3D Gaussian Splatting은 [[3D Reconstruction]]과 [[Computer Graphics]] 분야에서 최근 주목받는 렌더링 기법으로, 고품질의 3D 장면을 효율적으로 재구성하고 렌더링하는 데 사용됩니다. 이 기법은 [[Neural Radiance Fields (NeRF)]]와 비교되며, 빠른 렌더링 속도와 높은 시각적 품질로 인해 [[Real-time Rendering]] 및 [[Virtual Reality]] 응용 분야에서 큰 잠재력을 가지고 있습니다. ## 개요 3D Gaussian Splatting은 3D 공간에서 점들(포인트 클라우드)을 3D 가우시안 분포로 표현하여 장면을 렌더링하는 기법입니다. 각 가우시안은 위치, 크기, 색상, 투명도 등의 속성을 가지며, 이를 통해 복잡한 장면을 부드럽고 사실적으로 표현할 수 있습니다. 이 방법은 [[Photogrammetry]]나 [[LiDAR]] 데이터를 활용해 실제 환경을 디지털화하는 데 자주 사용됩니다. - **핵심 아이디어**: 포인트 클라우드를 3D 가우시안으로 모델링하고, 이를 2D 이미지 평면에 투영하여 렌더링. - **장점**: 빠른 렌더링 속도, 메모리 효율성, 고품질 시각화. - **단점**: 복잡한 장면에서의 최적화 필요, 초기 데이터 품질에 의존. ## 동작 원리 1. **데이터 입력**: [[Multi-view Images]] 또는 [[Point Cloud]] 데이터를 입력으로 사용. 2. **가우시안 표현**: 각 포인트를 중심, 공분산, 색상, 투명도로 정의된 3D 가우시안으로 변환. 3. **렌더링**: 가우시안을 카메라 평면에 투영하여 픽셀 색상을 계산. 이 과정은 [[Differentiable Rendering]]을 활용해 최적화. 4. **최적화**: 입력 이미지와의 차이를 최소화하도록 가우시안 파라미터를 조정. 이 과정은 [[Machine Learning]] 기반의 최적화 기법, 특히 [[Gradient Descent]]를 활용하여 수행됩니다. ## 응용 분야 - **[[Augmented Reality (AR)]]**: 실시간 고품질 장면 렌더링. - **[[Game Development]]**: 효율적인 3D 환경 생성. - **[[Film Production]]**: 사실적인 배경 및 캐릭터 렌더링. - **[[Robotics]]**: 환경 인식 및 매핑. ## 관련 기술과의 비교 |기술|렌더링 속도|시각적 품질|메모리 사용량|학습 난이도| |---|---|---|---|---| |[[NeRF]]|느림|높음|높음|높음| |3D Gaussian Splatting|빠름|높음|중간|중간| |[[Traditional Meshes]]|빠름|중간|낮음|낮음| 3D Gaussian Splatting은 [[NeRF]]에 비해 렌더링 속도가 빠르고, [[Traditional Meshes]]보다 더 사실적인 결과를 제공합니다. ## 한계와 미래 전망 - **한계**: - 복잡한 조명 조건에서의 성능 저하. - 대규모 장면 처리 시 최적화 시간 증가. - **미래 전망**: - [[Real-time Applications]]에서의 활용 확대. - [[AI]]와 결합하여 자동화된 장면 생성 가능성. ## 참고 자료 - [[Neural Radiance Fields (NeRF)]]: 3D Gaussian Splatting과 비교되는 대표 기술. - [[Point Cloud Processing]]: 입력 데이터로 자주 사용. - [[Differentiable Rendering]]: 렌더링 최적화의 핵심.