MR-Compare: 물리적 환경과 공간적으로 정렬된 3D Gaussian Splatting 및 메쉬 재구성의 시각적 비교를 위한 혼합 현실

원문 발행 2026. 07. 23. 01:11원문 언어 영어AI 한국어 번역arXiv cs.GR (Graphics) 원문 보기

요약

3D Gaussian Splatting과 메쉬 재구성 결과물을 혼합 현실(MR) 환경에서 실시간으로 비교할 수 있는 MR-Compare 프레임워크를 제안합니다. Meta Quest 3를 활용해 두 모델 간의 공간적 정렬을 센티미터 수준의 오차로 구현하며, 사용자 연구를 통해 높은 사용성을 입증했습니다.

핵심 포인트

3DGS와 메쉬 재구성 간의 공간 정렬을 위한 MR 프레임워크 개발
Meta Quest 3 기반의 실시간 비디오 투과(VST) 기술 적용
센티미터 수준의 정밀한 변위 오차 달성
가우시안 이방성을 활용한 제로샷 등록 개선 모듈 제안

우리는 실시간 비디오 투과 (Video See-Through, VST)를 통해 3D Gaussian Splatting과 메쉬 (Mesh) 재구성 간의 공간적으로 정렬된 시각적 비교를 위한 혼합 현실 (Mixed Reality) 프레임워크인 MR-Compare를 소개합니다. PC에 연결된 Meta Quest 3에서 구현된 이 시스템은 교차 미디어 (Cross-media) 비교를 위해 2단계 등록 (Registration) 파이프라인과 3D 슬라이더 (3D Slider)를 결합합니다. 우리는 두 개의 정적인 실내 공간에서 탐색적 사용자 연구 ($n=30$)를 포함한 실제 벤치마크를 통해 다섯 가지의 대표적인 데스크톱 및 모바일 재구성 워크플로우를 평가했습니다. MR-Compare는 모든 워크플로우에서 센티미터 수준의 변위 오차 (Translation error)를 달성했습니다. 두 가지 데스크톱 3DGS 워크플로우가 가장 강력한 전반적 패턴을 보였으며, 그 중 3DGS-MCMC가 가장 낮은 등록 오차와 가장 강력한 VST 참조 시각적 일관성을 나타냈습니다. 룸 세션 (Room-session) 측정 결과, 높은 인지된 사용성과 낮은 작업 부하를 나타냈습니다. 우리는 더 나아가 MR-Compare에서 3DGS 등록을 개선하기 위해 가우시안 이방성 (Gaussian anisotropies)을 활용하는 제로샷 (Zero-shot) 모듈인 이방성 필터 (Anisotropy filter)를 제안합니다. 통제된 Replica 임계값 스윕 (Threshold sweep) 결과, 적절한 가지치기 (Pruning)가 견고성 (Robustness)을 향상시키고 잔차 오차 (Residual errors)를 줄일 수 있음을 보여줍니다. 이러한 결과는 작업 수준의 효과성이나 단독 배포보다는 테스트된 환경에서의 시스템 수준의 타당성을 입증합니다. 프로젝트는 https://github.com/changruizhu96/MR-Compare 에서 확인할 수 있습니다.

AI 자동 생성 콘텐츠

원문 바로가기

MR-Compare: 물리적 환경과 공간적으로 정렬된 3D Gaussian Splatting 및 메쉬 재구성의 시각적 비교를 위한 혼합 현실

요약

핵심 포인트

댓글