하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비하는 컴퓨팅 장치에서 수행되는 방법으로서,원본 3D 모델을 입력 받고, 상기 원본 3D 모델에서 단순화 되어야 할 형상을 선택하고 제거하여 상기 원본 3D 모델에 대한 단순화 모델을 생성하도록 생성자(Generator)를 학습시키는 단계; 및상기 생성자가 생성한 단순화 모델 및 상기 원본 3D 모델의 실제 단순화 모델을 각각 입력 받고 상기 생성한 단순화 모델과 상기 실제 단순화 모델을 비교하여 구분하도록 판별자(Discriminatior)를 학습시키는 단계를 포함하고,상기 생성자(Generator)를 학습시키는 단계는:인코더에 의해, 입력되는 상기 원본 3D 모델로부터 잠재 벡터를 추출하는 단계; 및디코더에 의해, 상기 인코더에서 출력되는 잠재 벡터를 입력 받고, 상기 잠재 벡터로부터 상기 원본 3D 모델에 대한 단순화 모델을 생성하는 단계를 포함하고,상기 판별자(Discriminatior)를 학습시키는 단계는:상기 판별자에 의해, 상기 원본 3D 모델에 대한 단순화 모델과 실제 단순화 모델을 비교하여 분류 값을 출력하는 단계;상기 판별자에 의해, 상기 원본 3D 모델에 대한 단순화 모델이 실제 단순화 모델과 일치하면 True를 출력하고, 상기 원본 3D 모델에 대한 단순화 모델이 실제 단순화 모델과 다르면 Fake를 출력하도록 학습되는 단계;상기 판별자의 인코딩 레이어에서, 입력되는 데이터인 상기 원본 3D 모델에 대한 단순화 모델과 실제 단순화 모델들의 분포(distribution)를 이용하여 EM distance를 계산하는 단계; 및상기 판별자에 의해, 상기 EM distance의 값을 최소화하도록 인공 신경망의 가중치를 조절하는 단계를 포함하는, 3D 모델 단순화 방법.

삭제

원본 3D 모델을 입력 받고, 상기 원본 3D 모델에서 단순화 되어야 할 형상을 선택하고 제거하여 상기 원본 3D 모델에 대한 단순화 모델을 생성하도록 학습되는 생성자(Generator); 및상기 생성자가 생성한 단순화 모델 및 상기 원본 3D 모델의 실제 단순화 모델을 각각 입력 받고 상기 생성한 단순화 모델과 상기 실제 단순화 모델을 비교하여 구분하도록 학습되는 판별자(Discriminatior)를 포함하고,상기 생성자는,입력되는 상기 원본 3D 모델로부터 잠재 벡터를 추출하는 인코더; 및상기 인코더에서 출력되는 잠재 벡터를 입력 받고, 상기 잠재 벡터로부터 상기 원본 3D 모델에 대한 단순화 모델을 생성하는 디코더를 포함하고,상기 판별자는:상기 원본 3D 모델에 대한 단순화 모델과 실제 단순화 모델을 비교하여 분류 값을 출력하고;상기 원본 3D 모델에 대한 단순화 모델이 실제 단순화 모델과 일치하면 True를 출력하고, 상기 원본 3D 모델에 대한 단순화 모델이 실제 단순화 모델과 다르면 Fake를 출력하도록 학습되고;상기 판별자의 인코딩 레이어에서, 입력되는 데이터인 상기 원본 3D 모델에 대한 단순화 모델과 실제 단순화 모델들의 분포(distribution)를 이용하여 EM distance를 계산하고;상기 EM distance의 값을 최소화하도록 인공 신경망의 가중치를 조절하는, 3D 모델 단순화 장치.

삭제

청구항 1에 있어서, 상기 인코더는, 상기 원본 3D 모델로부터 특징을 추출하고, 상기 추출한 특징의 평균과 분산을 각각 출력하며, 가우시안 확률 분포를 따르는 샘플 함수로부터 노이즈인 엡실론을 생성하고, 상기 엡실론과 상기 특징의 분산을 곱한 값을 상기 특징의 평균과 합산하여 상기 잠재 벡터를 출력하는, 3D 모델 단순화 장치.

청구항 1에 있어서, 상기 3D 모델 단순화 장치를 구성하는 인공 신경망의 전체 손실 함수(Lsimplification)는 하기의 수학식으로 표현되는, 3D 모델 단순화 장치.(수학식)LEMdistance : 판별자의 EM(Earth-Mover) distance 손실 함수LMSE(G) : 생성자의 MSE(Mean Squared Error) 손실 함수LGAN(G) : 생성자의 original GAN의 적대적 손실 함수

청구항 4에 있어서, 상기 판별자의 EM(Earth-Mover) distance 손실 함수는 하기 수학식을 통해 산출되는, 3D 모델 단순화 장치.(수학식)m : 학습 데이터의 배치 사이즈(batch size)i : i번째 학습 데이터D(y(i)) : 실제 단순화 모델을 입력으로 하는 판별자의 출력 데이터의 분포D(G(x(i)) : 생성자가 생성한 단순화 모델을 입력으로 하는 판별자의 출력 데이터의 분포

청구항 5에 있어서, 상기 생성자의 MSE(Mean Squared Error) 손실 함수는 하기 수학식을 통해 산출되는, 3D 모델 단순화 장치.(수학식)G(x) : 생성자가 원본 3D 모델로부터 생성한 단순화 모델y : 원본 3D 모델의 실제 단순화 모델

청구항 6에 있어서, 상기 생성자의 original GAN의 적대적 손실 함수는 하기 수학식을 통해 산출되는, 3D 모델 단순화 장치.(수학식)D(G(x(i)) : 생성자가 생성한 단순화 모델을 입력으로 하는 판별자의 출력 값

청구항 8에 있어서, 상기 인코더는, 상기 원본 3D 모델로부터 특징을 추출하고, 상기 추출한 특징의 평균과 분산을 각각 출력하며, 가우시안 확률 분포를 따르는 샘플 함수로부터 노이즈인 엡실론을 생성하고, 상기 엡실론과 상기 특징의 분산을 곱한 값을 상기 특징의 평균과 합산하여 상기 잠재 벡터를 출력하는, 3D 모델 단순화 방법.

청구항 8에 있어서, 상기 생성자 및 상기 판별자를 구성하는 인공 신경망의 전체 손실 함수(Lsimplification)는 하기의 수학식으로 표현되는, 3D 모델 단순화 방법.(수학식)LEMdistance : 판별자의 EM(Earth-Mover) distance 손실 함수LMSE(G) : 생성자의 MSE(Mean Squared Error) 손실 함수LGAN(G) : 생성자의 original GAN의 적대적 손실 함수

청구항 11에 있어서, 상기 판별자의 EM(Earth-Mover) distance 손실 함수는 하기 수학식을 통해 산출되는, 3D 모델 단순화 방법.(수학식)m : 학습 데이터의 배치 사이즈(batch size)i : i번째 학습 데이터D(y(i)) : 실제 단순화 모델을 입력으로 하는 판별자의 출력 데이터의 분포D(G(x(i)) : 생성자가 생성한 단순화 모델을 입력으로 하는 판별자의 출력 데이터의 분포

청구항 12에 있어서, 상기 생성자의 MSE(Mean Squared Error) 손실 함수는 하기 수학식을 통해 산출되는, 3D 모델 단순화 방법.(수학식)G(x) : 생성자가 원본 3D 모델로부터 생성한 단순화 모델y : 원본 3D 모델의 실제 단순화 모델

청구항 13에 있어서, 상기 생성자의 original GAN의 적대적 손실 함수는 하기 수학식을 통해 산출되는, 3D 모델 단순화 방법.(수학식)D(G(x(i)) : 생성자가 생성한 단순화 모델을 입력으로 하는 판별자의 출력 값

비일시적 컴퓨터 판독 가능한 저장 매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금, 원본 3D 모델을 입력 받고, 상기 원본 3D 모델에서 단순화 되어야 할 형상을 선택하고 제거하여 상기 원본 3D 모델에 대한 단순화 모델을 생성하도록 생성자(Generator)를 학습시키는 단계; 및상기 생성자가 생성한 단순화 모델 및 상기 원본 3D 모델의 실제 단순화 모델을 각각 입력 받고 상기 생성한 단순화 모델과 상기 실제 단순화 모델을 비교하여 구분하도록 판별자(Discriminatior)를 학습시키는 단계를 수행하도록 하고,상기 생성자(Generator)를 학습시키는 단계는:상기 생성자에 포함된 인코더에 의해, 입력되는 상기 원본 3D 모델로부터 잠재 벡터를 추출하는 단계; 및상기 생성자에 포함된 디코더에 의해, 상기 인코더에서 출력되는 잠재 벡터를 입력 받고, 상기 잠재 벡터로부터 상기 원본 3D 모델에 대한 단순화 모델을 생성하는 단계를 포함하고,상기 판별자(Discriminatior)를 학습시키는 단계는:상기 판별자에 의해, 상기 원본 3D 모델에 대한 단순화 모델과 실제 단순화 모델을 비교하여 분류 값을 출력하는 단계;상기 판별자에 의해, 상기 원본 3D 모델에 대한 단순화 모델이 실제 단순화 모델과 일치하면 True를 출력하고, 상기 원본 3D 모델에 대한 단순화 모델이 실제 단순화 모델과 다르면 Fake를 출력하도록 학습되는 단계;상기 판별자의 인코딩 레이어에서, 입력되는 데이터인 상기 원본 3D 모델에 대한 단순화 모델과 실제 단순화 모델들의 분포(distribution)를 이용하여 EM distance를 계산하는 단계; 및상기 판별자에 의해, 상기 EM distance의 값을 최소화하도록 인공 신경망의 가중치를 조절하는 단계를 포함하는, 컴퓨터 프로그램.