Gaussian Point Splatting: 수억 개의 가우시안을 활용한 새로운 뷰 합성 확장

Gaussian Point Splatting은 대규모 장면의 실시간 렌더링을 가능하게 합니다

Gaussian Point Splatting은 수억 개의 가우시안을 포함하는 장면에 새로운 뷰 합성을 확장하도록 설계된 확률적 렌더링 방법입니다. 가우시안으로부터 픽셀 크기의 불투명 포인트를 샘플링하고 64-bit atomics를 사용해 프레임버퍼에 스플랫함으로써, 이 방법은 원래 Gaussian splatting 기법에 충실하면서도 실시간 속도를 유지하는 고성능 렌더링을 구현합니다.

확률적 샘플링 및 GPU 가속

Gaussian Point Splatting의 핵심 기술 혁신은 전통적인 Gaussian 렌더링에서 확률적 포인트 기반 접근법으로 전환한 것입니다. 전체 Gaussian 분포를 렌더링하는 대신, 시스템은 픽셀 크기에 근접한 불투명 포인트를 샘플링합니다. 이러한 포인트는 병렬 프로그래밍 프리미티브를 사용해 프레임버퍼에 스플랫되어, 작업 부하가 수백만 개의 GPU 스레드에 분산될 수 있게 합니다.

결과 이미지가 원래 Gaussian splatting에 충실하도록 연구진은 가우시안당 샘플링할 최적 포인트 수와 올바른 불투명도를 유지하기 위한 포인트 분배 방법을 공식화하고 해결했습니다. 이 과정은 샘플링의 확률적 특성이 장면의 시각적 표현을 왜곡하는 것을 방지합니다.

컬링 및 원자 연산을 통한 성능 최적화

수억 개의 가우시안으로 실시간 성능을 달성하기 위해, 이 방법은 여러 최적화 전략을 사용합니다:

• 64-bit Atomics: 64-bit atomics를 사용하면 여러 스레드가 동일한 픽셀에 포인트를 독립적으로 스플랫할 수 있어 경쟁 조건을 일으키거나 비용이 많이 드는 동기화를 필요로 하지 않습니다.
• Hierarchical Culling: 시스템은 계층적 프러스텀 컬링과 오클루전 컬링을 모두 구현하여 카메라에 보이지 않는 가우시안을 처리하지 않도록 합니다.
• Parallelism: 작업 부하는 수백만 개의 스레드에 분산되어 GPU 자원이 최대한 활용됩니다.

시각적 트레이드오프 및 품질 고려사항

Gaussian Point Splatting이 전례 없는 규모를 가능하게 하는 반면, 전통적인 3D Gaussian Splatting(3DGS)과 비교해 특정 시각적 아티팩트를 도입합니다. 주요 차이점은 약간의 노이즈와 앨리어싱 차이입니다.

커뮤니티 토론에서는 이 방법의 확률적 특성—Monte Carlo 렌더링과 유사—이 노이즈를 발생시켜 이를 해결하려면 상당한 샘플링이 필요할 수 있음을 강조합니다. 한 관찰자는 인터랙티브 뷰어가 3DGS와 동일한 품질을 얻기 위해 픽셀당 약 128 샘플(spp)이 필요할 수 있다고 언급했습니다. 그러나 연구진은 보다 정교한 디노이저가 이러한 문제를 완화할 수 있다고 제안하며, 현재 구현에는 노이즈를 줄이기 위한 시간 재투영이 포함되어 있습니다.

기존 기술과의 비교

Gaussian Point Splat팅은 전통적인 포인트 스플랫(1990년대 렌더링 기법) 및 메쉬 스플랫과 다릅니다. 메쉬 스플랫은 가우시안보다 날카로운 특징을 삼각형으로 더 효과적으로 표현하지만, Gaussian Point Splatting은 대규모 데이터셋을 위한 렌더링 파이프라인의 확장성에 중점을 둡니다.

또한 이 방법은 Level‑of‑Detail(LoD) 렌더링과는 독립적입니다. 이는 Gaussian Point Splatting이 향후 LoD 기법과 결합되어 대규모 장면 렌더링의 성능 향상을 더욱 증대시킬 수 있음을 의미합니다.