論文の概要: 3DGS Compression with Sparsity-guided Hierarchical Transform Coding

• arxiv url: http://arxiv.org/abs/2505.22908v1
• Date: Wed, 28 May 2025 22:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.56252
• Title: 3DGS Compression with Sparsity-guided Hierarchical Transform Coding
• Title（参考訳）: 空間誘導階層型変換符号化による3DGS圧縮
• Authors: Hao Xu, Xiaolin Wu, Xi Zhang,
• Abstract要約: SHTC(Sparsity-guided Hierarchical Transform Coding)は、3DGS圧縮のためのエンドツーエンドのトランスフォーメーションコーディングフレームワークである。 SHTCは3DGS、変換、軽量コンテキストモデルを共同で最適化している。 この新しい設計により、最小限の追加パラメータと計算オーバーヘッドでR-D性能が大幅に向上する。
• 参考スコア（独自算出の注目度）: 19.575833741231953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has gained popularity for its fast and high-quality rendering, but it has a very large memory footprint incurring high transmission and storage overhead. Recently, some neural compression methods, such as Scaffold-GS, were proposed for 3DGS but they did not adopt the approach of end-to-end optimized analysis-synthesis transforms which has been proven highly effective in neural signal compression. Without an appropriate analysis transform, signal correlations cannot be removed by sparse representation. Without such transforms the only way to remove signal redundancies is through entropy coding driven by a complex and expensive context modeling, which results in slower speed and suboptimal rate-distortion (R-D) performance. To overcome this weakness, we propose Sparsity-guided Hierarchical Transform Coding (SHTC), the first end-to-end optimized transform coding framework for 3DGS compression. SHTC jointly optimizes the 3DGS, transforms and a lightweight context model. This joint optimization enables the transform to produce representations that approach the best R-D performance possible. The SHTC framework consists of a base layer using KLT for data decorrelation, and a sparsity-coded enhancement layer that compresses the KLT residuals to refine the representation. The enhancement encoder learns a linear transform to project high-dimensional inputs into a low-dimensional space, while the decoder unfolds the Iterative Shrinkage-Thresholding Algorithm (ISTA) to reconstruct the residuals. All components are designed to be interpretable, allowing the incorporation of signal priors and fewer parameters than black-box transforms. This novel design significantly improves R-D performance with minimal additional parameters and computational overhead.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は高速かつ高品質なレンダリングで人気を集めているが、メモリフットプリントが非常に大きく、高い転送とストレージオーバーヘッドをもたらす。 近年、Scaffold-GSのようなニューラル圧縮法が3DGSに提案されているが、ニューラルネットワーク圧縮に非常に有効であることが証明されたエンドツーエンドの最適化分析合成変換のアプローチは採用されなかった。 適切な解析変換がなければ、信号相関はスパース表現では除去できない。 このような変換がなければ、信号の冗長性を取り除く唯一の方法は、複雑で高価なコンテキストモデリングによって駆動されるエントロピー符号化である。 この弱点を克服するため、我々は3DGS圧縮のための最初のエンドツーエンドのトランスフォーメーションコーディングフレームワークであるスペーサリティ誘導階層変換符号化(SHTC)を提案する。 SHTCは3DGS、変換、軽量コンテキストモデルを共同で最適化している。 この共同最適化により、変換は最高のR-D性能に近づく表現を生成することができる。 SHTCフレームワークは、データデコレーションにKLTを使用するベース層と、KLT残差を圧縮して表現を洗練させるスペーサコード拡張層で構成されている。 エンハンスメントエンコーダは、高次元入力を低次元空間に投影する線形変換を学習し、デコーダは反復収縮閾値保持アルゴリズム(ISTA)を展開して残像を再構成する。 すべてのコンポーネントは解釈可能であるように設計されており、信号プリエントとブラックボックス変換よりも少ないパラメータを組み込むことができる。 この新しい設計により、最小限の追加パラメータと計算オーバーヘッドでR-D性能が大幅に向上する。

関連論文リスト

• DashGaussian: Optimizing 3D Gaussian Splatting in 200 Seconds [71.37326848614133]
  3DGSの最適化複雑性に関するスケジューリング手法であるDashGaussianを提案する。 提案手法は, 各種3DGSバックボーンの最適化を平均45.7%高速化する。
  論文  参考訳（メタデータ） (2025-03-24T07:17:27Z)
• CAT-3DGS Pro: A New Benchmark for Efficient 3DGS Compression [7.544406490280833]
  3D Gaussian Splatting (3DGS) は新規なビュー合成の可能性を示した。 伝送および/またはストレージアプリケーションのための3DGS表現の速度歪み最適化圧縮を実現することは、依然として課題である。 圧縮性能と計算効率を両立させるCAT-3DGSの強化版であるCAT-3DGS Proを提案する。
  論文  参考訳（メタデータ） (2025-03-17T06:45:10Z)
• 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)
• Variable-size Symmetry-based Graph Fourier Transforms for image compression [65.7352685872625]
  可変サイズのグラフフーリエ変換を符号化フレームワークに導入する。 提案アルゴリズムは,ノード間の特定の対称接続を追加することにより,グリッド上の対称グラフを生成する。 実験により、SBGFTは、明示的な多重変換選択に統合された一次変換よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-24T13:00:44Z)
• 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)

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。