• Korean Journal of Construction Engineering and Management
• /
• v.5 no.4 s.20
• /
• pp.107-114
• /
• 2004

This paper represents the application of the 3D CAD Model data for 4D simulation and quantity estimation. These support the effective and practical use of 4D CAD model. By using and manipulating the 3D CAD model information, scheduling and quantity estimation could be developed more quickly and effectively. So the 3D CAD model information is made use of not only drawing a blueprint but also playing an important part of data integration platform. The scheduling module sets up the schedule generation logic that consists of period, priority of element arrangement, and time lag of floor placement. It sorts the working items as a priority of working process. And the quantity estimation module queries the material quantity of the structural elements according to the scheduling conditions. These two modules are developed using the 3D CAD model information and assist the function of 4D CAD model.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.532-533
• /
• 2020

원격 및 가상환경에서 사용자의 동작에 따른 3D 모델을 제공하기 위해 light detection and range (LiDAR)로 측정된 3D point cloud로 사용자의 3D 모델이 생성되어 원격 및 가상환경에 사용자의 모습이 제공된다. 하지만 3D 모델을 생성하기 위해서는 사용자의 신체 전부가 측정된 3D point cloud가 필요하다. 사용자의 신체 전체를 측정하기 위해서는 적어도 두 개 이상의 LiDAR가 필요하다. 두 개 이상의 LiDAR을 사용할 경우에는 LiDAR을 사용할 공간과 LiDAR를 구비하기 위한 비용이 발생한다. 단일 LiDAR로 3D 모델을 생성하는 방법이 요구된다. 본 논문에서는 단일 LiDAR에서 측정된 3D point cloud를 이용하여 3D 모델을 생성하는 방법이 제안된다. End-to-End 기반 Convolutional Neural Network (CNN) 모델로 측정된 3D point cloud를 분석하여 사용자의 체형과 자세를 예측하도록 학습한다. 기본자세를 취하는 동안 수집된 3D point cloud로 기본이 되는 사용자의 3D 모델을 생성한다. 학습된 CNN 모델을 통하여 측정된 3D point cloud로 사용자의 자세를 예측하여 기본이 되는 3D 모델을 수정하여 3D 모델을 제공한다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.493-498
• /
• 2006

본 논문에서는 3D 파노라믹 가상 환경 생성을 위한 투영기반 메쉬 모델 생성 기법을 제안한다. 제안된 메쉬 모델 생성 기법은 멀티뷰 카메라를 이용해 다수의 시점에서 얻은 실내 환경의 3D 데이터로부터 메쉬 모델을 생성한다. 먼저 미리 보정된 카메라 파라미터를 이용해 입력된 임의의 3D점 데이터를 여러 개의 하위 점군으로 분할한다. 적응적 샘플링을 통해 각 하위 점군으로부터 중복되는 점 데이터를 없애고 새로운 점군을 생성한다. 각각의 하위 점군을 Delaunay삼각화 방법을 통해 메쉬 모델링하고, 인접한 하위 점군의 메쉬들을 통합하여 하나의 메쉬 모델을 생성한다. 제안된 메쉬 모델링 방법은 점군의 분할을 통해 각 부분의 메쉬 모델을 독립적으로 생성하므로 실내 환경과 같은 넓은 영역의 모델링에 알맞다. 또한, 적응적 샘플링을 통해 3D 데이터가 갖는 깊이 정보의 특징을 보존하면서 메쉬 데이터의 크기를 줄인다. 생성된 가상 환경 모델은 가상/증강현실 응용 어플리케이션 등에 적용이 가능하다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.185-188
• /
• 2001

본 논문에서는 의복의 2D패턴을 구성하여, 3D모델을 자동생성하는 방법을 제안한다. 먼저, 의복의 2D CAB 패턴으로부터 여러가지 의복 2D모델을 자동생성한 후, 의복 패턴별 2D모델을 붕합(Seaming)하여 3D모델을 생성한다. 봉합과정에서 B-Spline을 이용하여 인체의 굴곡과 의복의 공극을 고려하여 의복착용 후의 3D모델을 재구성하고, Z-buffer를 개량한 저리버퍼를 사용한 선적분을 통하여 3D모델을 구성하고 있다. 이때 의복의 3D 모델의 구조에 따라 부분적으로 의복 표면의 인체가 노출되는 현상을 검색하여( Collision Detection ), 의복 3D 모델을 부분적으로 수정하고 있다. 나아가서, 의복 원단에 대한 텍스처DB를 구축하여 다양한 색상의 의복을 코디할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.715-718
• /
• 2022

단일 이미지로부터 3D 모델을 생성하는 방법은 메타버스와 가상현실 콘텐츠에 대한 필요성이 높아짐에 따라, 보다 효율적인 모델 생성방법으로서 관심이 높아지고 있다. 본 논문에서는 단일 이미지로부터 3D 모델을 자동 생성하는 기존 딥-뉴럴 네트워크들을 대상으로, 생성되는 3D 모델의 유형에 따라 기존 네트워크들을 분류하고, 주요 딥-뉴럴 네트워크의 형태와 특징, 그리고 모델 생성의 성능을 분석하고자 한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.16 no.5
• /
• pp.932-938
• /
• 2012

Facial expression has its significance in mutual communication. It is the only means to express human's countless inner feelings better than the diverse languages human use. This paper suggests muscle model-based 3D facial expression generation system to produce easy and natural facial expressions. Based on Waters' muscle model, it adds and used necessary muscles to produce natural facial expressions. Also, among the complex elements to produce expressions, it focuses on core, feature elements of a face such as eyebrows, eyes, nose, mouth, and cheeks and uses facial muscles and muscle vectors to do the grouping of facial muscles connected anatomically. By simplifying and reconstructing AU, the basic nuit of facial expression changes, it generates easy and natural facial expressions.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.367-370
• /
• 2011

최근 설계 단계에서 설계품질 향상과 시공 단계에서 비용 절감을 효과를 기대하며 3차원 BIM 관련 기술에 대한 관심이 높아가고 있으며, 또한 부분적으로 기술 도입 효과가 나타나고 있다. 그럼에도 불구하고 설계 및 시공 현업은 2차원 CAD 도면을 중심으로 이루어지고 있으며, 3차원 BIM 기반 설계가 이루어진다 하더라도 결국 시공을 수행하는 건설 현장에는 2차원 CAD 도면이 납품되고 이를 기반으로 건설 현장은 운영된다. 또한 설계 단계 BIM과 시공 단계 BIM은 모델의 활용 목적이 다르고 그에 따라 모델링의 범위 및 방법이 크게 다르기에 시공 단계에서 2차원 도면에 기반한 시공 BIM 모델 구축이 필요한 현실이다. 본 연구에서는 2차원 구조 CAD 도면을 인식하여 3차원 골조모델을 생성하는 기술을 개발하고 구현하였다. 통합 BIM 모델은 골조, 설비, 마감으로 구성되며, 이 중 골조 모델은 설비와 마감 모델링을 위하여 선행되어야 할 핵심요소이다. 시공 단계 2차원 도면을 바탕으로 골조 모델의 생성을 생성하는 작업에도 많은 노력이 요구되며, 또한 이 과정에서 모델러가 2차원 도면을 파악하여 BIM 도구를 사용하여 모델링을 하는 과정에서 오류의 가능성도 내포되어 있다. 특히 설비, 마감과의 통합 모델 구축이 원활히 되기 위해서는 골조 상세, 즉 부재 편심 또는 단차 등이 정확히 모델링 되어야 한다. 본 연구의 도면 인식을 통한 3D 골조모델 생성은 2차원 구조평면과 부재일람표에 표기된 내용을 그대로 인식하여 3차원 BIM 모델을 생성함으로써 모델링 효율의 극대화와 모델 정확도 향상의 효과를 기대할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.148-151
• /
• 2009

u-GIS 공간정보를 제공하기 위한 3D 모델의 렌더링 성능을 향상시키기 위해 일반적으로 Discrete LOD 기법이 적용된다. 하지만 u-GIS의 3D 건물 모델은 그 복잡성이 매우 높아 LOD 단계별로 모델을 직접 생성하려면 많은 비용과 시간이 소요되어 효율적이지 못하다. 본 연구에서는 원본 3D 모델을 활용하여 하위 LOD 단계의 모델을 메쉬 간략화 알고리즘인 QEM 기법을 통해 생성하는 프로그램을 구현하였다. 프로그램은 다양한 3D 모델의 데이터 포맷을 입력받고 출력할 수 있도록 하여 범용성을 높이고, 생성되는 모델의 결과를 바로 화면으로 확인할 수 있도록 하여 사용자 편의성을 확보하였다. 몇 개의 실제 3D 건물 모델로 실험을 수행하여 프로그램의 성능을 검증하고 그 결과를 도출하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.733-734
• /
• 2023

버츄얼 유튜버로서 자신의 동작을 3D 가상 캐릭터로 나타내고, SNS 에서 춤을 공유하는 경우가 많아졌다. 본 논문에서는 2D 영상에서 MediaPipe BlazePose 모델로 추정된 사람 포즈를 3D 인체 모델인 SMPL 에 피팅하여 사용자 정의 3D 모델을 생성하는 방법을 제안한다. 이를 통해 자신의 춤 영상으로 3D 모델을 생성하여 공유하거나, 기존의 춤 동영상으로 3D 모델을 생성하여 댄스 게임에 사용할 수 있다. 이처럼 본 기술은 예술 및 엔터테인먼트 분야에서 다양하게 활용될 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.57-58
• /
• 2021

우리는 한정된 공간에 분산하여 위치한 다수 개의 카메라들을 이용하여 생성된 실사 그래픽스 체적 모델 시퀀스 기반 동적 복원 알고리즘을 제안한다. 각 프레임 단위로 생성된 정적 모델의 시퀀스로부터 일정 시간 단위로 키 프레임을 생성한다. 키 프레임과 키 프레임 사이의 모델에 대한 리메싱(Remeshing) 처리를 수행하고 이를 통해 생성된 3D 모델과 키 프레임 사이 특징 점을 획득한다. 획득된 특징 점의 3차원 좌표들 사이의 오차를 최소화 하는 최적화 알고리즘(Solver)을 이용하여 키 프레임 모델과 리 매싱된 모델의 비 강체 정합을 모든 키 프레임 단위로 반복적으로 수행한다. 제안한 정합 방법을 이용하여 생성된 모델과 키 프레임 모델 사이 에러를 비교함으로써 결과를 검증한다.