에지 협업 가우시안 스플래팅을 위한 통합 렌더링·통신 최적화

초록

본 논문은 저사양 모바일 기기에서 가우시안 스플래팅(GS)의 렌더링 품질 저하 문제를 해결하기 위해, 로컬 소형 GS 모델과 원격 대형 GS 모델을 상황에 따라 전환하는 에지 협업 프레임워크(ECO‑GS)를 제안한다. 렌더링 요구와 통신·전력 자원의 상호 의존성을 고려한 통합 렌더링·통신(IRAC) 최적화를 위해 새로운 GS 전환 함수를 도입하고, 비선형 이진·연속 변수 문제를 효율적으로 풀기 위한 Penalty‑Majorization‑Minimization(PMM) 알고리즘과 이를 100배 가속화한 Imitation Learning Optimization(ILO) 방식을 설계한다. 실험 결과, PMM은 기존 베이스라인 대비 PSNR·SSIM에서 현저히 우수하며, ILO는 실시간 의사결정이 가능함을 입증한다.

상세 분석

이 논문은 가우시안 스플래팅(GS)이 3D 재구성 분야에서 높은 품질을 제공하지만, 모델 크기와 연산량이 큰 탓에 저가 모바일 디바이스에서는 양자화·프루닝을 통해 모델을 축소해야 하는 현실적인 제약을 지적한다. 이러한 제약은 렌더링 품질 저하를 초래하고, 특히 복잡한 포즈나 고해상도 뷰에서 그 차이가 두드러진다. 저자들은 이를 해결하기 위해 에지 서버와의 협업을 도입한 ECO‑GS 프레임워크를 설계한다. 각 사용자는 로컬 소형 GS 모델(빠른 응답)과 원격 대형 GS 모델(고품질) 사이를 전환할 수 있으며, 전환 여부는 이진 변수 x_k 로 표현된다.

핵심은 렌더링 요구와 통신·전력 자원의 상호 의존성을 동시에 고려한 최적화 문제(P)를 정의한 것이다. 기존 연구들은 전송률 최대화나 단순 라우팅 기반의 휴리스틱에 머물렀지만, 본 논문은 GS 전환 비용을 정량화한 새로운 목적함수인 “GS 스위칭 함수”를 도입한다. 이 함수는 로컬 모델과 원격 모델 간의 L1·SSIM 기반 차이를 이용해, 실제 그라운드 트루스 이미지 없이도 전환 이득을 추정한다.

문제(P)는 이진 변수와 연속 전력 변수 p_k 가 결합된 비선형 제약식(전송률, 전력 예산, 동시 서비스 사용자 수 등) 때문에 직접 해결이 어려우며, 특히 L(·) 함수가 비가시적이라는 점이 큰 장애물이다. 저자들은 (i) 삼각 부등식과 λ이 작은 경우를 이용해 L을 상한으로 대체함으로써 그라운드 트루스 의존성을 제거하고, (ii) 이진 제약을 연속 구간