3D Gaussian Splatting을 이용한 동적 3D 장면의 복원은 상당한 가능성을 보여주었다. 그러나 가장 핵심적인 과제는 현실 세계의 물리적 역학에 부합하는 방식으로 Gaussian의 운동을 정렬하지 못하는 경우가 많아, 실제적인 운동을 모델링하는 데에 여전히 어려움이 남아 있다는 점이다. 이러한 불일치는 단안 비디오 데이터셋에서 특히 문제가 되는데, 일관된 운동을 유지하지 못하면 국소적인 기하 구조가 붕괴되어 궁극적으로 복원 품질이 저하된다. 따라서 다수의 최신 접근법은 광류(optical flow)나 2D 트랙과 같은 외부 사전지식을 강하게 의존하여 시간적 일관성을 강제한다. 본 연구에서는 4D 장면에서 시간에 걸쳐 Gaussian의 국소 기하 구조를 명시적으로 보존하는 새로운 방법을 제안한다. 우리의 핵심 아이디어는 뷰-공간(view-space) 레이(ray) 그룹화 전략을 도입하여, 동일한 레이에 의해 교차되는 Gaussian들을 클러스터링하되 -블렌딩 가중치가 임계값을 초과하는 경우에 한해서만 고려하는 것이다. 이후 이러한 그룹들에 대해 일관된 공간적 분포를 유지하도록 제약을 적용함으로써, 국소 기하를 효과적으로 보존한다. 이 접근법은 국소 기하가 시간에 걸쳐 안정적으로 유지되도록 보장함으로써, 외부의 지시에 의존하지 않고도 보다 물리적으로 타당한 운동 모델을 강제한다. 두 가지 서로 다른 기준(baseline) 모델에 이를 통합하여, 본 방법의 효율성을 입증한다. 도전적인 단안 데이터셋에 대한 광범위한 실험 결과, 본 접근법은 기존 방법을 유의미하게 능가하며, 더 우수한 시간적 일관성과 복원 품질을 달성함을 보여준다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.