의상 시뮬레이션과 렌더링 계산 비용은 메쉬의 종류와 그 품질에 크게 좌우 된다. 일반적으로 정확도와 효율성 면에서 삼각메쉬 보다 사각메쉬가 더 선호된다. 본 논문은 재귀 기하 분할법에 기초한 의복 패턴의 사각화 방법을 기술한다. 논문에서는 기존의 방법에서 두 가지 개선점을 제안한다. 첫째, 제안 방법은 기존의 방법보다 향상 된 회귀 기하 분해 알고리즘을 사용한다. 제안된 방법에서 의복패턴의 물리적 도매인은 보다 더 간단하고 맵핑 가능한 형태로 분해된다. 둘째, 본 논문에서는 정점 분류 알고리즘의 유효성 확인작업을 수행한다. 제안 알고리즘을 이용하여 인식 되지 않은 정점 분류에 대한 유효성을 검증 할 수 있다.

본 논문은 페이셜 캡처 데이터로부터 페이셜 리그에 대한 다이렉트 리타겟팅을 수행하는 새로운 방법론에 대하여 다룬다. 페이셜 리그는 프로덕션 파이프라인에서 아티스트가 손쉽게 페이셜 애니메이션을 제작하기 위하여 만들어진 제작도구로서, 모션 캡처 등으로 생성된 얼굴 애니메이션 데이터를 페이셜 리그에 매핑할 경우 아티스트에게 친숙한 방식으로 손쉽게 수정, 편집할 수 있으므로 작업 능률을 크게 향상시킬 수 있다는 장점이 있다. 그러나, 페이셜 리그는 그 종류와 작동 방식이 매우 다양하므로, 다양한 페이셜 리그에 대하여 강건하고 안정적으로 모션 데이터를 매핑할 수 있는 일반화된 방법을 찾기는 쉽지 않다. 이를 위하여, 본 논문은 캡처된 얼굴 모션 중 몇 개의 대표적 표정에 대하여 아티스트가 페이셜 리그로 제작한 표정을 예제로 학습시키는 데이터 기반 페이셜 리타겟팅 방식을 제안한다. 이를 통하여 우리는 아티스트가 페이셜 캡처 데이터를 기존 애니메이션 파이프라인의 페이셜 리그를 활용하여 손쉽게 수정할 수 있도록 할 뿐 아니라, 수십 수백개의 대응점을 일일이 지정해 주어야 하거나 사람과 많이 다른 동물 및 괴물 형태의 얼굴에는 리타겟팅이 잘 이루어지지 않았던 기존 대응점 기반 리타겟팅 방식의 한계점 또한 극복할 수 있었다. 본 논문의 결과물들은 우리의 방식이 제공하는 단순하면서도 직관적인 얼굴 애니메이션 리타겟팅이 실제 애니메이션 프로덕션에서 얼마나 효율적으로 활용될 수 있는지를 보여준다.

본 논문에서는 Face-offsetting 기법을 적용하여 형상 내부의 중립면을 생성하고 영역을 분할한 후 육면체 요소망을 자동 생성하는 기법을 제안하였다. 제안된 기법이 육면체 요소망 생성을 위한 영역 분할에 사용될 수 있음을 검증하기 위하여 2종의 모델에 대한 요소망을 생성하고, 이의 형상비와 Jacobian 값을 기존의 방법들과 비교하여 품질을 평가하였다. 이를 통하여 Face-offsetting 기법을 이용한 중립면 생성과 영역 분할이 육면체 요소망 자동 생성에 효과적으로 사용될 수 있음을 확인하였다.