SC-GS est une nouvelle technique de représentation qui utilise des points de contrôle sparse pour le mouvement et des fonctions gaussiennes denses pour l'apparence des scènes dynamiques. Elle apprend des bases de transformation compactes à 6 degrés de liberté à partir d'un petit nombre de points de contrôle. Ces bases sont interpolées localement par des poids pour obtenir le champ de mouvement des fonctions gaussiennes 3D. Un MLP déformable prédit la transformation temporelle à 6 degrés de liberté de chaque point de contrôle, ce qui réduit la complexité d'apprentissage, améliore les capacités d'apprentissage et permet d'obtenir des mouvements cohérents spatio-temporellement. Simultanément, l'apprentissage conjoint des fonctions gaussiennes 3D, de la position de l'espace canonique des points de contrôle et du MLP déformable permet de reconstruire l'apparence, la géométrie et la dynamique de la scène 3D. Pendant l'entraînement, la position et le nombre de points de contrôle sont ajustés de manière adaptative pour s'adapter à la complexité du mouvement des différentes zones, et une fonction de perte aussi rigide que possible est utilisée pour imposer la continuité spatiale et la rigidité locale du mouvement. Grâce à la représentation explicitement sparse du mouvement et à la séparation de l'apparence, cette méthode permet une édition utilisateur du mouvement tout en conservant une apparence haute fidélité. De nombreuses expériences montrent que cette méthode surpasse les méthodes existantes en termes de synthèse de nouvelles vues et de rendu à haute vitesse, et prend en charge de nouvelles applications d'édition de mouvement préservant l'apparence.