• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1625-1628
• /
• 2004

본 논문은 렌더링-효과적인 삼각형 메쉬의 점진 전송을 위한 새로운 메쉬 표현 데이터 구조(점진 스트립)를 제안한다. 점진 스트립은 기간 메쉬까지 단순화된 스트립과 이러한 스트립을 단계적으로 복원할 수 있는 일련의 상세 정보로 구성된다. 점진 스트립 기반의 메쉬 전송 전송에서 메쉬 연결정보는 삼각형 스트립 상에서 직접적으로 복원되기 때문에 렌더링 과정에서 그래픽 가속기로 전송되는 데이터양을 크게 줄일 수 있다. 단순화된 스트립에서 발생하는 불필요한 과잉정보를 줄이기 위해 삼각형 스트립 표현의 간결함을 이용하여 스트립의 선축약 연산을 인코딩 하는 방법과 스트립의 정점 시퀀스를 재구성함으로써 불필요한 정점을 효과적으로 필터링하는 삼각형 스트립 필터링 알고리즘을 제안한다. 실험 결과 점진 전송동안 제안되어진 방법은 기존의 삼각형 기반 점진 전송 기법에 비해 메모리-그래픽스 프로세서 간 대역폭을 평균 40.5%~45.6% 줄인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.573-576
• /
• 2022

본 논문에서는 삼각형 구조로 구성된 3차원 메쉬(Mesh)에서 합성곱 신경망(Convolutional Neural Network, CNN)의 정확도를 개선시킬 수 있는 새로운 학습 표현 기법을 제시한다. 우리는 메쉬를 구성하고 있는 삼각형의 넓이와 그 로컬 특징을 기반으로 학습을 진행한다. 일반적으로 딥러닝은 인공신경망을 수많은 계층 형태로 연결한 기법을 말하며, 주요 처리 대상은 오디오 파일과 이미지이었다. 인공지능에 대한 연구가 지속되면서 3차원 딥러닝이 도입되었지만, 기존의 학습과는 달리 3차원 학습은 데이터의 확보가 쉽지 않다. 혼합현실과 메타버스 시장으로 인해 3차원 모델링 시장이 증가가 하면서 기술의 발전으로 데이터를 획득할 수 있는 방법이 생겼지만, 3차원 데이터를 직접적으로 학습 표현하는 방식으로 적용하는 것은 쉽지 않다. 그렇기 때문에 본 논문에서는 산업 현장에서 사용되는 데이터인 삼각형 메쉬 구조를 바탕으로 기존 방법보다 정확도가 높은 학습 기법을 제안한다.

• Journal of KIISE:Computer Systems and Theory
• /
• v.31 no.3_4
• /
• pp.239-246
• /
• 2004

Image snapping for an image moves the cursor location to nearby features in the image, such as edges. In this paper, we propose geometric snapping for 3D triangular meshes, which is extended from image snapping. Similar to image snapping, geometric snapping also moves the cursor location naturally to a location which represents main geometric features in the 3D triangular meshes. Movement of cursor is based on the approximate curvatures which appear geometric features on the 3D triangular meshes. The proposed geometric snapping can be applied to extract main geometric features on 3D triangular meshes. Moreover, it can be applied to extract the geometric features of a tooth which are necessary for generating the occlusal surfaces in dental prostheses.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.369-372
• /
• 2023

본 논문에서는 삼각형 구조로 구성된 3차원 메쉬(Mesh)에서 합성곱 신경망(Convolution Neural Network, CNN)을 응용하여 정확도가 높은 새로운 학습 표현 기법을 제시한다. 우리는 메쉬를 구성하고 있는 폴리곤의 edge와 face의 로컬 특징을 기반으로 학습을 진행한다. 일반적으로 딥러닝은 인공신경망을 수많은 계층 형태로 연결한 기법을 말하며, 주요 처리 대상은 1, 2차원 데이터 형태인 오디오 파일과 이미지였다. 인공지능에 대한 연구가 지속되면서 3차원 딥러닝이 도입되었지만, 기존의 학습과는 달리 3차원 딥러닝은 데이터의 확보가 쉽지 않다. 혼합현실과 메타버스 시장의 확대로 인해 3차원 모델링 시장이 증가하고, 기술의 발전으로 데이터를 획득할 수 있는 방법이 생겼지만, 3차원 데이터를 직접적으로 학습에 이용하는 방식으로 적용하는 것은 쉽지 않다. 그렇게 때문에 본 논문에서는 산업 현장에서 이용되는 데이터인 메쉬 구조를 폴리곤의 최소 단위인 삼각형 형태로 구성하여 학습 데이터를 구성해 기존의 방법보다 정확도가 높은 학습 기법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.415-417
• /
• 2002

날로 커져가는 3D 모델을 효율적으로 사용하기 위한 노력으로 압축처리 방법들이 연구되고 있다. 본 논문에서는 3D 모델의 메쉬를 Layer로 분할하여 Vertex Layer와 Triangle Layer를 생성 후, 삼각형들을 몇가지 연산코드로 분류하여 압축(compression)하는 방법을 제안한다. Triangle Layer는 기본 정점으로부터 연결된 선분의 정점들로 이루어진 Vertex Layer의 쌍을 이용하여 만들어진다. 이 Triangle Layer에 해당 되는 삼각형들의 연결 정보를 제안한 연산코드로 분류하고, 이것을 엔트로피 코딩하여 3D 모델을 압축한다. 이 기법은 삼각형의 형태를 기준으로 한 개나 두 개의 삼각형을 하나의 연산코드로 분류하거나 삼각형의 연결 상황에 따라 하나의 연산코드로 분류하여 연결정보를 표현한다. 복원(decompression)시에는 연산 코드를 이용하여 삼각형의 연결정보를 뽑아내면 원 상태의 3D 모델을 획득할 수 있다. 이 방법은 연결 정보를 무손실 압축하는 방법으로, 지금까지 제안된 압축기법과 비교할 때, 간단하면서도 월등한 압축 효과를 볼 수 있다.

• Journal of Digital Convergence
• /
• v.11 no.8
• /
• pp.205-212
• /
• 2013

In this paper, we present a procedural modeling algorithms to create Korean traditional stone fence using the fractal subdivision. The main process of the algorithm is to get the next step mesh by subdividing each triangle in the previous step triangular mesh. This process is repeated recursively. Dividing each triangle into four sub-triangles after choosing a random point on each side of the triangle and moving each vertices in the normal direction with random perturbations make the bumpy appearance of stone fences. In each step we remove flat vertices which does not influence the shape of the stone. The discrete curvature determines the flatness of a vertex. New triangles whose vertices are the vertices around the removed vertex are added to make a triangular mesh.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.39 no.2
• /
• pp.22-29
• /
• 2002

This paper presents an algorithm for segmentation of 3D triangular mesh data. The proposed algorithm uses iterative merging of adjacent triangle pairs based on the orientation of triangles. The surface is segmented into patches, where each patch has a similar normal property Thus, each region can be approximated to planar patch and its boundaries have perceptually important geometric information of the entire mesh model. The experimental results show that the Proposed algorithm is peformed efficiently.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.10B
• /
• pp.1399-1408
• /
• 2001

본 논문에서는 삼각형 메쉬(triangular mesh)로 이루어진 3차원 모델의 연결 정보(connectivity data)와 형상 정보(geometry data)를 삼각형 팬(triangle fan) 구조에 기반하여 효율적으로 압축하는 부호화 기법을 제안한다. 첫째로, 연결 정보의 무손실 부호화로 꼭지점 차수 왜곡(vertex degree warping) 기법을 제안한다. 기존의 알고리듬이 연결 정보와 형상 정보를 분리하여 부호화하는데 반해 제안하는 알고리듬은 연결 정보를 부호화하는데 형상 정보를 이용하여 압축 효율을 높인다. 둘째로, 형상 정보를 압축하기 위해 이중 평행사변형 예측(dual parallelogram prediction) 기법을 제안한다. 삼각형 팬 구조를 이용함으로써 기존의 삼각형 스트립(triangle strip) 기반의 알고리듬보다 정확한 형상 예측이 가능하고, 예측 오차가 작아지게 된다. 다양한 3차원 메쉬 모델에 대한 모의 실험을 통하여 제안하는 알고리듬이 기존의 알고리듬보다 우수한 압축 성능을 나타냄을 확인하다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.341-344
• /
• 2022

본 논문에서는 삼각형 메쉬 기반에서 변형률 기반 동역학(Strain-based dynamics, SBD)을 안정적으로 표현할 수 있는 굽힘 스프링 구조와 감쇠 기법에 대해 설명한다. SBD는 삼각형 메쉬의 에지 길이(Edge length) 기반의 에너지 대신 변형률(Strain)을 활용하여 에너지를 모델링한다. 하지만, 비정상적인 삼각형(Degenerate triangle)인 경우 변형률이 불안정하게 계산되어 잘못된 방향으로 늘어나는 문제가 발생한다. 본 논문에서는 이러한 문제를 효율적으로 처리할 수 있는 굽힘 스프링(Bending spring) 구조에 대해 소개한다. 결과적으로 본 논문에서 제안하는 기법은 안정적으로 SBD를 처리할 수 있기 때문에 다양한 재질의 옷감 시뮬레이션을 안정적으로 표현할 수 있도록 한다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.125-128
• /
• 2001

본 논문은 파동분할(Wave partitioning) 방식을 이용한 순차적(Sequential) 메쉬 부호화 방식을 제안한다. 파동분할 방식은 호수에 물방울이 퍼져 나가는 자연 원리를 이용하여 초기 삼각형의 주위에 삼각형을 덧붙여 가면서 하나의 SPB(Small Processing Block)을 만들어내는 방식이다. 이 방식을 이용하여 하나의 모델을 서로 독립적인 SPB로 분할하고, 각각의 SPB 내에서 초기 삼각형을 중심으로 그것에 덧붙여진 삼각형에 의해 만들어진 원 또는 반원을 찾는다. 또한 그 원주를 따라 순차적으로 꼭지점을 구하면 각각의 꼭지점들은 일정한 패턴으로 늘어서게 되고, 이를 이용하여 연결성 정보 없이 부가 정보만 이용하여 모델을 순차적으로 무손실 부호화한다.