본 논문은 3D 표면 데이터를 효과적으로 부호화하는 방법을 제안한다. 3D 표면은 부호화된 거리 함수(Signed Distance Function, SDF 또는 Unsigned Distance Function, UDF)로 표현될 수 있으며, 이를 신경망으로 학습할 수 있다.
저자들은 신경망 기반 UDF 학습 시 표면 엣지 부분에 더 집중하여 학습하는 방법을 제안한다. 이를 위해 먼저 통계적 방법을 이용하여 표면 엣지를 효과적으로 검출하는 방법을 소개한다. 구체적으로 각 점에서의 이웃 점들을 평균 평면에 투영한 후, 투영된 점들의 중심 대칭성을 검정하여 엣지 여부를 판단한다. 이때 투영된 각도 좌표를 Fréchet 평균 중심화하여 참조축 의존성을 제거한다.
다음으로 검출된 엣지 부분에 더 많은 학습 포인트를 샘플링하여 신경망 기반 UDF를 학습한다. 이를 통해 엣지 부분의 국소적 정확도를 높이고, 전체적인 표면 재구성 성능(Hausdorff 거리 기준)을 향상시킬 수 있다.
마지막으로 학습된 신경망 UDF의 성능을 Hausdorff 거리를 이용하여 평가한다.
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések