[논문 리뷰] Topology-Aware Surface Reconstruction for Point Clouds

Rickard Brüel‐Gabrielsson, Vignesh Ganapathi‐Subramanian외 2명|arXiv (Cornell University)|2018. 11. 29.

Topological and Geometric Data Analysis인용 수 4

한 줄 요약

이 논문은 지속 호몰로지( persistent homology )를 사용하여 연속 최적화 프레임워크 내에서 위상적 사전 지식을 제약 조건으로 코딩하는 위상 인식 표면 재구성 방법을 제안한다. 지속 다이어그램에 의해 유도되는 기울기 하강법을 통해 기저 함수를 최적화함으로써, 이 방법은 위상적으로 정확한 재구성을 보장하며, 기준 데이터셋에서 위상 오차가 0인 성과를 달성한다. 이와 동시에 높은 기하학적 정밀도를 유지한다.

ABSTRACT

We present an approach to inform the reconstruction of a surface from a point scan through topological priors. The reconstruction is based on basis functions which are optimized to provide a good fit to the point scan while satisfying predefined topological constraints. We optimize the parameters of a model to obtain likelihood function over the reconstruction domain. The topological constraints are captured by persistence diagrams which are incorporated in the optimization algorithm promote the correct topology. The result is a novel topology-aware technique which can: 1.) weed out topological noise from point scans, and 2.) capture certain nuanced properties of the underlying shape which could otherwise be lost while performing surface reconstruction. We showcase results reconstructing shapes with multiple potential topologies, compare to other classical surface construction techniques, and show the completion of real scan data.

연구 동기 및 목표

• 노이즈가 많거나 희소한 포인트 클라우드에서의 표면 재구성 시 위상적 모호성 문제를 해결한다.
• 오류가 발생할 수 있는 위상적 특징(예: 추가적인 구멍이나 구성 요소)을 방지하기 위해 재구성 과정에 위상 사전 지식을 통합한다.
• 기본 형상의 의도된 위상을 유지하거나 심지어 수정하는 재구성을 가능하게 한다.
• 기하적 피팅과 위상 정규화를 결합한 미분 가능하고 최적화 기반의 프레임워크를 제공한다.

제안 방법

• 포인트 클라우드 공간 상에서 표면까지의 부호 거리 함수를 모델링하기 위해 기저 함수(예: 반경 기저 함수)를 사용하여 스칼라 필드를 정의한다.
• 입력 포인트 클라우드에 대한 스칼라 필드의 적합도를 기반으로 한 가능도 함수를 정의하고, 기울기 하강법을 통해 최적화한다.
• 다양한 척도에서 위상적 특징(예: 연결 성분, 고리)의 탄생과 소멸을 기록하는 지속 다이어그램을 사용하여 위상 제약 조건을 통합한다.
• 지속 다이어그램에서 기저 함수의 파라미터로 역전파하여, 원하는 위상을 선호하는 기울기 기반 최적화를 가능하게 한다.
• 최적화된 스칼라 필드의 슈퍼레벨 세트로 표면을 추출함으로써 위상적 정확성을 보장한다.
• 전체 파ipeline가 미분 가능하고 최적화에 적합하도록 지속 다이어그램의 미분 가능 근사치를 사용한다.

실험 결과

연구 질문

• RQ1 표면 재구성에 대해 연속적이고 미분 가능한 프레임워크 내에서 위상 사전 지식을 효과적으로 코딩하고 최적화할 수 있는가?
• RQ2 지속 호몰로지가 기하 재구성 모델의 최적화를 원하는 위상으로 이끌 수 있는가?
• RQ3 위상 인식 최적화는 기존 기법 대비 표면 재구성에서 위상 오차를 어느 정도 감소시킬 수 있는가?
• RQ4 희소하거나 노이즈가 많은 스캔으로부터 복잡하거나 모호한 위상을 가진 형상을 신뢰성 있게 재구성할 수 있는가?

주요 결과

• 제안된 방법은 테스트된 모든 형상에서 위상 정확도 지수(TFIk)가 0을 기록하여 완벽한 위상 정확도를 보였으며, 경쟁 기법들은 상당한 위상 오차를 보였다.
• 이 방법은 높은 기하학적 품질을 유지하였으며, Poisson 및 움직이는 최소 제곱법 재구성과 같은 최첨단 기법들과 비교해도 정규화된 일방향 카프어 거리에서 유사하거나 더 우수한 성능을 보였다.
• 이 프레임워크는 올리고트스, 뱀, 돌고래와 같은 복잡한 형상을 희소하거나 완전하지 않은 스캔으로부터도 정확한 위상을 유지하며 재구성하는 데 성공했다.
• 미분 가능한 지속 다이어그램의 사용은 엔드 투 엔드 최적화를 가능하게 하였으며, 수렴 모니터링을 통해 위상적으로 잘못된 해를 탐지하고 회피할 수 있도록 하였다.
• 이 방법은 노이즈와 희소성에 대해 강건하며, 완전하지 않은 스캔을 성공적으로 보완하면서도 의도된 위상적 구조를 유지하였다.
• 특히 교차하지 않는 근접한 표면 영역이 존재하는 경우, 전통적 재구성 기법에 비해 위상 정확도에서 뛰어난 성능을 보였다.