NeRF부터 가우시안 스플래팅까지 3D 비전 신경장 표현의 종합적 개관

한줄 요약

NeRF의 등장부터 가우시안 스플래팅까지 3D 신경장 표현 연구를 5년간 종합적으로 정리한 서베이 논문.

풀어야 하는 문제

NeRF는 3D 장면을 암시적 신경 표현으로 학습하여 새로운 시점 합성을 가능하게 했지만, 학습 및 렌더링 속도가 느리고 메모리 사용량이 크다는 한계가 있었다. 가우시안 스플래팅은 이를 실시간 수준으로 개선했으나, 두 접근법의 장단점과 응용 분야를 체계적으로 비교한 종합적인 분석이 부족했다.

접근 방법

2020-2025년 발표된 NeRF 및 신경장 관련 논문들을 수집하여, 가우시안 스플래팅 이전 시대와 이후 시대로 나누어 아키텍처 및 응용 기반 분류 체계를 제시한다. NeRF의 이론적 배경과 미분 가능 볼륨 렌더링 학습 과정을 설명하고, 주요 데이터셋과 성능 벤치마크를 비교한다.

결과·기여

NeRF와 가우시안 스플래팅의 발전 과정을 체계적으로 정리하고, 각 방법의 강점과 약점을 비교 분석하였다. 또한 로보틱스, 도시 매핑, 자율 주행, VR/AR 등 다양한 응용 분야에서의 활용 현황을 제시하여, 후속 연구자들에게 유용한 참고 자료를 제공한다.