텍스처로부터 3D 형태 추정: 지역 스케일 점 과정 기반 프레임워크

초록

본 논문은 2차원 이미지의 불규칙 텍스처를 점 과정으로 모델링하고, 지역 스케일링 함수를 이용해 투시 변형을 추정함으로써 표면의 기울기와 기울임(슬랜트·틸트)을 복원한다. 전처리 단계에서 확률 맵을 생성하고, 비모수적 방법으로 잠재 점들을 검출한 뒤 복합우도 최대화를 통해 스케일 파라미터를 추정한다. 시뮬레이션 및 실제 타일·벽돌 이미지 실험에서 높은 정확도를 보였다.

상세 분석

이 연구는 텍스처 기반 형태 복원을 기존의 정규성 가정에서 벗어나 ‘근접 규칙성(near‑regular)’ 텍스처에 적용 가능한 통계적 프레임워크로 확장한다. 핵심 아이디어는 텍스처 요소를 볼록(convex)한 점 과정의 표식으로 간주하고, 이미지 전처리 단계에서 경계 검출(Gradient‑of‑Gaussian 혹은 Earth‑Mover‑Distance 기반 히스토그램 차이)과 거리 변환을 통해 각 픽셀의 점 존재 확률을 나타내는 확률 맵 Y를 만든다.

다음으로, Y의 국부 최대값을 후보 점으로 선정하고, 선형 연결성(선분 상 최소값이 일정 비율 이상) 기준으로 이웃 관계를 정의한다. 동일 텍스처 요소에 속할 가능성이 높은 후보들을 하나의 클러스터로 묶어, 각 클러스터 내 최고 확률값을 최종 점 위치 Ψ로 확정한다. 이 과정은 모델‑프리이며, 점 형태 자체에 대한 가정은 ‘볼록성’ 정도만 요구한다는 점에서 기존의 마크드 점 과정(각 요소의 기하학적 마크 필요)보다 유연하다.

점 과정의 강도 함수 α(x)는 지역 스케일링 함수 cη(x)와 연결된다. 저자는 투시 투영에 의해 발생하는 밀도 변화를 (5)식으로 도출하고, 이를 cη(x)=γ(δ,h,f)·h²f²/|h·δ·X|³ 형태로 정규화한다. 여기서 δ는 표면 법선의 구면 좌표(η₁,η₂)이며, f는 카메라 초점거리, h는 평면과 카메라 사이 거리(절대 스케일은 단일 이미지로는 추정 불가).

스케일링 함수는 지수형이 아닌 투시 기반 형태를 갖추어, 거리 변환 d_c(x_i,x_j)=d(x_i,x_j)·γ·