자기조직화 가우시안 격자를 통한 컴팩트한 3D 장면 표현

최근 3D 가우시안 스플래팅(3D Gaussian Splatting, 3DGS)은 정적인 3D 장면을 모델링하는 데 매우 유망한 기술로 부상하고 있다. 신경 복사도 필드(Neural Radiance Fields)와 달리 효율적인 래스터라이제이션을 활용하여 고화질에서 매우 빠른 렌더링이 가능하다. 그러나 저장 용량이 상당히 크다는 단점이 있어, 자원이 제한된 장치와 같은 실용적 환경에서의 배포를 방해하고 있다. 본 논문에서는 3DGS의 파라미터를 국소적 균일성을 갖는 2차원 격자 구조로 정리함으로써, 렌더링 과정에서 시각적 품질을 손상시키지 않으면서 저장 용량을 극적으로 줄이는 컴팩트한 장면 표현 방식을 제안한다. 본 연구의 핵심은 자연 장면에 내재된 인지적 중복성(perceptual redundancies)을 명시적으로 활용하는 데 있다. 본질적으로, 장면의 구조는 가우시안 파라미터의 수많은 변형을 동일하게 표현할 수 있도록 허용한다. 이를 위해 우리는 고차원 가우시안 파라미터를 2차원 격자에 규칙적으로 정렬하면서도 이웃 구조를 유지하는 새로운 고도로 병렬화된 알고리즘을 제안한다. 학습 과정에서는 격자 내 정렬된 파라미터 간의 국소적 매끄러움을 추가로 강제한다. 압축되지 않은 가우시안은 3DGS와 동일한 구조를 유지하므로 기존의 렌더러와 원활한 통합이 가능하다. 제안한 방법은 복잡한 장면에 대해 저장 용량을 17배에서 42배까지 감소시키면서도 학습 시간은 증가시키지 않아, 3D 장면의 배포 및 소비 분야에서 중요한 진전을 이룬다. 추가 정보는 프로젝트 페이지에서 확인할 수 있다: https://fraunhoferhhi.github.io/Self-Organizing-Gaussians/