3D Gaussian Splatting (3DGS)는 새로운 뷰 합성에서 큰 발전을 이루었지만, 많은 수의 Gaussian primitives가 필요하다는 한계점 때문에 경량 기기에서의 배포가 어렵습니다. 본 논문에서는 Gaussian primitives를 표현하기 위해 Gaussian prototypes을 학습하는 ProtoGS를 제안합니다. ProtoGS는 Gaussian의 수를 크게 줄이면서 시각적 품질을 유지합니다. Gaussian prototypes을 직접 사용하여 효율적인 렌더링을 가능하게 하고, 재구성 손실을 이용하여 prototype 학습을 유도합니다. 메모리 효율을 더욱 높이기 위해 SfM points를 anchor points로 사용하여 Gaussian primitives를 그룹화합니다. 각 그룹 내에서 K-means clustering을 통해 Gaussian prototypes을 도출하고, anchor points와 prototypes을 함께 최적화합니다. 실제 데이터셋과 합성 데이터셋에서의 실험 결과, 기존 방법보다 성능이 우수하며, Gaussian의 수를 크게 줄이고 높은 렌더링 속도를 달성하면서 렌더링 충실도를 유지하거나 향상시키는 것을 보여줍니다.
