메쉬 분할 정보를 활용한 멀티모달 LLM 기반 제로 샷 3D 객체 캡셔닝

Q: 이 논문에서 정의한 3D 객체 캡셔닝이란 무엇인가?

3D 객체 캡셔닝은 3D 객체를 텍스트로 기술하는 방법론으로, 가상현실 및 디지털 콘텐츠 제작 분야에서 필수적인 핵심 기술이다. 기존 2D 이미지 캡셔닝과 달리 3D 객체에 대한 텍스트 정렬 데이터가 부족하여 고품질 캡션 생성에 어려움이 있었다. 본 논문에서는 텍스처 정보 없이 기하학적 특징에 집중하여 캡션을 생성하는 것을 목표로 한다.

Q: 메쉬 분할 정보를 활용한 3D 객체 캡셔닝이 기존 방식보다 우수한 이유는 무엇인가?

연구 결과, 메쉬 분할 정보를 활용한 멀티모달 LLM 기반 캡셔닝은 기존 BLIP-2 계열 파이프라인 대비 환각률을 7.5배 감소시키고 키워드 정합률을 3배 높였다. 이는 색상 등 불필요한 정보를 차단하고 기하학적 특징에만 집중하도록 유도하여, 텍스처 정보 없이도 일관성 있고 정확한 캡션을 산출할 수 있기 때문이다.

강윤석; 이재구

추천

검색

질문

자료유형: 학술대회자료

저자정보: 강윤석 (국민대학교) 이재구 (국민대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2025년도 대한전자공학회 하계학술대회 논문집

발행연도: 2025.6

수록면: 2,754 - 2,758 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

We present a zero-shot pipeline that captions texture-less 3D meshes without any task-specific training. The pipeline first applies Segment Any Mesh to partition an input mesh into semantic parts, then renders nine grayscale and nine color-coded segment views, collages each set, and prompts GPT-4o with “ignore color, describe geometry” to produce a single caption. Evaluated on 386 meshes collected from the Objaverse dataset, the method triples the keyword match rate and cuts hallucinations seven-fold compared with Cap3D, while winning 83 % of GPT-4o preference trials. Our approach thus enables scalable, geometry-centric captions for open-world 3D assets.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-093763322

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)