GitHub3D & Spatial Computingtech-infocode

maturk/dn-splatter

maturk·@maturk·Jan 24, 2026

개요 DN-Splatter는 3D Gaussian Splatting(3DGS)에 깊이(Depth)와 법선(Normal) 프라이어를 통합하여 3D 재구성 품질을 향상시키는 연구 프로젝트다. AGS-Mesh 기능을 포함하여 가우시안 표현으로부터 고품질 메시 추출까지 지원한다.

핵심 내용 기존 3DGS는 RGB 이미지만으로 장면을 재구성하기 때문에, 텍스처가 부족하거나 반사가 심한 영역에서 기하학적 정확도가 떨어지는 문제가 있었다. DN-Splatter는 단안 깊이 추정 모델(monocular depth)과 법선 추정 결과를 추가 감독 신호로 활용하여 이 한계를 극복한다. RGB-D 센서 데이터도 직접 입력으로 받을 수 있어 실내 장면 재구성에 특히 강점을 보인다. Nerfstudio 프레임워크 위에 구축되어 확장성과 실험 재현성이 높다.

기존 대비 차별점 일반 3DGS 대비 기하학적 일관성이 크게 개선된다. 특히 깊이·법선 프라이어를 결합한 접근은 적은 수의 입력 뷰에서도 안정적인 재구성을 가능하게 한다. AGS-Mesh를 통해 가우시안 표현에서 직접 메시를 추출할 수 있어, 후처리 파이프라인 없이도 CAD/게임 엔진에서 활용 가능한 3D 에셋을 얻을 수 있다. 2DGS와 3DGS 모두 지원하는 유연성도 장점이다.

활용 가능성 실내 공간 스캔 및 디지털 트윈 제작, AR/VR 콘텐츠용 3D 에셋 생성, 부동산·인테리어 시각화 등에 활용할 수 있다. RGB-D 카메라(iPhone LiDAR 등)와 결합하면 소비자급 기기로도 고품질 3D 재구성이 가능해진다.

참고 자료 - 원본 저장소 ===

Python7742dgs3dgsmeshrgbd
#3dgs#depth-estimation#normal-priors#mesh-reconstruction#nerf

Related in 3D & Spatial Computing