3DGBGS: 입자 기반 가우시안 분산법을 이용한 3차원 영상 합성

3DGBGS: 3D Granular Ball Gaussian Splatting for Compact Novel View Synthesis

3차원 가우시안 분산(3D Gaussian Splatting, 3DGS)은 명시적인 가우시안 원소와 미분 가능한 래스터화를 통해 고품질의 실시간 새로운 시점 영상을 생성합니다. 2019년에 제안된 3DGS와 입자 기반 컴퓨팅(Granular Ball Computing, GBC)은 적응적 표현 방식에서 자연스러운 호환성을 갖습니다. 3DGS의 효율성은 부분적으로 GBC의 생성 원리를 활용한 거친-부터-정교한 및 필요에 따른 개선 과정을 통해 얻어집니다. 이러한 연관성은 우리에게 앵커 기반 3DGS에 적응적인 입자 기반 구조를 더욱 도입할 동기를 부여했습니다. 기존의 앵커 기반 방법은 일반적으로 고정된 볼륨화를 통해 희소 SfM 포인트 클라우드에서 앵커를 구성하는데, 이는 공간적으로 불균일한 포인트 분포에 충분히 적응하지 못하고 앵커 수, 모델 압축률 및 렌더링 품질 간의 균형을 맞추기 어렵습니다. 이러한 문제를 해결하기 위해, 우리는 새로운 시점 영상 합성을 위한 압축 기반 앵커 프레임워크인 3DGBGS(3D Granular Ball Gaussian Splatting)를 제안합니다. 3DGBGS는 SfM 포인트 클라우드를 적응적으로 3차원 입자 구조로 분할하여, 부드럽고 중복된 영역은 큰 입자를 사용하여 압축적으로 표현하고, 복잡한 기하학적 구조와 로컬 디테일은 작은 입자를 사용하여 보존합니다. 이러한 표현 방식을 기반으로, 입자 중심을 사용하여 앵커 위치를 초기화하는 입자 기반 앵커 초기화(Granular Ball Anchor Initialization, GBAI) 방법과, 가우시안 생성을 위한 로컬 스케일 우선순위를 제공하기 위해 입자 반지름을 활용하는 입자 기반 스케일 우선순위(Granular Ball Scale Prior, GBSP) 방법을 사용합니다. 네 가지 벤치마크에서의 실험 결과는 3DGBGS가 초기 및 최종 앵커 수를 각각 37.1%와 10.0% 줄이고, 모델 저장 공간을 평균 9.8% 감소시키면서도 동등한 수준의 렌더링 품질을 유지한다는 것을 보여줍니다.

Three-dimensional Gaussian Splatting (3DGS) enables high-quality real-time novel-view synthesis through explicit Gaussian primitives and differentiable rasterization. 3DGS and Granular Ball Computing (GBC), proposed in 2019, share a natural compatibility in adaptive representation. The efficiency of 3DGS partly stems from a coarse-to-fine and on-demand refinement process that draws on the generation principle of GBC. This connection motivates us to further introduce adaptive granular ball organization into anchor-based 3DGS. Existing anchor-based methods typically construct anchors from sparse SfM point clouds through fixed voxelization, which cannot adequately adapt to spatially non-uniform point distributions and leads to a trade-off among anchor count, model compactness, and rendering quality. To address this issue, we propose 3DGBGS (3D Granular Ball Gaussian Splatting), a compact anchor-based framework for novel-view synthesis. 3DGBGS adaptively partitions SfM point clouds into 3D granular balls, using larger balls to compactly represent smooth and redundant regions and smaller balls to preserve complex geometry and local details. Based on this representation, Granular Ball Anchor Initialization (GBAI) uses granular ball centers to initialize compact anchor positions, while the Granular Ball Scale Prior (GBSP) exploits granular ball radii to provide local scale priors for Gaussian generation. Experiments on four benchmarks show that 3DGBGS reduces initial and final anchors by 37.1% and 10.0%, respectively, and model storage by 9.8% on average, while maintaining comparable rendering quality.