Geometry image super-resolution method and system using AnisoCBConvNet architecture for efficient cloth modeling
제목 : 효율적인 클로스 모델링을 위한 AnisoCBConvNet 아키텍처를 사용한 지오메트리 이미지 초고해상도 방법 및 시스템
김종현*, 등록번호 : 10-2739822
(* : 인하대학교)
제목 : 효율적인 클로스 모델링을 위한 AnisoCBConvNet 아키텍처를 사용한 지오메트리 이미지 초고해상도 방법 및 시스템
김종현*, 등록번호 : 10-2739822
(* : 인하대학교)
Abstract : 물리 기반 시뮬레이션의 여러 분야 중 하나인 클로스(Cloth) 시뮬레이션은 최근 VR/AR 기반의 영화, 애니메이션, CF, 가상 패션쇼 등에 사용되는 VFX(Visual special effects) 등 다양한 분야에서 널리 활용되고 있다. 고급 클로스 모델의 특징 중 하나인 클로스를 접었을 때 나타나는 접힘 패턴의 사실적인 표현은 가상 캐릭터의 스타일과 고유한 애니메이션을 표현하는데 매우 중요하다. 물리 기반 시뮬레이션은 사실적이고 상세한 클로스 변형을 수치적으로 계산할 수 있지만 복잡한 수치 분석과 높은 계산 비용이 필요하다. 컴퓨터 그래픽에서 고해상도 계산 속도를 높이는 일반적인 접근 방식 중 하나는 전체 동작을 캡처하는 과정에서 적절한 저해상도 공간을 찾아 고해상도 도메인에 매핑하는 것이다. 이러한 접근 방식은 일반적으로 미리 계산된 데이터와 데이터 기반 기술을 사용한다. 이 방법은 클로스 애니메이션에서 주름을 표현하기 위해 적용되었으며, 부분 공간 시뮬레이션 방법 및 포즈 공간 변형 방법과 같은 다양한 알고리즘으로 확장되었다. 클로스 시뮬레이션의 디테일을 개선하기 위한 또 다른 접근 방식은 저해상도 메시를 고해상도 메시로 조정하는 초고해상도(Super-Resolution; SR) 기술이다. 초고해상도 기술은 저해상도 이미지로부터 고해상도 이미지를 생성하기 위해 컴퓨터 비전 및 그래픽 분야에서 지속적으로 연구되어 왔다. 이 방법은 최근 Deep ConvNet(Convolutional Neural Networks) 및 GAN(Generative Adversarial Networks)과 같은 기술의 출현으로 큰 발전을 이루었다. ConvNet은 강력한 기계 학습 도구이며 이미지 스타일 전송, 음성 합성 및 자연어 처리와 같은 데이터 기반 애플리케이션에 매우 유용하다. 그러나, 2차원 배열의 데이터 구조를 주로 다루는 ConvNet의 특성상 불규칙하게 구조화된 3차원 메시 데이터를 다루기가 쉽지 않다.
[patent]