딥러닝과 구체의 형태 변형 방법을 이용한 단일이미지에서의 3D Mesh 재구축 기법 (3D Mesh Reconstruction Technique from Single Image using Deep Learning and Sphere Shape Transformation Method)

서지정보

· 발행기관 : 한국전기전자학회
· 수록지 정보 : 전기전자학회논문지 / 26권 / 2호 / 160 ~ 168페이지
· 저자명 : 김정윤, 이승호

초록

본 논문에서는 딥러닝과 구체의 형태 변형 방법을 이용한 단일 이미지에서의 3D mesh 재구축 기법을 제안한다. 제안한 기법은기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 근처의 가까운 점들을 연결하여 모서리 또는 면을 구축하는 방식과 다르게 딥러닝 네트워크을 통하여 구체의 꼭짓점의 위치를 사물의 3D 포인트 클라우드와 매우 유사하게 수정한다. 3D 포인트클라우드를 이용하므로 메모리가 적게 필요하며 구체의 꼭짓점에 오프셋 값 사이에 덧셈 연산만을 수행하기 때문에 더 빠른 연산이가능하다. 두 번째, 수정한 꼭짓점에 구체의 면 정보를 씌워 3D mesh를 재구축한다. 구체의 꼭짓점의 위치를 수정하여 생성한 3D포인트 클라우드의 점들의 간격이 일정하지 않을 때에도 이미 점들 사이의 연결 여부를 나타내는 구체의 면 정보라는 3D mesh의면 정보를 가지고 있어 표현의 단순화나 결손을 방지할 수 있다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 공개된 표준데이터셋인 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 IoU 값이0.581로, chamfer distance 값은 0.212로 산출되었다. IoU 값은 수치가 높을수록, chamfer distance 값은 수치가 낮을수록 우수한 결과를 나타내므로 다른 논문에서 발표한 기법들보다 3D mesh 재구축의 결과에서 성능의 효율성이 입증되었다.

영어초록

In this paper, we propose a 3D mesh reconstruction method from a single image using deep learning and asphere shape transformation method. The proposed method has the following originality that is different from theexisting method. First, the position of the vertex of the sphere is modified to be very similar to the 3D point cloudof an object through a deep learning network, unlike the existing method of building edges or faces by connectingnearby points. Because 3D point cloud is used, less memory is required and faster operation is possible becauseonly addition operation is performed between offset value at the vertices of the sphere. Second, the 3D mesh isreconstructed by covering the surface information of the sphere on the modified vertices. Even when the distancebetween the points of the 3D point cloud created by correcting the position of the vertices of the sphere is notconstant, it already has the face information of the sphere called face information of the sphere, which indicateswhether the points are connected or not, thereby preventing simplification or loss of expression. can do. In orderto evaluate the objective reliability of the proposed method, the experiment was conducted in the same way as inthe comparative papers using the ShapeNet dataset, which is an open standard dataset. As a result, the IoU valueof the method proposed in this paper was 0.581, and the chamfer distance value was It was calculated as 0.212.
The higher the IoU value and the lower the chamfer distance value, the better the results. Therefore, the efficiencyof the 3D mesh reconstruction was demonstrated compared to the methods published in other papers.

참고자료

· 없음