신경 부호 거리 필드에 대한 구성적 고체 기하학

신경망으로 매개변수화된 서명 거리 필드(SDF)는 최근 기본적인 기하학적 표현으로서 인기를 얻고 있다. 그러나 신경망 SDF에 의해 인코딩된 형상을 편집하는 것은 여전히 해결되지 않은 과제이다. 일반적인 기하학적 연산자(예: 부울 연산)를 활용하는 접근 방식이 유망해 보이지만, 이러한 편집은 종종 잘못된 비-SDF 출력(우리가 의사-SDF라고 부르는 것)을 초래하여 하류 작업에 활용하는 것을 방해한다. 본 논문에서는 아이코날(eikonal)이면서도 진정한 거리 함수가 아닌 의사-SDF의 공간을 규명하고, 출력이 정확한 SDF가 되도록 유도하는 새로운 정규화 기법인 최접점 손실(closest point loss)을 도출한다. 우리는 CSG 및 스윕 볼륨과 같이 기존 방법으로는 의사 SDF가 발생하기 쉬운 다양한 연산에 대해 본 정규화의 적용 가능성을 입증하고, 이러한 연산의 결과에 대해 진정한 (신경망 기반) SDF를 생성한다.