Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
3D Gaussian Splatting(3DGS)을 활용하여 서로 다른 조명 조건에서도 객체를 자연스럽게 합성하는 새로운 연구를 소개합니다. 확산 모델을 통해 합성된 객체와 타겟 장면의 조명을 일치시켜 시각적으로 설득력 있는 3D 결과물을 생성합니다.
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 실제 장면을 캡처하고 렌더링하는 데 널리 사용됩니다. 한 캡처에서 가져온 객체를 다른 장면으로 합성하는 것은 VFX, 건축 및 인테리어 디자인, 또는 마케팅과 같은 많은 분야에서 응용됩니다. 그러나 소스 장면(source scene)에서 객체를 추출하여 타겟 장면(target scene)에 단순히 붙여넣는 방식은 두 장면 사이의 서로 다른 조명 조건(lighting conditions)으로 인해 현실적인 결과를 생성하는 데 실패하게 됩니다. 이 문제를 해결하기 위해, 우리는 조명이 일치하지 않는 단순 합성 이미지들을 조화롭게 만드는 확산 모델(diffusion model)을 소개합니다. 이 모델은 합성(synthetic), 생성(generated), 그리고 실제(real) 데이터를 결합한 이미지 쌍(일치하지 않는 합성 입력, 일치하는 출력)의 이질적인 데이터셋(heterogeneous dataset)으로 학습됩니다. 우리의 완전한 3D 솔루션은 사용자가 소스 장면에서 객체를 추출하여 타겟 장면으로 합성할 수 있게 합니다. 이를 통해 합성된 객체가 포함된 타겟 장면의 (일치하지 않는) 뷰(views)들이 렌더링됩니다. 우리의 확산 모델은 이러한 각 뷰를 조화롭게 만들며, 이들은 최종적으로 사후 최적화(post-optimization) 단계를 거쳐 3DGS 표현(representation)으로 통합됩니다. 우리의 방법은 시각적으로 설득력 있는 결과를 제공하여, 3DGS 간의 객체 전이를 사용하기 쉽게 만들고 이전 방법들에 비해 품질을 크게 향상시킵니다.