Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 컴퓨터 그래픽스에서 필수적인 단위 쿼터니언을 효율적으로 압축하는 새로운 방법을 제안합니다. 다양한 매개변수화 기법들을 비교 분석하여, 최적화된 warp 함수를 가진 무한대-노름 매개변수화가 최고의 저장 효율성과 낮은 최대 오차를 제공함을 입증했습니다.
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 바로가기단위 쿼터니언(Unit quaternions)은 컴퓨터 그래픽스에서 광범위하게 사용되므로, 메모리 소비 및 대역폭 요구 사항을 줄이는 데 효율적인 압축이 매우 중요합니다. 본 논문에서는 균일 분포 단위 쿼터니언을 인코딩하는 새로운 방법을 제시합니다. 여러 쿼터니언 매개변수화(quaternion parameterizations)에 대한 철저한 분석을 통해 이론적 오차 특성, 양자화 동작, 계산 비용 및 메모리 효율성을 비교하고 분석적 및 경험적 특징을 제공합니다. 우리는 최적화된 warp 함수를 가진 무한대-노름(infinity-norm) 매개변수화가 가장 작은 최대 오차와 최고의 저장 효율성을 일관되게 제공하며, 디압축 비용은 실제에서 발견되는 매개변수화 방법과 같거나 더 낮다는 것을 보여줍니다. 우리는 접선 공간 법선 매핑(tangent-space normal mapping), 블렌드 가중치를 사용한 골격 애니메이션(skeletal animation with blend weights), 그리고 Gaussian splatting을 포함한 여러 그래픽스 애플리케이션에서 제안된 접근 방식의 실질적인 이점을 입증합니다.