核心概念
본 논문은 가우시안 서펠이라는 새로운 점 기반 표현을 제안하여 유연한 최적화 절차와 표면 정렬 특성을 결합하였다. 이를 통해 기존 방법들보다 우수한 표면 재구성 성능을 달성하였다.
要約
본 논문은 3D 가우시안 점과 서펠의 장점을 결합한 새로운 점 기반 표현인 가우시안 서펠을 제안한다. 가우시안 서펠은 3D 가우시안 점의 z축 스케일을 0으로 설정하여 2D 타원 형태로 표현된다. 이를 통해 법선 방향에 대한 명확한 지침을 제공하여 최적화 안정성과 표면 정렬을 크게 향상시킬 수 있다.
가우시안 서펠의 z축에 대한 미분값이 0이 되는 문제를 해결하기 위해, 깊이-법선 일관성 손실 함수를 제안하였다. 또한 단일 시점 법선 정보와 전경 마스크를 활용하여 하이라이트 및 배경 문제를 완화하였다.
볼륨 절단 방법을 통해 깊이 맵의 오류 포인트를 제거하고, 스크린된 포아송 재구성 기법을 적용하여 최종 표면 메시를 추출하였다.
실험 결과, 제안 방법은 기존 신경 볼륨 렌더링 및 점 기반 렌더링 방법들에 비해 우수한 표면 재구성 성능과 빠른 학습 속도를 달성하였다.
統計
제안 방법은 DTU 데이터셋에서 평균 Chamfer 거리 1.19mm를 달성하여 기존 방법들을 크게 개선하였다.
BlendedMVS 데이터셋에서도 평균 Chamfer 거리 3.62mm로 우수한 성능을 보였다.
제안 방법의 학습 시간은 6.67분으로 NeuS(408분)에 비해 매우 빠르다.
引用
"본 논문은 가우시안 서펠이라는 새로운 점 기반 표현을 제안하여 유연한 최적화 절차와 표면 정렬 특성을 결합하였다."
"가우시안 서펠은 3D 가우시안 점의 z축 스케일을 0으로 설정하여 2D 타원 형태로 표현된다. 이를 통해 법선 방향에 대한 명확한 지침을 제공하여 최적화 안정성과 표면 정렬을 크게 향상시킬 수 있다."
"볼륨 절단 방법을 통해 깊이 맵의 오류 포인트를 제거하고, 스크린된 포아송 재구성 기법을 적용하여 최종 표면 메시를 추출하였다."