단일 RGB 이미지로부터의 심층 메시 재구성: 토폴로지 수정 네트워크를 통한 방법

단일 이미지에서 일반 객체의 3D 메시를 재구성하는 것이 깊은 학습 기술의 최신 발전 덕분에 가능해졌습니다. 그러나 실현 가능한 메시 구조를 생성하는 데 있어 비자명한 어려움이 있어, 최첨단 접근 방식들은 종종 템플릿 메시의 변위를 학습하여 이를 목표 표면으로 변형시키는 문제를 단순화합니다. 복잡한 위상 구조를 가진 3D 형태를 여러 메시 패치로 변형하여 재구성할 수 있지만, 결과물을 연결하여 높은 메싱 품질을 보장하는 것은 여전히 어렵습니다. 본 논문에서는 단일 제너스-0 템플릿 메시로부터 복잡한 위상을 가진 고품질 메시를 생성할 수 있는 단일 시점 메시 재구성 프레임워크를 제안합니다. 우리의 접근 방식의 핵심은 메시 변형과 위상 수정을 번갈아 수행하는 새로운 점진적 형성 프레임워크입니다. 변형 네트워크는 재구성된 메시와 실제 값 사이의 간극을 줄이는 정점별 이동을 예측하며, 새로운 위상 수정 네트워크는 오류가 발생하기 쉬운 면들을 제거하여 위상의 진화를 가능하게 합니다. 두 과정을 반복함으로써 점진적으로 메시 위상을 수정하면서 더 높은 재구성 정확도를 달성할 수 있습니다. 또한 경계 조건을 개선하여 재구성된 메시의 시각적 품질을 더욱 향상시키기 위해 경계 정제 네트워크가 설계되었습니다. 광범위한 실험 결과, 우리의 접근 방식이 특히 복잡한 위상을 가진 형태에 대해 현재 최고 성능 방법론들보다 질적 및 양적으로 우수하다는 것을 입증하고 있습니다.