Conceitos essenciais
본 연구는 삼중 사분 트리 구조와 푸리에 특징 위치 인코딩을 결합하여 메모리 효율성을 높이면서도 고품질의 표면 재구성을 달성하는 방법을 제안한다.
Resumo
본 논문은 신경 암시 표면 재구성 기법에 대해 다룬다. 기존의 명시적 표현 방식들은 메모리 사용량이 많고 입력 데이터가 희소할 때 비완전한 재구성 결과를 보이는 문제가 있다. 이를 해결하기 위해 저자들은 다음과 같은 두 가지 기여를 제안한다.
삼중 사분 트리 (Tri-Quadtrees) 특징 표현 구조: 3D 볼륨 그리드 대신 3개의 평면 사분 트리를 사용하여 특징을 저장한다. 이를 통해 메모리 사용량을 크게 줄이면서도 유사한 재구성 성능을 달성할 수 있다.
푸리에 특징 위치 인코딩 결합: 학습 가능한 특징만으로는 입력 데이터가 희소할 때 구멍이 생기고 표면이 매끄럽지 않은 문제가 있다. 저자들은 푸리에 특징 위치 인코딩을 추가로 결합하여 이러한 문제를 해결한다.
삼중 사분 트리와 푸리에 특징 위치 인코딩을 결합한 제안 방법은 기존 방법 대비 10-50% 수준의 메모리만 사용하면서도 경쟁력 있는 재구성 품질을 달성할 수 있음을 실험을 통해 보여준다.
Estatísticas
입력 프레임 수가 줄어들수록 VDBFusion의 완성률이 크게 떨어지지만, 제안 방법과 SHINE-Mapping은 높은 완성률을 유지한다.
제안 방법은 SHINE-Mapping 대비 25%와 10% 수준의 적은 매개변수만 사용한다.