구조 보존형 확산 모델 기반 3D 메시 디노이징 연구

Structure-Preserving Diffusion Model for 3D Mesh Denoising

연구 내용

구조를 깨지 않는 확산 과정과 토폴로지 비의존 학습을 통해 메시 아티팩트와 노이즈를 제거하는 3D 디노이징 연구

3D 메시 디노이징에서 확산 모델의 반복 과정은 전체 구조와 미세 디테일을 동시에 조작할 수 있어, 결과적으로 구조 보존이 어려울 수 있습니다. 본 연구는 메시 정점을 특정 소음 분포로 확산시키는 구조 보존형 확산 과정을 정의하여, 정점이 중심화된 등방 가우시안 분포로 확산되는 방식에서 발생하는 구조 변형을 줄입니다. 또한 불규칙한 토폴로지를 가진 임의 메시에서도 학습이 가능하도록, 정점을 여러 2D 시점으로 투영해 효율적으로 확산을 학습합니다. 역확산으로 얻은 2D 투영 기반 정련 단계를 통해 디노이즈된 메시를 복원하는 흐름을 제시합니다.

관련 프로젝트

0건

연구 흐름

초기에는 디노이징 확산 모델이 구조와 세부를 함께 다루는 특성 때문에 메시의 형태 유지가 흔들릴 수 있다는 문제를 분석했습니다. 이후 정점이 유지해야 하는 구조적 제약을 반영하도록 확산 타깃 분포를 재정의하는 연구로 전환했습니다. 다음으로 토폴로지 비의존성을 확보하기 위해 다중 시점 2D 투영을 활용한 학습 전략을 도입하여, 불규칙 토폴로지에서도 일관된 디노이징을 수행하도록 설계했습니다. 최근에는 역확산 기반 역투영 정련 절차로 연결하여 결과 메시의 시각적 품질과 구조 보존을 함께 개선하는 방향을 강화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

메시 센서 노이즈 제거
3D 스캐닝 후처리
메시 복원 품질 향상
가상 환경 자산 정돈
실감 콘텐츠 파이프라인 자동화
중복 투영 기반 품질 향상
토폴로지 다양한 데이터 정규화
노이즈 강건 3D 학습 전처리
3D 애니메이션 입력 정제
메시 기반 시각 인식 안정화