論文の概要: Enhancing 3D Gaussian Splatting Compression via Spatial Condition-based Prediction
- arxiv url: http://arxiv.org/abs/2503.23337v1
- Date: Sun, 30 Mar 2025 06:41:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-01 19:35:57.068695
- Title: Enhancing 3D Gaussian Splatting Compression via Spatial Condition-based Prediction
- Title（参考訳）: 空間条件に基づく予測による3次元ガウス散乱圧縮の促進
- Authors: Jingui Ma, Yang Hu, Luyang Tang, Jiayu Yang, Yongqi Zhai, Ronggang Wang,
- Abstract要約: 我々は、ビットレートを効果的に低減するために、アンカーベースガウス表現に予測手法を導入する。
私たちのフレームワークは依然として24.22%のビットレートの節約を実現しています。
- 参考スコア（独自算出の注目度）: 24.061525432639943
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, 3D Gaussian Spatting (3DGS) has gained widespread attention in Novel View Synthesis (NVS) due to the remarkable real-time rendering performance. However, the substantial cost of storage and transmission of vanilla 3DGS hinders its further application (hundreds of megabytes or even gigabytes for a single scene). Motivated by the achievements of prediction in video compression, we introduce the prediction technique into the anchor-based Gaussian representation to effectively reduce the bit rate. Specifically, we propose a spatial condition-based prediction module to utilize the grid-captured scene information for prediction, with a residual compensation strategy designed to learn the missing fine-grained information. Besides, to further compress the residual, we propose an instance-aware hyper prior, developing a structure-aware and instance-aware entropy model. Extensive experiments demonstrate the effectiveness of our prediction-based compression framework and each technical component. Even compared with SOTA compression method, our framework still achieves a bit rate savings of 24.42 percent. Code is to be released!
- Abstract（参考訳）: 近年,3Dガウススパッティング(3DGS)は,実時間レンダリング性能の顕著さから,ノベルビュー合成(NVS)において広く注目を集めている。
しかし、バニラ3DGSのストレージと送信のかなりのコストは、そのさらなる応用を妨げる(数百メガバイト、あるいは1つのシーンでギガバイトまで)。
ビデオ圧縮における予測の達成に感銘を受け、我々はこの予測手法をアンカーベースガウス表現に導入し、ビットレートを効果的に削減する。
具体的には、グリッドキャプチャされたシーン情報を予測に利用する空間条件ベースの予測モジュールを提案する。
さらに,残余をさらに圧縮するために,構造認識およびインスタンス認識エントロピーモデルを開発した。
予測に基づく圧縮フレームワークと,各技術コンポーネントの有効性について,広範囲にわたる実験を行った。
SOTA圧縮法と比較しても、我々のフレームワークは依然として24.22%のビットレートの節約を実現している。
コードはリリースされます!
関連論文リスト
- CompGS++: Compressed Gaussian Splatting for Static and Dynamic Scene Representation [60.712165339762116]
CompGS++はコンパクトガウスプリミティブを活用して正確な3Dモデリングを実現する新しいフレームワークである。
私たちの設計は、プリミティブ間の冗長性をなくすという原則に基づいている。
私たちの実装は、さらなる研究を促進するためにGitHubで公開されます。
論文 参考訳（メタデータ） (2025-04-17T15:33:01Z) - HEMGS: A Hybrid Entropy Model for 3D Gaussian Splatting Data Compression [23.015728369640136]
3D Gaussian Splatting (3DGS)は3Dモデリングと画像レンダリングに人気があるが、これはデータストレージと伝送において大きな課題を生み出している。
本稿では3DGSデータ圧縮のためのハイブリッドエントロピーモデルを提案する。
本手法は,ベースライン法よりもレンダリング品質を保ちながら,平均40%程度のサイズ削減を実現し,最先端の圧縮結果を実現する。
論文 参考訳（メタデータ） (2024-11-27T16:08:59Z) - A Hierarchical Compression Technique for 3D Gaussian Splatting Compression [23.785131033155924]
3D Gaussian Splatting (GS) は、新規なビュー合成において優れたレンダリング品質と生成速度を示す。
現在の3D GS圧縮研究は主によりコンパクトなシーン表現の開発に焦点を当てている。
本稿では,このギャップに対処する階層型GS圧縮(HGSC)手法を提案する。
論文 参考訳（メタデータ） (2024-11-11T13:34:24Z) - 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) - 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) - 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) - 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。