PoseAlign: 텍스트 안내를 통한 포즈 일관성 메쉬 조형
요약
본 논문은 텍스트 안내 기반의 3D 메쉬 변형 과정에서 포즈 일관성을 유지하는 PoseAlign을 제안합니다. 이 방법은 전역 포즈 스케일링과 국소 디테일 조형 두 단계로 과정을 분해하여, 라플라시안 도입 및 새로운 포즈 정렬 SDS 손실을 사용합니다. 이를 통해 텍스트 프롬프트에 부합하면서도 원래의 포즈를 효과적으로 보존할 수 있습니다.
핵심 포인트
- PoseAlign은 텍스트 안내 기반 메쉬 변형의 어려움을 해결하는 방법론입니다.
- 전역 포즈 스케일링을 위해 라플라시안(Laplacian)을 미분 가능한 메쉬 표현으로 도입했습니다.
- 새로운 포즈 정렬 SDS 손실을 제안하여 기하학적 디테일과 원래 포즈 보존의 균형을 맞춥니다.
메쉬 변형(Mesh deformation)은 3D 메쉬의 정점 위치를 변경하면서도 위상학적 구조를 보존하는 과정으로, 컴퓨터 그래픽스의 핵심 요소입니다. 최근 수많은 텍스트 안내 기반 3D 메쉬 변형 방법들이 등장했음에도 불구하고, 초기 메쉬를 텍스트 프롬프트에 부합하게 하면서 동시에 포즈를 유지하도록 변형시키는 것은 여전히 어려운 과제입니다. 본 논문은 PoseAlign을 제안하며, 이는 텍스트 안내 기반 메쉬 변형 과정을 두 단계로 분해합니다: 전역 포즈 스케일링(global pose scaling)과 국소 디테일 조형(local detail sculpting). 구체적으로, 첫 번째 단계에서는 더 효율적이면서도 부드러운 전역 변형을 가능하게 하기 위해 라플라시안(Laplacian)을 미분 가능한 메쉬 표현으로 도입합니다. 다음으로, 우리는 어텐션 공유 메커니즘(attention-sharing mechanism)을 사용하여 스코어 디스틸레이션 샘플링(SDS)에 적응시킨 새로운 포즈 정렬 SDS 손실(pose-aligned SDS loss)을 제안합니다. 이는 변형된 메쉬의 미세한 기하학적 디테일을 조형하는 동시에 원래의 포즈를 보존합니다. PoseAlign은 전체 변형 과정의 제어 가능성을 크게 향상시켜, 포즈 보존과 텍스트 정렬 사이에서 유리한 균형을 달성합니다. 실험 결과는 텍스트 정렬 및 메쉬 품질 측면에서 본 방법론의 경쟁 우위를 입증합니다. 코드는 다음에서 이용 가능합니다: https://cousingrade6.github.io/PoseAlign
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 바로가기