섹션별 상세
기존 피드포워드 방식은 픽셀 정렬 프리미티브를 예측하므로 해상도 증가 시 프리미티브 수가 제곱으로 늘어나는 구조적 결함이 있었다. 이로 인해 4K와 같은 고해상도 합성이 불가능하거나 계산 비용이 지나치게 높았다. LGTM은 이러한 해상도 확장 장벽을 극복하기 위해 설계된 새로운 프레임워크이다.
LGTM은 기하학적 구조를 담당하는 가우시안 프리미티브와 세부 묘사를 담당하는 텍스처를 분리하여 예측한다. 각 프리미티브에 텍스처 정보를 결합함으로써 적은 수의 기하 단위로도 복잡한 표면 디테일을 표현할 수 있게 한다. 이 구조는 렌더링 해상도가 높아져도 기하학적 데이터 양을 일정하게 유지할 수 있게 돕는다.
제안된 방식은 장면별 최적화(Per-scene optimization) 없이 단 한 번의 추론만으로 4K 해상도의 신규 시점을 합성한다. 이는 기존 피드포워드 모델들이 도달하지 못했던 성능 수준이며 실시간 응용 가능성을 크게 높였다. 적은 수의 프리미티브 사용으로 메모리 효율성과 렌더링 속도를 동시에 확보했다.
근거
- LGTM은 장면별 최적화 없이 4K 신규 시점 합성을 가능하게 한다. — 본문: This approach enables high-fidelity 4K novel view synthesis without per-scene optimization
용어 해설
- 3D 가우시안 스플래팅(3D Gaussian Splatting)
- — 3D 공간을 수많은 가우시안 타원체(Primitives)의 집합으로 표현하여 실시간으로 고화질 영상을 렌더링하는 기술이다. 기존 포인트 클라우드나 메쉬 방식보다 부드러운 질감 표현이 가능하며 학습과 렌더링 속도가 매우 빠르다.
- 피드포워드(Feed-forward)
- — 새로운 데이터가 입력되었을 때 별도의 추가 학습이나 최적화 과정 없이 신경망의 한 번의 추론(Inference)만으로 결과를 도출하는 방식이다. 3D 재구성에서는 장면마다 수천 번의 반복 학습을 거치는 대신 즉각적인 결과 생성을 가능하게 한다.
- 신규 시점 합성(Novel View Synthesis)
- — 제한된 수의 사진이나 영상 입력으로부터 카메라가 위치하지 않았던 새로운 각도에서의 장면을 생성하는 기술이다. 가상현실(VR)이나 증강현실(AR)에서 자유로운 시점 이동을 구현하는 핵심 기술로 활용된다.
- 프리미티브(Primitive)
- — 3D 모델이나 장면을 구성하는 가장 기본적인 기하학적 단위이다. 3D 가우시안 스플래팅에서는 하나의 가우시안 타원체가 프리미티브가 되며, 이들의 위치, 크기, 색상 정보를 조합해 전체 형상을 완성한다.
기술
- 3D Gaussian Splatting
- LGTM
활용 사례
- 실시간 4K 3D 장면 복원
- 모바일 AR/VR 콘텐츠 생성
- 장면별 최적화 없는 신규 시점 합성
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 28.수집 2026. 03. 29.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.