Polygon Mesh3D 개체의 표면을 정의하는 꼭지점, 모서리 및 면(일반적으로 삼각형 또는 사각형)으로 구성된 3D 표현입니다. 메시는 컴퓨터 그래픽의 표준 표현이며 다양한 세부 수준으로 복잡한 표면을 효율적으로 표현할 수 있습니다.
Voxel체적 픽셀 - 2D 픽셀에 해당하는 3D입니다. 복셀 표현은 3D 공간을 정육면체 셀의 규칙적인 격자로 나누고, 각 셀은 점유율이나 색상과 같은 속성을 저장합니다. 처리가 간단하지만 고해상도에서는 메모리를 많이 사용합니다.
UV Mapping2D 이미지 텍스처를 3D 모델 표면에 투영하는 프로세스입니다. UV 좌표(U와 V는 2D 텍스처의 축)는 3D 표면의 각 점이 2D 텍스처 이미지의 점에 매핑되는 방식을 정의합니다.
Normal Vector주어진 지점에서 표면에 수직인 벡터입니다. 표면 법선은 조명 계산, 충돌 감지 및 3D 형상의 표면 방향 이해에 필수적입니다.
Depth Map각 픽셀 값이 카메라에서 장면의 해당 지점까지의 거리를 나타내는 2D 이미지입니다. 깊이 맵은 2D 이미지와 3D 형상을 연결하며 RGB-D 카메라로 캡처하거나 표준 이미지에서 추정할 수 있습니다.
Volumetric Rendering볼륨을 통해 광선을 투사하고 각 광선을 따라 색상 및 불투명도 값을 누적하여 3D 데이터를 렌더링하는 기술입니다. NeRF 및 기타 신경 렌더링 방법에서 학습된 3D 표현으로부터 이미지를 생성하는 데 사용됩니다.
Signed Distance Function (SDF)공간의 임의 지점에서 가장 가까운 표면까지의 최단 거리를 반환하는 수학 함수입니다. 기호는 해당 점이 객체 내부(음수)인지 외부(양수)인지를 나타냅니다. SDF는 3D 모양에 대한 강력한 암시적 표현을 제공합니다.
Multi-View Reconstruction서로 다른 시점에서 촬영한 여러 2D 사진을 바탕으로 3D 모델을 재구성하는 과정입니다. 기술은 고전적인 Structure-from-Motion부터 NeRF와 같은 최신 신경 방법까지 다양합니다.
CAD Model컴퓨터 지원 설계(Computer-Aided Design) 모델 - 설계 소프트웨어를 사용하여 생성된 3D 객체를 정밀하게 수학적 표현한 것입니다. CAD 모델은 파라메트릭 표면과 솔리드 형상을 사용하여 엔지니어링 및 제조에 사용되는 정확한 사양을 제공합니다.
Texture3D 모델의 표면에 적용되는 2D 이미지로, 기하학적 복잡성을 증가시키지 않으면서 색상, 패턴, 표면 속성(예: 거칠기, 반사율)과 같은 시각적 세부 정보를 추가합니다.
LiDAR빛 감지 및 거리 측정 - 레이저 빛으로 대상을 조명하고 반사된 펄스를 측정하여 거리를 측정하는 원격 감지 기술입니다. LiDAR는 실제 환경의 고해상도 포인트 클라우드를 생성합니다.
Implicit Neural Representation3D 모양이나 장면을 메쉬나 복셀과 같은 개별 데이터 구조가 아닌 신경망에 의해 매개변수화된 연속 함수로 표현하는 방법입니다. 네트워크는 점유 또는 색상과 같은 속성에 좌표를 매핑하는 방법을 학습합니다.
Shape Embedding학습된 특징 공간에서 3D 모양의 간결한 벡터 표현으로, 객체의 필수 기하학적 및 의미적 속성을 포착합니다. 모양 임베딩을 사용하면 유사성 검색, 분류 및 3D 개체 생성이 가능합니다.
Gaussian Splatting위치, 공분산, 불투명도 및 색상을 각각 갖는 3D 가우스 기본 요소의 컬렉션으로 장면을 모델링하는 3D 장면 표현 기술입니다. 효율적인 래스터화를 통해 복잡한 장면을 실시간으로 고품질로 렌더링할 수 있습니다.
Photogrammetry실제 물체나 환경의 3D 모델을 재구성하기 위해 사진을 측정하는 과학입니다. 최신 사진 측량법은 컴퓨터 비전 알고리즘을 사용하여 이미지 전체의 특징을 자동으로 일치시키고 3D 위치를 삼각 측량합니다.
Marching Cubes3차원 스칼라 필드(예: 부호 있는 거리 함수 또는 복셀 그리드)에서 다각형 메쉬 표면을 추출하기 위한 알고리즘입니다. 필드 큐브를 큐브별로 처리하여 표면이 교차하는 가장자리를 결정하고 그에 따라 삼각형을 생성합니다.
Sketchfab3D, VR, AR 콘텐츠를 게시, 공유, 검색하기 위한 주요 온라인 플랫폼입니다. Objaverse는 주로 아티스트, 디자이너 및 3D 스캐닝 애호가가 업로드한 수백만 개의 3D 모델을 호스팅하는 Sketchfab에서 제공되었습니다.
Ray Casting카메라의 광선을 각 픽셀을 통해 장면으로 추적하여 3D 장면에서 어떤 객체가 보이는지 결정하는 기술입니다. 광선 캐스팅은 NeRF 및 체적 렌더링에 사용되어 각 광선 경로를 따라 밀도와 색상을 샘플링합니다.
Text-to-3D Generation자연어 텍스트 설명을 바탕으로 3D 객체나 장면을 생성하는 작업입니다. DreamFusion, Magic3D 및 Point-E와 같은 방법은 텍스트 조건 확산 모델과 3D 표현의 조합을 사용하여 텍스트 프롬프트에서 3D 콘텐츠를 생성합니다.
Occupancy Network3D 좌표를 점유 확률(포인트가 객체 내부에 있는지 외부에 있는지 여부)에 매핑하는 신경 암시적 표현입니다. 점유 네트워크는 개별 복셀 그리드 없이도 임의의 해상도로 복잡한 모양을 나타낼 수 있습니다.
Shape Completion단일 깊이 스캔이나 부분 점 구름과 같은 부분 관찰을 통해 물체의 완전한 3D 모양을 예측하는 작업입니다. Objaverse 및 ShapeNet과 같은 3D 데이터 세트로 훈련된 딥 러닝 모델은 누락된 지오메트리를 추론하는 방법을 학습할 수 있습니다.
PointNet정렬되지 않은 포인트 클라우드 데이터를 직접 처리하도록 설계된 선구적인 딥 러닝 아키텍처입니다. PointNet은 공유 다층 퍼셉트론과 대칭형 최대 풀링 작업을 사용하여 순열 불변성을 달성하고 포인트 세트에서 직접 3D 분류 및 분할을 가능하게 합니다.
Mesh Decimation3D 메시의 전체 모양과 시각적 모양을 유지하면서 다각형 수를 줄이는 프로세스입니다. 이는 실시간 렌더링, 웹 디스플레이 및 대규모 데이터 세트의 효율적인 저장을 위해 3D 모델을 최적화하는 데 중요합니다.
Objaverse-XLSketchfab, Thingiverse, GitHub 및 Smithsonian을 포함한 여러 플랫폼에서 가져온 1천만 개가 넘는 3D 개체가 포함된 Objaverse의 확장 버전으로, 최대 규모의 개방형 3D 데이터 세트입니다.
DreamFusion사전 훈련된 텍스트-이미지 확산 모델을 사용하여 NeRF 표현을 최적화하는 Google의 텍스트-3D 생성 방법으로, 3D 훈련 데이터 없이 텍스트 설명에서 3D 객체 생성을 가능하게 합니다.
Zero-1-to-3Objaverse 데이터에 대해 훈련된 단일 이미지에서 객체에 대한 새로운 뷰를 생성하는 방법으로 단 한 장의 사진에서 3D 재구성이 가능합니다.
ShapeNet55개의 공통 개체 범주를 포괄하는 51,300개의 고유한 3D 모델을 포함하는 풍부한 주석이 달린 대규모 3D 모양 데이터세트로, 3D 딥 러닝 연구의 벤치마크로 널리 사용됩니다.
Triplane Representation3개의 직교 특징 평면(XY, XZ, YZ)을 사용하여 3D 장면을 인코딩하는 컴팩트 3D 표현으로 효율적인 3D 생성 및 2D 신경망 백본을 사용한 렌더링이 가능합니다.
Multi-View Stereo뷰 전체에서 해당 지점을 찾고 해당 3D 위치를 삼각측량하여 여러 개의 중첩 사진에서 3D 형상을 재구성하는 기술입니다.
Mesh Simplification대규모 3D 데이터 세트의 효율적인 저장 및 렌더링에 중요한 시각적 모양을 유지하면서 3D 메시의 다각형 수를 줄이는 알고리즘입니다.
Cap3DObjaverse에서 3D 개체에 대한 자세한 텍스트 설명(캡션)을 자동으로 생성하는 방법으로, 텍스트 기반 검색 및 텍스트-3D 생성 훈련이 가능합니다.
Point-E텍스트 설명에서 3D 포인트 클라우드를 생성하고 텍스트-3D 쌍의 대규모 데이터 세트에 대해 교육을 받은 OpenAI 모델로 자연어에서 신속한 3D 콘텐츠 생성이 가능합니다.
Radiance Field3D 좌표와 보기 방향을 색상 및 밀도 값에 매핑하여 모든 시점에서 장면의 모습을 나타내는 연속 함수입니다. NeRF는 가장 잘 알려진 구현입니다.
Digital Twin센서 데이터로 실시간 업데이트되는 물리적 개체, 프로세스 또는 시스템의 가상 복제본입니다. Objaverse와 같은 3D 데이터 세트는 더욱 현실적이고 다양한 디지털 트윈을 만드는 데 도움이 됩니다.
Implicit Surface명시적인 꼭지점과 면이 아닌 연속 함수의 0레벨 집합으로 정의된 3D 표면입니다. DeepSDF 및 점유 네트워크와 같은 신경 암시적 표면이 이 범주에 속합니다.
3D Reconstruction사진, 깊이 지도 또는 센서 데이터와 같은 2D 관찰에서 3D 모델을 만드는 프로세스입니다. 방법은 고전적인 구조-동작부터 현대 신경 재구성 기술까지 다양합니다.
View Synthesis카메라로 포착되지 않은 시점에서 장면에 대한 새로운 시각을 생성합니다. NeRF와 Gaussian Splatting은 연속적인 3D 장면 표현을 학습하여 이 작업에 탁월합니다.
Texture Synthesis샘플 텍스처를 확장하거나 AI를 사용하여 텍스트 설명에서 텍스처를 생성함으로써 3D 표면에 대한 텍스처 이미지를 자동으로 생성합니다. 생성된 3D 객체를 사실적으로 렌더링하는 데 중요합니다.
Watertight Mesh구멍이나 간격 없이 완전하고 닫힌 표면을 형성하는 다각형 메쉬입니다. 3D 인쇄, 부울 연산, 내부/외부 쿼리와 같은 많은 작업에는 방수 메시가 필요합니다.
Level of Detail (LOD)보는 거리에 따라 서로 다른 메쉬 해상도를 사용하여 복잡성을 관리하는 기술입니다. 카메라에서 멀리 떨어진 개체는 단순화된 메시를 사용하고 근처 개체는 높은 세부 버전을 사용합니다.
Scene Graph객체, 해당 속성(색상, 재료, 모양) 및 관계(위, 옆, 내부)를 설명하는 3D 장면의 구조화된 표현입니다. 장면 그래프를 사용하면 의미론적 이해와 3D 환경 생성이 가능합니다.
Neural Signed Distance Function3D 점에서 가장 가까운 표면까지의 부호 있는 거리를 출력하도록 학습된 신경망으로, 3D 모양의 연속적이고 미분 가능한 암시적 표현을 제공합니다.
NeRF in the Wild다양한 조명, 노출 및 일시적인 차단기를 사용하여 제한되지 않은 사진 컬렉션을 처리하여 관광 사진에서 3D 재구성을 가능하게 하는 NeRF의 확장입니다.