PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.15760v2cs.CV

Learn2Splat: 학습 기반 3DGS 최적화 지평의 확장

Learn2Splat: Extending the Horizon of Learned 3DGS Optimization

3D Gaussian Splatting(3DGS) 최적화는 Adam이나 SGD 같은 범용 1차 옵티마이저로 수행하는 경우가 가장 흔하다. 장면마다 견고하지만, 가우시안 간 구조적·공간적 관계를 활용하지 않고 각 매개변수를 독립적으로 갱신하여 수렴이 느려진다. 최근 연구는 매개변수 간·가우시안 간 의존성을 반영한 상관된 갱신을 예측하는 학습 기반 옵티마이저를 도입했다. 그러나 이들은 고정된 최적화 반복 횟수에 맞춰 학습되며, 성능 저하를 피하기 위해 수동으로 스케줄된 학습률에 의존한다. 본 논문에서는 보조 메커니즘 없이 장기 최적화 구간에서도 성능 저하를 피하는 3DGS용 학습 기반 옵티마이저 Learn2Splat을 제안한다. 이를 위해 체크포인트 버퍼와 옵티마이저 롤아웃 전략을 결합한 메타학습(meta-learning) 방식으로 최적화 지평을 확장하고, 잠재 상태에 그래디언트 스케일 정보를 인코딩하는 아키텍처를 제안한다. 결과적으로 동일한 실제 경과 시간(wall-clock time)에서 더 높은 신규 시점 합성(novel view synthesis) 품질을 달성하면서 장기 구간에서도 안정적이며, 보지 못한 데이터셋과 설정에 대한 제로샷(zero-shot) 일반화를 보인다. 이를 뒷받침하기 위해 희소·밀집 뷰 설정에서 학습 기반 및 표준 옵티마이저를 학습·평가하는 통합 프레임워크를 구축했다. 코드와 모델은 공개될 예정이며, 프로젝트 페이지는 https://autonomousvision.github.io/learn2splat 에서 확인할 수 있다.