서강대학교 전자공학과

    4D Gaussian Splatting 주제로 인공지능 분야 Top Conference “ECCV 2026” 논문 채택

  ▲ (왼쪽부터) 강석주 교수, 공경보 교수, 염수웅 석박통합과정, 남준식 석박통합과정, 최승규 석사과정

서강대학교 전자공학과 강석주 교수 연구팀 (염수웅 석박통합과정, 남준식 석박통합과정, 최승규 석사과정)과 김준수 박사 (한국전자통신연구원), 윤국진 박사 (한국전자통신연구원), Lucas Yunkyu Lee (포항공과대학교), 김상민 (서울대학교), 박재식 교수 (서울대학교), 공경보 교수 (부산대학교)로 이루어진 공동 연구팀의 논문이 컴퓨터 비전 및 인공지능 분야 최고 권위의 국제 학술대회인 'ECCV 2026(European Conference on Computer Vision)'에 최종 채택되었다. ECCV는 IEEE/CVF에서 주관하는 CVPR, ICCV와 함께 컴퓨터 비전 및 머신 러닝 분야 세계 3대 최우수 학회로 꼽히며 최고 권위를 자랑한다.

이번에 채택된 논문 제목은 ‘TRiGS: Temporal Rigid-Body Motion for Scalable 4D Gaussian Splatting’으로, 연구팀은 장시간의 동적 비디오를 효과적으로 렌더링할 수 있는 새로운 4D 가우시안 스플래팅(4DGS) 기술인 “TRiGS” 모델링을 최초로 제안하였다.

연구팀은 기존의 4D 가우시안 스플래팅 모델들이 객체의 복잡한 움직임을 처리할 때, 짧은 시간 창이나 조각난 선형 속도(Piecewise linear velocity) 근사에 의존하여 가우시안을 끊임없이 제거하고 재생성해야하는 “시간적 단편화(Temporal Fragmentation)” 문제가 발생한다는 점을 지적했다. 이로 인해 객체의 장기적인 시간적 정체성이 훼손되고 메모리 사용량이 기하급수적으로 폭증하여, 긴 비디오 시퀀스에 적용하기에는 심각한 한계가 있었다.

이러한 성능 병목 현상을 해결하기 위해 연구팀은 조각난 근사 방식에서 벗어나, “연속적인 기하학적 변화(Continuous Geometric Transformations)”을 활용해 강체 모션을 최적화하는 TRiGS를 개발했다.

이 논문의 핵심은 복잡한 회전과 병진 운동을 하나의 연속적인 변환으로 통합하는 “결합된 SE(3) 변환”과 비선형적인 움직임을 정밀하게 포착하는 “계층적 베이지어 잔차(Hierarchical Bezier Residuals)”블록이다. 또한, 연구팀은 단일한 전역 중심에 의존하지 않고 각 가우시안에 독립적인 회전 중심을 부여하는 “로컬 앵커(Local Anchors)”를 도입하여 안정적이고 세밀한 로컬 모션 최적화를 달성했다.

결과적으로 불필요한 가우시안 증식을 원천적으로 억제하여 전체 모델 파라미터를 약 0.5M개(160MB 수준)로 제한하면서도 기존 최고 성능 모델들을 뛰어넘는 결과를 달성했다. 실험 결과, TRiGS는 N3V, SelfCap등 주요 벤치마크 데이터셋에서 600~1200 프레임에 달하는 긴 시퀀스에서도 심각한 메모리 오버헤드나 렌더링 품질 저하 없이 압도적으로 안정적인 동적 뷰 합성 성능을 보여주었다.

이번 연구에 참여한 학생들은 “강석주 교수님께서 사려 깊게 지도해주시고 연구실 동료들이 아낌없는 도움을 주셔서 좋은 결실을 맺을 수 있었다. 컴퓨터 비전 최우수 학회에 논문이 등재되어 매우 기쁜 마음이며, 앞으로도 의미 있는 연구 결과를 낼 수 있도록 노력하겠다.” 라고 소감을 전했다.

 ‣제안하는 방법과 기존 방법의 차이점

 ‣제안하는 움직임 모델링

‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과

‣논문 제목: TRiGS: Temporal Rigid-Body Motion for Scalable 4D Gaussian Splatting

‣저자 정보: 염수웅 석박통합과정 (공동 1저자), 남준식 석박통합과정 (공동 1저자), 최승규 석사과정 (공동 1저자), Lucas Yunkyu Lee, 김상민, 박재식 교수, 김준수 박사, 윤국진 박사, 공경보 교수 (공동 교신저자), 강석주 교수 (공동 교신저자)