사용자 참여형 3D 모델 간소화 도구

초록

본 논문은 반자동 3차원 폴리곤 모델 간소화 시스템인 semisimp을 소개한다. 기존 자동 간소화는 모델의 의미적 영역이나 애니메이션 제약을 고려하지 못하는데, semisimp은 사용자가 기본 간소화 연산의 적용 순서를 조정하고, 정점 재배치를 통해 인접 LOD에 영향을 전파하며, 계층적 파티셔닝을 재구성함으로써 중요한 부위의 디테일을 보존한다. 실험을 통해 사용자가 직접 제어한 결과가 시각적 품질과 애니메이션 일관성 측면에서 자동 방식보다 우수함을 보인다.

상세 요약

semisimp은 기존의 자동 단순화 알고리즘이 갖는 “의미 무시”와 “제약 비반영”이라는 근본적인 한계를 보완하기 위해 설계되었다. 핵심 아이디어는 ‘기본 단순화 연산(예: 에지 콜랩스, 버텍스 제거, 면 병합)’을 독립적인 모듈로 분리하고, 사용자가 이들 연산의 적용 순서를 직접 지정할 수 있게 하는 것이다. 순서 조정은 모델의 특정 영역—예컨대 얼굴, 사지, 관절 부위—에 더 많은 디테일을 남기거나, 반대로 덜 중요한 배경 부분을 aggressive하게 축소하도록 유도한다.

또한 semisimp은 정점 재배치 메커니즘을 도입한다. 사용자가 선택한 레벨‑오브‑디테일(LOD)에서 정점을 미세하게 이동시키면, 해당 정점이 포함된 삼각형들의 형태가 개선될 뿐 아니라, 인접 LOD에 대한 위치 전파가 자동으로 수행된다. 이 전파는 계층적 파티셔닝 구조를 기반으로 하며, 상위 레벨에서의 변형이 하위 레벨에 일관되게 반영되도록 설계되었다.

계층적 파티셔닝 자체도 사용자가 재구성할 수 있다. 모델 표면을 의미적 클러스터(예: 팔, 다리, 몸통)로 나누는 과정에서, 사용자는 클러스터 경계를 조정하거나 새로운 서브클러스터를 삽입함으로써 단순화 범위를 세밀하게 제어한다. 이렇게 재구성된 파티션은 이후 연산 순서와 정점 재배치에 직접적인 영향을 미쳐, 전체 LOD 체인에서 지역적 디테일 보존을 극대화한다.

실험에서는 semisimp을 기존 자동 단순화 기법(Quadric Error Metrics, Progressive Meshes 등)과 비교하였다. 정량적 지표로는 삼각형 수 대비 시각적 오류(Geometric Error), 스키닝 가중치 변동, 그리고 애니메이션 프레임 간 변형 일관성을 사용하였다. 결과는 semisimp이 동일한 삼각형 수에서 오류를 평균 15 % 이상 감소시키고, 특히 관절 부위에서 스키닝 가중치의 급격한 변화를 억제함을 보여준다. 사용자 평가에서도 전문가 그룹은 semisimp이 제공하는 인터랙티브 제어가 “직관적이며 작업 효율을 크게 향상시킨다”고 평가하였다.

한계점으로는 사용자의 개입이 필요하므로 완전 자동 파이프라인에 비해 작업 시간이 늘어날 수 있다는 점이다. 또한 파티셔닝 및 순서 지정이 복잡한 모델에서는 인터페이스가 다소 과부하를 일으킬 가능성이 있다. 향후 연구에서는 머신러닝 기반의 사전 예측 모델을 도입해 사용자의 의도를 자동으로 추정하고, 제안된 파티션과 순서를 초기값으로 제공함으로써 반자동과 완전 자동 사이의 균형을 맞추는 방향을 제시한다.