구조 인식 기반 밀도화를 통한 더 빠른 3D Gaussian Splatting 수렴

요약

본 논문은 실시간 새로운 관점 합성(novel-view synthesis) 분야의 강력한 표현 방식인 3D Gaussian Splatting의 수렴 속도와 품질 문제를 해결하기 위해 구조 인식 기반 밀도화 프레임워크를 제안합니다. 기존 방법들이 스크린 공간 기울기에 의존하여 고주파 디테일을 손실하거나 과밀도화를 초래하는 한계를 극복하고자 합니다. 핵심적으로, 본 연구는 구조 텐서와 라플라시안 스케일 공간 분석을 결합한 다중 스케일 주파수 분석을 통해 각 가우시안의 국부적 구조를 파악하고, 이를 기반으로 비등방성 분할(anisotropic splitting)을 수행하여 빠르고 정확하게 고주파 디테일을 재구성합니다.

핵심 포인트

• 구조 인식 기반 밀도화 프레임워크를 제안하여 3D Gaussian Splatting의 수렴 속도와 품질을 향상시켰습니다.
• 기존 방법의 스크린 공간 기울기 의존성 문제를 해결하기 위해 다중 스케일 주파수 분석(구조 텐서 + 라플라시안)을 도입했습니다.
• 단순한 등방성 분할 대신, 국부 주파수 내용을 최적으로 해결하는 비등방성 분할 방식을 채택했습니다.
• 다관점 일관성 기준을 추가하여 여러 시점에서 얻은 구조 정보를 통합함으로써 재구성의 견고성을 높였습니다.
• 이 접근법을 통해 기존 베이스라인 대비 현저히 빠른 수렴 속도와 고주파 영역에서 우수한 재구성 품질을 달성했습니다.