論文の概要: EntropyGS: An Efficient Entropy Coding on 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2508.10227v1
- Date: Wed, 13 Aug 2025 22:48:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-15 22:24:48.131361
- Title: EntropyGS: An Efficient Entropy Coding on 3D Gaussian Splatting
- Title（参考訳）: EntropyGS: 3次元ガウス平板上での効率的なエントロピー符号化
- Authors: Yuning Huang, Jiahao Pang, Fengqing Zhu, Dong Tian,
- Abstract要約: 3DGSは、より優れた視覚的品質で高速なトレーニング/レンダリングを実演する。
まず3DGSガウス属性の相関と統計的解析から始める。
因数化およびパラメータ化エントロピー符号化法であるEntropyGSを提案する。
- 参考スコア（独自算出の注目度）: 10.987074189295367
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As an emerging novel view synthesis approach, 3D Gaussian Splatting (3DGS) demonstrates fast training/rendering with superior visual quality. The two tasks of 3DGS, Gaussian creation and view rendering, are typically separated over time or devices, and thus storage/transmission and finally compression of 3DGS Gaussians become necessary. We begin with a correlation and statistical analysis of 3DGS Gaussian attributes. An inspiring finding in this work reveals that spherical harmonic AC attributes precisely follow Laplace distributions, while mixtures of Gaussian distributions can approximate rotation, scaling, and opacity. Additionally, harmonic AC attributes manifest weak correlations with other attributes except for inherited correlations from a color space. A factorized and parameterized entropy coding method, EntropyGS, is hereinafter proposed. During encoding, distribution parameters of each Gaussian attribute are estimated to assist their entropy coding. The quantization for entropy coding is adaptively performed according to Gaussian attribute types. EntropyGS demonstrates about 30x rate reduction on benchmark datasets while maintaining similar rendering quality compared to input 3DGS data, with a fast encoding and decoding time.
- Abstract（参考訳）: 新たな視点合成アプローチとして、3Dガウススプラッティング(3DGS)は、より優れた視覚的品質で高速なトレーニング/レンダリングを実演する。
3DGSの2つのタスクであるガウス生成とビューレンダリングは、通常、時間やデバイスによって分離され、ストレージ/送信と最終的に3DGSガウスの圧縮が必要になる。
まず3DGSガウス属性の相関と統計的解析から始める。
この研究で着想を得た発見は、球面調和交流特性がラプラス分布を正確に追従し、ガウス分布の混合は回転、スケーリング、不透明性を近似することができることを示している。
さらに、調和AC特性は色空間から受け継いだ相関を除いて他の属性と弱い相関を示す。
因子化およびパラメータ化エントロピー符号化法であるEntropyGSを提案する。
符号化中、各ガウス属性の分布パラメータを推定してエントロピー符号化を支援する。
エントロピー符号化の量子化はガウス属性タイプに応じて適応的に行われる。
EntropyGSは、入力された3DGSデータと同じようなレンダリング品質を維持しながら、ベンチマークデータセットで約30倍の速度低下を示す。
関連論文リスト
- Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳（メタデータ） (2026-01-05T18:33:50Z) - Quantifying and Alleviating Co-Adaptation in Sparse-View 3D Gaussian Splatting [39.014517076251934]
3D Gaussian Splatting (3DGS) は、高密度ビュー環境下での新規なビュー合成において、印象的な性能を示した。
スパースビューのシナリオでは、トレーニングビューのリアルなレンダリングにもかかわらず、3DGSは時々、新しいビューで外見のアーティファクトを示す。
本稿では,スパースビュー3DGSの外観アーティファクトについて検討し,現在のアプローチの限界を明らかにする。
論文 参考訳（メタデータ） (2025-08-18T08:34:49Z) - 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) - DiffGS: Functional Gaussian Splatting Diffusion [33.07847512591061]
3D Gaussian Splatting (3DGS) はレンダリング速度と忠実度において説得力のある性能を示した。
しかし、ガウススプラッティングの生成は、その離散性と非構造的な性質のため、依然として課題である。
本稿では,潜在拡散モデルに基づく一般ガウス生成器DiffGSを提案する。
論文 参考訳（メタデータ） (2024-10-25T16:08:08Z) - PixelGaussian: Generalizable 3D Gaussian Reconstruction from Arbitrary Views [116.10577967146762]
PixelGaussianは、任意の視点から一般化可能な3Dガウス再構成を学習するための効率的なフレームワークである。
提案手法は,様々な視点によく一般化した最先端性能を実現する。
論文 参考訳（メタデータ） (2024-10-24T17:59:58Z) - 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) - ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。
一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。
本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
論文 参考訳（メタデータ） (2024-08-20T14:49:14Z) - 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) - Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。
実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。
この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
論文 参考訳（メタデータ） (2024-02-24T17:22:15Z) - GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。
周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
論文 参考訳（メタデータ） (2024-02-15T17:32:50Z)
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。