SplatQ: 이차 선택을 통한 상호작용 인식 3D 가우시안 스플래팅 가지치기

기존의 3D 가우시안 스플래팅 (3DGS) 가지치기 방법들은 주로 독립적인 중요도 점수를 기반으로 하는 전역적 Top-K 선택에 의존하며, 지역별 예산 제어는 부족하고 결합 삭제 효과를 무시합니다. 결과적으로, 이 방법들은 장면 전체에 걸쳐 균형 잡힌 재구성 품질을 보장할 수 없습니다. 우리는 고정된 예산 하에서 지역별 예산 할당과 결합 가우시안 선택을 조정하는 조합론적 가지치기 알고리즘인 SplatQ를 제안합니다. SplatQ는 공간적 근접성과 외관 유사성에 따라 가우시안을 크기가 제한된 블록으로 분할하고, 전역 선택 문제를 특정 크기의 하위 문제로 분해합니다. 그런 다음, 과도한 예산 집중을 방지하기 위해 중요도 기반의 블록 유지 할당량을 평활화(smooth)합니다. 마지막으로, 대표 픽셀 색상이 가우시안 불투명도 변화에 반응하는 것을 사용하여 결합 삭제 효과의 이차 근사치를 구성합니다. 개별 응답, 쌍별 상호작용, 그리고 할당량 페널티가 이차 제약 없는 이진 최적화 (QUBO) 목적 함수에 통합되며, 이를 시뮬레이티드 어닐링 (SA) 또는 코히어런트 아이징 머신 (CIM)을 사용하여 해결함으로써 가우시안을 공동 선택합니다. 5가지 벤치마크에서 수행된 실험은 SplatQ가 종합적인 재구성 품질, 공간적 품질 균형, 그리고 렌더링 속도 측면에서 최첨단 가지치기 방법들보다 우수함을 입증합니다. 제거(Ablation) 실험들은 예산 평활화가 국소 디테일 재구성을 개선하며, 상호작용 모델링이 고정된 예산 하에서의 가우시안 선택 품질을 향상시킨다는 것을 확인시켜 줍니다.