[논문 리뷰] Geodesic Centroidal Voronoi Tessellations: Theories, Algorithms and Applications

Zipeng Ye, Ran Yi외 3명|arXiv (Cornell University)|2019. 07. 01.

Computational Geometry and Mesh Generation참고 문헌 32인용 수 5

한 줄 요약

이 논문은 삼각형 메esh로 표현된 다양체 표면 위에 기하학적 중심 Voronoi 타일링(GCVTs)을 제안하여 균일한 리메시킹과 콘텐츠 민감한 슈퍼픽셀/슈퍼보크셀 생성을 가능하게 한다. 기하학적 거리와 Lloyd 반복 기반의 효율적 알고리즘을 도입하여 이미지 기반 GCVT 및 RCVT 생성에 대해 O(nK) 시간 복잡도를 달성하며, 공간 복잡도는 O(n)을 유지한다. 이는 컴퓨터 비전 및 그래픽스 분야에서 강력한 적용 가능성을 보여준다.

ABSTRACT

Nowadays, big data of digital media (including images, videos and 3D graphical models) are frequently modeled as low-dimensional manifold meshes embedded in a high-dimensional feature space. In this paper, we summarized our recent work on geodesic centroidal Voronoi tessellations(GCVTs), which are intrinsic geometric structures on manifold meshes. We show that GCVT can find a widely range of interesting applications in computer vision and graphics, due to the efficiency of search, location and indexing inherent in these intrinsic geometric structures. Then we present the challenging issues of how to build the combinatorial structures of GCVTs and establish their time and space complexities, including both theoretical and algorithmic results.

연구 동기 및 목표

• 삼각형 메쉬로 표현된 다양체 표면에 대해 컴퓨터 그래픽스 및 비전 분야에서 활용 가능한 내재 기하학적 구조인 GCVTs를 개발하는 것.
• 이산적이고 C⁰ 연속인 메쉬에서 증명 가능하게 균일하고 효율적인 조합적 GCVT 구조를 구성하는 데 도전하는 것.
• 다양체 메쉬 상에서 GCVT 생성의 시간 및 공간 복잡도에 대한 이론적 및 알고리즘적 기초를 확립하는 것.
• 내재 기하학적 거리 측정을 활용하여 균일한 리메시킹 및 콘텐츠 민감한 슈퍼픽셀/슈퍼보크셀 생성과 같은 실용적 응용을 가능하게 하는 것.
• 계산 비용이 높은 기하학적 거리 방법과 더 빠른 근사치 간의 격차를 RCVT를 통해 메우며 정확성과 효율성을 확보하는 것.

제안 방법

• 기하학적 질량 중심이 세포의 생성자와 일치하는 기하학적 중심 Voronoi 타일링(GCVTs)으로서 다양체 위의 Voronoi 타일링을 제안하여 균일성을 보장한다.
• 기하학적 거리를 사용한 Lloyd 방법을 적용하여 생성자와 Voronoi 영역을 반복적으로 갱신함으로써, 번갈아가며 Voronoi 구성과 중심 계산을 반복함으로써 GCVT로 수렴한다.
• 메쉬 그래프 상에서 Dijkstra 알고리즘을 사용해 각 반복에 대해 정확한 기하학적 거리를 O(n log n) 시간 내에 계산하며, 최적화된 레이블 수정 변형을 통해 시간 복잡도를 O(n)으로 감소시킨다.
• 기하학적 Voronoi 세포를 R²로 펼쳐 내기 위한 랜드마크 다차원 척도법(LMDS)을 적용하여 명목상 질량 중심의 빠른 근사치를 도출한다.
• 기하학적 거리 계산의 비용을 피하기 위해 임bedding 공간 내 유클리드 거리를 사용하는 제한된 중심 Voronoi 타일링(RCVT)을 도입한다.
• 시간 및 공간 복잡도를 분석하여, 이미지에서 GCVT(IMSILIC 기반) 및 RCVT(MSLIC 기반)의 경우 각각 O(nK) 시간 및 O(n) 공간 복잡도를 보이며, K회의 반복을 수행함을 밝혔다.

실험 결과

연구 질문

• RQ1 기하학적 중심 Voronoi 타일링은 삼각형 메쉬로 표현된 내재 리만 다양체로 어떻게 일반화될 수 있는가?
• RQ2 이산적이고 비가속도가 존재하는 다양체에서 조합적 GCVT 구조를 구성할 때 발생하는 이론적 및 알고리즘적 과제는 무엇인가?
• RQ3 대규모 데이터에 대해 반복적인 GCVT 생성 과정에 효율적이고 정확한 기하학적 거리 계산을 어떻게 통합할 수 있는가?
• RQ4 RCVT는 기하학적 균일성을 유지하면서 GCVT에 대한 빠르고 정확한 근사치로 얼마나 효과적으로 기능할 수 있는가?
• RQ5 GCVT 및 RCVT 알고리즘의 시간 및 공간 복잡도는 다양체 메쉬에서 어떻게 계산되며, 입력 크기 증가에 따라 어떻게 스케일링되는가?

주요 결과

• GCVTs는 다양체 메쉬 상에서 균일한 타일링임을 증명하였으며, 데이터 분할을 위한 안정적이고 내재적인 기하학적 구조를 제공한다.
• 기하학적 거리의 사용으로 인해 표면 상에서 표준 유클리드 Voronoi 타일링이 세포를 분리시킬 수 있는 것과 달리, Voronoi 세포가 항상 연결되어 있음을 보장한다.
• IMSILIC 알고리즘은 Dijkstra 알고리즘과 LMDS 기반 중심 근사치를 사용하여 각 반복에 대해 O(nK) 시간 및 O(n) 공간 복잡도로 근사 GCVT를 구성한다.
• MSLIC 알고리즘은 임베딩 공간 내 유클리드 거리를 사용하여 각 반복에 대해 O(nK) 시간 및 O(n) 공간 복잡도로 RCVT를 계산하며, 수렴 속도를 크게 향상시킨다.
• RCVT는 GCVT의 기하학적 정확성과 CCVT의 계산 효율성을 결합하여 효과적인 다리 역할을 한다.
• 실험 결과, GCVT와 RCVT 모두 이미지 및 3D 모델에서 고성능의 균일한 리메시킹과 콘텐츠 민감한 슈퍼픽셀/슈퍼보크셀 생성을 가능하게 한다.