본 논문은 3D Gaussian Splatting (3DGS) 기반의 novel-view synthesis 성능 향상을 위한 새로운 프레임워크인 StructGS를 제안합니다. 기존 3DGS 기반 방법들의 한계점인 비국소적 구조 정보의 확률적 특성 포착 실패, 고차항 활용 저조로 인한 계산 비효율, 고해상도 출력을 위한 고해상도 이미지 학습 필요성 등을 해결하기 위해, StructGS는 패치 기반 SSIM loss, 동적 구면 조화 함수 초기화, 다중 스케일 잔차 네트워크(MSRN)를 도입합니다. 이를 통해 계산 중복성을 줄이고, 세부 정보 캡처 능력을 향상시키며, 저해상도 입력으로부터 고해상도 렌더링을 지원합니다. 실험 결과, StructGS는 기존 최첨단 모델보다 우수한 성능을 보이며, 더 높은 품질과 세부적인 렌더링을 아티팩트 감소와 함께 제공합니다.
