Core Concepts
단일 RGB-D 비디오에서 신경 암시 표현과 확산 사전을 활용하여 동적 물체의 정확한 기하학과 외관을 복원하고 관찰되지 않은 영역을 사실적으로 완성하는 방법을 제안한다.
Abstract
이 논문은 단일 RGB-D 비디오에서 동적 물체의 360도 표면 복원을 위한 MorpheuS 프레임워크를 제안한다.
물체의 기하학과 외관을 하이퍼 차원 캐노니컬 필드로 모델링하고, 관찰 공간에서 캐노니컬 공간으로의 변형 필드를 학습한다.
관찰되지 않은 영역의 복원을 위해 확산 사전(Zero-1-to-3)을 활용하고, 점진적 탈노이즈 샘플링(SDS)을 통해 확산 사전의 지식을 증류한다.
실제 관찰 데이터와 확산 사전을 활용한 감독 신호를 결합하고, 캐노니컬 공간 정규화와 매개변수 정규화를 적용하여 안정적인 최적화를 수행한다.
실험 결과, MorpheuS는 관찰된 영역에서 정확한 기하학과 변형을 복원하고, 관찰되지 않은 영역에서 사실적인 완성을 달성할 수 있음을 보여준다.
Stats
단일 RGB-D 비디오에서 동적 물체의 정확한 기하학과 변형을 복원할 수 있다.
관찰되지 않은 영역에서 사실적인 완성을 달성할 수 있다.
Quotes
"우리는 MorpheuS, 단일 RGB-D 비디오에서 동적 360도 표면 복원을 위한 프레임워크를 제안한다."
"우리의 접근 방식은 대상 장면을 캐노니컬 필드와 변형 필드로 모델링하고, 확산 사전의 지식을 증류하여 관찰되지 않은 영역의 사실적인 완성을 달성한다."