SteadySplats: 고화질 확률적 렌더링을 위한 저분산 가우시안 리샘플링

확률적인 순서 독립적 투명도(Stochastic order-independent transparency)는 3D Gaussian Splatting 모델과 같은 기본 요소 기반 복사 필드(radiance fields)의 효율적이고 우아한 렌더링을 가능하게 하지만, 출력에 내재된 가시 노이즈 때문에 여전히 비실용적입니다. 우리는 표현 수준과 이미지 합성 수준에서 그 근원을 다루어 고주파 노이즈를 최소화하는 원칙적인 접근 방식을 제안합니다. 확률적 렌더링 과정 동안, 우리의 이력 기반 공간 리샘플링 방식(history-based spatial resampling scheme)은 이미지 수렴 속도를 획기적으로 가속하며, 시간적 중요도 리샘플링(temporal importance resampling)은 카메라 움직임 하에서도 일관성을 보장합니다. 학습 중에는 색상 정규화기(color regularizer)가 3DGS 모델에서 시선 광선(view rays)을 따라 분산을 암묵적으로 줄여줍니다. 이러한 특성들을 바탕으로, 우리의 최적화된 Vulkan 기반 렌더러는 낮은 샘플 수와 높은 샘플 수 모두에서 출력 노이즈를 효과적으로 완화하여, 1픽셀당 1샘플(1 sample per pixel)에서 이전 확률적 방식 대비 13~dB의 상당한 PSNR 증가를 달성하며, 평균 L1 에러가 $10^{-4}$ 미만인 상태로 정렬된 3DGS에 빠르게 수렴합니다.