뷰가 중요하다: 키프레임 기반 텍스트 주도 3D 가우시안 편집

텍스트로 구동되는 3D 가우시안(Gaussian) 편집은 일반적으로 렌더링된 뷰별 편집 신뢰도를 구분하지 않으며, 비록 서로 다른 시점들이 상당히 다른 품질의 감독을 제공하더라도 그렇습니다. 장면을 명확하게 보여주고 편집 지침과 일치하는 뷰는 신뢰할 수 있는 안내를 제공하는 반면, 정보량이 적은 뷰들은 모든 뷰가 동등하게 취급될 때 편집을 약화시킬 수 있습니다. 본 논문에서는 View Matters라는, 뷰 중요도 인식(view-importance-aware) 프레임워크를 제시하며, 이 프레임워크는 신뢰할 수 있는 키프레임을 중심으로 편집을 수행합니다. Keyframe Importance Estimation (KIE)은 기하학적 가시성(geometric visibility), 의미론적 구별성(semantic distinctiveness), 그리고 편집 관련성을 사용하여 신뢰할 수 있는 뷰를 식별합니다. 이후 Keyframe-Guided Editing (KGE)은 이들의 편집 신호를 노이즈가 포함된 역방향 영향 없이 비키프레임에 비대칭적으로 전파하며, Importance-Aware Optimization (IAO)은 3DGS 최적화 과정 중 이러한 신뢰도 선호도를 유지합니다. 총 23개의 장면-프롬프트 쌍을 통해 View Matters는 평가된 방법들 중에서 가장 높은 평균 CLIP 텍스트-이미지 유사도 0.2822와 방향성 유사도(directional similarity) 0.2564를 달성했으며, 편집 시간은 4분이 소요되었습니다. 추가적인 인접 뷰 분석에 따르면, 충실도 지향적 편집 과정이 크로스-뷰 일관성(cross-view coherence)을 유지함을 나타냅니다.