비행체 탑재 LiDAR 포인트 클라우드로부터 건물 와이어프레임을 재구성하면, 조밀한 메쉬를 넘어 구조적 이해를 가능하게 하는 압축적이고 토폴로지 중심의 표현을 얻을 수 있다. 그러나 핵심적인 한계가 여전히 존재한다. 즉, 기존 방법들은 상당한 잡음, 희소성, 또는 내부 코너가 존재하는 영역에서 정확한 와이어프레임 재구성을 달성하지 못했다. 이러한 실패는 크고 희소한 건물 포인트 클라우드의 풍부한 3차원 기하 정보를 효과적으로 활용할 수 있도록 적응형 탐색 공간을 설정하지 못하기 때문이다. 본 연구에서는 이러한 문제를 Delaunay Canopy로 해결한다. Delaunay Canopy는 기하학적 선행정보로 Delaunay 그래프를 활용하여 기하학적으로 적응적인 탐색 공간을 정의한다. 우리의 접근에서 중심이 되는 Delaunay Graph Scoring은 단지 기저 기하학적 다양체를 재구성하는 데 그치지 않고, 영역 단위 곡률 시그니처를 산출하여 재구성을 견고하게 안내한다. 이러한 기반 위에서 코너 및 와이어 선택 모듈은 Delaunay 유도 선행정보를 활용하여 높은 확률을 갖는 요소들에 초점을 맞춤으로써 탐색 공간을 형성하고, 이전에는 다루기 어려웠던 영역에서도 정확한 예측을 가능하게 한다. Building3D Tallinn 도시 데이터와 엔트리 레벨 데이터셋에 대한 광범위한 실험 결과, 최신 수준의 와이어프레임 재구성이 입증되었으며, 다양한 복잡한 건물 형상에 걸쳐 정확한 예측을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.