논문 NeuMesh++: 디센틀드 뉴럴 메시 기반 암시적 필드로 볼륨 편집을 보다 유연하고 효율적으로

개요

최근에 신호적(neural) 암시적 렌더링 기술은 빠르게 발전하여, 새로운 시점 합성과 3D 장면을 재구성하는 데 큰 이점을 보이고 있습니다. 그러나 기존의 신경 렌더링 방법들은 편집 목적에서 제한된 기능을 제공하며, 예를 들어 강경 변형과 카테고리별 편집 등이 그렇습니다. 본 논문에서는 신경 방사 장(field)를 분리된 기하학, 텍스처, 의미 코드로 메시 정점에 인코딩하여 새로운 메시 기반 표현을 제시합니다. 이를 통해 메쉬 기반 기하학 편집, 텍스처 교체 및 채우기/페인팅 작업, 의미 기반 편집과 같은 효율적이고 포괄적인 편집 기능을 제공할 수 있게 됩니다.

이를 위해 우리는 새로운 지역 공간 파라미터화로 렌더링 품질과 학습 안정성을 향상시키고, 정점 색상 수정 기능을 통해 텍스처 편집의 정확도를 높이는 기술, 텍스처 편집을 위한 공간 인식 최적화 전략, 그리고 의미 보조 지역 선택을 통해 암시적 필드 편집의 번거로운 주석 과정을 간소화하는 기술을 개발했습니다. 실제 데이터셋과 합성 데이터셋에 대한 광범위한 실험 및 편집 예시는 우리 방법이 표현 품질과 편집 능력에서 우수함을 입증합니다.

주요 기여

• cs.CV

방법론

자세한 방법론은 원문을 참고하십시오.

실제 적용 가능성

본 연구는 cs.CV 분야의 발전에 기여합니다.

저자

• Chong Bao
• Yuan Li
• Bangbang Yang
• Yujun Shen
• Hujun Bao
• Zhaopeng Cui
• Yinda Zhang
• Guofeng Zhang

논문 정보

• arXiv ID: 2606.19316v1
• Categories: cs.CV
• Published: 2026년 6월 17일
• PDF: Download PDF