최근 동적 3D 장면 재구성에서의 발전은 향상된 시간적 일관성을 바탕으로 고충실도 3D 신참(新視) 뷰 합성을 가능하게 하여 유망한 결과를 보여 왔다. 그중에서도 4D Gaussian Splatting(4DGS)은 고충실도의 공간 및 시간 변화를 모델링할 수 있다는 점에서 매력적인 접근으로 부상하였다. 그러나 기존 방법들은 정적인 영역에 대해 4D 가우시안을 중복으로 할당함으로써 상당한 계산 및 메모리 오버헤드를 겪으며, 이는 이미지 품질을 저하시킬 수도 있다. 본 연구에서는 정적인 영역은 3D 가우시안으로 적응적으로 표현하되 동적 요소는 4D 가우시안으로 유보하는 하이브리드 3D-4D Gaussian Splatting(3D-4DGS)이라는 새로운 프레임워크를 제안한다. 우리의 방법은 완전한 4D 가우시안 표현으로 시작하여, 시간에 대해 불변인 가우시안을 반복적으로 3D로 변환함으로써 파라미터의 수를 크게 줄이고 계산 효율을 향상시킨다. 한편 동적 가우시안은 4D 표현을 그대로 유지하여 고충실도로 복잡한 움직임을 포착한다. 본 접근은 기본(baseline) 4D Gaussian Splatting 방법에 비해 유의하게 더 빠른 학습 시간을 달성하면서도 시각적 품질을 유지하거나 개선한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.