Adaptive Volumetric Mechanical Property Fields Invariant to Resolution

Paper ID: 2606.18231 • 2 Upvotes

3D Physics Sparse Voxel Transformer Material Science

Adaptive Volumetric Mechanical Property Fields Invariant to Resolution

📝 핵심 요약

Sparse Adaptive Voxel 구조를 활용하여 해상도와 메모리 효율을 극대화한 3D 객체용 적응형 물성(E, ν, ρ) 예측 기술

📖 상세 내용

정교한 물리 시뮬레이션을 위해서는 정확한 물성 정보가 필수적이지만, 대부분의 3D 에셋은 이러한 정보가 결여되어 있습니다. 기존의 고정 격자 방식은 해상도와 메모리 효율 측면에서 한계가 있었습니다. 본 논문은 입력 형상에 맞춰 독자적인 희소 적응형 복셀(SAV) 구조를 생성하는 Sparse Transformer 인코더-디코더 모델인 AdaVoMP를 제안합니다. 이 방식은 기존 방식보다 16^3배 높은 해상도를 제공하면서도 메모리 효율을 높였습니다. 실험 결과, AdaVoMP는 적은 연산량으로도 더 정확한 부피 물성을 예측하여 복잡한 3D 객체를 시뮬레이션 가능한 에셋으로 변환하는 데 성공했습니다.

🔑 주요 내용 (Key Points)

Sparse Adaptive Voxel (SAV) 구조를 통한 고해상도 및 메모리 효율성 확보
입력 형상에 최적화된 SAV를 자기회귀(Autoregressive) 방식으로 생성하는 Transformer 모델 도입
기존 VoMP 대비 16^3배 높은 해상도와 더 높은 예측 정확도 달성

💡 실무적 가치 (Relevance)

고해상도 3D 모델을 물리 시뮬레이션에 즉시 사용할 수 있는 데이터로 변환할 때, 연산 비용을 낮추면서도 정밀한 물리적 특성을 부여할 수 있습니다.

✅ 추천 액션 (Actionable Items)

제안된 SAV 구조가 복잡한 기하학적 구조(Thin shell 등)에서 얼마나 안정적인지 검증
Transformer 기반의 자기회귀 생성 방식이 대규모 에셋 생성 시 연산 병목이 되는지 테스트
기존 고정 격자 방식과 비교하여 메모리 점유율 및 시뮬레이션 정확도 벤치마크 수행

View on Hugging Face View PDF (arXiv)