Mesh Saliency 김 종 현

Abstract 세일리언시(saliency) Why?? : 해당 영역이 이 객체에서 상대적으로 얼마나 중요한가를 나타내는 척도. : 세일리언시를 계산하기 위해서 가우시안 가중치를 이용하여 계산한 곡률 의 평균값(average curvature)을 이용한다. Why?? : 해당 영역의 곡률의 대표 값을 얻기 위해서이다. : 곡률이 크더라도 같은 패턴이 반복적인 영역은 중요도가 높지 않기 때문에 이런 영역을 제외하기 위해서이다.

Introduction Compression!! Progressive Meshes : Hoppe Spectral Compression of Mesh Geometry : Karni and Gotsman Compression!!

Introduction Analysis!! Rendering!! 모두 Curvature 를 이용을 한다!! Estimating the tensor of curvature of a surface from a polyhedral approximation : Taubin Interactive Multi-Resolution Modeling on Arbitrary Meshes Level of Detail for 3D Graphics. Analysis!! Rendering!! 모두 Curvature 를 이용을 한다!!

Introduction 반복적인 패턴은 그것이 높은 곡률을 가진다고 하더라도, 단조롭게 보인다.

Introduction Contribution Saliency Computation Salient Simplification : 가우시안 가중치를 계산한 곡률의 평균값을 사용. Salient Simplification : saliency를 기존의 QEM에 어떻게 활용을 할 것인가. 3. Salient Viewport Selection : 자동적으로 viewport selection.

Mesh Saliency Computation x(0) X(1) X(4) X(3) X(2) X(5) v Vertex (v)의 mean curvature 가우시안 필터의 표준 편차 객체를 둘러싼 바운딩 박스의 사선길이의 0.3% 로 정의

Mesh Saliency Computation Curvature Average Curvature

Mesh Saliency Computation 곡률의 평균 을 구했다면, 해당 정점에서의 세일리언시 는 다음과 같이 계산!! 스케일에 상관없이 좋은 결과를 얻기 위해 멀티 스케일의 세일리언시를 구해야 한다. 스케일 i에서 곡률의 평균을 를 이용하여 계산. 스케일 i에서의 세일리언시 는 다음과 같이 계산을 한다. 각 스케일에서 구해진 는 최종적으로 비선형 정규화에 의해 합쳐져 최종 세일리언시 로 계산된다.

Mesh Saliency Computation

Mesh Saliency Computation

Mesh Saliency Computation 그림을 보면 알듯이 스케일의 값이 늘어남에 따라 영향을 받는 지역이 늘어 나는 것을 볼수 있다. 세일리언시를 계산한 결과는 절대값을 측정할 수 없기 때문에, 0과 1사이로 정규화 된 후 사용해야 한다. 가장 큰 saliency value M(i)를 계산한다. 글로벌 maximum을 제외하고, 나머지에서 local maxima 의 평균을 구한다. m(i) m(i) M(i) 각 Map

Mesh Saliency Computation New Map multiply (M(i) – m(i))^2 Old Map

Salient Simplification 간략화 알고리즘은 그 동안 많이 알려져 왔다. center-surround 를 사용하지 않았다. local context Quadrics-based simplification method 수정 이차 오류 함수를 사용하여 두 목표점을 대체하는 새로운 꼭지점의 위치를 결정하는 방식이다.

Salient Simplification 이차 오류 함수는 각 꼭지점에 대하여 그 점을 포함하고 있는 면들의 법선 벡터를 이용하여 각 면들의 기초 오류 이차 행렬 (fundamental error quadric matrix)를 구한다. Error Quadric Q for all the planes around a vertex Fundamental error quadric for a plane

Salient Simplification 이 행렬은 한 점과 그 점과 관련된 면들 간의 최단 거리의 제곱 합을 계산 단순화 과정에서 두 점이 합쳐져서 새로 만들어지는 점의 위치를 정할 때 거리 제곱의 합이 가장 작은 값을 가지는 위치의 점을 결정 We find v by solving

Salient Simplification 새로운 좌표!!

Salient Simplification 우리는 threshold 를 사용하여 saliency 확장 operator A를 정의한다. 확장한 saliency value는 factor 에 의해서 보다 크거나, 같다. 이 논문의 Simplification에서 사용한 값은 Simplification 중에 한번만 saliency를 구한다. 원본 모델의 saliency를 유지한다. 매번 계산을 하면 다음과 같이 blur 현상이 나타난다.

Salient Viewpoint Selection Kamada and Zkawai(1998) : A simple method for computing general position in displaying tree-dimensional objects. : 노말을 사용 Stoev and StraBer(2002) : A Case Study on Automatic Camera Plac ement and Motion for Visualizing Historical Data : 더 안전한 viewing 범위, visible scene depth should be maximized Blanz(1999) : What object attributes determine cannonical : task, object geometry and object familiarity Computer vision Weinshall and Werman(1997) : On view likelihood and stability : 오브젝트의 가장 알맞은 view와 안전성을 동등하게 보여줌. : 오브젝트의 가장 평평한 부분을 보여준다.

Salient Viewpoint Selection 우리의 method는 오브젝트의 지역에서 saliency의 합이 가장 큰 부분을 viewpoint로 선택해준다. Viewpoint : v F(v) be the set of surface points visible from v

Salient Viewpoint Selection saliency의 합이 가장 큰 viewpoint를 찾는다. wireframe : 보이는 saliency 합의 강도이다. 3D 퍼지는 방출량에 양과 복잡성에 의한 결과를 얻을 수 있다. 대신에 우리는 gradient-descent-based 를 사용한다!! (Optimization)

Salient Viewpoint Selection 최적화된 변수 : 경도, 위도 위도 경도 Random View. Iterative : gradient-descent method to find the Local maxima.

Salient Viewpoint Selection 복합적으로 선택된 starting points 의 반복적인 과정으로 랜덤하게 global maximum을 찾아낸다.

Results and Discussion 반복적인 패턴은 salient로 분류되지 않는다. saliency의 계산 시간은 scale 에 의존적이다.

Conclusions and Future Work 여기서는 Mean curvature 를 사용. : 더 좋은 curvature 를 사용하자!! : principal curvature 우리는 saliency를 오직 Geometry에서만 적용을 했다. 일반적으로 saliency는 다른 attribute를 포함한다. : color, texture, reflectance saliency를 계산하는데 시간이 오래 걸린다. : multiresolution mesh hierarchy를 사용하면 speed up 감사합니다!!