3D 형태 생성 및 일치를 위한 기본 구조 학습

우리는 학습 가능한 기본 3D 구조의 변형과 결합을 통해 형태를 표현하는 방법을 제안합니다. 이 기본 3D 구조는 형태의 컬렉션에 대한 훈련 결과로 생성된 원시적 요소입니다. 우리는 학습된 기본 3D 구조가 3D 형태 생성 및 매칭에서 명확한 개선을 가져온다는 것을 입증하였습니다. 보다 정확하게 말하면, 기본 구조를 학습하기 위한 두 가지 보완적인 접근 방식을 제시합니다: (i) 패치 변형 학습(patch deformation learning)과 (ii) 포인트 이동 학습(point translation learning). 두 접근 방식 모두 더 높은 차원의 추상적 구조로 확장할 수 있으며, 이를 통해 성능이 더욱 향상됩니다. 우리는 ShapeNet 객체 재구성과 인간 스캔 간 밀도 대응 추정(FAUST 인터 챌린지)이라는 두 가지 작업에서 우리의 방법을 평가하였습니다. 형태 재구성에서는 표면 변형 접근 방식보다 16% 개선되었으며, FAUST 인터 챌린지에서 기존 최신 기술보다 6% 우수한 성능을 보였습니다.