연구진이 3D 가우시안 스플래팅(3DGS)의 고주파 텍스처 합성 문제를 해결하기 위해 2D 인지적 래퍼를 제안했어요. 이 방법은 가우시안 노이즈에 기반한 경량 합성 네트워크를 활용하여 렌더링된 텍스처를 개선해요. 바트슈타인 왜곡을 기반으로 학습하여 표준 프레임워크의 흐릿함을 줄여요.
제안된 래퍼는 기존 3DGS 표현을 콘텐츠 및 뷰에 따라 개선하며, 메모리 제약 및 RDO 파이프라인에서도 효과적이에요. 주관적 및 객관적 실험 결과, 기존 방식보다 훨씬 뛰어난 시각적 품질을 제공하며 파일 크기를 줄여요.