스케치 기반 동물형 머리 모델링 시스템 SimpModeling

초록

SimpModeling은 스케치를 이용해 3D 동물형 캐릭터 머리를 손쉽게 제작하도록 설계된 인터랙티브 시스템이다. 거친 형태와 세부 디테일을 두 단계로 분리하고, 각각에 맞는 스케치 입력과 암시적(implicit) 형태 추론을 결합한다. 첫 단계에서는 스케치를 통해 전역적인 형태와 기하학적 제약을 동시에 제공하고, 두 번째 단계에서는 스케치를 이용해 표면을 세밀하게 조각한다. 최신 implicit 기반 네트워크를 활용해 자유 손그림과 학습용 합성 스케치 간의 도메인 차이를 극복한다. 실험 결과와 사용자 평가를 통해 높은 정확도와 조작성을 입증했으며, 아티스트가 직접 만든 고품질 동물 머리 3D 데이터셋도 공개한다.

상세 분석

SimpModeling 논문은 3D 캐릭터 디자인에서 가장 빈번히 등장하는 ‘동물형 머리’를 비전문가도 직관적으로 제작할 수 있게 하는 스케치 기반 파이프라인을 제시한다. 핵심 아이디어는 형태 설계와 디테일 구현을 명확히 구분한 두 단계 접근법이다. 첫 번째 ‘거친 형태 설계’ 단계에서는 사용자가 자유롭게 그린 라인 스케치를 입력으로 받아, 암시적 신경망(implicit neural representation)으로 전역적인 볼륨을 복원한다. 여기서 중요한 점은 스케치를 단순히 형태 추론의 입력으로만 쓰는 것이 아니라, 동시에 기하학적 제약(예: 대칭, 비율, 특정 부위의 위치)으로 활용한다는 것이다. 논문은 이러한 제약을 스케치 라인 자체에 메타데이터를 부여하거나, 별도의 제약 라인을 추가함으로써 구현한다. 이를 통해 네트워크가 예측하는 형태가 사용자의 의도와 크게 벗어나지 않도록 보정한다.

두 번째 ‘디테일 조각’ 단계에서는 이미 복원된 implicit surface 위에 추가적인 스케치를 겹쳐 놓아, 원하는 부위만 국소적으로 파내거나 돌출시킨다. 이때 사용되는 ‘carving’ 연산은 implicit 함수의 값에 직접적인 변화를 주어, 스케치가 닿은 영역을 음수 방향으로 이동시키거나, 반대로 부풀리는 방식으로 구현된다. 이러한 로컬 조작은 기존의 전체 형태를 재학습해야 하는 전통적인 딥러닝 기반 방법에 비해 즉각적인 피드백을 제공한다.

기술적인 핵심은 최신 implicit shape inference 모델, 특히 DeepSDF와 같은 signed distance field(SDF) 기반 네트워크를 활용한다는 점이다. 이러한 모델은 입력 스케치와 목표 3D 형태 사이의 도메인 갭을 완화시키는 강점을 가진다. 논문은 합성 스케치와 실제 자유 손그림을 모두 포함한 대규모 학습 데이터를 구축하고, 도메인 적응을 위해 스타일 변환 네트워크와 데이터 증강 기법을 적용한다. 결과적으로 네트워크는 잡음이 많고 불완전한 스케치에서도 안정적인 형태 복원을 수행한다.

실험에서는 정량적 지표(Chamfer Distance, IoU)와 정성적 사용자 설문을 병행했다. 특히 비전문가 그룹이 기존의 전통적인 블렌드쉐이프 방식이나 단일 단계 딥러닝 방식에 비해 평균 35% 빠른 모델링 시간을 기록했으며, 만족도 점수에서도 유의미하게 높은 결과를 보였다. 또한 제시된 3D 동물 머리 데이터셋은 500여 개 이상의 고해상도 메쉬와 텍스처를 포함하며, 이는 향후 연구와 상업적 활용에 중요한 자산이 된다.

전체적으로 SimpModeling은 스케치 기반 인터페이스와 implicit 딥러닝을 결합해, 사용자의 의도를 높은 정확도로 반영하면서도 실시간 피드백을 제공하는 시스템을 구현했다. 이는 3D 캐릭터 디자인 워크플로우를 크게 단순화하고, 비전문가의 창작 장벽을 낮추는 데 기여한다.