論文の概要: SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2512.07197v1
• Date: Mon, 08 Dec 2025 06:15:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.734921
• Title: SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting
• Title（参考訳）: SUCCESS-GS: 効率的な静的および動的ガウススプレイティングのためのコンパクト性と圧縮のサーベイ
• Authors: Seokhyun Youn, Soohyun Lee, Geonho Kim, Weeyoung Kwon, Sung-Ho Bae, Jihyong Oh,
• Abstract要約: 3D Gaussian Splatting (3DGS) は、リアルタイム、高忠実な3D再構成と新しいビュー合成を可能にする強力な明示的表現として登場した。 しかし、その実用性は、数百万のガウスの記憶とレンダリングに必要な膨大なメモリと計算要求によって妨げられている。 本調査は, 効率的な3次元および4次元ガウススプラッティング技術について概観する。
• 参考スコア（独自算出の注目度）: 12.927009543427259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has emerged as a powerful explicit representation enabling real-time, high-fidelity 3D reconstruction and novel view synthesis. However, its practical use is hindered by the massive memory and computational demands required to store and render millions of Gaussians. These challenges become even more severe in 4D dynamic scenes. To address these issues, the field of Efficient Gaussian Splatting has rapidly evolved, proposing methods that reduce redundancy while preserving reconstruction quality. This survey provides the first unified overview of efficient 3D and 4D Gaussian Splatting techniques. For both 3D and 4D settings, we systematically categorize existing methods into two major directions, Parameter Compression and Restructuring Compression, and comprehensively summarize the core ideas and methodological trends within each category. We further cover widely used datasets, evaluation metrics, and representative benchmark comparisons. Finally, we discuss current limitations and outline promising research directions toward scalable, compact, and real-time Gaussian Splatting for both static and dynamic 3D scene representation.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は、リアルタイム、高忠実な3D再構成と新しいビュー合成を可能にする強力な明示的表現として登場した。 しかし、その実用性は、数百万のガウスの記憶とレンダリングに必要な膨大なメモリと計算要求によって妨げられている。 これらの課題は、4Dダイナミックなシーンでさらに深刻になる。 これらの課題に対処するため,効率的なガウススティングの分野は急速に発展し,復元品質を維持しながら冗長性を低下させる手法が提案されている。 本調査は, 効率的な3次元および4次元ガウススプラッティング技術について概観する。 3Dと4Dの両方の設定において,既存の手法をパラメータ圧縮と再構成圧縮の2つの主要な方向に体系的に分類し,各カテゴリの中核的な考え方と方法論的傾向を包括的に要約する。 さらに、広く使われているデータセット、評価指標、代表的なベンチマークの比較についても取り上げる。 最後に,静的かつ動的な3次元シーン表現のための拡張性,コンパクト性,リアルタイムなガウススプラッティングに向けた研究の方向性について概説する。

関連論文リスト

• P-4DGS: Predictive 4D Gaussian Splatting with 90$\times$ Compression [26.130131551764077]
  3D Gaussian Splatting (3DGS) は、シーン表現の忠実さとリアルタイムレンダリング性能が優れており、注目されている。 有望な結果を得たにもかかわらず、既存のアルゴリズムのほとんどは、動的シーンに固有の時間的および空間的冗長性を見落としている。 コンパクトな4次元シーンモデリングのための新しい動的3DGS表現であるP-4DGSを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:19:41Z)
• Optimized Minimal 4D Gaussian Splatting [50.29519144753797]
  4D Gaussian Splattingは動的シーン表現の新しいパラダイムとして登場し、複雑な動きを持つシーンのリアルタイムレンダリングを可能にした。 何百万人ものガウス人が高忠実度再構築を必要としているため、ストレージオーバーヘッドの大きな課題に直面している。 OMG4は、4次元ガウス模型を忠実に表現できる有能なガウスのコンパクトな集合を構成するフレームワークである。
  論文  参考訳（メタデータ） (2025-10-04T16:11:13Z)
• 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)
• 3DGS.zip: A survey on 3D Gaussian Splatting Compression Methods [10.122120872952296]
  3次元ガウス散乱(3DGS)は実時間放射場レンダリングの最先端技術として登場している。 レンダリング速度と画像の忠実さの利点にもかかわらず、3DGSはその大きなストレージとメモリ要求によって制限されている。 本調査では3DGSをより効率的にするために開発された圧縮・圧縮技術について詳細に検討する。
  論文  参考訳（メタデータ） (2024-06-17T11:43:38Z)
• 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)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)

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。