[논문 리뷰] Analytic Marching: An Analytic Meshing Solution from Deep Implicit Surface Networks

Jiabao Lei, Kui Jia|arXiv (Cornell University)|2020. 02. 16.

3D Shape Modeling and Analysis참고 문헌 20인용 수 10

한 줄 요약

이 논문은 ReLU 기반의 MLP의 선형 영역 구조를 활용하여 딥 임플리시트 함수에서 조각별 평면 표면을 정확히 복원하는 새로운 메시 생성 알고리즘인 Analytic Marching을 제안한다. 선형 영역 내의 해석적 셀과 면을 식별하고, 약한 조건 하에서 이들의 위상적 연결성을 증명함으로써, 기존의 마칭 컷스와 같은 방법에서 발생하는 이산화 오차가 없는 정밀하고 병렬 처리 가능한 메시 생성을 가능하게 한다.

ABSTRACT

This paper studies a problem of learning surface mesh via implicit functions in an emerging field of deep learning surface reconstruction, where implicit functions are popularly implemented as multi-layer perceptrons (MLPs) with rectified linear units (ReLU). To achieve meshing from learned implicit functions, existing methods adopt the de-facto standard algorithm of marching cubes; while promising, they suffer from loss of precision learned in the MLPs, due to the discretization nature of marching cubes. Motivated by the knowledge that a ReLU based MLP partitions its input space into a number of linear regions, we identify from these regions analytic cells and analytic faces that are associated with zero-level isosurface of the implicit function, and characterize the theoretical conditions under which the identified analytic faces are guaranteed to connect and form a closed, piecewise planar surface. Based on our theorem, we propose a naturally parallelizable algorithm of analytic marching, which marches among analytic cells to exactly recover the mesh captured by a learned MLP. Experiments on deep learning mesh reconstruction verify the advantages of our algorithm over existing ones.

연구 동기 및 목표

• 학습된 임플리시트 함수에 표준 마칭 컷스 알고리즘을 적용할 경우 발생하는 정밀도 손실 문제를 해결하기 위해.
• ReLU 기반의 MLP가 지닌 조각별 선형 구조를 활용하여 영점 등치면과 관련된 해석적 정의의 셀과 면을 식별하기 위해.
• 해석적 면이 닫혀 있고 조각별 평면 표면을 형성하는 조건을 이론적으로 규명하기 위해.
• 학습된 MLP가 캡처한 표면을 정확히 복원할 수 있는 자연스럽게 병렬 처리 가능한 메시 생성 알고리즘을 개발하기 위해.
• 딥 러닝 기반 표면 복원에서 기존의 메시 생성 방법들과 비교해 정밀도와 효율성의 우수한 트레이드오프를 보여주기 위해.

제안 방법

• ReLU 기반의 MLP의 입력 공간 내 선형 영역을 식별하여 공간을 다면체 셀로 분할한다.
• 각 선형 영역 내에서 음함수는 아핀 함수이므로 영점 등치면과의 교차를 평면 면으로 정확히 계산할 수 있다.
• 이 교차로부터 해석적 면을 구성하고, 공유된 모서리와 일관된 방향성에 기반한 이론적 조건을 사용해 연결성을 검증한다.
• 해석적 마칭은 인접한 해석적 셀을 순차적으로 탐색하여 완전한 메시를 조립하며, 위상적 정확성을 보장한다.
• 각 해석적 셀이 독립적으로 처리될 수 있으므로 알고리즘이 본질적으로 병렬 처리 가능하다.
• 함수를 이산 격자에 샘플링하지 않고도 학습된 MLP로부터 직접 메시 생성을 수행한다.

실험 결과

연구 질문

• RQ1 ReLU-MLP의 선형 영역에서 유도된 해석적 면은 어떤 조건에서 닫혀 있고 조각별 평면 표면을 형성하는가?
• RQ2 ReLU 기반의 임플리시트 함수의 내재된 구조를 활용함으로써 메시 생성 과정을 정확하게 하고 이산화 오차 없이 수행할 수 있는가?
• RQ3 정밀도와 효율성 측면에서 기존의 마칭 컷스나 듀얼 컨투어링과 같은 표준 메시 생성 알고리즘과 비교해 Analytic Marching의 성능는 어떠한가?
• RQ4 알고리즘이 자연스럽게 병렬 처리되어 계산 확장성을 향상시킬 수 있는가?
• RQ5 특히 고곡률 표면 영역에서 세밀한 기하학적 세부 정보를 유지할 수 있는가?

주요 결과

• 제안된 해석적 마칭 알고리즘은 GPU 가속을 적용한 마칭 컷스, 게리 메시, 마칭 테트라헤드론, 듀얼 컨투어링과 비교해 유의미하게 높은 정밀도를 달성한다.
• 유사한 수준의 메시 품질에서 해석적 마칭은 GPU 가속 마칭 컷스보다 상당히 빠르며, 뛰어난 효율성을 입증한다.
• D6-W60 설정에서 평균 카프먼 거리가 5.91×10⁻¹이며, τ=5×10⁻³일 때 평균 F-Score는 66.6%로 기준 방법들을 초월한다.
• 정성적 비교를 통해 고곡률 영역에서 날카로운 기하학적 세부 정보를 잘 포착하는 것으로 나타났다.
• 유사한 정밀도 수준에서 마칭 컷스보다 메시의 면 수가 적어 기하학적 충실도가 높음을 시사한다.
• 이론적 분석을 통해 ReLU-MLP의 선형 영역에서 유도된 해석적 면은 약한 조건 하에서 반드시 연결되어 닫힌 표면을 형성할 수 있음을 증명했다.