[논문] 다중 GPU 가우시안 스플래팅을 위한 확장 가능한 PyTorch 추상화

출처: arXiv - 2606.11390v1

개요

Gaussian splatting 기법은 실제 세계를 신경망으로 재구성하는 데 점점 더 많이 사용되고 있습니다. 그러나 계산량과 메모리 제한 때문에 규모와 해상도가 제한되는 경우가 많습니다. 우리는 재구성을 더 높은 해상도와 더 큰 장면으로 확장하면서, 모델을 분산시키는 데 일반적으로 수반되는 코드 복잡성을 추상화한 다중 GPU Gaussian splatting 접근법을 제시합니다. 이를 위해 우리는 Gaussian 파라미터와 splatting 연산자를 CUDA 통합 메모리와 NVLink를 통해 GPU 간에 분산시키는 PyTorch 백엔드를 제안합니다. 분산이 연산자 수준에서 이루어지기 때문에 모델 코드는 명시적인 장치 간 통신을 필요로 하지 않습니다. 더 나아가, 이 백엔드는 여러 GPU를 하나의 집합된 PyTorch 장치처럼 노출하고 다른 PyTorch 연산자도 지원합니다. 우리는 10억 개가 넘는 Gaussian splat을 이용한 도시 규모 재구성을 시연했으며, 이는 현재 최첨단 기술보다 25배 이상 많은 수치입니다.

주요 기여

이 논문은 다음 분야의 연구를 다룹니다:

• cs.CV
• cs.DC
• cs.GR
• cs.LG

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 함의

본 연구는 cs.CV 분야의 발전에 기여합니다.

저자

• Matthew Cong
• Francis Williams
• Jonathan Swartz
• Mark Harris
• Sanja Fidler
• Ken Museth

논문 정보

• arXiv ID: 2606.11390v1
• 분류: cs.CV, cs.DC, cs.GR, cs.LG
• 발표일: 2026년 6월 9일
• PDF: PDF 다운로드