[Paper] 통합된 Primitive Proxies for Structured Shape Completion

Source: arXiv - 2601.00759v1

번역할 텍스트를 제공해 주시면 한국어로 번역해 드리겠습니다.

개요

이 논문은 UniCo라는 통합 프레임워크를 소개한다. UniCo는 조밀한 포인트 클라우드 대신 구조화된 기본 요소(예: 평면, 원통, 직육면체)를 직접 예측함으로써 3‑D 객체의 누락된 부분을 완성한다. 기본 요소를 일급 객체로 취급하고 이를 포인트 수준 정보와 단일 순전파 과정에서 결합함으로써, UniCo는 합성 데이터와 실제 데이터 모두에서 현저히 향상된 재구성 품질을 달성한다.

핵심 기여

• 프리미티브 중심 디코딩: 전용 네트워크 브랜치가 공유된 형태 특징으로부터 완전한 프리미티브(형상, 의미 레이블, 인라이어 멤버십)를 예측하여 전통적인 포인트‑와이즈 → 프리미티브‑와이즈 처리 흐름을 탈피합니다.
• 학습 가능한 프리미티브 프록시: 각 프리미티브에 대한 “프록시” 역할을 하는 컨텍스트화된 쿼리 벡터를 도입해 모델이 한 번에 조립 가능한 프리미티브를 출력하도록 합니다.
• 점‑프리미티브 공동 학습: 온라인 타깃 업데이트 방식을 통해 점 구름 예측과 프리미티브 예측을 결합, 일관된 그래디언트와 안정적인 수렴을 보장합니다.
• 최신 수준 성능: 네 개의 벤치마크 조립 솔버 전반에 걸쳐 UniCo는 Chamfer 거리를 최대 50 % 감소시키고, 최근 베이스라인 대비 법선 일관성을 최대 7 % 향상시킵니다.
• 오픈소스 공개: 코드, 사전 학습 모델, 데모 페이지가 공개되어 재현성과 downstream 통합을 용이하게 합니다.

Methodology

1. Shared Feature Encoder

   • 포인트‑클라우드 인코더(예: PointNet++ 또는 트랜스포머‑기반 백본)가 불완전한 입력으로부터 전역 형태 디스크립터를 추출합니다.

2. Dual Decoding Paths

   • Point Path: 세밀한 기하학을 포착하기 위해 밀집된 포인트 집합을 생성합니다.
   • Primitive Path: 동일한 전역 디스크립터를 받지만 학습 가능한 프리미티브 프록시(고정 크기 쿼리 벡터) 집합을 처리합니다. 각 프록시는 교차‑어텐션을 통해 공유 특징에 주목하여 프리미티브 디스크립터를 생성합니다.

3. Primitive Output Heads

   • 각 디스크립터에서 세 개의 헤드가 예측됩니다:
     • Geometry (평면의 법선 및 오프셋, 원통의 반지름 및 축 등과 같은 파라메트릭 프리미티브의 파라미터)
     • Semantic class (예: 가구의 “다리”, “등받이” 등)
     • Inlier mask (입력 포인트 중 프리미티브에 속하는 포인트)

4. Online Target Updates

   • 학습 중 모델은 포인트 예측을 정제하고 프리미티브 타깃을 업데이트하는 과정을 번갈아 수행합니다. 현재 포인트 클라우드를 프리미티브 인라이어 마스크의 소프트 라벨로 사용하여 두 브랜치가 상호 일관성을 유지하도록 합니다.

5. Loss Functions

   • 포인트 재구성을 위한 Chamfer 거리, 프리미티브 기하학을 위한 파라미터 회귀 손실, 의미론을 위한 교차 엔트로피, 그리고 포인트 ↔ 프리미티브를 연결하는 마스크 일관성 손실을 사용합니다.

결과 및 발견

• 프리미티브 품질: 예측된 프리미티브가 실제 CAD 모델과 밀접하게 정렬되어, Boolean 어셈블리, 파트‑레벨 편집 등 하위 CAD‑스타일 작업을 가능하게 합니다.
• 속도: 단일 피드‑포워드 패스(≈ 30 ms on a RTX 3090 for 10 k input points)로 포인트 클라우드와 프리미티브를 동시에 생성하여, 기존 연구에서 사용하던 다단계 파이프라인을 없앱니다.
• 견고성: 공동 학습 방식이 오류 전파를 완화시켜, 30 % 정도의 가림 현상이 있어도 UniCo는 타당한 프리미티브 레이아웃을 복원합니다.

Practical Implications

• Rapid CAD reconstruction: 엔지니어는 기계 부품의 부분 스캔을 입력하고, 다운스트림 시뮬레이션이나 제조에 바로 사용할 수 있는 깔끔한 파라메트릭 모델을 얻을 수 있습니다.
• Robotics & manipulation: 객체 어포던스를 추론해야 하는 로봇은 의미적 프리미티브 출력을 사용해, 비용이 많이 드는 메쉬 처리 없이 그립이나 조립 동작을 계획할 수 있습니다.
• AR/VR content creation: 아티스트는 핸드헬드 스캐너로 불완전한 객체를 캡처하고 즉시 편집 가능한 프리미티브 구성 요소를 받아 씬을 구성할 수 있습니다.
• Edge deployment: UniCo는 단일 포워드 패스로 실행되므로 최신 GPU와 고성능 모바일 AI 가속기에서도 동작할 수 있어, 모바일 스캔 앱에서 온‑디바이스 3‑D 완성 가능성을 열어줍니다.
• Plug‑and‑play with existing pipelines: 프리미티브 프록시는 어떤 포인트 클라우드 백본에도 삽입할 수 있어, 기존 인식 스택을 손쉽게 업그레이드할 수 있습니다.

제한 사항 및 향후 작업

• Primitive 레퍼토리: 현재 구현은 고정된 원시 타입 집합(평면, 원통, 직육면체, 구)만 지원합니다. 보다 복잡한 파라메트릭 형태(예: 자유형 NURBS)로 확장하면 적용 범위가 넓어집니다.
• 매우 큰 씬에 대한 확장성: 단일 객체에 대해서는 효율적이지만, 수천 개의 프리미티브가 포함된 전체 방 스캔을 처리하려면 계층적 프록시 관리가 필요할 수 있습니다.
• 고품질 포인트 인코더에 대한 의존성: 프리미티브 예측 품질은 여전히 기본 포인트‑클라우드 인코더에 좌우됩니다; 최신 트랜스포머‑기반 인코더를 통합하면 성능을 더욱 향상시킬 수 있습니다.
• 실시간 정제: 향후 작업에서는 초기 feed‑forward 패스 이후 프리미티브를 반복적으로 정제하는 방식을 탐구하여 인터랙티브 편집 루프를 가능하게 할 수 있습니다.

UniCo는 통합된, 프리미티브‑우선 관점이 구조화된 형태 완성을 크게 개선할 수 있음을 보여주며, 개발자에게 불완전한 3‑D 데이터를 깔끔하고 편집 가능한 모델로 전환하는 실용적인 도구를 제공합니다.

저자

• Zhaiyu Chen
• Yuqing Wang
• Xiao Xiang Zhu

논문 정보

• arXiv ID: 2601.00759v1
• 분류: cs.CV
• 출판일: 2026년 1월 2일
• PDF: PDF 다운로드