論文の概要: SA-3DGS: A Self-Adaptive Compression Method for 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2508.03017v1
- Date: Tue, 05 Aug 2025 02:55:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:55.749111
- Title: SA-3DGS: A Self-Adaptive Compression Method for 3D Gaussian Splatting
- Title（参考訳）: SA-3DGS:3次元ガウス平板の自己適応圧縮法
- Authors: Liheng Zhang, Weihao Yu, Zubo Lu, Haozhi Gu, Jin Huang,
- Abstract要約: 近年の3次元ガウス平滑化は, 効率的かつ高品質な新規なビュー合成を向上している。
シーンを表すには多数のガウスポイントが必要で、高いストレージ要求と実用的なデプロイメントの制限につながります。
レンダリング品質を維持しながらストレージコストを大幅に削減するSA-3DGSを提案する。
- 参考スコア（独自算出の注目度）: 17.200194808602063
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Recent advancements in 3D Gaussian Splatting have enhanced efficient and high-quality novel view synthesis. However, representing scenes requires a large number of Gaussian points, leading to high storage demands and limiting practical deployment. The latest methods facilitate the compression of Gaussian models but struggle to identify truly insignificant Gaussian points in the scene, leading to a decline in subsequent Gaussian pruning, compression quality, and rendering performance. To address this issue, we propose SA-3DGS, a method that significantly reduces storage costs while maintaining rendering quality. SA-3DGS learns an importance score to automatically identify the least significant Gaussians in scene reconstruction, thereby enabling effective pruning and redundancy reduction. Next, the importance-aware clustering module compresses Gaussians attributes more accurately into the codebook, improving the codebook's expressive capability while reducing model size. Finally, the codebook repair module leverages contextual scene information to repair the codebook, thereby recovering the original Gaussian point attributes and mitigating the degradation in rendering quality caused by information loss. Experimental results on several benchmark datasets show that our method achieves up to 66x compression while maintaining or even improving rendering quality. The proposed Gaussian pruning approach is not only adaptable to but also improves other pruning-based methods (e.g., LightGaussian), showcasing excellent performance and strong generalization ability.
- Abstract（参考訳）: 近年の3次元ガウス平滑化は, 効率的かつ高品質な新規なビュー合成を向上している。
しかし、シーンを表現するには多数のガウスポイントが必要であり、高いストレージ要求と実用的なデプロイメントの制限につながる。
最新の手法はガウスモデルの圧縮を促進するが、シーンにおいて真に重要でないガウス点を特定するのに苦労し、その後のガウスプルーニング、圧縮品質、レンダリング性能は低下した。
そこで本研究では,レンダリング品質を維持しながらストレージコストを大幅に削減するSA-3DGSを提案する。
SA-3DGSは、シーン再構築において最も重要でないガウスを自動識別するために重要スコアを学習し、効率的な刈り取りと冗長性の低減を可能にする。
次に、重要なクラスタリングモジュールは、ガウスの属性をより正確にコードブックに圧縮し、モデルサイズを減らしながらコードブックの表現能力を改善する。
最後に、コードブック修復モジュールは、コンテキストシーン情報を利用してコードブックを修復し、元のガウス点属性を復元し、情報損失によるレンダリング品質の劣化を軽減する。
いくつかのベンチマークデータセットによる実験結果から,レンダリング品質の維持や改善を図りながら,最大66倍の圧縮を実現していることがわかった。
提案したガウシアンプルーニング手法は、適応可能であるだけでなく、他のプルーニング法(例えば、LightGaussian)を改善し、優れた性能と強力な一般化能力を示す。
関連論文リスト
- ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。
近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。
本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
論文 参考訳（メタデータ） (2025-03-21T18:55:14Z) - Optimized Minimal 3D Gaussian Splatting [10.344911588975199]
3D Gaussian Splatting (3DGS) はリアルタイム・ハイパフォーマンスレンダリングの強力な表現として登場した。
多数の明示的なガウスプリミティブによる3Dシーンの表現は、大きなストレージとメモリオーバーヘッドを課す。
プリミティブ間の連続性と不規則性の両方を効率的にキャプチャする,コンパクトで正確な属性表現を提案する。
論文 参考訳（メタデータ） (2025-03-21T07:41:45Z) - 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) - MesonGS: Post-training Compression of 3D Gaussians via Efficient Attribute Transformation [16.68306233403755]
3D Gaussian Splattingは、新規なビュー合成において優れた品質と速度を示す。
3D Gaussianの巨大なファイルサイズは、トランスミッションとストレージの課題を提示している。
MesonGSは、競争力のある品質を維持しながら、3Dガウシアンを著しく削減する。
論文 参考訳（メタデータ） (2024-09-15T14:58:20Z) - Compact 3D Gaussian Splatting for Static and Dynamic Radiance Fields [13.729716867839509]
ハイパフォーマンスを維持しつつガウスの数を著しく削減する学習可能なマスク戦略を提案する。
さらに、格子型ニューラルネットワークを用いて、ビュー依存色をコンパクトかつ効果的に表現することを提案する。
我々の研究は、3Dシーン表現のための包括的なフレームワークを提供し、ハイパフォーマンス、高速トレーニング、コンパクト性、リアルタイムレンダリングを実現しています。
論文 参考訳（メタデータ） (2024-08-07T14:56:34Z) - PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。
また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-14T17:53:55Z) - 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) - LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。
ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。
LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
論文 参考訳（メタデータ） (2023-11-28T21:39:20Z)
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。