부분 형태 유사성을 위한 무대응 영역 탐색 해밀토니안 스펙트럼 정렬

초록

본 논문은 부분 3D 형태의 유사성을 판단할 때, 기존에 필요했던 점대점 대응을 전혀 사용하지 않고, 스칼라 잠재함수(잠재 전위)를 최적화해 두 형태의 해밀토니안 스펙트럼을 정렬함으로써 유사 영역을 자동으로 찾는다. 이 과정은 전통적인 디스크립터나 복잡한 정규화 없이 순수히 라플라시안·해밀토니안 고유값만을 이용하며, 부분 형태 매칭과 스펙트럼 기반 형태 복원 두 가지 응용에서 기존 방법보다 정확도와 연산 효율성을 동시에 개선한다.

상세 분석

이 논문은 비강체(비강직) 3D 형태의 부분 유사성을 평가하기 위해 “대응‑프리(region‑free) 방식”을 제안한다는 점에서 기존 연구와 근본적으로 차별화된다. 기존 방법들은 보통 로컬 디스크립터(예: SHOT, HKS) 혹은 딥러닝 기반 특징을 추출하고, 이를 기반으로 점‑대‑점 혹은 함수‑대‑함수 대응을 구한 뒤, 그 대응을 이용해 부분 영역을 식별한다. 그러나 대응을 구하는 과정은 NP‑hard 최적화, 복잡한 정규화, 대규모 학습 데이터가 필요하다는 한계가 있다.

본 논문은 라플라시안(Laplacian)과 해밀토니안(Hamiltonian) 연산자를 이용해 형태를 완전히 다른 관점에서 바라본다. 해밀토니안은 라플라시안에 스칼라 잠재함수 v(x) 를 더한 연산자로, v가 0인 영역에서는 라플라시안 고유함수가 그대로 유지되고, v가 큰 영역에서는 고유함수가 억제된다(“잠재 장벽”). 논문은 단계형 잠재함수 vτ(x) = 0 (x∈R), τ (x∉R) 를 가정하고, τ가 충분히 클 경우 λi < τ 인 고유값에 대응하는 고유함수 ψi 가 완전히 R 내부에 국한된다는 고전 물리학 결과(Lemma 1)를 활용한다.

핵심 아이디어는 “부분 영역 R 의 디리클레 라플라시안 고유값 µi 와 전체 형태 X 에서 잠재함수 vτ 로 만든 해밀토니안 고유값 λi 가 동일하다”(Lemma 2)는 사실이다. 따라서 부분 형태의 고유값 집합 µ를 알면, 이를 전체 형태 X 에서 동일하게 만들 잠재함수 v를 찾는 최적화 문제로 변환할 수 있다. 구체적으로는

\