기술 요약: 블렌디드 차트 표면 (Blended Chart Surfaces)

문제 정의

현대 기하학 처리(geometry processing)에는 압축적이고 명시적이며, 광범위한 위상(topology)과 기하학적 세부 사항을 지원할 수 있는 표면 표현 방식이 필요합니다. 결정적으로, 이러한 표현 방식은 전역적인 매끄러움 보장(예: $C^k$ 또는 $C^\infty$)을 제공해야 하며, 미분 가능한 최적화 파이프라인과 호환되면서 미분량(법선, 표면 에너지 등)에 대한 신뢰할 수 있는 접근성을 제공해야 합니다.

기존의 접근 방식들은 다음과 같은 상당한 트레이드오프에 직면해 있습니다:

• 암시적 표현 (Implicit Representations): 복잡한 위상에 유연하고 최적화하기 쉽지만, 볼륨 기반($\mathbb{R}^3 \to \mathbb{R}$)이며 압축적이지 않습니다. 시뮬레이션이나 제조와 같이 명시적 표면을 필요로 하는 다운스트림 애플리케이션에서는 아이소서페이싱(iso-surfacing, 예: Marching Cubes)이 필수적인데, 이는 조각별 선형 근사(piecewise-linear approximations)를 생성하여 비매끄러운 아티팩트를 도입하고 미분 추정의 안정성을 저해합니다.
• 명시적 표현 (Explicit Representations): 스플라인(spline)이나 세분화 표면(subdivision surfaces)과 같은 고전적인 방법들은 연속성 보장을 제공하지만, 타겟 형상에 대한 학습 기반 피팅에는 적합하지 않은 경우가 많습니다. 신경망 기반의 명시적 대안들(예: 패치 기반 모델)은 패치 경계에서의 이음새 아티팩트(seam artifacts), 미분 불연속성, 또는 제한적인 전역 파라미터화 가정(예: 디스크 또는 구 형태의 위상 요구) 등의 문제를 겪을 수 있습니다.

핵심 과제는 전역적인 파라미터화를 미리 계산할 필요 없이, 암시적 타겟에 대해 미분 가능한 최적화를 지원하면서도 압축적이고 표현력이 풍부하며 구조적으로 매끄러운 명시적 표면 표현을 구축하는 것입니다.

방법론: 블렌디드 차트 표면 (Blended Chart Surfaces, BCS)

저자들은 사용자 제공 코스 프록시 메쉬(simplicial complex) 위에 전역적으로 매끄러운 표면을 구축하는 네트워크 프리(network-free) 명시적 표현 방식인 **블렌디드 차트 표면(BCS)**을 제안합니다. 이 방법은 표면 위상(프록시에 의해 전달됨)과 기하학적 세부 사항(매끄러운 로컬 패치에 의해 전달됨)을 분리합니다.

핵심 구성 요소

1. 로컬 다항식 맵 (Local Polynomial Maps):

   • 각 코스 프록시 메쉬의 정점 $v_i$에 로컬 다항식 맵 $p_i$가 할당됩니다.
   • 이 맵들은 **원-링 좌표(one-ring coordinates)**를 기준으로 정의됩니다. 정점 $v_i$에 대해, 주변 삼각형들은 아핀 변환을 통해 단위 정삼각형으로 변환된 후 2D 도메인으로 "평탄화"됩니다. 이를 통해 정점의 밸런스(valence) $\eta$에 따라 각도가 재조정된 극좌표계 $(r, \theta)$가 생성되어, 원-링을 단위 원판(unit disc)으로 매핑합니다.
   • 로컬 맵 $p_i$는 $p_i(t) = s_i R_i m_i(t) + v_i$로 구성됩니다. 여기서 $m_i$는 학습 가능한 다항식 함수(예: 이차식)이며, $s_i, R_i, v_i$는 코스 프록시 기하 구조에서 유도된 스케일, 회전, 이동 파라미터입니다. 이러한 구조는 프록시의 강체 운동 및 스케일링에 대한 등변성(equivariance)을 보장합니다.

2. 분할 단위를 이용한 블렌딩 (Partition-of-Unity Blending):

   • 전역적인 매끄러움을 보장하기 위해, 로컬 맵들은 매끄러운 분할 단위 가중치 스킴을 사용하여 블렌딩됩니다.
   • 1D 케이스 (곡선): 인접한 정점 함수들은 중첩된 구간 $[-1, 1]$ 상에서 변환 맵과 블렌딩 함수 $B(t)$를 사용하여 블렌딩됩니다.
   • 2D 케이스 (표면): 삼각형 $ijk$내의 점$x$에 대하여, 표면 점은 세 정점 함수의 가중 합으로 계산됩니다:
     $$c_{ijk}(x) = p_i(\text{oc}_{ijk}^i(x))B_{2D}(x,i) + p_j(\text{oc}_{ijk}^j(x))B_{2D}(x,j) + p_k(\text{oc}_{ijk}^k(x))B_{2D}(x,k)$$
   • 2D 블렌딩 함수 $B_{2D}$는 지수 커널(exponential kernel)에 기반한 1D 매끄러운 변환 함수로부터 유도됩니다. 저자들은 특히 이 함수가 $C^\infty$ 연속성 조건(경계에서의 미분값 소멸)과 분할 단위 성질을 만족하도록 설계했습니다.

3. 최적화 (Optimization):

   • 이 표현 방식은 타겟 형상의 전역 파라미터화를 요구하지 않습니다. 대신, 로컬 다항식 $m_i$의 계수들을 암시적 타겟(예: 부호 거리 함수(SDF), 신경 SDF, 또는 무부호 거리 함수)에 직접 최적화하여 맞춥니다.
   • 목적 함수는 BCS 표면과 암시적 필드의 제로 레벨 셋(zero-level set) 사이의 거리를 최소화합니다(예: 표면 위의 평균 절대 SDF 값 최소화).
   • 폴딩(folding)을 방지하고 안정성을 확보하기 위해 정규화 항(예: 암시적 그래디언트와의 법선 정렬)을 추가할 수 있습니다.

주요 기여

1. 압축적이고 명시적인 네트워크 프리 표현: BCS는 겹치는 로컬 다항식 패치들로 정의되는 완전한 명시적 표면 표현을 제공합니다. 이는 $O(d_{poly}^2 |V|)$개의 파라미터만을 필요로 하며($|V|$는 프록시 정점 수, $d_{poly}$는 다항식 차수), 밀집된 MLP의 높은 파라미터 수를 피할 수 있습니다.
2. 보장된 전역 매끄러움 ($C^\infty$): 블렌딩 스킴은 밑바탕이 되는 프록시 메쉬에 날카로운 모서리나 코너가 있더라도 결과 표면이 패치 경계에서 $C^\infty$ 매끄러움을 유지하도록 보장합니다. 이는 블렌딩 함수와 원-링 좌표의 특수한 설계를 통해 달성됩니다.
3. 위상 불가지론 (Topology Agnosticism): 이 방법은 캔로니컬 도메인(예: 구 또는 디스크)에 얽매이지 않고 사용자 제공 프록시 메쉬에 기반하므로, 임의의 위상(뫼비우스 띠와 같은 비가향 곡면 포함)을 지원합니다.
4. 미분 가능성 및 미분량 접근성: 이 표현 방식은 완전히 미분 가능하여, 자동 미분을 통해 위치, 법선, 표면 에너지(예: 탄성 에너지)를 안정적으로 평가할 수 있습니다. 이는 엔드 투 엔드(end-to-end) 최적화와 물리 시뮬레이션으로의 잠재적 활용을 용이하게 합니다.
5. 등변성 (Equivariance): 이 구조는 프록시 메쉬의 강체 운동 및 스케일링에 대해 등변적이어서, 기하학적 변환 하에서도 일관된 동작을 보장합니다.

결과 및 평가

저자들은 다양한 위상(종수 0에서 4까지)과 기하학적 복잡성을 가진 표면에 대해 BCS를 평가하였으며, 이를 해석적 암시적 필드 및 학습된 신경 암시적 필드에 피팅하였습니다.

• 정성적 성능: BCS는 패치 경계에서 매끄러운 고충실도 재구성을 달성합니다. 오차 맵(error maps)은 타겟 암시적 필드로부터의 편차가 낮음을 보여줍니다. 이 방법은 복잡한 위상(예: 종수가 4인 "Fertility" 모델)과 비가향 곡면(뫼비우스 띠)을 효과적으로 처리합니다.
• 베이스라인과의 비교:
  • 보간 스플라인 (Interpolating Splines): Djuren 등[DFK*25]의 연구와 비교했을 때, BCS는 정점 함수들을 타겟 형상에 맞춰 공동으로 최적화하므로, 프록시 정점에 맞추기 위해 함수들을 독립적으로 최적화하는 보간 스플라인보다 더 나은 표면 피팅 품질을 달성합니다.
  • 블렌딩 함수: 제안된 "매끄러운 변환(smooth transition)" 블렌딩 함수는 연속성 보장 및 곡률 안정성 측면에서 바리센트릭(barycentric, $C^0$ 연속성만 제공), 지수(exponential, 경계에서 0에 도달하지 못해 구멍 발생), 삼각함수(trigonometric, $C^1$ 연속성 제공) 방식보다 우수한 성능을 보입니다.
  • MLP 변위 (MLP Displacement): 프록시 메쉬의 접선 불연속성을 유지하는 메쉬 변위 MLP(예: NGFM)와 달리, BCS는 전역적으로 매끄러운 표면을 생성합니다.
• 미분량 (Differential Quantities): 논문은 법선(normals)과 평균 곡률(mean curvature)의 안정적인 계산을 입증합니다. 또한 탄성 에너지를 최적화하는 능력을 보여줌으로써, 얇은 판(thin sheets)의 미분 가능한 물리 시뮬레이션 가능성을 강조합니다.
• 압축 (Compression): BCS는 압축성과 표현력 사이의 유리한 트레이드오프를 제공합니다. 약 250개의 정점을 가진 프록시와 이차 패치를 사용할 경우 약 4,500개의 스칼라 계수를 사용하며, 이는 유사한 작업에 사용되는 작은 규모의 MLP와 비슷하거나 오히려 적은 수준입니다.

의의 및 주장

본 논문은 블렌디드 차트 표면이 암시적 표현의 유연성과 명시적 표현의 유용성 사이의 간극을 성공적으로 메운다고 주장합니다. 전역 파라미터화 없이도 암시적 타겟에 직접 최적화 가능한, 압축적이고 명시적이며 $C^\infty$ 매끄러운 표현을 제공함으로써, BCS는 현재 기하학 처리 파이프라인의 핵심적인 한계를 해결합니다.

저자들은 이 방법이 특히 다음과 같은 분야에서 중요하다고 강조합니다:

• 미분 가능한 최적화: 표면 기하 구조의 안정적인 경사 하강법 기반 피팅 및 최적화를 가능하게 합니다.
• 미분 기하학: 조각별 선형 또는 저차 연속 표현에서는 불안정하거나 정의되지 않을 수 있는 고차 미분량(법선, 곡률, 에너지 등)에 대한 신뢰할 수 있는 접근을 제공합니다.
• 물리 시뮬레이션: 표현의 내재적인 2D 성질과 매끄러움 덕분에 얇은 판 및 탄성 재료를 시뮬레이션하기 위한 자연스러운 프레임워크를 제공합니다.

결론적으로, 이 방법은 프록시 메쉬의 품질에 민감할 수 있고 특정 정규화 없이는 날카로운 특징을 뭉갤 수 있다는 점을 인정하면서도, 특징 인식 확장(feature-aware extensions), 애니메이션 표면, 그리고 코스 프록시에 조건화된 생성 모델링을 위한 견고한 토대를 제공합니다.