3D Gaussian Splatting은 장면을 3차원 가우시안 분포(ellipsoidal Gaussian primitives)로 표현하여, 각 가우시안이 공간 상에서 불연속적인 점이 아닌 연속적인 밀도와 색상을 가지도록 합니다. 이를 통해 장면 렌더링 시 GPU에서 매우 빠른 rasterization이 가능하며, 기존 NeRF 대비 수십 배 이상 빠른 학습 및 렌더링 속도를 달성할 수 있습니다. 또한, 기하학적 세부 표현력이 뛰어나고, 동적 장면 확장(4D Gaussian Splatting)에도 응용될 수 있어 다양한 연구가 활발히 진행되고 있습니다. 

본 연구실에서는 3D Gaussian Splatting을 활용하여 실내외 장면의 고정밀 재구성 및 실시간 렌더링 기법을 연구하고 있습니다. 특히, 대규모 학습 없이도 소규모 데이터셋으로 실험이 가능하도록 알고리즘을 최적화하고 있으며, 향후에는 로보틱스, 증강현실(AR), 의료 영상 분석 등 다양한 응용 분야에 확장하는 연구를 진행할 예정입니다.