복잡한 위상 구조 및 불규칙한 표면 세부 정보 손실로 인한 단일 뷰 3D 객체 재구성 결과의 부정확성 문제를 해결하기 위해, 본 논문에서는 비균일 유리 B스플라인 자유 변형(NFFD)과 그래프 합성곱 신경망을 융합한 3D 객체 재구성 방법을 제안한다. 먼저, 연결 가중치 전략이 도입된 제어점 생성 네트워크를 통해 2D 뷰의 특징 학습을 수행하여 제어점의 위상 구조를 얻는다. 다음으로, NURBS 기저함수를 사용하여 제어점 좌표의 적응 특성에 따른 점군 모델 윤곽 간 정점 변형 관계를 구축한다. 마지막으로, 세부 정보 강화를 위해 혼합 주의 모듈을 그래프 합성곱 네트워크에 삽입하여 변형된 점군 위치를 조정함으로써 복잡한 위상 구조와 불규칙 표면의 효율적인 재구성을 실현한다. ShapeNet 데이터셋 실험 결과 평균 CD 지수는 3.79, 평균 EMD 지수는 3.94였으며 Pix3D 실제 장면 데이터셋에서 우수한 재구성 효과를 보였다. 기존 단일 뷰 점군 3D 재구성 방법과 비교할 때 본 방법은 재구성 정확도를 효과적으로 향상시키고 높은 강인성을 가진다.

NURBS 자유 변형;3D 재구성;그래프 합성곱 네트워크;혼합 주의;제어점 생성 네트워크