희소 다중 뷰 이미지로부터 효율적이고 정확한 3D 가우시안 스플래팅 모델을 학습하는 것이 핵심 아이디어이다. 이를 위해 3D 공간에서의 비용 볼륨 표현을 활용하여 가우시안 중심을 정확하게 예측하고, 다른 가우시안 파라미터들도 함께 예측한다.
본 연구는 희소 다중 뷰 이미지로부터 효율적이고 정확한 3D 가우시안 스플래팅 모델 MVSplat을 제안한다. MVSplat은 3D 공간의 비용 볼륨 표현을 통해 정확한 가우시안 중심을 예측하며, 가우시안의 불투명도, 공분산, 색상 등의 속성도 함께 예측한다. 이를 통해 MVSplat은 기존 방법 대비 더 높은 품질의 새로운 뷰 합성 결과를 제공하며, 모델 크기와 추론 속도 면에서도 월등한 성능을 보인다.
희소 다중 뷰 이미지로부터 효율적이고 정확한 3D 가우시안 스플래팅 모델을 학습하는 방법을 제안한다. 3D 공간에서의 비용 볼륨 표현을 통해 정확한 가우시안 중심을 추정하고, 이를 바탕으로 가우시안 파라미터를 예측한다. 이를 통해 기존 방법 대비 더 나은 품질과 효율성을 달성한다.
희소 다중 뷰 이미지로부터 효율적이고 정확한 3D 가우시안 스플래팅 모델을 학습하는 것이 이 논문의 핵심 아이디어이다. 이를 위해 3D 공간상의 비용 볼륨 표현을 활용하여 가우시안 중심을 정확하게 추정하고, 다른 가우시안 파라미터들도 함께 예측한다.