[論文レビュー] Layered Depth-Normal Images: a Sparse Implicit Representation of Solid Models

Charlie C. L. Wang, Yong Chen|arXiv (Cornell University)|Sep 4, 2010

Computer Graphics and Visualization Techniques参考文献 37被引用数 6

ひとこと要約

本稿では、座標軸に沿って整列した3つの直交する深度・法線画像を用いた、固体モデルのスパースな暗黙的表現であるレイヤード・ディープネス・ノーマル・イメージ（LDNI）を提案する。この手法により、GPUアクセラレートされたサンプリングと新規の等高線抽出アルゴリズムを用いて、鋭い特徴や薄い構造を保持したまま、効率的なブール演算、オフセット処理、高精度なメッシュ再構築が可能になる。

ABSTRACT

This paper presents a novel implicit representation of solid models. With this representation, every solid model can be effectively presented by three layered depth-normal images (LDNIs) that are perpendicular to three orthogonal axes respectively. The layered depth-normal images for a solid model, whose boundary is presented by a polygonal mesh, can be generated efficiently with help of the graphics hardware accelerated sampling. Based on this implicit representation - LDNIs, solid modeling operations including the Boolean operations and the offsetting operation have been developed. A contouring algorithm is also introduced in this paper to generate thin structure and sharp feature preserved mesh surfaces from the layered depth-normal images. Comparisons between LDNIs and other implicit representation of solid models are given at the end of the paper to demonstrate the advantages of LDNIs.

研究の動機と目的

• 効率的な幾何演算を可能にするスパースで暗黙的な固体モデル表現の開発を目的とする。
• 多角形メッシュから深度・法線画像を迅速に生成するために、GPUアクセラレートされたサンプリングを実現することを目的とする。
• 暗黙的フレームワーク内でのブール演算やオフセット処理などの固体モデリング演算をサポートすることを目的とする。
• 暗黙的表現からの表面再構築において、薄い構造や鋭い特徴を保持することを目的とする。
• 従来の暗黙的表現に対して、コンパクトで効率的な代替手段を提供することを目的とする。

提案手法

• 固体モデルは、3つの直交する軸（x, y, z）に沿って整列した3つのレイヤード・ディープネス・ノーマル・イメージ（LDNI）を用いて表現される。
• 各LDNIは、グラフィックスハードウェアを用いて加速されたサンプリングを実現するため、ボクセル化グリッド上の点において深度と表面法線情報を符号化する。
• レイヤード構造により、複数の解像度レベルにわたる深度および法線データへの階層的格納と効率的なアクセスが可能になる。
• 等高線抽出アルゴリズムがLDNIに適用され、鋭い特徴や薄い壁構造を保持したポリゴンメッシュ表面が抽出される。
• ボクセルベースの算術演算と法線フィールドの操作を用いて、ブール演算およびオフセット処理がLDNI表現上で直接実装される。
• 本手法は、入力メッシュからの深度および法線データのサンプリングとレンダリングを加速するため、既存のグラフィックスAPIを活用する。

実験結果

リサーチクエスチョン

• RQ1 3つの直交する深度・法線画像から、正確に固体幾何を符号化するスパースな暗黙的表現を構築できるか？
• RQ2 このような表現上で、ブール演算やオフセット処理といった固体モデリング演算はどの程度効率的に実行できるか？
• RQ3 暗黙的データからのメッシュ再構築において、薄い構造や鋭い特徴はどの程度保持されるか？
• RQ4 従来の暗黙的表現と比較して、LDNI表現はコンパクト性とパフォーマンスの点でどの程度優れているか？
• RQ5 GPUアクセラレートされたサンプリングを用いて、多角形メッシュ入力からLDNIを効果的に生成できるか？

主な発見

• 深度および法線データの3つの直交する視点におけるスパarsityを活用することで、LDNI表現はコンパクトなストレージを実現する。
• ブール演算やオフセット処理などの固体モデリング演算が、LDNIデータ構造上で直接的に成功裏に実装された。
• 提案された等高線抽出アルゴリズムは、薄い構造や鋭い特徴を保持した高品質なポリゴンメッシュを生成する。
• GPUアクセラレーションのおかげで、サンプリングおよび幾何演算の実行において顕著なパフォーマンス向上が達成された。
• 比較分析の結果、LDNIは従来の暗黙的表現に比べ、メモリ効率と特徴忠実度の点で優れていることが示された。
• レイヤード設計により、階層的処理が可能となり、マルチスケールのモデリングおよびレンダリングをサポートする。