연구진이 메시 서브디비전 프레임워크 SubdivAR을 발표했어요. SubdivAR은 메시 자동 회귀 표현(MAR)을 기반으로 하며, 서브디비전을 차세대 예측 문제로 재구성해요.
MAR은 다양한 서브디비전 레벨의 메시를 순서대로 배열하며, 하이브리드 토폴로지 인식 트랜스포머를 활용해 전역 의미적 주의와 토폴로지 제약 로컬 특징 집계를 결합해요.
FII-40K 데이터셋으로 학습한 SubdivAR은 기존 방식보다 하우스도프 거리와 챔퍼 거리를 각각 18.8%, 14.2% 줄이며 복잡한 개방형 표면에서도 뛰어난 성능을 보여요.