Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

A 3D Generation Framework from Cross Modality to Parameterized Primitive

Created by
  • Haebom

저자

Yiming Liang, Huan Yu, Zili Wang, Shuyou Zhang, Guodong Yi, Jin Wang, Jianrong Tan

개요

본 논문은 텍스트 및 이미지 입력을 기반으로 파라미터화된 기본 요소로 구성된 3D 모델을 생성하는 새로운 다단계 프레임워크를 제시합니다. 이 프레임워크는 모델 구성 요소의 형상 특징을 식별하고, 이를 고품질 표면을 가진 파라미터화된 기본 요소로 대체하는 모델 생성 알고리즘을 사용합니다. 또한, 모델의 원래 표면 품질을 보존하면서 파라미터화된 기본 요소의 매개변수만 유지하는 모델 저장 방법을 제안합니다. 가상 및 실제 장면 데이터 세트에 대한 실험 결과, Chamfer Distance 0.003092, VIoU 0.545, F1-Score 0.9139, NC 0.8369를 달성했으며, 기본 요소 매개변수 파일 크기는 약 6KB입니다. 이 방법은 간단한 모델의 신속한 프로토타입 제작에 적합합니다.

시사점, 한계점

•
시사점:
◦
텍스트 및 이미지 입력을 활용한 3D 모델 생성 프레임워크 제시.
◦
파라미터화된 기본 요소를 사용하여 부드러운 표면을 가진 모델 생성.
◦
모델 저장 시 저장 공간 효율성을 높임.
◦
실험 결과에서 우수한 성능 지표 달성.
◦
간단한 모델의 신속한 프로토타입 제작에 적합.
•
한계점:
◦
단순한 모델에 특화되어 있어 복잡한 모델에는 적용이 어려울 수 있음.
◦
구체적인 모델의 복잡성, 즉 기본 요소의 종류와 개수에 대한 언급이 부족함.
◦
제안된 프레임워크의 확장성 및 범용성에 대한 추가 연구 필요.
👍
Made with Slashpage