제한된 동적 가우시안 스플래팅

초록

본 논문은 동적 3D 가우시안 스플래팅을 사전 정의된 가우시안 수 예산에 맞춰 학습하도록 설계한 Constrained Dynamic Gaussian Splatting(CDGS) 프레임워크를 제안한다. 차별화된 차별가능한 예산 컨트롤러와 다중 모달 통합 중요도 점수를 이용해 정적·동적 요소를 자동으로 할당하고, 3단계 학습 절차와 이중 모드 압축을 결합해 메모리·대역폭 제한이 있는 엣지 디바이스에서도 2 % 이하 오류로 고품질 4D 재구성을 실현한다. 실험 결과, 기존 최첨단 방법 대비 3배 이상의 모델 크기 감소와 동일 수준 이상의 시각 품질을 달성한다.

상세 분석

CDGS는 동적 장면 재구성을 “가우시안 수 ≤ N_target”라는 하드 제약 하에 최적화 문제로 재정의한다. 핵심 기여는 (1) 차별가능한 예산 컨트롤러, (2) 통합 중요도 점수(M_i), (3) 정적‑동적 자동 할당 메커니즘, (4) 3단계 학습 파이프라인, (5) 이중 모드 하이브리드 압축이다.

1️⃣ 차별가능한 예산 컨트롤러는 각 가우시안에 연속적인 활성화 변수 c_i∈