15 · NeRF와 3DGS 비교
3주 차 / 원문 Day 15 · 문서·예제 제공 · 고정된 하루 분량이 아닌 학습 순서입니다.
목표
두 표현의 입력·표현·렌더링 차이를 설명한다.
선수 지식
1주 좌표와 카메라, 방사휘도와 시선의 정성적 의미.
핵심 개념과 설명
원래 NeRF는 위치와 방향에 대해 밀도와 색을 예측하는 연속 표현을 신경망으로 학습하고 광선을 따라 샘플링하여 영상을 합성합니다. 3DGS는 위치·퍼짐·색·불투명도 등을 가진 가우시안 집합을 최적화하고 splatting으로 렌더링합니다.
두 방법 모두 여러 시점의 영상과 카메라 정보에 관계되지만 저장 표현과 렌더 비용이 다릅니다. 다양한 후속 변형이 있으므로 모든 NeRF/GS가 같은 속도나 용량을 가진다고 일반화하지 않습니다. 여기서는 이미 만들어진 데이터의 렌더링이 우선입니다.
학습 후 얻을 역량
- 두 표현의 입력·표현·렌더링 차이를 설명한다.
- 아래 완료 조건을 재현하고 자가 점검 질문에 자신의 말로 답할 수 있습니다.
실습 과제
- 두 원 논문의 개요를 읽고 입력/표현/렌더링/결과 표를 만듭니다.
- 새 시점의 영상을 만드는 과정에서 카메라 정보가 하는 역할을 적습니다.
- 학습 비용과 브라우저 렌더링 비용을 분리해 이번 학습 범위를 정합니다.
관찰할 변수
표현 방식, 시점, 해상도. 다른 논문의 FPS를 같은 환경 실측처럼 비교하지 않습니다.
완료 조건
- NeRF/GS의 차이를 표로 설명했다.
- training과 rendering을 구분한다.
- 성능 수치의 조건을 구분했다.
자가 점검 질문
- 이미 학습된 데이터를 보는 데 모델 학습이 항상 필요한가요?
- 한 논문의 FPS를 내 브라우저에서도 보장할 수 있나요?
공식 참고
실험 기록 — 직접 작성
목표
핵심 개념
바꾼 변수와 예상
실제 결과
배운 점
남은 질문
이전: 인터랙티브 셰이더 복습 · 다음: Gaussian 위치·크기·회전·불투명도
연결된 예제와 실행 범위
원본 실행 코드 · 화면 단위 ID: 15-nerf-gs
해석적 밀도장의 ray 적분과 splat 합성 비교입니다. NeRF 학습이나 추론 모델을 실행하지 않습니다.
기존에 저장한 코드가 있으면 그대로 유지합니다. 새 원본을 사용하려면 먼저 전체 JSON으로 백업한 뒤 원본 코드로를 선택하세요. 필기는 지워지지 않습니다.