본 논문은 3D Gaussian Splatting (3DGS)에 2D 기반 모델의 풍부한 정보를 효율적으로 통합하는 새로운 방법인 CF3 (Compact and Fast 3D Gaussian feature fields)를 제안합니다. 기존의 bottom-up 방식 대신 top-down 방식을 채택하여, 미리 학습된 Gaussian을 이용한 다중 뷰 2D 특징들의 가중치 합성을 통해 per-Gaussian 오토인코더를 직접 학습합니다. 이를 통해 2D 영역에서의 오토인코더 학습보다 특징 분포에 더 잘 맞는 표현을 얻고, 중복된 Gaussian을 제거하고 병합하는 적응적 희소화 방법을 도입하여 기하학적 세부 정보를 유지하면서 효율적인 표현을 구축합니다. 결과적으로 Feature-3DGS 대비 5%의 Gaussian만을 사용하여 경쟁력 있는 3D 특징 필드를 달성합니다.
