확산 기반 이중 표면 분리: 열린 경계 포인트 클라우드 처리

초록

본 논문은 TSDF 융합 과정에서 발생하는 이중 표면(내부·외부 쉘) 아티팩트를 확산 시뮬레이션을 이용해 사후적으로 분리하는 경량 알고리즘을 제안한다. 열린 경계(구멍)를 가진 폐쇄형·비폐쇄형 모델 모두에 적용 가능하며, 4만 점 규모의 데이터에서 약 10초 내에 내부(진짜) 표면을 추출한다.

상세 분석

이 논문은 TSDF 기반 3D 재구성 시 흔히 나타나는 “double surface artifact”를 해결하기 위해 물리적 확산 모델을 포인트 클라우드에 적용한다는 점에서 독창적이다. 핵심 아이디어는 가상의 입자를 랜덤 워크 시키면서 점 구름 내부를 탐색하고, 입자가 구멍을 통해 탈출하면 외부 표면과의 충돌을 최소화한다는 가정이다. 이를 위해 (1) 초기 스폰 포인트를 내부에 배치하고, (2) 일정 반경을 갖는 시뮬레이션 볼을 사용해 최근접 이웃 탐색(k‑d 트리)으로 충돌을 감지한다. 충돌 시 표면 법선 근사와 작은 무작위 섞기를 통해 반사 방향을 계산하고, 충돌 지점을 새로운 스폰 포인트 후보로 저장한다. 입자가 미리 정의된 “escape boundary” 구를 통과하면 시뮬레이션을 종료한다.

알고리즘은 전역 최적화나 PDE 해석을 요구하지 않으며, 순수 포인트 클라우드만으로 작동한다는 장점이 있다. 또한, “열린 경계(open boundary)”와 “누락된 표면(missing region)”을 명확히 구분하여, 실제 구멍을 통한 탈출이 가능한 경우에만 외부 표면을 무시한다. 이론적 직관(마코프 랜덤 워크, ergodicity)과 실험적 가정(내부 표면 샘플 밀도 충분, 구멍이 제한적, 스폰 포인트가 내부에 존재) 하에 충돌 빈도는 내부 표면에 집중되고, 외부 표면과의 충돌은 드물게 발생한다.

비교 대상인 Poisson Reconstruction, Ball‑Pivoting, Alpha Shapes 등은 폐쇄형 메쉬를 강제하거나 파라미터에 민감해 얇은 층을 합치거나 구멍을 메우는 경향이 있다. 반면, 제안된 확산 기반 방법은 파라미터가 비교적 적고, 노이즈와 비균일 샘플링에 강인하며, 특히 의료 영상이나 실내 스캔처럼 얇은 구조와 구멍이 동시에 존재하는 경우에 유용하다. 그러나 입자 수, 스텝 크기, 최대 충돌 횟수 등 몇 가지 하이퍼파라미터가 결과에 영향을 미치며, 복잡한 내부 구조가 매우 얽혀 있거나 구멍이 매우 크면 탈출 입자가 과도하게 외부 표면을 충돌해 오분류가 발생할 수 있다. 또한, 현재 구현은 CPU 기반이며, 대규모(수백만 점) 데이터에 대해서는 효율성 개선이 필요하다.

전체적으로 이 논문은 TSDF 후처리 단계에서 가벼운 모듈로 활용될 수 있는 실용적인 솔루션을 제공한다. 학술적 기여는 물리 기반 확산 모델을 포인트 클라우드 분할에 적용한 점이며, 실용적 기여는 10초 내에 4만 점을 처리하고, Poisson 재구성을 통해 깨끗한 내부 메쉬를 얻을 수 있다는 점이다.