplacian)을 도입합니다. 다음으로, 어텐션 공유 메커니즘을 사용하여 스코어 디스틸레이션 샘플링(SDS)에 적응시킨 새로운 자세 정렬 SDS 손실(pose-aligned SDS loss)을 제안하며, 이는 변형된 메시의 미세한 기하학적 디테일을 조각하는 동시에 원래의 자세를 보존합니다. PoseAlign은 전체 변형 과정의 제어 가능성을 크게 향상시켜, 자세 보존과 텍스트 정렬 간에 유리한 균형을 달성합니다. 실험 결과는 텍스트 정렬 및 메시 품질 측면에서 본 방법의 경쟁 우위를 입증합니다. 코드는 다음에서 확인할 수 있습니다: https://cousingrade6.github.io/PoseAlign