論文の概要: Semantic Compression of 3D Objects for Open and Collaborative Virtual Worlds

• arxiv url: http://arxiv.org/abs/2505.16679v1
• Date: Thu, 22 May 2025 13:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.335633
• Title: Semantic Compression of 3D Objects for Open and Collaborative Virtual Worlds
• Title（参考訳）: オープン・コラボレーション仮想世界のための3次元オブジェクトのセマンティック圧縮
• Authors: Jordan Dotzel, Tony Montes, Mohamed S. Abdelfattah, Zhiru Zhang,
• Abstract要約: パブリックな生成モデルから3次元のセマンティック圧縮を実現するパイプラインを構築した。 セマンティック圧縮は,100倍圧縮前後の重要品質保存領域において,従来の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 11.55697524599641
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional methods for 3D object compression operate only on structural information within the object vertices, polygons, and textures. These methods are effective at compression rates up to 10x for standard object sizes but quickly deteriorate at higher compression rates with texture artifacts, low-polygon counts, and mesh gaps. In contrast, semantic compression ignores structural information and operates directly on the core concepts to push to extreme levels of compression. In addition, it uses natural language as its storage format, which makes it natively human-readable and a natural fit for emerging applications built around large-scale, collaborative projects within augmented and virtual reality. It deprioritizes structural information like location, size, and orientation and predicts the missing information with state-of-the-art deep generative models. In this work, we construct a pipeline for 3D semantic compression from public generative models and explore the quality-compression frontier for 3D object compression. We apply this pipeline to achieve rates as high as 105x for 3D objects taken from the Objaverse dataset and show that semantic compression can outperform traditional methods in the important quality-preserving region around 100x compression.
• Abstract（参考訳）: 従来の3Dオブジェクト圧縮の方法は、オブジェクトの頂点、ポリゴン、テクスチャの構造情報のみで動作する。 これらの手法は、標準のオブジェクトサイズに対して最大10倍の圧縮速度で有効であるが、テクスチャアーティファクト、低ポリゴン数、メッシュギャップで高い圧縮速度で急速に劣化する。 対照的に、セマンティック圧縮は構造情報を無視し、コア概念を直接操作し、極端なレベルの圧縮にプッシュする。 さらに、自然言語をそのストレージフォーマットとして使用することで、人間が読めるようになり、拡張現実と仮想現実の中で大規模な共同プロジェクトを中心に構築された新興アプリケーションに自然にフィットする。 位置、サイズ、方向などの構造情報を優先順位付けし、最先端の深層生成モデルで不足情報を予測します。 本研究では,公開生成モデルから3次元のセマンティック圧縮のためのパイプラインを構築し,3次元オブジェクト圧縮のための品質圧縮フロンティアを探索する。 このパイプラインを用いてObjaverseデータセットから取得した3Dオブジェクトの最大105倍のレートを実現し,100倍圧縮の重要品質保持領域において,セマンティック圧縮が従来の手法より優れていることを示す。

関連論文リスト

• Mesh Compression with Quantized Neural Displacement Fields [31.316999947745614]
  入射神経表現(INR)は様々な3次元表面表現の圧縮に成功している。 本研究は,INRを用いて3次元トライアングルメッシュを圧縮する簡易かつ効果的な手法を提案する。 本研究では, 複雑なテクスチャの保存が可能であり, 圧縮比が4倍から380倍であることを示す。
  論文  参考訳（メタデータ） (2025-03-28T13:35:32Z)
• Unified Geometry and Color Compression Framework for Point Clouds via Generative Diffusion Priors [58.93377653375906]
  テスト時統合幾何および3次元点雲の色圧縮フレームワークを提案する。 本手法は,形状や色を圧縮する上で,既存のベースラインに比べて優れた性能を示す。
  論文  参考訳（メタデータ） (2025-03-23T14:27:48Z)
• Hierarchical Semantic Compression for Consistent Image Semantic Restoration [62.97519327310638]
  生成モデルから固有意味空間内で純粋に機能する新しい階層意味圧縮(HSC)フレームワークを提案する。 実験の結果,提案したHSCフレームワークは人間の視力に対する主観的品質と一貫性に関する最先端の性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-02-24T03:20:44Z)
• 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)
• 3D Point Cloud Compression with Recurrent Neural Network and Image Compression Methods [0.0]
  多くのAVアプリケーションでは、LiDARポイントクラウドデータの保存と送信が不可欠である。 データの幅と秩序のない構造のため、ポイントクラウドデータを低ボリュームに圧縮することは困難である。 圧縮アルゴリズムが空間相関を効率的に活用できる新しい3D-to-2D変換を提案する。
  論文  参考訳（メタデータ） (2024-02-18T19:08:19Z)
• A Survey on Transformer Compression [84.18094368700379]
  自然言語処理(NLP)とコンピュータビジョン(CV)の領域においてトランスフォーマーは重要な役割を果たす モデル圧縮法は、Transformerのメモリと計算コストを削減する。 この調査は、Transformerベースのモデルに適用することに焦点を当てた、最近の圧縮方法に関する包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2024-02-05T12:16:28Z)
• 3D Compression Using Neural Fields [90.24458390334203]
  我々は3次元データに対する新しいNFベースの圧縮アルゴリズムを提案する。 本手法は,メッシュだけでなく3次元点雲上の幾何学的圧縮も優れていることを示す。 圧縮アルゴリズムを拡張して3Dデータの幾何と属性(色など)を圧縮するのは簡単である。
  論文  参考訳（メタデータ） (2023-11-21T21:36:09Z)
• Random-Access Neural Compression of Material Textures [1.2971248363246106]
  材料テクスチャに特化して設計された新しいニューラル圧縮手法を提案する。 我々は低圧縮でさらに2つの詳細レベル、すなわち16倍のテクセルをアンロックする。 本手法では,ランダムアクセスによるオンデマンドリアルタイム圧縮が可能で,ディスクやメモリ上での圧縮が可能となる。
  論文  参考訳（メタデータ） (2023-05-26T17:16:22Z)
• The Devil Is in the Details: Window-based Attention for Image Compression [58.1577742463617]
  既存の学習画像圧縮モデルは畳み込みニューラルネットワーク(CNN)に基づいている。 本稿では,複数種類の注意機構が局所特徴学習に与える影響について検討し,より単純で効果的なウィンドウベースの局所的注意ブロックを提案する。 提案されたウィンドウベースのアテンションは非常に柔軟で、CNNとTransformerモデルを強化するためのプラグイン・アンド・プレイコンポーネントとして機能する可能性がある。
  論文  参考訳（メタデータ） (2022-03-16T07:55:49Z)
• 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior [50.73148041205675]
  セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。 低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。 提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
  論文  参考訳（メタデータ） (2020-03-31T09:33:46Z)

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。