3D Gaussian Splatting (3DGS)의 효율성과 정확도 향상을 위한 연구로, 기존 방법의 한계점인 희소 뷰 조건 하에서의 정확한 기하학적 재구성 어려움을 해결하고자 제안되었다. 기존의 비국소적 깊이 정규화 방식이 미세 구조를 제대로 포착하지 못하고 깊이 추정 노이즈에 민감하다는 점과, 전통적인 스무딩 방법이 의미 경계를 무시하여 중요한 모서리와 질감을 훼손한다는 점을 개선하기 위해, 계층적 기하학적 깊이 감독 프레임워크와 의미론적 마스크 기반의 모서리 인식 깊이 정규화, RGB 기반 모서리 보존 Total Variation 손실을 도입한 DET-GS를 제시한다. DET-GS는 다양한 벤치마크에서 기존 최고 성능(SOTA) 방법들을 능가하는 기하학적 정확도와 시각적 충실도 향상을 보였다.
