통합 필터링 기법을 통한 3D 가우시안 스플래팅 메모리 감소
3D Gaussian Splatting Memory Reduction via Integrated Filtering Technique
- 주제(키워드) 없음
- 발행기관 한동대학교 일반대학원
- 지도교수 황성수
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전산전자공학과
- 세부분야 해당없음
- 원문페이지 VIII, 32
- 실제URI http://www.dcollection.net/handler/handong/200000876311
- UCI I804:47030-200000876311
- 본문언어 한국어
- 저작권 한동대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구는 본 연구는 3D Gaussian Splatting에서 발생하는 메모리 사용량을 효과적으로 감소시키기 위한 통합 필터링 기법을 제안하고 평가하였다. 3D Gaussian Splatting은 복잡한 장면을 실시간으로 렌더링하는 데 필수적이지만, 대규모 데이터셋에서의 메모리 관리는 여전히 중요한 과제로 남아있다. 본 연구는 PSNR (피크 신호 대 잡음 비율)과 메모리 사용량을 주요 평가 지표로 삼아, 새로운 필터링 접근법이 기존 방법보다 어떻게 개선되는지를 교회 (Church), 법정 (Courtroom), 그리고 공장 (Factory)의 세가지 데이터셋을 기반으로 분석하였다. 우리의 접근법은 네 가지 주요 단계로 구성되어 있다. 첫째, 투명도 기반 (Opacity-based) 필터링을 통해 불필요한 데이터 포인트 또는 3D Gaussian Splat들을 제거하여 메모리 사용량을 줄인다. 투명도는 각 데이터 포인트의 신뢰도(confidence) 다시 말해, 존재할 확률에 따라 계산되며, 낮은 투명도를 가진 포인트는 후속 단계에서 제거되다. 둘째, 맨해튼 월드 가정 (Manhattan World Assumption)을 활용하여 실내 장면에서의 평면 (plane)을 감지하여 저장하고 평면 구조에 포함되지 않는 나머지 불순물들을 제거합니다. 이 과정에서 각 평면은 데이터셋의 방이나 건물의 구조(structure)를 고려하여 식별, 저장되고, 이러한 평면들은 복잡성을 줄이고 데이터셋이 내포하는 환경 구조를 보존하는 데에 기여한다. 셋째, DBSCAN 클러스터링 알고리즘을 이용하여 데이터를 클러스터화하고 이상치를 식별하여 제거한다. 클러스터링은 데이터의 밀도를 기준으로 수행되며, 이 과정에서 최소 데이터 포인트 수와 이웃 반경을 설정하여 유의미한 데이터 그룹을 형성한다. 넷째, 스케일/크기 기반 필터링을 통해 시각적으로 중요한 Gaussian Splat들을 보존하고 무의미한 데이터는 폐기하여, 렌더링의 시각적 세세함을 유지한다. 이 과정에서 스케일 파라미터를 조정하여 큰 Splat를 복원하고 시각적 질을 개선하는 반면, 작은 splat들은 제거하여 메모리 효율성을 극대화 하였다. 실험 결과에서는 다른 모든 값들은 고정값으로 설정하고 다양한 투명도와 스케일/크기 임계값 설정을 설정하여 우리의 접근법이 메모리 사용량을 상당히 감소시키면서도 기존 렌더링 품질을 유지할 수 있음을 보였다. PSNR 저하는 평균적으로 10% 내로 최소화되었으며, 메모리 이점은 특히 공장 데이터셋에 경우 40% 이상 감소하는 것으로 두드러졌다. 향후 연구 방향으로는 추가적인 스플래트 생성 기법을 개발하여 잃어버린 시각적 세세함을 보충하는 방향으로 확장할 계획이다. 본 연구는 실시간 3D 렌더링에서의 메모리 관리 문제에 대한 새로운 접근법을 제시하고, 향후 가상 현실 및 게임 개발 분야에서의 응용 가능성을 모색하는 데 기여할 것으로 기대된다.
more초록/요약
This study proposed and evaluated an integrated filtering technique to effectively reduce memory usage occurring in 3D Gaussian Splitting. 3D Gaussian Splitting is essential for rendering complex scenes in real-time, but memory management in large datasets remains an important challenge. Using PSNR (peak signal to noise ratio) and memory usage as key evaluation indicators, this study analyzed how the new filtering approach improves over existing methods based on three datasets: Church, Courtroom, and Factory. Our approach consists of four main steps. First, opacity-based filtering reduces memory usage by removing unnecessary data points or 3D Gaussian splats. Opacity is calculated according to the confidence of each data point, that is, the probability of being present, and points with low opacity are removed at a subsequent step. Second, Manhattan World Assumption is used to detect and store planes in indoor scenes and remove remaining impurities/artifacts that are not included in the plane structure. Each plane is identified and stored in this process in consideration of the structure of the room or building of the dataset, and these planes reduce complexity and contribute to preserving the environmental structure contained in the dataset. Third, data is clustered using the DBSCAN clustering algorithm, outliers (points/3D Gaussian Splats) are identified and removed. Clusters are performed based on the density of data, and in this process, the minimum number of data points and neighbor radius are set to form a significant data group. Fourth, visually important Gaussian splats are preserved through scale-based filtering and insignificant data is discarded to maintain visual detail of rendering. In this process, the scale parameters are adjusted to restore large splats and improve visual quality, while the small splats are removed to maximize memory efficiency. The experimental results showed that our approach can maintain the existing rendering quality while significantly reducing memory usage by setting all other values to fixed values and setting various transparency and scale/size threshold settings. PSNR degradation was minimized to within 10% on average, and the memory advantage was remarkably reduced around 37-38% and by more than 40% especially for factory datasets. In the future research direction, we plan to develop additional splat generation techniques and expand them to make up for lost visual detail. This study is expected to contribute to the presentation of a new approach to memory management problems in real-time 3D rendering and to explore future application possibilities in virtual reality and game development.
more목차
I. 서론 1
II. 관련 연구 3
1. 3D 가우시안 스플래팅(3D Gaussian Splatting) 3
2. 3D 가우시안 스플래팅에서의 메모리 절감 5
III. 제안하는 방법 8
1. 불투명도(Opacity) 기반 필터링 8
2. 맨해튼 월드 가정(Manhattan World Assumption) 하의 평면 감지 10
3. 밀도 기반 클러스터링 13
4. 스케일(Scale) 기반 필터링 15
IV. 실험 및 결과 18
V. 결론 및 개선 방향 제시 25
VI. 참고 문헌 28