확장 현실에서의 실시간 상호작용을 위한 장면 인식 프로젝션의 GPU 기반 가속화 방법

국문 초록 (Abstract)

렌더링된 볼륨 데이터(volumetric data) 표면의 점구름(point cloud)은 사용자 입력에 대한 상호작용의 목표 지점을 결정하거나, 상호작용의 결과로서 사용자 입력과 볼륨의 형태를 함께 반영한 모델을 근사하는 데 사용된다. 볼륨 데이터의 점구름은 깊이 카메라로 촬영된 것과 다른 특징을 가지기 때문에 해당 데이터 구조를 생성하고 처리하기 위한 효율적인 방법이 고안될 필요가 있다. 본 연구에서는 사용자의 인식에 기반하여 볼륨 표면의 점구름을 생성하고, 장면 인식 기반 방법을 사용하여 상호작용 목표 지점을 추출하고, 사용자 입력을 사용하여 ROI-RANSAC(random sample consensus)을 적용하는 과정을 GPU를 사용하여 가속화하는 방법을 제안한다. 기존 CPU 기반 방법과의 비교를 통해 제안된 방법의 가속화 성능을 입증하며, 본 방법을 통해 3차원 확장 현실 환경에서 실시간 상호작용을 제공할 수 있음을 보인다.

다국어 초록 (Multilingual Abstract)

A point cloud corresponding to the surface of rendered volumetric data is used to estimate target points of interactions or to approximate a model based on both user input and the volume geometry. The point cloud of volumetric data has distinctive characteristics compared to that obtained by a depth camera; thus, an efficient method is required to generate and process this data structure. In this research study, we propose methods for accelerating the generation of a point cloud of the surface of volumetric data based on a user perception, estimating the target interaction point using the scene-aware projection, and applying ROI-RANSAC on the given user input. We verify the effectiveness of the proposed methods by comparing them with a conventional CPU-based method, and we demonstrate that our methods provide real-time interaction in a 3D extended reality environment.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련연구
• 3. GPU 기반 가속화 방법
• 4. 실험 과정 및 결과
• 5. 결론
• References