| 1 |
1
(a) 원본 3차원 기하 모델에 상응하는 변위 맵을 이용하여 딥 러닝 모델을 학습하는 단계; (b) 노이즈를 포함하는 3차원 기하 모델을 입력받은 후 스무딩이 적용된 케이지 모델과의 변위 차이를 포함하는 노이즈 변위 맵을 생성하는 단계;(c) 상기 노이즈 변위 맵을 상기 학습된 딥 러닝 모델에 적용하여 디노이징된 변위 맵을 획득하는 단계; 및(d) 상기 디노이징된 변위 맵을 케이지 모델에 적용하여 3차원 기하 모델을 복원하는 단계를 포함하는 딥 러닝을 이용한 3차원 기하 디노이징 방법
|
| 2 |
2
제1 항에 있어서,상기 (a) 단계는, 상기 원본 3차원 기하 모델에 스무딩을 적용한 케이지 모델을 생성하는 단계;상기 원본 3차원 기하 모델과 상기 케이지 모델간의 변위 맵을 생성하는 단계; 및상기 변위 맵을 이용하여 상기 딥 러닝 모델이 디노이징된 변위 맵을 출력하도록 학습하는 단계를 포함하는 딥 러닝을 이용한 3차원 기하 디노이징 방법
|
| 3 |
3
제2 항에 있어서,상기 (a) 단계는, 상기 원본 3차원 기하 모델에 가우시안 랜덤 함수를 이용하여 노이즈를 추가하여 노이즈 모델을 생성하는 단계; 상기 원본 3차원 기하 모델과 상기 노이즈 모델간의 노이즈 변위 맵을 생성하는 단계를 더 포함하되,상기 딥 러닝 모델의 학습시, 상기 노이즈 변위 맵을 더 이용하는 것을 특징으로 하는 딥 러닝을 이용한 3차원 기하 디노이징 방법
|
| 4 |
4
제2 항에 있어서,상기 (a) 단계는, 상기 변위 맵을 일정 크기의 패치 형태로 랜덤하게 각각 분할하는 단계;상기 분할된 각각의 패치를 랜덤하게 회전시켜 각 패치를 확장하는 단계; 및상기 분할된 패치 및 상기 회전된 패치를 각각 딥 러닝 모델에 입력하여 디노이징된 변위 맵을 출력하도록 학습하는 단계를 포함하는 것을 특징으로 하는 딥 러닝을 이용한 3차원 기하 디노이징 방법
|
| 5 |
5
제1 항에 있어서,상기 케이지 모델은 라플라시안(Laplacian) 스무딩을 적용하여 생성되는 것을 특징으로 하는 딥 러닝을 이용한 3차원 기하 디노이징 방법
|
| 6 |
6
제1 항에 있어서,상기 노이즈 변위 맵은 상기 케이지 모델로부터 각 정점의 노멀(normal) 방향으로 상기 3차원 기하 모델에 대응하는 표면까지의 거리를 계산함으로써 각 정점에 대한 변위 정보를 포함하여 생성되되, 상기 노이즈 변위 맵에서 변위 정보가 존재하지 않는 영역의 픽셀 컬러값은 상기 변위 정보와 다른 상수 값으로 지정되어 생성되는 것을 특징으로 하는 딥 러닝을 이용한 3차원 기하 디노이징 방법
|
| 7 |
7
제1 항 내지 제6 항 중 어느 하나의 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체 제품
|
| 8 |
8
컴퓨팅 장치에 있어서,적어도 하나의 명령어들을 저장하는 메모리; 및상기 메모리와 연동되며, 상기 메모리에 저장된 명령어들을 실행하는 프로세서를 포함하되,상기 프로세서에 의해 실행된 명령어들은, (a) 원본 3차원 기하 모델에 상응하는 변위 맵을 이용하여 딥 러닝 모델을 학습하는 단계; (b) 노이즈를 포함하는 3차원 기하 모델을 입력받은 후 스무딩이 적용된 케이지 모델과의 변위 차이를 포함하는 노이즈 변위 맵을 생성하는 단계;(c) 상기 노이즈 변위 맵을 상기 학습된 딥 러닝 모델에 적용하여 디노이징된 변위 맵을 획득하는 단계; 및(d) 상기 디노이징된 변위 맵을 케이지 모델에 적용하여 3차원 기하 모델을 복원하는 단계를 수행하는 것을 특징으로 하는 컴퓨팅 장치
|
| 9 |
9
제8 항에 있어서, 상기 (a) 단계는, 상기 원본 3차원 기하 모델과 스무딩이 적용된 케이지 모델간의 변위 맵을 생성하는 단계; 및상기 변위 맵을 이용하여 상기 딥 러닝 모델이 디노이징된 변위 맵을 출력하도록 학습하는 단계를 더 수행하는 것을 특징으로 하는 컴퓨팅 장치
|
