CompGS: 벡터 양자화를 통한 더 작고 빠른 가우시안 스플래터링

3D 가우시안 스플래팅(3DGS)은 기존의 최고 성능(SOTA) NeRF 방법에 비해 훨씬 빠른 학습 및 렌더링 속도를 달성하는 3D 레디언스 필드 모델링 및 렌더링을 위한 새로운 방법이다. 그러나 이 방법은 여러 3D 가우시안에 대한 파라미터를 저장해야 하므로, NeRF 방법에 비해 훨씬 더 큰 저장 용량을 요구한다는 단점이 있다. 우리는 많은 가우시안이 유사한 파라미터를 공유할 가능성을 관찰하고, 최적화 과정 중에 가우시안 파라미터를 K-means 기반의 간단한 벡터 양자화 기법으로 양자화하는 방법을 제안한다. 이후 각 가우시안에 해당하는 코드의 인덱스와 함께 작은 코드북을 저장한다. 인덱스는 정렬하고, 런 렝스 인코딩(run-length encoding)과 유사한 기법을 사용하여 추가로 압축한다. 또한, 가우시안의 투명도(opacity)를 0으로 유도하는 간단한 정규화 항(regularizer)을 도입함으로써, 불투명한(보이지 않는) 가우시안을 줄여 저장 용량과 렌더링 시간을 크게 절감한다. 우리는 표준 벤치마크뿐만 아니라, 이 분야에서 사용되는 표준 벤치마크보다 약 10배 더 큰 기존 3D 데이터셋을 활용하여 광범위한 실험을 수행하였다. 결과적으로, 본 연구에서 제안하는 간단하면서도 효과적인 방법이 3DGS의 저장 비용을 40~50배, 렌더링 시간을 2~3배 감소시킬 수 있음을 보여주며, 렌더링된 이미지의 품질 저하도 매우 미미함을 확인하였다.