論文の概要: GSCodec Studio: A Modular Framework for Gaussian Splat Compression
- arxiv url: http://arxiv.org/abs/2506.01822v1
- Date: Mon, 02 Jun 2025 16:04:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-04 21:47:34.601961
- Title: GSCodec Studio: A Modular Framework for Gaussian Splat Compression
- Title（参考訳）: GSCodec Studio: ガウススプット圧縮のためのモジュラーフレームワーク
- Authors: Sicheng Li, Chengzhen Wu, Hao Li, Xiang Gao, Yiyi Liao, Lu Yu,
- Abstract要約: GSCodec Studioは、GSの再構築、圧縮、レンダリングのための統合されたフレームワークである。
このフレームワークは多種多様な3D/4DGS再構成手法とGS圧縮技術をモジュールコンポーネントとして組み込んでいる。
GSCodec Studioは、コミュニティリサーチと独自の調査からベストプラクティスを統合することで、コンパクトな表現と圧縮ソリューションの開発を支援します。
- 参考スコア（独自算出の注目度）: 24.416126420899086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting and its extension to 4D dynamic scenes enable photorealistic, real-time rendering from real-world captures, positioning Gaussian Splats (GS) as a promising format for next-generation immersive media. However, their high storage requirements pose significant challenges for practical use in sharing, transmission, and storage. Despite various studies exploring GS compression from different perspectives, these efforts remain scattered across separate repositories, complicating benchmarking and the integration of best practices. To address this gap, we present GSCodec Studio, a unified and modular framework for GS reconstruction, compression, and rendering. The framework incorporates a diverse set of 3D/4D GS reconstruction methods and GS compression techniques as modular components, facilitating flexible combinations and comprehensive comparisons. By integrating best practices from community research and our own explorations, GSCodec Studio supports the development of compact representation and compression solutions for static and dynamic Gaussian Splats, namely our Static and Dynamic GSCodec, achieving competitive rate-distortion performance in static and dynamic GS compression. The code for our framework is publicly available at https://github.com/JasonLSC/GSCodec_Studio , to advance the research on Gaussian Splats compression.
- Abstract（参考訳）: 3D Gaussian Splattingとその4Dダイナミックなシーンへの拡張により、現実世界のキャプチャから光リアルでリアルタイムなレンダリングが可能になり、次世代の没入型メディアのフォーマットとしてガウス版Splats(GS)が位置づけられる。
しかし、それらの高いストレージ要求は、共有、送信、ストレージの実践的な利用に重大な課題をもたらす。
異なる視点からGS圧縮を探索する様々な研究にもかかわらず、これらの取り組みは、ベンチマークとベストプラクティスの統合を複雑にし、別々のリポジトリに分散している。
このギャップに対処するため、GSCodec Studioは、GS再構成、圧縮、レンダリングのための統一的でモジュール化されたフレームワークである。
このフレームワークは多種多様な3D/4DGS再構成手法とGS圧縮技術をモジュールコンポーネントとして組み込んでおり、柔軟な組み合わせと包括的な比較を容易にする。
GSCodec Studioは、コミュニティリサーチと独自の調査からベストプラクティスを統合することで、静的および動的ガウススプラットのためのコンパクトな表現と圧縮ソリューション、すなわち、静的および動的GSCodecの開発をサポートし、静的および動的GS圧縮における競合速度歪み性能を達成する。
フレームワークのコードは https://github.com/JasonLSC/GSCodec_Studio で公開されている。
関連論文リスト
- CompSplat: Compression-aware 3D Gaussian Splatting for Real-world Video [12.1564345841374]
文化遺産保存、デジタル双生児、没入型メディアなどの応用には、現実世界のビデオからの高品質なノベルビュー合成(NVS)が不可欠である。
本稿では,フレーム単位の圧縮特性を明示的にモデル化する圧縮対応学習フレームワークCompSplatを提案する。
論文 参考訳（メタデータ） (2026-02-10T14:23:42Z) - CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting [57.73006852239138]
本稿では,3次元ガウススプラッティングの速度歪み最適化圧縮とセグメンテーションのための最初の統一フレームワークを提案する(3DGS)。
速度歪みに最適化された3DGS圧縮の最近の進歩に触発されたこの研究は、セマンティックラーニングを圧縮パイプラインに統合し、デコーダ側アプリケーションをサポートする。
提案方式は暗黙的ニューラル表現に基づくハイパープライアを特徴とし,色属性と意味属性の両方の効率的なエントロピー符号化を実現する。
論文 参考訳（メタデータ） (2026-01-19T08:21:45Z) - SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting [12.927009543427259]
3D Gaussian Splatting (3DGS) は、リアルタイム、高忠実な3D再構成と新しいビュー合成を可能にする強力な明示的表現として登場した。
しかし、その実用性は、数百万のガウスの記憶とレンダリングに必要な膨大なメモリと計算要求によって妨げられている。
本調査は, 効率的な3次元および4次元ガウススプラッティング技術について概観する。
論文 参考訳（メタデータ） (2025-12-08T06:15:59Z) - RAVE: Rate-Adaptive Visual Encoding for 3D Gaussian Splatting [17.19039932786604]
本稿では,予め定義された境界間の任意の速度で3DGSを圧縮するフレキシブル圧縮手法を提案する。
本手法は計算量的に軽量であり,任意の速度で再学習する必要がなく,幅広い操作点にまたがるレンダリング品質を保っている。
実験により、このアプローチは動的レート制御を提供しながら効率的で高品質な圧縮を実現し、没入型アプリケーションにおける実用的なデプロイに適していることが示された。
論文 参考訳（メタデータ） (2025-12-07T23:59:46Z) - SymGS : Leveraging Local Symmetries for 3D Gaussian Splatting Compression [5.175933316415647]
3Dガウススプラッティングは、その高速なレンダリング速度と忠実さのために、新しいビュー合成において変換技術として登場した。
既存の手法では、類似性の検出と量子化を通じてプリミティブレベルの冗長性を利用する圧縮戦略を導入することでこの問題に対処している。
本研究では,新たな圧縮フレームワークであるSymGSを提案し,現場に学習可能なミラーを導入し,圧縮のための局所的およびグローバル的反射冗長性を排除した。
論文 参考訳（メタデータ） (2025-11-17T11:26:09Z) - HybridGS: High-Efficiency Gaussian Splatting Data Compression using Dual-Channel Sparse Representation and Point Cloud Encoder [15.839712865015347]
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。
論文 参考訳（メタデータ） (2025-05-03T22:21:06Z) - 4DGC: Rate-Aware 4D Gaussian Compression for Efficient Streamable Free-Viewpoint Video [56.04182926886754]
3D Gaussian Splatting (3DGS)は、フォトリアリスティック・フリー・ビューポイント・ビデオ(FVV)体験を可能にする大きな可能性を秘めている。
既存の方法は、動的3DGS表現と圧縮を別々に扱うのが一般的である。
本稿では,FVVのRD性能を向上しつつ,ストレージサイズを大幅に削減するレート対応4Dガウス圧縮フレームワークである4DGCを提案する。
論文 参考訳（メタデータ） (2025-03-24T08:05:27Z) - 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) - 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) - GAN Slimming: All-in-One GAN Compression by A Unified Optimization
Framework [94.26938614206689]
本稿では,GANスライミング(GAN Slimming)と呼ばれる,GAN圧縮のための複数の圧縮手段を組み合わせた最初の統一最適化フレームワークを提案する。
我々はGSを用いて、最先端のトランスファーネットワークであるCartoonGANを最大47倍圧縮し、視覚的品質を最小限に抑える。
論文 参考訳（メタデータ） (2020-08-25T14:39:42Z)
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。