論文の概要: Leveraging Learned Image Prior for 3D Gaussian Compression

• arxiv url: http://arxiv.org/abs/2510.14705v1
• Date: Thu, 16 Oct 2025 14:10:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.889746
• Title: Leveraging Learned Image Prior for 3D Gaussian Compression
• Title（参考訳）: 3次元ガウス圧縮に先立つ学習画像の活用
• Authors: Seungjoo Shin, Jaesik Park, Sunghyun Cho,
• Abstract要約: 圧縮による品質劣化を回復するために,学習画像の強力な表現能力を活用する新しい3DGS圧縮フレームワークを提案する。 我々のフレームワークは既存のガウス圧縮手法と互換性があり、様々なベースラインに広く適用できるように設計されている。
• 参考スコア（独自算出の注目度）: 47.29061692878941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compression techniques for 3D Gaussian Splatting (3DGS) have recently achieved considerable success in minimizing storage overhead for 3D Gaussians while preserving high rendering quality. Despite the impressive storage reduction, the lack of learned priors restricts further advances in the rate-distortion trade-off for 3DGS compression tasks. To address this, we introduce a novel 3DGS compression framework that leverages the powerful representational capacity of learned image priors to recover compression-induced quality degradation. Built upon initially compressed Gaussians, our restoration network effectively models the compression artifacts in the image space between degraded and original Gaussians. To enhance the rate-distortion performance, we provide coarse rendering residuals into the restoration network as side information. By leveraging the supervision of restored images, the compressed Gaussians are refined, resulting in a highly compact representation with enhanced rendering performance. Our framework is designed to be compatible with existing Gaussian compression methods, making it broadly applicable across different baselines. Extensive experiments validate the effectiveness of our framework, demonstrating superior rate-distortion performance and outperforming the rendering quality of state-of-the-art 3DGS compression methods while requiring substantially less storage.
• Abstract（参考訳）: 3Dガウススティング(3DGS)の圧縮技術は,高レンダリング品質を維持しつつ,3Dガウスのストレージオーバーヘッドを最小限に抑えることに成功している。 ストレージの大幅な削減にもかかわらず、3DGS圧縮タスクの速度歪みトレードオフのさらなる進歩は、学習前の知識の欠如によって制限される。 そこで本稿では,学習前の画像の強力な表現能力を活用して,圧縮による品質劣化を回復する新しい3DGS圧縮フレームワークを提案する。 我々の復元ネットワークは、最初に圧縮されたガウシアンに基づいて構築され、劣化したガウシアンとオリジナルのガウシアンの間の画像空間における圧縮アーティファクトを効果的にモデル化する。 レート歪み性能を向上させるため、修復ネットワークに粗いレンダリング残差を副次情報として提供する。 復元された画像の監督を活用することにより、圧縮されたガウスが洗練され、レンダリング性能が向上した非常にコンパクトな表現が得られる。 我々のフレームワークは既存のガウス圧縮手法と互換性があり、様々なベースラインに広く適用できるように設計されている。 大規模な実験により,本フレームワークの有効性が検証され,性能が向上し,最先端の3DGS圧縮手法のレンダリング品質が向上すると同時に,ストレージの大幅な削減が図られた。

関連論文リスト

• Prune Wisely, Reconstruct Sharply: Compact 3D Gaussian Splatting via Adaptive Pruning and Difference-of-Gaussian Primitives [14.295266671241004]
  3D Gaussian Splatting (3DGS)は、リアルタイムレンダリングをフォトリアリスティックな品質で実現した。 3DGSは高い忠実性を達成するために多くのプリミティブを必要とすることが多い。 そこで我々は, 刈り取りタイミングと精錬間隔を決定する, 効率的で統合された組立型刈り取り戦略を提案する。 また,1つのプリミティブにおいて正と負の両密度を共同でモデル化する3次元ガウス差分プリミティブも導入する。
  論文  参考訳（メタデータ） (2026-02-27T16:12:58Z)
• 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)
• GFix: Perceptually Enhanced Gaussian Splatting Video Compression [16.637492219941446]
  既存の3DGSベースのビデオコーデックは、より目立った視覚的アーティファクトと比較的低い圧縮比を示す。 本稿では,3DGSのレンダリングと量子化の成果物が拡散訓練中に採取した雑音に類似しているという仮定に基づいて,3DGSによる映像圧縮の知覚的向上を特に狙う。 本稿では,市販のニューラルエンハンサーとして機能する,一段拡散モデルの合理化によるコンテンツ適応型フレームワークGFixを提案する。
  論文  参考訳（メタデータ） (2025-11-10T11:03:30Z)
• ExGS: Extreme 3D Gaussian Compression with Diffusion Priors [60.7245825868903]
  エクストリーム3DGS圧縮のためのExGSとGaussPainterを紹介する。 GassPainterは、欠落した領域を埋め、可視画素を強化し、劣化したレンダリングを大幅に改善する。 私たちのフレームワークは100X圧縮(典型的な354.77MBモデルから約3.31MBまで)も達成できます。
  論文  参考訳（メタデータ） (2025-09-29T13:23:06Z)
• SA-3DGS: A Self-Adaptive Compression Method for 3D Gaussian Splatting [7.2885462122720455]
  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。
  論文  参考訳（メタデータ） (2025-08-05T02:55:47Z)
• 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)
• 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)

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。