연구진은 3D 가우시안 스플래팅(3DGS)의 한계를 극복하기 위해 L2D2-GS 프레임워크를 제안했어요. 이 프레임워크는 장면 재구성을 일회성 회귀가 아닌 반복적 최적화 및 밀도 증가 과정으로 재정의합니다.
L2D2-GS는 초기 단계의 부정적인 효과를 줄이기 위해 기하학적 정규화 메커니즘을 사용하며, 자체 지도 밀도 증가 정책을 통해 명시적인 보상 신호를 유도합니다.
PandaSet 및 Waymo 데이터셋 실험 결과, L2D2-GS는 경쟁 모델보다 뛰어난 재구성 정확도와 일반화 성능을 보여주며, 더 적은 수의 원시 데이터를 사용합니다.