국문목차
표제지=0,1,4
목차=i,5,3
그림목차=iv,8,2
표목차=vi,10,1
논문 개요=vii,11,2
I. 서론=1,13,1
1.1 연구 배경=1,13,4
1.2 연구 목적 및 내용=4,16,5
1.3 논문의 구성=9,21,1
II. 관련 연구=10,22,1
2.1 물리기반 변형모델=10,22,1
2.1.1 매스-스프링 모델=10,22,3
2.1.2 유한요소모델=12,24,2
2.1.3 경계요소모델=14,26,2
2.2 다해상도 변형모델=15,27,3
2.3 충돌감지=17,29,1
2.3.1 충돌감지 기법의 분류=17,29,2
2.3.2 변형모델을 위한 충돌감지=18,30,2
III. 공간 적응적 변형모델=20,32,1
3.1 개요=20,32,1
3.2 보간 영역분할에 의한 다해상도 표면 모델 구축=21,33,1
3.2.1 기하학적 모델의 표현=21,33,2
3.2.2 매스-스프링을 이용한 객체 표현=23,35,3
3.2.3 표면 모델의 세분화=25,37,4
3.2.4 계층적 표면모델=29,41,2
3.3 지역적 공간적응=31,43,1
3.3.1 공간 적응 적용 기준=31,43,2
3.3.2 지역적 세분화 및 간략화 알고리즘=32,44,7
IV. 다해상도 모델간 변형 결합=39,51,1
4.1 물리적 파라미터 조정=39,51,1
4.1.1 질량 조정=39,51,3
4.1.2 스프링 계수의 조정=41,53,3
4.1.3 시간간격 및 속도 조정=43,55,1
4.2 형태유지 스프링을 이용한 안정적 형태 복원=44,56,2
V. 변형모델의 실시간 충돌감지=46,58,2
5.1 개요=48,60,1
5.1.1 GPU를 이용한 범용 계산 기법=48,60,3
5.1.2 GPU 기반 충돌감지 개요=51,63,3
5.2 삼각 메쉬쌍의 충돌감지=53,65,1
5.2.1 텍스쳐 기반 기하학적 객체 정보 표현=53,65,3
5.2.2 삼각 메쉬쌍의 충돌감지 알고리즘=56,68,5
5.3 가속화 기법=61,73,1
5.3.1 가시성 테스트 기반 컬링=61,73,6
5.3.2 위상학적 정보 기반 컬링=67,79,3
5.3.3 계층적 충돌 결과 조회=70,82,4
VI. 구현 및 결과=74,86,1
6.1 적응적 변형 모델의 성능분석=74,86,1
6.1.1 실험모델 및 자료구조=74,86,3
6.1.2 공간 적응적 변형 모델의 성능 실험결과=77,89,2
6.1.3 다해상도 모델간 변형 결합성 실험결과=78,90,4
6.1.4 형태유지 스프링 적용 실험결과=82,94,2
6.2 변형모델의 실시간 충돌감지 성능분석=84,96,1
6.2.1 실험모델=84,96,3
6.2.2 GPU 기반 충돌감지 결과=86,98,6
6.2.3 계층적 충돌결과 조회 기법 성능 분석=92,104,1
6.3 결과 요약=93,105,2
VII. 결론 및 향후 연구=95,107,1
7.1 결론=95,107,2
7.2 향후 연구=97,109,2
참고문헌=99,111,6
ABSTRACT=105,117,2
발표논문목록=107,119,4
감사의 글=111,123,2
그림1.1 지역적 세분화를 포함한 매스-스프링 모델=3,15,1
그림1.2 제안 적응적 변형 모델의 특성 및 연구 기여=7,19,1
그림1.3 제안 GPU 기반 충돌감지 기법의 특성 및 연구기여=8,20,1
그림2.1 질량 노드와 감쇠 스프링으로 구성된 매스-스프링 모델 예=11,23,1
그림3.1 다각형 메쉬를 이용한 기하학적 형상 표현=21,33,1
그림3.2 사면체를 이용한 기하학적 형상 표현=22,34,1
그림3.3 Runge-Kutta 법에서 사용한 기울기와 κ 값=25,37,1
그림3.4 수정된 Butterfly 세분화 마스크=27,39,1
그림3.5 삼각 메쉬의 세분화=28,40,1
그림3.6 모델 구성요소의 계층 구조 개념도=30,42,1
그림3.7 표면 곡률 근사=32,44,1
그림3.8 지역적 표면 세분화=33,45,1
그림3.9 지역적 표면 세분화 알고리즘=34,46,1
그림3.10 지역적 표면 간략화 알고리즘=35,47,1
그림3.11 갈라짐 현상 방지를 위한 활성 삼각면의 세부 분할=37,49,1
그림3.12 활성화 삼각면에 대한 보정 렌더링 처리 전후 비교=38,50,1
그림4.1 온라인 수행 단계에서의 노드 질량 조정=41,53,1
그림4.2 형태유지 스프링을 포함한 표면 매스-스프링 모델=45,57,1
그림5.1 프로그램 가능한 그래픽 파이프라인=50,62,1
그림5.2 제안 충돌감지 기법의 처리 절차=51,63,1
그림5.3 텍스쳐를 이용한 삼각 메쉬의 저장=54,66,1
그림5.4 1차원 텍스쳐를 이용한 모든 삼각쌍의 표현=55,67,1
그림5.5 충돌감지 쉐이더를 위한 입력 텍스쳐와 출력 텍스쳐=56,68,1
그림5.6 분리축을 이용한 두 다각형의 중첩 테스트=57,69,1
그림5.7 L벡터를 기준으로 중첩되는 삼각형 쌍=59,71,1
그림5.8 L벡터를 기준으로 서로 분리되어 있는 삼각형 쌍=59,71,1
그림5.9 동일 평면상의 두 삼각형=60,72,1
그림5.10 객체간 충돌가능 삼각형 집합 선별 알고리즘=63,75,1
그림5.11 객체간 충돌가능 삼각형 집합=64,76,1
그림5.12 자체충돌 가능 삼각형 집합 선별 알고리즘=65,77,1
그림5.13 자체충돌 가능 삼각형 집합=66,78,1
그림5.14 삼각형 메쉬쌍들의 충돌검사 수행 결과=66,78,1
그림5.15 인접 삼각 메쉬=67,79,1
그림5.16 스텐실 테스트를 이용한 위상학적 컬링=68,80,1
그림5.17 위상학적 정보기반 2단계 컬링 알고리즘=69,81,1
그림5.18 오프 스크린 버퍼의 계층적 암호화=71,83,1
그림5.19 오프 스크린 버퍼의 선택적 조회와 계층적 복호화=73,85,1
그림6.1 winged-edge 구조=76,88,1
그림6.2 벤치마크 위 모델의 변형 비교=78,90,1
그림6.3 제안 조정기법 적용 후 다른 해상도 모델간 변형 결합성 실험=79,91,1
그림6.4 힘이 주어진 노드의 변이 추적=79,91,1
그림6.5 제안 조정 기법을 적용한 세 가지 모델의 변형 정도 가시화=80,92,1
그림6.6 저해상도, 고해상도, 적응적 모델에서의 질량 노드의 움직임 추적=81,93,1
그림6.7 형태유지 스프링의 유용성 검증=83,95,1
그림6.8 자체충돌 실험을 위한 벤치마크 모델=84,96,1
그림6.9 객체간 충돌 실험을 위한 벤치마크 모델=85,97,1
그림6.10 객체내 자체충돌 감지 결과(위, 간, 파이프, 캔, 직물1)=88,100,1
그림6.11 직물내 자체충돌 감지 결과=89,101,1
그림6.12 객체간 충돌 감지 결과=91,103,1
그림6.13 시간 변화에 따른 컵과 스푼 간의 충돌감지 결과=91,103,1
표6.1 벤치마크 모델의 복잡도=75,87,1
표6.2 기존 매스-스프링 기법과 제안 적응적 변형 모델링 기법의 수행 효율성 비교=77,89,1
표6.3 자체충돌 실험을 위한 벤치마크 모델의 복잡도=85,97,1
표6.4 객체간 충돌 실험을 위한 벤치마크 모델의 복잡도=86,98,1
표6.5 자체충돌 감지 성능 실험 결과=87,99,1
표6.6 객체간 충돌감지 성능 실험 결과=90,102,1
표6.7 계층적 충돌결과 조회기법의 성능 실험 결과=92,104,1