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

• arxiv url: http://arxiv.org/abs/2511.13264v2
• Date: Wed, 19 Nov 2025 14:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 13:41:21.107321
• 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、その高速なレンダリング速度と忠実さのために、新しいビュー合成において変換技術として登場した。 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。 本研究では,新たな圧縮フレームワークであるSymGSを提案し,現場に学習可能なミラーを導入し,圧縮のための局所的およびグローバル的反射冗長性を排除した。
• 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, 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 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。 本研究では,新たな圧縮フレームワークであるSymGSを提案し,現場に学習可能なミラーを導入し,圧縮のための局所的およびグローバル的反射冗長性を排除した。 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symgs.github.ioで見ることができる。

関連論文リスト

• Splatwizard: A Benchmark Toolkit for 3D Gaussian Splatting Compression [69.94586602640355]
  Splatwizardは3DGS圧縮モデルに特化して設計されたベンチマーク・ツールキットである。 Splatwizardは新しい3DGS圧縮モデルを実装し、最先端技術を利用するための使いやすいフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-12-31T09:26:04Z)
• Compressing Many-Shots in In-Context Learning [61.231471139896506]
  マルチショットプロンプトを圧縮することにより,ICL推論のメモリと計算効率を向上させる手法を提案する。 まず,既存のプロンプト圧縮手法がマルチショット圧縮には有効でないことを示す。 本稿では,レイヤワイド圧縮手法であるMemComを提案する。
  論文  参考訳（メタデータ） (2025-10-17T16:57:42Z)
• 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)
• TinySplat: Feedforward Approach for Generating Compact 3D Scene Representation [38.50388562890992]
  TinySplatは、コンパクトな3Dシーン表現を生成するための完全なフィードフォワードアプローチである。 TinySplatは標準フィードフォワード3DGS法に基づいており、トレーニング不要の圧縮フレームワークを統合している。 私たちのフレームワークはエンコーディング時間の25%とデコーディング時間の1%しか必要としません。
  論文  参考訳（メタデータ） (2025-06-11T07:47:19Z)
• HEMGS: A Hybrid Entropy Model for 3D Gaussian Splatting Data Compression [25.820461699307042]
  本稿では,3次元ガウススプラッティング(HEMGS)のためのハイブリッドエントロピーモデルを提案する。 変数レート予測器、ハイパープライアネットワーク、自動回帰ネットワークの3つの主要コンポーネントで構成されている。 HEMGSは、ベースラインメソッドのレンダリング品質を維持しながら、約40%のサイズ削減を実現している。
  論文  参考訳（メタデータ） (2024-11-27T16:08:59Z)
• A Hierarchical Compression Technique for 3D Gaussian Splatting Compression [23.785131033155924]
  3D Gaussian Splatting (GS) は、新規なビュー合成において優れたレンダリング品質と生成速度を示す。 現在の3D GS圧縮研究は主によりコンパクトなシーン表現の開発に焦点を当てている。 本稿では,このギャップに対処する階層型GS圧縮(HGSC)手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T13:34:24Z)
• 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)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• 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)

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。