본 논문은 최소 침습 수술(MIS)의 정확성 향상을 위해 인공지능 기반 실시간 수술 장면 재구성에 초점을 맞추고 있습니다. 기존의 Neural Radiance Fields (NeRFs)의 데이터 요구량과 느린 렌더링 속도의 한계를 극복하고자, 효율적인 3D Gaussian Splatting (3DGS)을 기반으로 한 새로운 방법인 Feature-EndoGaussian (FEG)을 제시합니다. FEG는 사전 훈련된 분할 기반 모델을 활용하여 2D 분할 정보를 3D 렌더링에 통합함으로써, 실시간으로 의미론적이고 정확한 장면 재구성을 가능하게 합니다. EndoNeRF 및 EndoVis18 데이터셋 실험 결과, FEG는 기존 방법들보다 우수한 성능(SSIM, PSNR, LPIPS 지표)과 경쟁력 있는 분할 정확도를 달성하며, 모델 크기와 실시간 성능 간의 균형을 잘 맞추는 것을 보여줍니다.
