SUCCESS-GS: 효율적인 정적 및 동적 가우시안 스플래팅을 위한 컴팩트성 및 압축 기법 조사

초록

3D 가우시안 스플래팅(3DGS)은 실시간 고품질 3D 재구성 및 새로운 시점 합성을 가능하게 하는 강력한 명시적 표현법으로 부상했습니다. 그러나 수백 만 개의 가우시안을 저장하고 렌더링하는 데 필요한 막대한 메모리 및 계산량으로 인해 실제 활용이 제한되고 있습니다. 이러한 문제는 4D 동적 장면에서 더욱 심화됩니다. 이러한 문제를 해결하기 위해 효율적 가우시안 스플래팅 분야가 빠르게 발전하며, 재구성 품질을 유지하면서 중복성을 줄이는 방법론들이 제안되고 있습니다. 본 조사 논문은 효율적인 3D 및 4D 가우시안 스플래팅 기법을 최초로 통합적으로 조망합니다. 3D와 4D 설정 모두에 대해, 기존 방법론을 매개변수 압축과 재구성 압축이라는 두 가지 주요 방향으로 체계적으로 분류하고, 각 범주 내의 핵심 아이디어와 방법론적 동향을 포괄적으로 정리합니다. 또한 널리 사용되는 데이터셋, 평가 메트릭, 그리고 대표적인 벤치마크 비교 결과를 다룹니다. 마지막으로, 정적 및 동적 3D 장면 표현을 위한 확장 가능하고 경량화된 실시간 가우시안 스플래팅을 향한 현재의 한계점과 유망한 연구 방향을 제시합니다.

English

3D Gaussian Splatting (3DGS) has emerged as a powerful explicit representation enabling real-time, high-fidelity 3D reconstruction and novel view synthesis. However, its practical use is hindered by the massive memory and computational demands required to store and render millions of Gaussians. These challenges become even more severe in 4D dynamic scenes. To address these issues, the field of Efficient Gaussian Splatting has rapidly evolved, proposing methods that reduce redundancy while preserving reconstruction quality. This survey provides the first unified overview of efficient 3D and 4D Gaussian Splatting techniques. For both 3D and 4D settings, we systematically categorize existing methods into two major directions, Parameter Compression and Restructuring Compression, and comprehensively summarize the core ideas and methodological trends within each category. We further cover widely used datasets, evaluation metrics, and representative benchmark comparisons. Finally, we discuss current limitations and outline promising research directions toward scalable, compact, and real-time Gaussian Splatting for both static and dynamic 3D scene representation.

SUCCESS-GS: 효율적인 정적 및 동적 가우시안 스플래팅을 위한 컴팩트성 및 압축 기법 조사

SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting

초록

Support