Gaussian Splatting을 활용한 일반화 가능한 sparse-view surface reconstruction 프레임워크인 MeshSplat 제안. 2D Gaussian Splatting (2DGS)을 통해 새로운 시점 합성과 학습된 기하학적 사전 지식을 연결하여 surface reconstruction을 수행. 2DGS의 정확도를 높이기 위해 가중 Chamfer Distance Loss와 normal 예측 네트워크를 도입하여 depth map과 법선 벡터를 정규화.
시사점, 한계점
•
시사점:
◦
Sparse-view 환경에서 정확한 scene geometry 복원을 위한 새로운 접근 방식 제시.
◦
2D Gaussian Splatting을 활용하여 novel view synthesis와 기하학적 사전 지식 연결.
◦
가중 Chamfer Distance Loss와 normal 예측 네트워크를 통한 2DGS 정확도 향상.
◦
일반화 가능한 sparse-view mesh reconstruction task에서 SOTA 성능 달성.
