Neural USD: An object-centric framework for iterative editing and control
Created by
Haebom
Category
Empty
저자
Alejandro Escontrela, Shrinu Kushagra, Sjoerd van Steenkiste, Yulia Rubanova, Aleksander Holynski, Kelsey Allen, Kevin Murphy, Thomas Kipf
개요
컨트롤 가능한 생성 모델링의 발전에도 불구하고, 정확하고 반복적인 객체 편집에는 어려움이 남아있다. 기존 방법들은 컨디셔닝 신호를 변경하여 객체 편집 시 원치 않는 전역적인 변화를 초래하는 경향이 있다. 이 논문은 "Neural Universal Scene Descriptor (Neural USD)"를 제안하며, 컴퓨터 그래픽스 커뮤니티에서 개발된 Universal Scene Descriptor (USD) 표준에서 영감을 얻었다. Neural USD는 장면과 객체를 구조화되고 계층적인 방식으로 표현하여 다양한 신호를 수용하고, 모델 특정 제약을 최소화하며, 객체별 제어를 가능하게 한다. 또한, fine-tuning 방식을 적용하여 제어 신호들을 서로 분리한다.
시사점, 한계점
•
Neural USD 프레임워크는 장면 및 객체를 계층적으로 표현하여 객체별 제어를 가능하게 한다.
•
fine-tuning을 통해 제어 신호 간의 상호작용을 최소화한다.
•
iterative 및 incremental 워크플로우를 지원한다.
•
현재 한계점은 명시되지 않았으나, 객체 편집의 정확성과 효율성을 개선하기 위한 추가 연구가 필요할 수 있다.
