Neural Toroidal Priors and Residual Learning for 3D Shape Representation
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113576
과학기술정보통신부
한국연구재단
부산대학교산학협력단
박영진
11명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
6,172만원
6,172만원
기초연구
대학
부산광역시 금정구
정보/통신 > 정보이론 > 알고리즘
○ 최종목표 - 토러스 패치 기반 기하 사전정보와 잔차 학습을 결합한 새로운 3D 형상 표현 패러다임 확립○ 추진전략 - (Geometry-First) 형상의 주요 구조는 토러스 패치가 먼저 설명하고, 네트워크는 잔차만 학습 - (잔차 학습) 스칼라 잔차 → 3D 벡터 잔차 → 형상 분석 체계로 점진 확장 - (선행연구 확장) 검증된 토러스 패치 원...
○ [1차년도] 토러스 패치 기반 기하 사전정보 정식화 및 잔차 학습 구조 검증 - (과업 1) 토러스 패치 기반 형상 분할 재설계 - (과업 2) 파라메트릭 표현 및 잔차 학습 구조 정식화 - (과업 3) 성능 검증 및 비교 분석 - (정량목표) SCIE 논문 1편 게재, 국제학술대회 발표 1건○ [2차년도] 토러스 패치 기반 잔차 공간에서의 기하...
○ 활용방안 - (3D 데이터 경량화·전송) 토러스 매개변수와 저복잡도 잔차를 분리 저장하는 형상 압축 기술로 대용량 3D 모델을 저용량 표현 - (3D 스캔 데이터 후처리) 잔차 공간의 잡음 성분 분석·제거를 통해 3D 스캐너, 의료 영상, 산업용 비전 데이터 품질 향상 - (형상 분석 기반 품질 검사) 패치 매개변수와 잔차 분포를 활용한 곡률 이상...