論文の概要: NeuralGS: Bridging Neural Fields and 3D Gaussian Splatting for Compact 3D Representations

• arxiv url: http://arxiv.org/abs/2503.23162v1
• Date: Sat, 29 Mar 2025 17:36:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:35:58.157611
• Title: NeuralGS: Bridging Neural Fields and 3D Gaussian Splatting for Compact 3D Representations
• Title（参考訳）: NeuralGS: コンパクトな3次元表現のためのブリッジングニューラルネットワークと3次元ガウススプレイティング
• Authors: Zhenyu Tang, Chaoran Feng, Xinhua Cheng, Wangbo Yu, Junwu Zhang, Yuan Liu, Xiaoxiao Long, Wenping Wang, Li Yuan,
• Abstract要約: 3DGSは品質とレンダリングのスピードが優れているが、数百万の3Dガウシアンとかなりのストレージと伝送コストがある。 最近の3DGS圧縮法は主にScaffold-GSの圧縮に重点を置いており、優れた性能を達成しているが、追加のボクセル構造と複雑な符号化と量子化戦略を備えている。 本稿では,従来の3DGSをボクセル構造や複雑な量子化戦略を使わずにコンパクトな表現に圧縮する方法を探究する。
• 参考スコア（独自算出の注目度）: 39.343445598839125
• License:
• Abstract: 3D Gaussian Splatting (3DGS) demonstrates superior quality and rendering speed, but with millions of 3D Gaussians and significant storage and transmission costs. Recent 3DGS compression methods mainly concentrate on compressing Scaffold-GS, achieving impressive performance but with an additional voxel structure and a complex encoding and quantization strategy. In this paper, we aim to develop a simple yet effective method called NeuralGS that explores in another way to compress the original 3DGS into a compact representation without the voxel structure and complex quantization strategies. Our observation is that neural fields like NeRF can represent complex 3D scenes with Multi-Layer Perceptron (MLP) neural networks using only a few megabytes. Thus, NeuralGS effectively adopts the neural field representation to encode the attributes of 3D Gaussians with MLPs, only requiring a small storage size even for a large-scale scene. To achieve this, we adopt a clustering strategy and fit the Gaussians with different tiny MLPs for each cluster, based on importance scores of Gaussians as fitting weights. We experiment on multiple datasets, achieving a 45-times average model size reduction without harming the visual quality. The compression performance of our method on original 3DGS is comparable to the dedicated Scaffold-GS-based compression methods, which demonstrate the huge potential of directly compressing original 3DGS with neural fields.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は優れた品質とレンダリング速度を示すが、数百万の3D Gaussianとかなりのストレージと伝送コストがある。 最近の3DGS圧縮法は主にScaffold-GSの圧縮に重点を置いており、優れた性能を達成しているが、追加のボクセル構造と複雑な符号化と量子化戦略を備えている。 本稿では,従来の3DGSをボクセル構造や複雑な量子化戦略を使わずにコンパクトな表現に圧縮する方法を探究する。 我々の観察では、NeRFのようなニューラルネットワークは、数メガバイトしか使用せずに、MLP(Multi-Layer Perceptron)ニューラルネットワークで複雑な3Dシーンを表現できる。 このように、NeuralGSはニューラルネットワーク表現を効果的に採用して、3Dガウスの属性をMPPでエンコードする。 そこで我々は,クラスタリング戦略を採用し,ガウスの重要度を重み付けとして,各クラスタごとに異なる小さなMLPをガウスに適合させる。 視覚的品質を損なうことなく,45回の平均モデルサイズ削減を実現するため,複数のデータセットを実験した。 従来の3DGSの圧縮性能は,Scaffold-GSをベースとした圧縮法と同等であり,ニューラルフィールドによる3DGSの直接圧縮の可能性を示している。

関連論文リスト

• Locality-aware Gaussian Compression for Fast and High-quality Rendering [37.16956462469969]
  局所性を考慮した3Dガウススティング(3DGS)フレームワークであるLocoGSを紹介し,3Dガウスアンの空間コヒーレンスを利用してシーンのコンパクトなモデリングを行う。 まず,3次元ガウス属性の局所的コヒーレンスを解析し,局所的コヒーレントなガウス属性を効果的に符号化する3次元ガウス表現を提案する。
  論文  参考訳（メタデータ） (2025-01-10T07:19:41Z)
• 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)
• F-3DGS: Factorized Coordinates and Representations for 3D Gaussian Splatting [13.653629893660218]
  ニューラルレイディアンス場(NeRF)のレンダリング手法の代替として,F3DGS(Facterized 3D Gaussian Splatting)を提案する。 F-3DGSはレンダリング画像に匹敵する品質を維持しながら、ストレージコストを大幅に削減する。
  論文  参考訳（メタデータ） (2024-05-27T11:55:49Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• 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)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)
• LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
  光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。 ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。 LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
  論文  参考訳（メタデータ） (2023-11-28T21:39:20Z)

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。