차원 축소 (Dimensionality reduction) 알고리즘은 고차원 데이터를 시각화 가능한 2D 또는 3D 공간으로 매핑하지만, 전통적으로 이산적인 포인트 클라우드 (point-cloud) 패러다임에 의존합니다. 이러한 이산적 추상화는 시각적 폐쇄 (visual occlusion) 및 인위적인 불연속성 (artificial discontinuities)에 취약하며, 기저 매니폴드 (manifold)의 연속적인 밀도를 표현하는 데 종종 실패합니다. 이러한 한계를 해결하기 위해, 우리는 3D 가우시안 스플래팅 (3D Gaussian Splatting, 3DGS)을 재용도화하여 다차원 투영을 메시가 없는 볼륨 재구성 (meshless volumetric reconstruction) 프로세스로 투사하는 프레임워크인 Topo-GS를 소개합니다. 표준적인 광도 손실 (photometric losses) 대신, Topo-GS는 국소적 기하학적 제약 조건 (local geometric constraints)에 의해 구동됩니다. 직교 프로크루스테스 (orthogonal Procrustes) 목표를 해결함으로써, 최적화 과정은 가능한 한 강체에 가깝게 (As-Rigid-As-Possible) 유지하는 사전 정보 (prior)를 강제하는 동시에 각 가우시안 (Gaussian)의 공간적 공분산 (spatial covariance)을 국소 접공간 (local tangent space)에 명시적으로 정렬합니다. 서로 다른 고유 차원 (intrinsic dimensionalities)을 가진 데이터를 펼치는 데는 별도의 공간적 처리가 필요하다는 점을 인식하여, 우리는 연속적인 1D 궤적 (trajectories) 또는 응집력 있는 2D 표면 (surfaces)을 보존하도록 손실 함수 (loss formulation)를 맞춤화하는 위상 인식 (topology-aware) 전략을 활용합니다. 정량적 및 시각적 평가를 통해 Topo-GS가 이산적인 산점도 (scatter plots)를 연속적인 볼륨 표현 (volumetric representations)으로 성공적으로 변환함을 입증하였으며, 이 과정에서 고유한 투영 왜곡 (projection distortions)은 관찰 가능한 기하학적 변형으로 명시적으로 나타나는 동시에, 이산적 베이스라인 (baselines)과 비교할 만한 국소적 위상 충실도 (local topological fidelity)를 유지합니다.