Fugu-MT 論文翻訳(概要): SymGS : Leveraging Local Symmetries for 3D Gaussian Splatting Compression

論文の概要: SymGS : Leveraging Local Symmetries for 3D Gaussian Splatting Compression

arxiv url: http://arxiv.org/abs/2511.13264v1
Date: Mon, 17 Nov 2025 11:26:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-18 14:36:25.16306
Title: SymGS : Leveraging Local Symmetries for 3D Gaussian Splatting Compression
Title（参考訳）: SymGS : 3次元ガウス散乱圧縮のための局所対称性の活用
Authors: Keshav Gupta, Akshat Sanghvi, Shreyas Reddy Palley, Astitva Srivastava, Charu Sharma, Avinash Sharma,
Abstract要約: 3Dガウススプラッティングは、新しいビュー合成における変換技術として登場した。我々のフレームワークは、最先端の圧縮手法のプラグ・アンド・プレイの強化として機能する。 SymGSは平均$bf108times$3DGSシーンの圧縮を可能にし、レンダリング品質を保っている。
参考スコア（独自算出の注目度）: 5.175933316415647
License: http://creativecommons.org/licenses/by/4.0/
Abstract: 3D Gaussian Splatting has emerged as a transformative technique in novel view synthesis, primarily due to its high rendering speed and photorealistic fidelity. However, its memory footprint scales rapidly with scene complexity, often reaching several gigabytes. Existing methods address this issue by introducing compression strategies that exploit primitive-level redundancy through similarity detection and quantization. We aim to surpass the compression limits of such methods by incorporating symmetry-aware techniques, specifically targeting mirror symmetries to eliminate redundant primitives. We propose a novel compression framework, \textbf{\textit{SymGS}}, introducing learnable mirrors into the scene, thereby eliminating local and global reflective redundancies for compression. Our framework functions as a plug-and-play enhancement to state-of-the-art compression methods, (e.g. HAC) to achieve further compression. Compared to HAC, we achieve $1.66 \times$ compression across benchmark datasets (upto $3\times$ on large-scale scenes). On an average, SymGS enables $\bf{108\times}$ compression of a 3DGS scene, while preserving rendering quality. The project page and supplementary can be found at \textbf{\color{cyan}{symgs.github.io}}
Abstract（参考訳）: 3Dガウススプラッティングは、新しいビュー合成において、その高速なレンダリング速度とフォトリアリスティックなフィディリティのために、トランスフォーメーション技術として登場した。しかし、メモリフットプリントはシーンの複雑さとともに急速に拡大し、しばしば数ギガバイトに達する。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。このような手法の圧縮限界を克服するために、対称認識技術を導入し、特に余剰プリミティブを除去するためにミラー対称性を対象とする。本稿では,新たな圧縮フレームワークである‘textbf{\textit{SymGS}} を提案する。我々のフレームワークは,最先端圧縮手法(例えばHAC)のプラグ・アンド・プレイ・エンハンスメントとして機能し,さらなる圧縮を実現する。 HACと比較すると、ベンチマークデータセット間で1.66 \times$圧縮を実現しています(大規模シーンでは最大3.3\times$になります)。平均して、SymGSはレンダリング品質を維持しながら、3DGSシーンの圧縮を$\bf{108\times}$で可能にする。プロジェクトページとサプリメントは \textbf{\color{cyan}{symgs.github.io}} にある。

論文の概要: SymGS : Leveraging Local Symmetries for 3D Gaussian Splatting Compression

関連論文リスト