4D 신경망 복셀 스플래팅: 복셀화된 가우시안 스플래팅을 사용한 동적 장면 렌더링 기여: • 통합 4D 복셀 아키텍처: 복셀 특징 공간에서 시간을 추가 차원으로 처리하여 3D 복셀 그리드를 4D로 확장합니다. 이를 통해 공간적, 시간적으로 모두 적응하는 시간 인식 가우시안 생성이 가능합니다. 정적 가우시안을 생성하는 Scaffold-GS와 달리, 본 복셀은 학습된 시간 특징을 통해 시간에 따라 변하는 가우시안을 생성합니다. • 선택적 변형 전략: 광범위한 실험을 통해 모든 가우시안 속성을 변형하면 학습 불안정성이 발생한다는 것을 확인했습니다. 기하학적 속성(위치, 크기, 회전)만 변형하고 외형 속성(색상, 불투명도)은 고정하는 선택적 접근 방식을 도입하여 수렴성과 품질을 크게 향상시켰습니다. • 뷰 적응형 개선: 적응형 밀도화를 통해 성능이 낮은 뷰포인트를 식별하고 선택적으로 개선하는 새로운 개선 메커니즘을 제안하며, 글로벌 오버헤드 없이 시간적 불일치를 해결합니다. • 메모리 효율적 설계: 당사 프레임워크는 O(N · T) 대신 O(fV + F)의 메모리 복잡도를 달성하여 소비자 GPU에서 동적 장면 렌더링이 가능해졌습니다.
논문: https://t.co/NEBweZNnwG