SC-GS ist eine neuartige Darstellungsmethode, die die Bewegung und das Aussehen dynamischer Szenen separat durch spärlich verteilte Kontrollpunkte und dichte Gauß-Funktionen darstellt. Sie lernt mit wenigen Kontrollpunkten kompakte 6-DOF-Transformationsbasen, die durch Interpolation von Gewichten lokal interpoliert werden können, um das Bewegungsfeld der 3D-Gauß-Funktion zu erhalten. Ein deformierbares MLP (Multilayer Perceptron) wird verwendet, um die zeitvarianten 6-DOF-Transformationen jedes Kontrollpunkts vorherzusagen, wodurch die Komplexität des Lernprozesses reduziert und die Lernfähigkeit verbessert wird, um zeitlich und räumlich kohärente Bewegungsmuster zu erzielen. Gleichzeitig werden die 3D-Gauß-Funktion, die kanonischen räumlichen Positionen der Kontrollpunkte und das deformierbare MLP gemeinsam gelernt, um das Aussehen, die Geometrie und die Dynamik der 3D-Szene zu rekonstruieren. Während des Trainings werden Position und Anzahl der Kontrollpunkte adaptiv an die Komplexität der Bewegung in verschiedenen Bereichen angepasst, und es wird eine möglichst starre Verlustfunktion verwendet, um die räumliche Kontinuität und lokale Starrheit der Bewegung zu erzwingen. Aufgrund der expliziten Sparsamkeit der Bewegungsdarstellung und der Trennung von Aussehen und Bewegung ermöglicht diese Methode eine benutzergesteuerte Bewegungsbearbeitung bei gleichzeitiger Erhaltung einer hohen Genauigkeit des Aussehens. Zahlreiche Experimente zeigen, dass dieser Ansatz bei der Neusichtensynthese und der Hochgeschwindigkeitsrendering überlegen ist und neue Anwendungen zur Bewegungsbearbeitung mit erhaltenem Aussehen unterstützt.