3D
Artificial Intelligence
내재적 벡터 열 네트워크
Author
Venue
2024년 국제 머신러닝 컨퍼런스
Abstract
벡터 필드는 다양한 과학 및 공학 응용 분야에서 흐름을 표현하고 모델링하는 데 널리 사용됩니다. 본 논문은 3차원 공간에 임베드된 매니폴드 표면 위에서 본질적으로 정의되는 접선 벡터 필드를 학습하기 위한 새로운 신경망 아키텍처를 소개합니다. 표면 위 벡터 필드 학습에 대한 기존 접근법들은 벡터를 다차원 스칼라 필드로 간주하고, 전통적인 스칼라 값 아키텍처를 사용하여 채널을 개별적으로 처리하므로 벡터 필드의 근본적인 본질적 특성을 보존하지 못합니다. 본 연구의 핵심 아이디어는 표면 전체에 걸쳐 벡터 값 특징 데이터를 공간적으로 전파하기 위해 학습 가능한 벡터 열 확산 모듈을 도입하는 것이며, 이를 벡터 값 뉴런으로 구성된 제안된 아키텍처에 통합하였다. 본 아키텍처는 입력의 강체 변환, 등각 변형, 국소 접선 기저의 선택에 불변성을 가지며, 표면의 이산화에도 견고하다. 우리는 삼각형 메쉬에서 Vector Heat Network를 평가하고, 그 불변성을 경험적으로 검증한다. 또한 사각형 메쉬 생성과 같은 유용한 산업적 응용 분야에서 본 방법의 효과성을 입증한다.
