論文の概要: HybridGS: High-Efficiency Gaussian Splatting Data Compression using Dual-Channel Sparse Representation and Point Cloud Encoder
- arxiv url: http://arxiv.org/abs/2505.01938v1
- Date: Sat, 03 May 2025 22:21:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-06 18:49:35.340425
- Title: HybridGS: High-Efficiency Gaussian Splatting Data Compression using Dual-Channel Sparse Representation and Point Cloud Encoder
- Title（参考訳）: HybridGS: Dual-Channel Sparse RepresentationとPoint Cloud Encoderを用いた高効率ガウススプレイティングデータ圧縮
- Authors: Qi Yang, Le Yang, Geert Van Der Auwera, Zhu Li,
- Abstract要約: 本稿では,HybridGSと呼ばれる新しい3DGS圧縮フレームワークを提案する。
コンパクトな生成と標準化されたポイントクラウドデータエンコーディングの両方を活用する。
実験結果から,現状の手法に匹敵する再現性能が得られることがわかった。
- 参考スコア（独自算出の注目度）: 15.839712865015347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most existing 3D Gaussian Splatting (3DGS) compression schemes focus on producing compact 3DGS representation via implicit data embedding. They have long coding times and highly customized data format, making it difficult for widespread deployment. This paper presents a new 3DGS compression framework called HybridGS, which takes advantage of both compact generation and standardized point cloud data encoding. HybridGS first generates compact and explicit 3DGS data. A dual-channel sparse representation is introduced to supervise the primitive position and feature bit depth. It then utilizes a canonical point cloud encoder to perform further data compression and form standard output bitstreams. A simple and effective rate control scheme is proposed to pivot the interpretable data compression scheme. At the current stage, HybridGS does not include any modules aimed at improving 3DGS quality during generation. But experiment results show that it still provides comparable reconstruction performance against state-of-the-art methods, with evidently higher encoding and decoding speed. The code is publicly available at https://github.com/Qi-Yangsjtu/HybridGS.
- Abstract（参考訳）: 既存の 3D Gaussian Splatting (3DGS) 圧縮スキームは、暗黙のデータ埋め込みによるコンパクトな 3DGS 表現の作成に重点を置いている。
長いコーディング時間と高度にカスタマイズされたデータフォーマットを持つため、広くデプロイするのは困難です。
本稿では,コンパクトな生成と標準化された点クラウドデータエンコーディングを両立させるHybridGSという新しい3DGS圧縮フレームワークを提案する。
HybridGSはまずコンパクトで明示的な3DGSデータを生成する。
プリミティブ位置と特徴ビット深さを監督するために、デュアルチャネルスパース表現を導入する。
次に、標準的なポイントクラウドエンコーダを使用して、さらなるデータ圧縮を行い、標準出力ビットストリームを形成する。
解釈可能なデータ圧縮方式をピボットするために, 単純かつ効果的なレート制御方式を提案する。
現在、HybridGSには3DGSの品質向上を目的としたモジュールは含まれていない。
しかし、実験の結果、最先端の手法に匹敵する再現性能を提供しており、明らかに符号化速度と復号速度が向上していることがわかった。
コードはhttps://github.com/Qi-Yangsjtu/HybridGSで公開されている。
関連論文リスト
- TinySplat: Feedforward Approach for Generating Compact 3D Scene Representation [38.50388562890992]
TinySplatは、コンパクトな3Dシーン表現を生成するための完全なフィードフォワードアプローチである。
TinySplatは標準フィードフォワード3DGS法に基づいており、トレーニング不要の圧縮フレームワークを統合している。
私たちのフレームワークはエンコーディング時間の25%とデコーディング時間の1%しか必要としません。
論文 参考訳（メタデータ） (2025-06-11T07:47:19Z) - TC-GS: Tri-plane based compression for 3D Gaussian Splatting [28.502636841299356]
3D Gaussian Splatting (3DGS)は、新しいビュー合成のための顕著なフレームワークとして登場し、高い忠実度と高速なレンダリング速度を提供する。
本稿では, ガウス属性を符号化し, 圧縮に属性の分布を活かしたよく構造化された三面体を提案する。
我々のアプローチは、複数のデータセットにわたる広範な実験において、SOTA 3D Gaussian Splatting圧縮作業と同等かそれ以上の結果を得た。
論文 参考訳（メタデータ） (2025-03-26T04:26:22Z) - PCGS: Progressive Compression of 3D Gaussian Splatting [55.149325473447384]
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。
論文 参考訳（メタデータ） (2025-03-11T15:01:11Z) - CAT-3DGS: A Context-Adaptive Triplane Approach to Rate-Distortion-Optimized 3DGS Compression [10.869104603083676]
3D Gaussian Splatting (3DGS)は、最近、有望な3D表現として登場した。
リモート側への3DGS表現の圧縮と送信の必要性は見落としている。
この新しいアプリケーションは、レート歪みを最適化した3DGS圧縮を要求する。
論文 参考訳（メタデータ） (2025-03-01T05:42:52Z) - 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) - 3DGS.zip: A survey on 3D Gaussian Splatting Compression Methods [10.122120872952296]
3次元ガウス散乱(3DGS)は実時間放射場レンダリングの最先端技術として登場している。
レンダリング速度と画像の忠実さの利点にもかかわらず、3DGSはその大きなストレージとメモリ要求によって制限されている。
本調査では3DGSをより効率的にするために開発された圧縮・圧縮技術について詳細に検討する。
論文 参考訳（メタデータ） (2024-06-17T11:43:38Z) - 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。