연구진은 신경 렌더링과 대규모 3D 자산 생성 등 현대적인 파이프라인에서 생성되는 복잡한 메쉬를 단순화하는 새로운 방법인 Feature-Aware Quadric Error Metric (FA-QEM)을 제안했어요.
FA-QEM은 기하학적 편차, 경계 곡률, 표면 법선 일관성을 동시에 고려하는 다중 항 quadric 오차 공식을 도입하여 날카로운 특징을 보존하면서도 빠른 단순화를 가능하게 해요.
Thingi10K 및 Real-World Textured Things 데이터 세트를 포함한 다양한 데이터 세트에서 FA-QEM은 기존 방법보다 낮은 기하학적 오류, 더 나은 시각적 충실도, 훨씬 빠른 실행 시간을 달성했어요.