연구진은 3D Gaussian Splatting(3DGS) 최적화 과정에서 발생하는 노이즈 문제를 해결하기 위해 Denoising-GS 프레임워크를 제안했어요. 이 프레임워크는 3DGS 최적화를 원시(primitive) 노이즈 제거 과정으로 보고, 위치와 공간 구조를 동시에 고려해 노이즈를 줄여요.
Spatial Gradient-based Denoising 전략은 원시의 공간적 지지를 고려하여 일관성 있는 업데이트를 수행하고, Uncertainty-based Denoising 모듈은 불필요한 원시를 제거해 성능을 개선했어요.
세 개의 벤치마크 데이터셋 실험 결과, Denoising-GS는 NVS(Novel View Synthesis) 충실도를 높이고 표현의 압축성을 유지하며 최고 성능을 달성했어요.