Computer Science / Graphics

'Computer Science / Graphics' 카테고리의 모든 글

총 6개의 글
시간순 정렬
추가 제조 후 처리를 위한 자동 지지구조물 제거 방법

추가 제조 후 처리를 위한 자동 지지구조물 제거 방법

3D 프린팅(가장 가까운 형태 제조) 과정은 종종 실제 제작하려는 디자인에 가까운 형태를 만들어냅니다. 이 과정에서 추가적인 지지 구조물(또는 스크래프olding이라고도 함)이 포함되며, 이를 후처리 단계에서 제거해야 합니다. 본 논문에서는 다축 가공 도구를 사용하여 지지 구조물을 자동으로 제거하는 프로세스 계획을 생성하는 접근법을 설명합니다. 목표는 각 지지 구성 요소와 부품 사이의 접촉 영역을 분리하고, 진화 중인 가장 가까운 형태(남아 있는 지지 구성 요소를 포함)와 충돌하지 않으면서 가장 비용 효율적인 순서로 이를 수행하는 것입니다. 재귀 알고리즘은 각각의 지지 구성 요소가 부품에 연결되는 영역이 접근 가능한지 확인하고, 그들이 제거될 수 있는 방향을 결정합니다. 이러한 지역 중 하나마다, 접근 가능한 방향은 진화 중인 가장 가까운 형태와 도구 조립체 사이의 충돌 없는 공간에서 섬유 로 나타납니다. 접근 가능한 지지를 제거하기 위한 순서를 정하기 위해 알고리즘은 엣지가 섬유 간 리만 거리로 가중치가 부여된 탐색 그래프를 생성합니다. 가장 저렴한 프로세스 계획을 얻기 위해 탐색 그래프에서 트래블링 세일즈맨 문제(TSP)를 해결합니다. TSP의 솔루션으로부터 얻은 구성 시퀀스는 충돌 없는 경로를 찾기 위한 입력으로 사용됩니다. 지지 구조물을 제거한 부품은 전통적인 가공을 통해 예정된 디자인을 완성할 수 있습니다. 방법의 효과는 3D 벤치마크 예제를 통해 입증되었습니다.

paper AI 요약
해시 기반 레이 경로 예측  레이의 지역성을 활용한 BVH 순회 계산 생략

해시 기반 레이 경로 예측 레이의 지역성을 활용한 BVH 순회 계산 생략

최신 레이 추적 기술은 BVH 트리와 같은 계층적 가속 구조를 사용하여 장면 내의 객체들을 점점 더 작은 경계 볼륨으로 감싸는 방식을 채택하고 있습니다. 이러한 가속 구조는 레이가 교차하는 물체를 찾기 위해 수행해야 하는 레이-장면 교차 횟수를 줄입니다. 그러나 우리는 레이들이 이들 가속 구조를 탐색하면서 큰 중복성을 보고 있습니다. 현대의 가속 구조는 장면의 공간적 조직을 탐색하지만, 구조를 통과하는 레이 간의 유사성은 무시되어 중복된 탐색이 발생합니다. 본 논문은 새로운 유망한 기술인 해시 기반 레이 경로 예측(HRPP)을 제안하고, 이를 통해 레이들의 유사성을 활용하여 불필요한 가속 구조 탐색을 피하는 방법을 연구합니다. 우리의 데이터는 가속 구조 탐색이 플랫폼이나 목표 이미지 품질에 관계없이 레이 추적 랜더링 시간의 중요한 부분을 차지한다는 것을 보여줍니다. 본 연구는 사용되지 않은 레이의 지역성을 측정하고, 연관성이 있는 레이와 그렇지 않은 레이 모두를 위한 개선된 레이 탐색 성능의 이론적 잠재력을 평가합니다. HRPP는 평균적으로 모든 교차 탐색 계산 중 40%를 건너뛸 수 있음을 보여줍니다.

paper AI 요약
구조 최적화를 위한 위상 안정적인 CAD 모델 생성

구조 최적화를 위한 위상 안정적인 CAD 모델 생성

컴퓨터 지원 설계(CAD) 모델은 제품의 설계, 제조 및 유지보수에 중요한 역할을 합니다. 따라서 구조 최적화에서 일반적으로 사용되는 메쉬 기반 유한 요소 설명은 먼저 CAD 모델로 번역되어야 합니다. 현재 이 작업은 최대한 수동으로 수행됩니다. 우리는 구조적으로 안정적인 매개변수 CAD 모델을 생성하기 위한 완전 자동화되고 위상 정확도가 높은 접근 방식을 제안합니다. 그 방법론은 위상 최적화된 유한 요소 모델로부터 공간 프레임 구조로 변환하고, 이를 표준적인 구성 고체 기하학(CSG) 연산을 사용하여 CAD 시스템에서 재생성하는 것입니다. 얻어진 매개변수 CAD 모델은 가능한 한 적은 수의 기하학적 매개변수를 가지므로 CAD 시스템 내에서 편집 및 추가 처리에 이상적입니다. 위상 최적화된 구조를 최적인 공간 프레임 구조로 변환하는 중요한 작업은 여러 단계로 이루어져 있습니다. 우리는 먼저 위상 최적화된 병합 모델로부터 위상 보존 골격화 알고리즘을 사용하여 한 병합 넓이의 병합 사슬 모델을 생성합니다. 병합 사슬 모델에 의해 정의되는 무게가 있는 비방향 그래프는 표준적인 그래프 알고리즘을 통해 처리된 후 공간 프레임 구조를 얻습니다. 그 다음, 우리는 구성 멤버의 단면과 레이아웃을 최적화하여 변환 과정에서 손상되었을 수 있는 최적성을 회복합니다. 마지막으로, 우리는 기본적인 고리와 구체 같은 원시 고리를 반복적으로 결합하여 프레임 구조를 생성하고 부울 연산을 사용합니다. 결과적으로 얻어진 고리 모델은 잘라낸 비균일 유리 B-스플린(NURBS) 곡선과 표면으로 구성된 경계 표현(B-Rep)입니다.

paper AI 요약
가상현실에서의 지도와 구체

가상현실에서의 지도와 구체

이 논문은 가상현실(VR)에서 세계 지도를 시각화하는 다양한 방법을 탐색합니다. 다음의 네 가지 시각화를 비교했습니다 (a) 사용자의 관점이 구체 바깥에 있는 3D 외관 구체, (b) VR 평면에 렌더링된 평평한 지도, (c) 사용자의 관점이 구체 안쪽에 있는 3D 내관 구체, (d) 사용자를 중심으로 굴곡을 이루는 구형 부분에 프로젝션 된 굽은 지도. 이 네 가지 시각화 모두에서는, 표준 VR 손잡이 컨트롤러를 통해 지리적 중심을 부드럽게 조정할 수 있으며, 사용자는 헤드셋 트래킹 기능을 활용해 실제 움직임으로 시각화 주변을 이동할 수 있습니다. 거리 비교에서는 외관 구체가 내관 구체와 평평한 지도보다 더 정확했습니다. 면적 비교에서는 외관 및 내관 구체가 평평한 지도와 굽은 지도보다 더 많은 시간이 필요했습니다. 방향 추정에서는 외관 구체가 다른 시각화 방법들보다 더 정확하고 빨랐습니다. 연구 참여자들은 약간의 선호를 보인 외관 구체를 나타냈습니다. 일반적으로 굽은 지도는 평평한 지도에 비해 이점을 가졌으며, 거의 모든 경우에서 내관 구체가 가장 효과적이지 않은 시각화로 발견되었습니다. 전체적으로 우리의 결과는 혼합현실 환경에서 지리적 시각화에 외관 구체의 사용을 지원합니다.

paper AI 요약
신경 거북이 그래픽을 이용한 도시 도로 구조 모델링

신경 거북이 그래픽을 이용한 도시 도로 구조 모델링

본 논문에서는 Neural Turtle Graphics (NTG)를 제안하며, 이는 공간 그래프의 생성 모델로 활용되며 도시 도로 구조를 모델링하는 데 적용되었습니다. 구체적으로, 우리는 도로 구조를 노드와 간선으로 표현한 그래프를 통해 나타냈습니다. 여기서 노드는 제어 점을, 간선은 도로 구간을 의미합니다. NTG는 신경망으로 파라미터화된 순차적 생성 모델입니다. 이 모델은 현재 그래프에 기반하여 새로운 노드와 기존 노드에 연결되는 간선을 반복적으로 생성합니다. 우리는 Open Street Map 데이터를 사용해 NTG를 훈련시켰으며, 다양한 성능 지표를 통해 제안된 방법이 기존 접근법보다 우수함을 보였습니다. 또한 우리의 방법은 사용자가 도로 구조의 스타일을 조절할 수 있도록 하며, 도로 구조의 일부를 스케치하여 합성할 수 있습니다. 이 외에도 제안된 NTG는 위성 항공 사진 해석과 같은 분석적 작업에 활용될 수 있습니다. 실험 결과는 SpaceNet 데이터셋에서 최고 성능을 달성함을 보여줍니다.

paper AI 요약
자동화된 정보그래픽 디자인을 향한 노력  딥러닝 기반의 확장형 타임라인 자동 추출

자동화된 정보그래픽 디자인을 향한 노력 딥러닝 기반의 확장형 타임라인 자동 추출

디자이너들은 정보그래픽을 만들 때 효과적인 인지성과 시각적 스타일 모두를 고려해야 합니다. 이 과정은 전문 디자이너에게도 어렵고 시간이 많이 소요되며, 초보 사용자는 더욱 어려울 수 있습니다. 따라서 자동화된 정보그래픽 설계에 대한 수요가 있습니다. 본 연구에서는 타임라인 정보그래픽을 자동으로 추출하는 종단 간 접근법을 제안합니다. 우리의 접근 방법은 분해와 재구성의 패러다임을 채택하고, 분해 단계에서 다중 작업 딥 뉴럴 네트워크를 사용하여 비트맵 이미지 타임라인에서 두 가지 유형의 정보를 동시에 해석합니다. 하나는 전체적인 정보, 즉 타임라인의 표현, 척도, 레이아웃 및 방향성이고, 다른 하나는 각 시각 요소의 위치, 범주 및 픽셀입니다. 재구성 단계에서는 비트맵 이미지에서 확장 가능한 템플릿을 추출하기 위해 세 가지 기법인 Non-Maximum Merging, Redundancy Recover, 그리고 DL GrabCut를 사용하는 파이프라인을 제안합니다. 우리의 접근 방법의 효과를 평가하기 위해 합성 타임라인 데이터셋(4296개 이미지)과 인터넷에서 수집한 실제 타임라인 데이터셋(393개 이미지)을 작성하였습니다. 우리는 두 데이터셋에 대한 양적 평가 결과를 보고하고, 자동으로 추출된 템플릿 및 이러한 템플릿을 기반으로 생성된 자동 타임라인의 예제를 제시하여 성능을 질적으로 입증합니다. 결과는 우리의 접근 방법이 실제 타임라인 정보그래픽에서 확장 가능한 템플릿을 효과적으로 추출할 수 있음을 확인합니다.

paper AI 요약

< 분야별 논문 현황 (Total: 566) >

Quantum Physics
5

검색 시작

검색어를 입력하세요

↑↓
ESC
⌘K 단축키