3D Gaussian Splatting (3DGS)는 새로운 뷰 합성 기술로 주목받고 있지만, 높은 메모리 소모량으로 인해 에지 디바이스에서의 적용이 제한적이다. 기존의 3DGS 압축 방법들은 저장 공간 압축에만 초점을 맞춰 렌더링 메모리라는 중요한 병목 현상을 해결하지 못했다. 본 논문에서는 메모리 효율적인 프레임워크인 MEGS²를 제시하여, 총 프리미티브 수와 프리미티브당 매개변수를 공동으로 최적화함으로써 전례 없는 메모리 압축을 달성한다. 구체적으로, 메모리 소모가 큰 구면 조화 함수 대신 경량의 임의 방향 구면 가우시안 로브를 색상 표현으로 사용하고, 프리미티브 수와 로브 수 가지치기를 단일 제약 최적화 문제로 모델링하는 통합 소프트 가지치기 프레임워크를 제안한다. 실험 결과, MEGS²는 기존 방법에 비해 정적 VRAM을 50%, 렌더링 VRAM을 40% 감소시키면서 동등한 렌더링 품질을 유지한다.
