그래프 합성곱 신경망을 이용한 3차원 고해상도 메쉬 객체 재생성

Abstract

3차원 데이터를 처리하는 기술은 컴퓨터 비전뿐만 아니라, 다양한 산업 분야에서 높은 효용가치를 가진다. 3차원 물체를 데이터로 표현하는 방법은 다양하며, 그중에 서 메쉬 표현법은 표현력이 높고 효율적인 3차원 데이터 표현 방법이다. 하지만, 메쉬 표현법의 복잡성과 불규칙한 포맷으로 인하여 기계학습 분야에서 활발하게 연구되지 않았다. 이와 같은 성질을 해결하기 위하여 본 논문에서는 메쉬 표현법을 그래프로서 해석하였다. 그래프 도메인에 적용 가능한 그래프 합성곱 신경망 바탕의 Variational Autoencoder 모델을 통하여 메쉬 표현법의 데이터를 재생성하는 생성형 모델을 제안한다. 주어진 입력에 대한 재생성 실험뿐만 아니라, 잠재 공간 내에서 보간 실험을 통하여 재생성 성능을 검증하였다. 또한, 제안하는 방법은 적은 학습 변수를 사용하여 고해상도의 메쉬 표현법 데이터를 다룰 수 있음을 보인다.