Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
HiGS는 3D Gaussian Splatting의 렌더링 효율을 높이기 위해 계층적 아키텍처를 제안합니다. 분할과 래스터화 단계에 서로 다른 스케일을 적용하여 밀집된 영역의 병렬 처리를 최적화합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기3D Gaussian Splatting (3DGS)은 범용 GPU에서 실시간 신규 뷰 합성 (novel view synthesis)을 위한 표준이 되었습니다. 기존의 파이프라인은 공간 분할 (spatial partitioning)과 래스터화 (rasterization)를 하나의 타일 크기에 결합하고 있지만, 이 두 과정은 서로 반대 방향으로 작용합니다. 가우시안 (gaussians)을 분류하고 깊이 정렬 (depth-sort)하는 분할 과정은 타일이 커질수록 비용이 저렴해지는 반면, 래스터화는 타일이 작아질수록 비용이 저렴해집니다. 기존의 가속화 연구들은 개별 단계의 비용을 줄였지만, 두 단계 모두를 단일 스케일에 고정해 두었으며, 이로 인해 소수의 밀집된 타일이 프레임 시간을 지배하게 됩니다. 본 논문에서는 각 단계에 고유한 스케일을 부여하는 계층적 타일 가우시안 스플래팅 (Hierarchically Tiled Gaussian Splatting, HiGS)을 제안합니다. 분할은 거친 매크로 타일 (macro-tiles) 위에서 실행되는 반면, 래스터화는 그 내부의 미세한 렌더 타일 (render tiles) 위에서 실행됩니다. 이후 래스터화 작업은 타일당 단위가 아닌 각 매크로 타일에 포함된 가우시안의 양에 비례하여 할당되므로, 밀집된 영역이 하나의 유닛을 통해 직렬화되는 대신 여러 병렬 유닛으로 분산됩니다. 테스트된 장면 전반에 걸쳐, HiGS는 정확한 앞-뒤 알파 합성 (front-to-back alpha compositing)을 유지하면서도 기존 3DGS보다 최대 15.8배 더 빠르게 렌더링하며, 우리가 평가한 다른 모든 래스터라이저 (rasterizer)보다 뛰어난 성능을 보여줍니다.