論文の概要: PCGS: Progressive Compression of 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2503.08511v1
- Date: Tue, 11 Mar 2025 15:01:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 15:42:35.374412
- Title: PCGS: Progressive Compression of 3D Gaussian Splatting
- Title（参考訳）: PCGS:3Dガウススプレイティングの進歩的圧縮
- Authors: Yihang Chen, Mengyao Li, Qianyi Wu, Weiyao Lin, Mehrtash Harandi, Jianfei Cai,
- Abstract要約: ガウスの量と品質を適応的に制御するPCGS(Progressive Compression of 3D Gaussian Splatting)を提案する。
全体として、PCGSは、SoTA非プログレッシブ手法に匹敵する圧縮性能を維持しながら、進行性を達成する。
- 参考スコア（独自算出の注目度）: 55.149325473447384
- License:
- Abstract: 3D Gaussian Splatting (3DGS) achieves impressive rendering fidelity and speed for novel view synthesis. However, its substantial data size poses a significant challenge for practical applications. While many compression techniques have been proposed, they fail to efficiently utilize existing bitstreams in on-demand applications due to their lack of progressivity, leading to a waste of resource. To address this issue, we propose PCGS (Progressive Compression of 3D Gaussian Splatting), which adaptively controls both the quantity and quality of Gaussians (or anchors) to enable effective progressivity for on-demand applications. Specifically, for quantity, we introduce a progressive masking strategy that incrementally incorporates new anchors while refining existing ones to enhance fidelity. For quality, we propose a progressive quantization approach that gradually reduces quantization step sizes to achieve finer modeling of Gaussian attributes. Furthermore, to compact the incremental bitstreams, we leverage existing quantization results to refine probability prediction, improving entropy coding efficiency across progressive levels. Overall, PCGS achieves progressivity while maintaining compression performance comparable to SoTA non-progressive methods. Code available at: github.com/YihangChen-ee/PCGS.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、新しいビュー合成のための印象的なレンダリング忠実さとスピードを実現する。
しかし、その実質的なデータサイズは、実用アプリケーションにとって大きな課題となる。
多くの圧縮技術が提案されているが、進行性の欠如によりオンデマンドアプリケーションで既存のビットストリームを効率的に利用できないため、リソースの浪費につながる。
この問題に対処するため,PCGS (Progressive Compression of 3D Gaussian Splatting) を提案する。
具体的には,新しいアンカーをインクリメンタルに取り入れつつ,既存のアンカーを改良して忠実度を高めるプログレッシブマスキング戦略を導入する。
品質について,ガウス属性のより詳細なモデリングを実現するため,量子化ステップのサイズを段階的に小さくするプログレッシブ量子化手法を提案する。
さらに、インクリメンタルビットストリームをコンパクト化するために、既存の量子化結果を利用して確率予測を洗練し、進行レベルのエントロピー符号化効率を向上させる。
全体として、PCGSは、SoTA非プログレッシブ手法に匹敵する圧縮性能を維持しながら、進行性を達成する。
コードは、github.com/YihangChen-ee/PCGSで入手できる。
関連論文リスト
- HAC++: Towards 100X Compression of 3D Gaussian Splatting [55.6351304553003]
3D Gaussian Splatting (3DGS)は、新しいビュー合成のための有望なフレームワークとして登場し、高速レンダリング速度と高忠実さを誇っている。
しかし、ガウスの点雲(あるいは論文のアンカー)のスパースで非組織的な性質は、圧縮の課題を提起している。
本研究では,非組織型アンカーと構造化ハッシュグリッドの関係を利用したHAC++を提案する。
論文 参考訳（メタデータ） (2025-01-21T16:23:05Z) - Fast Feedforward 3D Gaussian Splatting Compression [55.149325473447384]
3D Gaussian Splatting (FCGS) は、1つのフィードフォワードパスで3DGS表現を高速に圧縮できる最適化フリーモデルである。
FCGSは圧縮比を20倍以上に向上し、高精細度を維持しながら、ほとんどのシーン毎のSOTA最適化手法を上回ります。
論文 参考訳（メタデータ） (2024-10-10T15:13:08Z) - MesonGS: Post-training Compression of 3D Gaussians via Efficient Attribute Transformation [16.68306233403755]
3D Gaussian Splattingは、新規なビュー合成において優れた品質と速度を示す。
3D Gaussianの巨大なファイルサイズは、トランスミッションとストレージの課題を提示している。
MesonGSは、競争力のある品質を維持しながら、3Dガウシアンを著しく削減する。
論文 参考訳（メタデータ） (2024-09-15T14:58:20Z) - ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model [77.71796503321632]
我々は3DGS表現のアンカーレベルにコンテキストモデルを導入し,バニラ3DGSと比較して100倍以上のサイズの縮小を実現した。
我々の研究は3DGS表現のためのアンカーレベルのコンテキストモデルを開拓し、バニラ3DGSに比べて100倍以上、そして最新の最先端のScaffold-GSに比べて15倍の大幅なサイズ縮小を実現した。
論文 参考訳（メタデータ） (2024-05-31T09:23:39Z) - CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。
我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。
実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
論文 参考訳（メタデータ） (2024-04-15T04:50:39Z) - HAC: Hash-grid Assisted Context for 3D Gaussian Splatting Compression [55.6351304553003]
3D Gaussian Splatting (3DGS) は、新しいビュー合成のための有望なフレームワークとして登場した。
高速な3DGS表現のためのHash-grid Assisted Context (HAC) フレームワークを提案する。
私たちの研究は、コンテキストベースの3DGS表現の圧縮を探求するパイオニアです。
論文 参考訳（メタデータ） (2024-03-21T16:28:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。