지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 황성수
- 발행연도
- 2022
- 저작권
- 한동대학교 논문은 저작권에 의해 보호받습니다.
이용수23
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
가상 시점 생성 분야에서 다시점의 영상을 사용하여 가상 시점을 생성해내는 NeRF(Neural RadianceField) 기술이 큰 각광을 받고 있다. NeRF는 영상으로부터 3차원 점을 생성하여 색상값과 점의 존재 확률인 속성값을 학습하고 이로부터 새로운 시점의 렌더링 영상을 획득할 수 있다. 이때 NeRF는 다수의 3차원점을 사용하여 긴 학습, 렌더링 시간이 소요되고, 실제 존재하지 않는 위치의 점을 샘플링하여 렌더링 영상의 화질이 제한적인 단점이 있다. 본 연구는 깊이 영상을 추가적으로 사용하여 샘플링 시 의미 있는 샘플링 점만을 추출하는 방식을 제안한다. 물체의 표면부의 정보만으로도 렌더링이 가능하다는 점에 착안하여, 3차원 물체의 표면에 해당하는 점을 샘플링하는 방안이다. 그리고 3차원 포맷인 포인트 클라우드를 활용하여 테스트 시점에서의 깊이 영상을 획득 및 개선하는 방안을 제안한다. 가상데이터 Lego,Ship을 사용하여 기존 NeRF와 제안하는 기술의 렌더링 성능 및 학습 소요 시간의 비교 실험과 추가적으로 DONeRF와의 비교 실험 또한 진행하였다. 결과적으로, 본 연구는 기존 NeRF보다 가상 시점 영상의 화질을 두 데이터셋 평균23.6%개선하였고, 학습 시간 45.3%단축시켜 렌더링 기술의 성능 향상에 기여하였다.
목차
I. 서론 1II. 관련 연구 31. NeRF 31.1 3차원 Ray 생성 31.2 3차원 점 샘플링 41.3 볼륨 렌더링 51.4 네트워크 구조 61.5 계층적 볼륨 샘플링 62. DONeRF 72.1 ViewCell을 사용한 Ray 결합 72.2 DepthOracle 네트워크 7III. 제안하는 방법 101. 표면 샘플링 102. 샘플점의 개수 113. 가상 시점의 깊이 영상 생성 123.1 깊이 정보를 사용한 3차원 복원 133.2 포인트 클라우드의 순차적 생성 방안 143.3 투영 153.4 투영 영상 개선 16IV. 실험 18V. 결론 30VI.참고문헌 31감사의 글 33
최근 본 자료
댓글(0)
0