Core Concepts
이 연구는 점구름에서 표면과 선분의 교차점을 직접 예측하여 인공물을 제거하는 방법을 제안합니다.
Abstract
이 연구는 점구름에서 표면을 효과적으로 재구성하는 새로운 방법을 제안합니다. 기존의 SDF 기반 및 UDF 기반 방법은 각각 매끄러운 메시 생성과 개방형 표면 표현에 어려움이 있었습니다.
이 연구에서는 점구름 내 선분과 암시적 표면의 교차점을 직접 예측하는 방법을 제안합니다. 이를 위해 두 가지 모듈을 개발했습니다:
큐브 모서리의 부호를 예측하는 부호 모듈
교차점의 위치를 예측하는 교차점 모듈
이 방법은 개방형 표면을 표현할 수 있으면서도 인공물을 줄일 수 있습니다. 실험 결과, ShapeNet, MGN, ScanNet 데이터셋에서 최신 기술 대비 우수한 성능을 보였습니다.
Stats
점구름 내 선분과 표면의 교차점 예측 오차는 GIFS 0.0131, SuperUDF 0.0127, CAP 0.0095, 제안 방법 0.0084로 제안 방법이 가장 정확합니다.
ShapeNet 13개 클래스 평균 CD1은 GIFS 0.0057, CAP 0.0048, SuperUDF 0.0037, 제안 방법 0.0019로 제안 방법이 가장 우수합니다.
ShapeNet 13개 클래스 평균 NC는 GIFS 0.9239, CAP 0.9284, SuperUDF 0.9423, 제안 방법 0.9648로 제안 방법이 가장 우수합니다.
Quotes
"SDF 기반 방법은 매끄러운 메시 생성에 강점이 있지만 개방형 표면 표현에 어려움이 있고, UDF 기반 방법은 개방형 표면 표현에 강점이 있지만 표면 근처에서 노이즈가 발생하는 문제가 있습니다."
"Marching Cubes 알고리즘에서 큐브 모서리의 부호와 교차점 위치 정확도가 표면 재구성 품질에 매우 중요합니다."