3D Gaussian Splatting (3DGS)는 새로운 뷰 합성에서 상당한 발전을 이루었지만, 많은 수의 Gaussian primitives가 필요하다는 점 때문에 경량 장치 배포에 어려움이 있습니다. 기존 방법들은 압축을 통해 이 문제를 해결하려고 시도했지만, 렌더링 품질과 효율성을 유지하지 못했습니다. 본 논문에서는 Gaussian primitives를 나타내는 Gaussian prototypes을 학습하는 ProtoGS를 제안하여, 시각적 품질 저하 없이 Gaussian의 총 개수를 크게 줄입니다. ProtoGS는 Gaussian prototypes을 직접 사용하여 효율적인 렌더링을 가능하게 하고, 재구성 손실을 이용하여 prototype 학습을 유도합니다. 메모리 효율을 더욱 높이기 위해 구조-운동(SfM) 점을 anchor point로 사용하여 Gaussian primitives를 그룹화합니다. 각 그룹 내에서 K-means clustering을 통해 Gaussian prototypes을 도출하고, anchor points와 prototypes를 함께 최적화합니다. 실제 및 합성 데이터셋에서의 실험을 통해 기존 방법보다 우수한 성능을 보이며, Gaussian 수를 크게 줄이고 높은 렌더링 속도를 달성하면서 렌더링 충실도를 유지하거나 향상시키는 것을 입증합니다.
