論文の概要: Feed-Forward 3D Gaussian Splatting Compression with Long-Context Modeling

• arxiv url: http://arxiv.org/abs/2512.00877v1
• Date: Sun, 30 Nov 2025 12:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.469832
• Title: Feed-Forward 3D Gaussian Splatting Compression with Long-Context Modeling
• Title（参考訳）: 長期モデリングによるフィードフォワード3次元ガウス平滑圧縮
• Authors: Zhening Liu, Rui Song, Yushi Huang, Yingdong Hu, Xinjie Zhang, Jiawei Shao, Zehong Lin, Jun Zhang,
• Abstract要約: 3DGSは革命的な3D表現として登場したが、その膨大なデータサイズは、広く普及するための大きな障壁となっている。 長距離相関を効果的にモデル化するフィードフォワード3DGS圧縮フレームワークを提案する。 本手法は,フィードフォワード推論における3DGSの圧縮率を20倍に設定する。
• 参考スコア（独自算出の注目度）: 30.948753429414648
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has emerged as a revolutionary 3D representation. However, its substantial data size poses a major barrier to widespread adoption. While feed-forward 3DGS compression offers a practical alternative to costly per-scene per-train compressors, existing methods struggle to model long-range spatial dependencies, due to the limited receptive field of transform coding networks and the inadequate context capacity in entropy models. In this work, we propose a novel feed-forward 3DGS compression framework that effectively models long-range correlations to enable highly compact and generalizable 3D representations. Central to our approach is a large-scale context structure that comprises thousands of Gaussians based on Morton serialization. We then design a fine-grained space-channel auto-regressive entropy model to fully leverage this expansive context. Furthermore, we develop an attention-based transform coding model to extract informative latent priors by aggregating features from a wide range of neighboring Gaussians. Our method yields a $20\times$ compression ratio for 3DGS in a feed-forward inference and achieves state-of-the-art performance among generalizable codecs.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は革命的な3D表現として登場した。 しかし、その膨大なデータサイズは、広く普及する上で大きな障壁となる。 フィードフォワード3DGS圧縮は、列車ごとのコストのかかる圧縮機の代替となるが、既存の手法では、トランスフォーメーション符号化ネットワークの受容領域が限られており、エントロピーモデルではコンテキストキャパシティが不十分であるため、長距離空間依存のモデル化に苦慮している。 本研究では,高速かつ一般化可能な3次元表現を実現するために,長距離相関を効果的にモデル化するフィードフォワード3DGS圧縮フレームワークを提案する。 我々のアプローチの中心は、モートン直列化に基づく数千のガウスアンからなる大規模文脈構造である。 次に、この拡張コンテキストを完全に活用するために、細粒度の空間チャネル自己回帰エントロピーモデルを設計する。 さらに,周辺ガウスの多様な特徴を集約することで,情報伝達の遅れた先行情報を抽出するアテンションベース変換符号化モデルを開発した。 提案手法は,フィードフォワード推論における3DGSの圧縮率を20\times$とし,一般化可能なコーデック間の最先端性能を実現する。

関連論文リスト

• CAT-3DGS: A Context-Adaptive Triplane Approach to Rate-Distortion-Optimized 3DGS Compression [10.869104603083676]
  3D Gaussian Splatting (3DGS)は、最近、有望な3D表現として登場した。 リモート側への3DGS表現の圧縮と送信の必要性は見落としている。 この新しいアプリケーションは、レート歪みを最適化した3DGS圧縮を要求する。
  論文  参考訳（メタデータ） (2025-03-01T05:42:52Z)
• 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)
• 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。