論文の概要: Improving 3D Gaussian Splatting Compression by Scene-Adaptive Lattice Vector Quantization

• arxiv url: http://arxiv.org/abs/2509.13482v1
• Date: Tue, 16 Sep 2025 19:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.627417
• Title: Improving 3D Gaussian Splatting Compression by Scene-Adaptive Lattice Vector Quantization
• Title（参考訳）: シーン適応格子ベクトル量子化による3次元ガウス散乱圧縮の改善
• Authors: Hao Xu, Xiaolin Wu, Xi Zhang,
• Abstract要約: 3D Gaussian Splatting (3DGS)はそのレンダリング品質とリアルタイムパフォーマンスで急速に人気を集めています。 3DGSモデルのコスト効果には3DGSデータを圧縮する必要がある。
• 参考スコア（独自算出の注目度）: 24.189355341614156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) is rapidly gaining popularity for its photorealistic rendering quality and real-time performance, but it generates massive amounts of data. Hence compressing 3DGS data is necessary for the cost effectiveness of 3DGS models. Recently, several anchor-based neural compression methods have been proposed, achieving good 3DGS compression performance. However, they all rely on uniform scalar quantization (USQ) due to its simplicity. A tantalizing question is whether more sophisticated quantizers can improve the current 3DGS compression methods with very little extra overhead and minimal change to the system. The answer is yes by replacing USQ with lattice vector quantization (LVQ). To better capture scene-specific characteristics, we optimize the lattice basis for each scene, improving LVQ's adaptability and R-D efficiency. This scene-adaptive LVQ (SALVQ) strikes a balance between the R-D efficiency of vector quantization and the low complexity of USQ. SALVQ can be seamlessly integrated into existing 3DGS compression architectures, enhancing their R-D performance with minimal modifications and computational overhead. Moreover, by scaling the lattice basis vectors, SALVQ can dynamically adjust lattice density, enabling a single model to accommodate multiple bit rate targets. This flexibility eliminates the need to train separate models for different compression levels, significantly reducing training time and memory consumption.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、フォトリアリスティックなレンダリング品質とリアルタイムのパフォーマンスで急速に人気を集めているが、大量のデータを生成する。 したがって、3DGSモデルのコスト効率には3DGSデータを圧縮する必要がある。 近年、3DGS圧縮性能に優れたアンカーベースニューラル圧縮法が提案されている。 しかし、これらはすべて単純さのため、均一なスカラー量子化(USQ)に依存している。 微妙な疑問は、より洗練された量子化器が現在の3DGS圧縮法を、極小のオーバーヘッドと最小限の変更で改善できるかどうかである。 答えは、USQを格子ベクトル量子化(LVQ)に置き換えることによってイエスである。 LVQの適応性とR-D効率を向上し,シーンごとの格子ベースを最適化する。 このシーン適応型LVQ(SALVQ)はベクトル量子化のR-D効率とUSQの低複雑性のバランスをとる。 SALVQは既存の3DGS圧縮アーキテクチャにシームレスに統合することができ、最小限の変更と計算オーバーヘッドでR-D性能を向上させることができる。 さらに、格子基底ベクトルのスケーリングにより、SALVQは格子密度を動的に調整し、単一のモデルが複数のビットレートターゲットに対応できるようにする。 この柔軟性により、異なる圧縮レベルの別々のモデルをトレーニングする必要がなくなり、トレーニング時間とメモリ消費が大幅に削減される。

関連論文リスト

• FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting [57.97160965244424]
  3Dガウススプラッティング(3DGS)は、3Dシーン表現や新しいビュー合成に様々な応用を可能にしている。 従来のアプローチでは、重要でないガウス人を刈り取ることに重点を置いており、3DGSを効果的に圧縮している。 本稿では3DGSの弾性推論手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T17:17:57Z)
• GoDe: Gaussians on Demand for Progressive Level of Detail and Scalable Compression [13.616981296093932]
  本稿では,ガウスを複数の階層構造に整理する,新しいモデルに依存しない手法を提案する。 この手法は最近の3DGSの圧縮手法と組み合わせて、単一のモデルで複数の圧縮比を瞬時にスケールすることができる。 典型的なデータセットやベンチマークに対するアプローチを検証し、スケーラビリティと適応性の観点から、低歪みと実質的な利得を示す。
  論文  参考訳（メタデータ） (2025-01-23T11:05:45Z)
• Temporally Compressed 3D Gaussian Splatting for Dynamic Scenes [46.64784407920817]
  時間圧縮3Dガウススティング(TC3DGS)は動的3Dガウス表現を圧縮する新しい技術である。 複数のデータセットにまたがる実験により、T3DGSは最大67$times$圧縮を実現し、視覚的品質の劣化を最小限に抑えることができた。
  論文  参考訳（メタデータ） (2024-12-07T17:03:09Z)
• 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)
• 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)
• LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
  本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。 実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T05:58:34Z)

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。