[논문 리뷰] Low Rank Matrix Approximation for Geometry Filtering

Xuequan Lu, Scott Schaefer외 3명|arXiv (Cornell University)|2018. 03. 19.

3D Shape Modeling and Analysis참고 문헌 17인용 수 11

한 줄 요약

이 논문은 점군과 메쉬에서 노멀 추정 및 기하 필터링을 위한 저질서 행렬 근사 프레임워크를 제안한다. 국소적 특징에서 유사도 행렬을 구성하고 저질서 근사를 적용함으로써, 노멀 추정 정확도를 향상시키고 효과적인 필터링, 업샘플링, 노이즈 제거 및 텍스처 제거를 가능하게 한다. 이는 벤치마크 데이터셋에서 기존 방법들보다 시각적 품질과 정량적 지표에서 뛰어난 성능을 발휘한다.

ABSTRACT

We propose a robust normal estimation method for both point clouds and meshes using a low rank matrix approximation algorithm. First, we compute a local feature descriptor for each point and find similar, non-local neighbors that we organize into a matrix. We then show that a low rank matrix approximation algorithm can robustly estimate normals for both point clouds and meshes. Furthermore, we provide a new filtering method for point cloud data to smooth the position data to fit the estimated normals. We show applications of our method to point cloud filtering, point set upsampling, surface reconstruction, mesh denoising, and geometric texture removal. Our experiments show that our method outperforms current methods in both visual quality and accuracy.

연구 동기 및 목표

• 노이즈가 많거나 희박한 점군과 메쉬에서 정확한 노멀 추정 문제를 해결하기 위해.
• 점군과 다각형 메쉬 양쪽 모두에서 효과적으로 작동하는 통합 프레임워크를 개발하기 위해.
• 비국소적 이웃 관계의 저질서 구조를 활용하여 기하 필터링을 향상시키기 위해.
• 강력한 노멀 추정을 통해 고품질의 표면 복원, 업샘플링 및 노이즈 제거를 실현하기 위해.
• 표준 벤치마크에서 기존 방법들보다 시각적 정밀도와 정량적 정확도 모두에서 뛰어난 성능을 내기 위해.

제안 방법

• 기하적 맥락을 포착하기 위해 각 점에 대한 국소적 특징 기술자를 구성하기 위해.
• 특징 유사도를 기반으로 비국소적 이웃을 식별하고 이를 행렬 형태로 정렬하기 위해.
• 유사도 행렬에 저질서 행렬 근사를 적용하여 잠재적인 기하 구조를 복원하기 위해.
• 저질서 근사를 사용하여 노이즈나 이방성 요소가 존재하는 상황에서도 표면 노멀을 강인하게 추정하기 위해.
• 추정된 노멀에 맞추어 점 위치를 보정하여 부드러움을 향상시키는 필터링 전략을 적용하기 위해.
• 개선된 노멀을 활용하여 표면 복원, 메쉬 노이즈 제거 및 기하 텍스처 제거를 지원하는 프레임워크를 확장하기 위해.

실험 결과

연구 질문

• RQ1 저질서 행렬 근사는 점군과 메쉬의 비국소적 점 이웃에서 기하 구조를 효과적으로 복원할 수 있는가?
• RQ2 최첨단 기술들과 비교했을 때 제안된 방법은 노멀 추정의 강인성을 얼마나 향상시키는가?
• RQ3 저질서 프레임워크는 필터링 및 업샘플링과 같은 후속 기하 처리 작업에서 얼마나 향상시키는가?
• RQ4 노이즈 수준과 샘플링 밀도가 다양할 경우에도 정확도를 유지하는가?
• RQ5 점군과 메쉬를 포함한 다양한 기하 표현 방식으로 일반화될 수 있는가?

주요 결과

• 제안된 방법은 특히 노이즈가 많거나 희박한 환경에서 기존 기술들보다 벤치마크 데이터셋에서 뛰어난 노멀 추정 정확도를 달성한다.
• 저질서 근사는 비국소적 이웃으로부터 전역적인 기하 일관성을 효과적으로 포착하여 강인성을 향상시킨다.
• 추정된 노멀에 기반한 필터링 파이프라인은 점군 업샘플링 및 노이즈 제거에서 표면의 부드러움과 시각적 품질을 크게 향상시킨다.
• 표면 복원 작업에서 최첨단 기술들을 능가하여 더 높은 정밀도와 더 적은 아티팩트를 달성한다.
• 예리한 특징과 세밀한 디테일을 유지하면서도 효과적인 기하 텍스처 제거를 가능하게 한다.
• 비정형 점군과 다각형 메쉬를 포함한 다양한 입력 유형에 대해 강력한 일반화 성능을 보였다.