연구진은 기존 변형 3D 재구성 방식이 시각적으로는 괜찮지만, 인스턴스 간 일관성 있는 대응점을 찾는데 어려움이 있다고 밝혔습니다.
SEMAGIC은 단일 이미지에서 의미 일관성을 갖는 변형 3D 표현을 학습하는 프레임워크로, 재구성을 최종 목표로 삼지 않고 변형 모델링을 통해 범주 수준의 대응점을 발견합니다.
SEMAGIC은 범주별 템플릿 메시와 학습된 변형 필드를 활용하여 이미지 특징으로부터 인스턴스 기하학을 재구성하며, 각 정점이 인스턴스 간 의미 있는 정보를 유지하도록 합니다.