구조적 친화도(Structural Affinity): 일관된 케이지 기반 형상 설계를 위한 알고리즘

원문 발행 2026. 10. 16. 18:10원문 언어 영어AI 한국어 번역arXiv cs.GR (Graphics) 원문 보기

요약

본 논문은 3D 형상 설계를 위한 케이지 기반 변형(CBD)에 '구조적 친화도(Structural Affinity)'라는 새로운 정규화 기법을 제안합니다. 이 방법은 두 개의 케이지 구조를 결합하여 핸들 움직임을 직접 연결함으로써, 메시 왜곡과 케이지 교차 문제를 효과적으로 해결하고 더 규칙적인 변형을 가능하게 합니다.

핵심 포인트

구조적 친화도는 두 케이지를 결합해 핸들 움직임을 명시적으로 제어합니다.
메시 왜곡 감소 및 케이지 자체 교차(self-intersections) 제거에 효과적입니다.
로봇, 신경 변형 전송, 공기역학 최적화 등 다양한 분야에 적용 가능합니다.

케이지 기반 변형(Cage-based deformation, CBD)은 소수의 제어 핸들(control handles)을 통해 3D 기하학을 매개변수화하여 애니메이션 및 인터랙티브 모델링부터 도구 기반 공동 설계(tool-based co-design), 신경 변형 전송(neural deformation transfer), 공기역학적 형상 최적화(aerodynamic shape optimization)에 이르는 다양한 작업을 효과적으로 가능하게 합니다. CBD에 의존하는 많은 최적화 접근 방식은 부드럽고 규칙적인 케이지 변형을 장려함으로써 변형된 메시의 왜곡을 줄이기 위해 정규화 전략(regularisation strategies)을 사용합니다. 이러한 기법들은 최적화 알고리즘에 바람직한 변형 방향으로 부드러운 안내를 제공하지만, 변형 매개변수 자체를 변경하기보다는 작업 목표와 경쟁하는 경향이 있습니다. 본 논문에서는 구조적 친화도(Structural Affinity)를 CBD에 도입합니다. 이는 두 개의 케이지 구조를 활용하여 케이지 핸들 움직임을 직접 결합함으로써 제어 케이지를 통해 부드러운 변형을 가능하게 하는 명시적인 정규화 방법입니다. 구조적 친화도는 평균값 좌표(mean-value coordinates)를 사용하여 친화도 행렬(affinity matrix)을 미리 계산하며, 내부 제어 케이지를 더 거친 외부 케이지에 결합합니다. 이 행렬은 한 케이지 핸들 변위가 주변 핸들에 얼마나 전파되는지를 정의하며, 이는 케이지 자체 교차(cage self-intersections)를 상당히 감소시키고 종종 제거하며, 메시 왜곡을 줄이고, 변형 시점에 선형 오버헤드를 추가합니다. 로봇 제어-형태 공동 설계, 소스-대-타겟 신경 변형 전송, 공기역학적 날개 형상 최적화에 걸쳐 구조적 친화도는 더 규칙적인 변형을 생성하며 수작업으로 설계된 구조 손실 항(structural loss terms)에 대한 의존도를 상당히 줄입니다. 우리는 세 가지 상호 보완적인 진단 지표에서 일관된 성능 향상을 보고합니다: 표면 부드러움의 대리 지표인 코탄젠트 라플라시안(cotangent Laplacian), 제어 핸들이 일관되게 움직이는지를 포착하는 케이지 왜곡(cage distortion), 그리고 날개 기하학의 바람직하지 않은 진동을 측정하는 표면 거칠기(surface roughness)입니다.

AI 자동 생성 콘텐츠

원문 바로가기

구조적 친화도(Structural Affinity): 일관된 케이지 기반 형상 설계를 위한 알고리즘

요약

핵심 포인트

댓글