PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.18069v1cs.GR

블렌디드 차트 서피스: 부드러운 곡면 피팅을 위한 매끄러운 명시적 표현

Blended Chart Surfaces: A Seamless Explicit Representation for Smooth Surface Fitting

기하 처리에 적합한 곡면 표현은 간결하고 명시적이어야 하며, 전역적 부드러움을 보장하고, 다양한 곡면 위상을 지원하고, 법선 및 곡면 에너지와 같은 미분 양에 대한 안정적인 접근을 제공하면서, 현대적인 미분 가능 최적화와도 호환되어야 한다. 기존 신경망 기반 표현들은 이러한 속성 중 하나 이상을 희생하는 경향이 있다: 암묵적 필드(implicit field)는 다운스트림 활용을 위해 통상적으로 아이소서피싱(iso-surfacing)을 필요로 하며, 명시적 신경망 맵(explicit neural map)은 정준 도메인 파라미터화(canonical-domain parametrization)에 제약되거나 로컬 차트 간 이음새 아티팩트를 보인다. 본 논문에서는 블렌디드 차트 서피스(Blended Chart Surfaces)를 소개한다. 이는 구조적으로 부드러움이 보장되며 사용자가 제공한 위상에 기반하는, 네트워크 없는 간결한 명시적 표현이다. 의도한 곡면 위상과 대략적인 기하를 인코딩하는 거친 프록시 메시(proxy mesh)가 주어지면, 블렌디드 차트 서피스는 각 프록시 정점(proxy vertex)에서 다항식 맵(polynomial map)을 기성 옵티마이저를 사용해 공동 최적화하여 암묵적 목표 형상에 피팅하며, 입력 파라미터화가 불필요하다. 인접한 맵들은 부드러운 '원-링 좌표(one-ring coordinate)' 블렌딩 기법으로 융합되어, 위상과 거친 기하(프록시가 담당)를 기하적 세부 사항(로컬 패치가 담당)으로부터 분리한다. 이 곡면은 전역적으로 부드럽고 완전히 미분 가능하며, 미분 양과 곡면 에너지에 직접 접근할 수 있도록 안정적인 도함수 계산을 지원한다. 또한 본 구성은 프록시 메시의 강체 운동 및 스케일링에 대해 등변성(equivariant)을 갖는다. 다양한 위상과 기하적 복잡도에 대해 블렌디드 차트 서피스를 평가하고, 보간 함수 베이스라인 및 메시 변위 MLP를 포함한 명시적 대안들과 비교한다. 전반적으로 블렌디드 차트 서피스는 패치 경계 전반에 걸쳐 부드러움을 유지하면서 간결성, 단순성, 미분 양 접근성, 그리고 표현력 사이에서 유리한 균형을 달성한다.