ConeGS: 더 적은 기본 요소로 향상된 재구성을 위한 픽셀 원뿔을 사용한 오류 유도 밀도화 요약: "ConeGS는 이미지 공간 오류가 높은 영역에 픽셀 원뿔 크기의 프리미티브를 생성하는 새로운 방식으로 클로닝 기반 고밀도화를 대체합니다. 유연한 iNGP 기반 탐색을 통해 배치를 개선하고 기존 장면 구조에 대한 의존성을 제거함으로써, 동일한 개수의 프리미티브를 사용하는 베이스라인보다 더 높은 재구성 품질을 달성합니다." 기여: • iNGP 기반 기하학적 프록시의 깊이 추정치를 기반으로 이미지 공간에서 광도 오차가 큰 영역에 새로운 가우시안을 배치하는 밀도화 전략입니다. • 생성된 픽셀의 시야 원뿔에서 새로운 가우시안의 크기를 결정하는 접근 방식입니다. • 낮은 불투명도 가우시안을 즉시 제거하는 개선된 불투명도 페널티와 장면 복잡성과 기본 개수의 균형을 맞추는 예산 전략이 결합되었습니다.
논문: httarxiv.org/abs/2511.06810로젝트: https://t.co/jngGBkvwAv