UniBRep: 이미지 조건부 B-Rep 생성을 위한 통합 기하학 및 위상 학습

단일 이미지를 조건으로 경계 표현(Boundary Representation, B-rep)을 생성하려면 기하학의 충실한 재구성, 유효한 위상(topology), 그리고 복잡한 형태에 대한 지원이 필요합니다. 우리는 UniBRep이라는 기하학 중심 프레임워크를 제시하며, 이는 사전 학습된 이미지-3D 모델을 적응시켜 통합 중간 표현으로서 특징 메쉬(feature mesh)를 생성합니다. 이 표면은 기하학적 골격(geometric scaffold)을 제공하고, 공간적으로 정렬된 학습된 특징들은 위상 복구를 위한 면 분리 단서(face-separation cues)를 인코딩합니다. 두 개의 디코더 브랜치(decoder branches)가 기하학과 면 분리 특징을 생성하며, 이후 기하학 및 특징 기반의 구성 파이프라인은 매개변수화된 표면(parametric surfaces)에 맞추고, 경계 곡선과 연결성(connectivity)을 복구하며, CAD 커널을 사용하여 명시적 B-rep을 조립합니다. 메쉬 영역으로부터 위상을 복구하는 것은 미리 정의된 아키텍처 면 개수 제한을 피할 수 있게 하여, 면 개수가 형태의 복잡성에 따라 확장되도록 합니다. 표준 DeepCAD 벤치마크에서 UniBRep은 입력 중 80.49%에 대해 유효한 B-rep을 생성하며, CADDreamer 대비 면 Chamfer 거리를 0.1096에서 0.0345로 감소시킵니다. 매칭 비교에서도 UniBRep은 보고된 모든 지표에서 HoLa 공개 데모보다 우수한 성능을 보입니다. 추가 평가를 통해 표준 30면 범위를 넘어서는 고복잡성 형태에 대한 확장성, CAD 학습 분포 밖에 있는 객체로의 일반화(generalization), 그리고 실제 사진으로의 정성적 전이(qualitative transfer)가 입증되었습니다.