3D Gaussian Splatting 경량화 및 배경 품질을 보존하기 위한 등장률 기반 반복 point pruning 기법
Frequency-Based Iterative Pruning for Compact 3D Gaussian Splatting with Enhanced Background Fidelity
- 주제어 (키워드) 컴퓨터비전 , 경량화 , 3D 가우시안 스플래팅 , 뷰 합성 , Computer vision , Compression , 3D Gaussian Splatting , View synthesis
- 발행기관 서강대학교 일반대학원
- 지도교수 박운상
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000082153
- UCI I804:11029-000000082153
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
최근 Novel View Synthesis 연구는 Neural Radiance Field를 사용하는 연구에서 3D Gaussian Splatting을 활용하는 연구로 넘어가고 있다. 3D Gaussian Splatting기반 NVS 작업은 NeRF 기반 NVS의 단점인 생성속도를 월등히 개선했지만 과도한 용량을 사용하는 문제가 존재한다. 본 논문에서는 3D Gaussian Splatting 방법론이 공통적으로 사용하는 경량화 방법인 point based pruning 방법론을 연구하여 기존 방법보다 높은 종합 성능 보존율과 배경 부분의 품질을 상대적으로 높게 유지하는 방법을 제안한다. 총 성능 보존율을 측정하기 위한 데이터셋의 전체 테스팅과, 배경과 중심 품질 비교를 위한 배경-중심 이미지 실험을 진행하여 타 point based pruning을 진행한 compression 방법론과의 결과를 비교하는 실험을 진행하였다. 본 논문에서 진행한 모든 실험은 NVIDIA 2080TI 그래픽카드를 사용했으며, 정당한 비교를 위해 compression을 진행할 point cloud는 3D Gaussian Splatting을 처음 제안한 모델의 결과물을 사용하였다. 기존의 point based pruning 방법론은 성능저하를 피할 수 없었고, 이미지의 중심 물체에 집중하였기에 배경 부분의 품질하락은 중심보다 더욱 강한 경향이 있었으나 본 방법론에는 중심-배경의 품질 tradeoff에서 배경에 집중하였기에 배경 부분의 품질하락은 상대적으로 적었으며 전체 품질 저하 또한 적게 유지하거나 때로는 높은 경우도 있었다.
more목차
제 1 장 서론 1
1.1 연구 배경 1
1.2 논문의 구성 2
제 2 장 관련 연구 3
2.1 3D Gaussian Splatting 3
2.2 Compression at 3D Gaussian Splatting 5
제 3 장 Compressed 3D Gaussian Splatting 10
3.1 제시하는 compression 방법론 10
3.1.1 이미지의 중심과 배경을 염두에 둔 pruning 기준 score 10
3.1.2 가우시안 커널의 위치 Gradient 변화를 고려한 pruning (Gradient Aware
Pruning) 18
3.1.3 반복 Pruning 및 최종 pruning 도식 19
제 4 장 실험 및 결과 20
4.1 실험 환경 20
4.2 데이터 셋 20
4.2.1 Mip-nerf 360 데이터셋 20
4.3 실험 구성 21
4.3.1 전체 영역 성능 감소 실험 21
4.3.2 배경-중심 영역 성능 감소 실험 22
4.3.3 평가 지표 23
4.4 결과 25
4.4.1 전체 영역 성능 감소 실험 결과 255
4.4.2 배경-중심 영역 성능 감소 실험 결과 255
4.4.3 렌더링 결과물 27
4.4.4 실험 결과 정리 및 결론 30
4.4.5 Ablation Study 31
제 5 장 결론 및 논의 사항 33
제 6 장 참고 문헌 35
