해상도에 불변하는 적응형 볼륨 기계적 특성 필드

정확한 기계적 특성(mechanical properties) 또는 재료(materials)인 영률 (Young's modulus, $E$), 포아송 비 (Poisson's ratio, $ν$), 그리고 밀도 (density, $ρ$)는 디지털 세계의 신뢰할 수 있는 물리 시뮬레이션 (physics simulation)을 위해 필수적이지만, 대부분의 3D 에셋 (assets)은 이러한 정보가 부족합니다. 우리는 다양한 표현 방식(representations)에 걸쳐 입력된 3D 객체에 대해 정확하고 조밀하며 공간적으로 변화하는 ($E$, $ν$, $ρ$)를 예측하는 방법론인 AdaVoMP를 제안하며, 이는 최신 기술(state-of-the-art) 대비 해상도, 정확도 및 메모리 효율성을 향상시킵니다. 우리 기술의 기초는 입력된 3D 형상과 출력되는 재료 필드(material field)를 모두 효율적으로 표현하는 희소 적응형 복셀 구조 (sparse and adaptive voxel structure, SAV)입니다. 우리는 가장 정확했던 기존 방법인 VoMP의 고정 복셀 (fixed-voxel) 모델을, 모든 입력 형상에 대해 재료를 표현하기 위한 고유한 SAV를 자기회귀적 (autoregressively)으로 생성하도록 학습하는 새로운 희소 트랜스포머 인코더-디코더 (sparse transformer encoder-decoder) 모델로 대체하였으며, 이를 통해 기존 기술보다 $16^3 imes$ 더 높은 해상도를 달성했습니다. 실험 결과, AdaVoMP는 모든 기존 기술보다 더 적은 테스트 시간 연산량 (test-time compute)을 사용하면서도 더 정확한 볼륨 특성 (volumetric properties)을 추정함을 보여줍니다. 이를 통해 우리는 고해상도의 복잡한 3D 객체를 시뮬레이션 준비가 된 에셋으로 변환할 수 있으며, 결과적으로 사실적인 변형 시뮬레이션 (deformable simulations)을 구현할 수 있습니다.