Hi3DEval: 계층적 타당성을 통한 3D 생성 평가의 진보

3D 콘텐츠 생성 기술의 급속한 발전에도 불구하고, 생성된 3D 자산에 대한 품질 평가 문제는 여전히 도전 과제로 남아 있다. 기존의 평가 방법들은 주로 이미지 기반 지표에 의존하며, 오직 객체 수준에서만 작동함으로써 공간적 일관성, 재질의 진정성, 고해상도의 국소적 세부 정보를 포착하는 데 한계가 있다. 1) 이러한 문제를 해결하기 위해, 본 연구에서는 3D 생성 콘텐츠에 특화된 계층적 평가 프레임워크인 Hi3DEval을 제안한다. 이 프레임워크는 객체 수준과 부품 수준의 평가를 통합하여 다차원적인 종합적 평가와 세부적인 품질 분석을 가능하게 한다. 또한, 텍스처 평가를 미적 외관을 넘어서 재질의 사실성에 초점을 맞추어, 알베도(albedo), 포화도(saturation), 금속성(metallicness)와 같은 특성들을 명시적으로 평가함으로써 평가 범위를 확장한다. 2) 본 프레임워크를 지원하기 위해, 다양한 3D 자산과 고품질의 레이블을 포함하는 대규모 데이터셋인 Hi3DBench를 구축하였으며, 신뢰성 높은 다중 에이전트(annotation) 처리 파이프라인을 함께 개발하였다. 또한, 하이브리드 3D 표현 기반의 3D 인식 자동 평가 시스템을 제안한다. 구체적으로, 객체 수준 및 재질 주제 평가에 영상 기반 표현을 활용하여 시공간 일관성 모델링을 강화하고, 사전 학습된 3D 특징을 활용하여 부품 수준의 인지 능력을 향상시킨다. 광범위한 실험을 통해 제안하는 방법이 기존의 이미지 기반 지표보다 3D 특성 모델링에서 우수한 성능을 보이며, 인간의 선호도와 더 높은 일치도를 달성함을 입증하였다. 이는 수작업 평가에 대한 확장 가능한 대안을 제공한다. 프로젝트 페이지는 다음과 같다: https://zyh482.github.io/Hi3DEval/.