論文の概要: CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2601.12814v1
- Date: Mon, 19 Jan 2026 08:21:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:22.805375
- Title: CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting
- Title（参考訳）: CSGaussian:3次元ガウス平滑化のためのプログレッシブ・レート・歪み圧縮とセグメンテーション
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 57.73006852239138
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present the first unified framework for rate-distortion-optimized compression and segmentation of 3D Gaussian Splatting (3DGS). While 3DGS has proven effective for both real-time rendering and semantic scene understanding, prior works have largely treated these tasks independently, leaving their joint consideration unexplored. Inspired by recent advances in rate-distortion-optimized 3DGS compression, this work integrates semantic learning into the compression pipeline to support decoder-side applications--such as scene editing and manipulation--that extend beyond traditional scene reconstruction and view synthesis. Our scheme features a lightweight implicit neural representation-based hyperprior, enabling efficient entropy coding of both color and semantic attributes while avoiding costly grid-based hyperprior as seen in many prior works. To facilitate compression and segmentation, we further develop compression-guided segmentation learning, consisting of quantization-aware training to enhance feature separability and a quality-aware weighting mechanism to suppress unreliable Gaussian primitives. Extensive experiments on the LERF and 3D-OVS datasets demonstrate that our approach significantly reduces transmission cost while preserving high rendering quality and strong segmentation performance.
- Abstract（参考訳）: 本稿では,3次元ガウス散乱(3DGS)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はリアルタイムレンダリングとセマンティックシーン理解の両方に有効であることが証明されているが、先行研究はこれらのタスクを独立して処理しており、共同検討は未検討のままである。
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(シーン編集や操作など)をサポートする。
提案手法は軽量な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,カラー属性とセマンティック属性の両方の効率的なエントロピー符号化を実現するとともに,多くの先行研究に見られるようなグリッドベースハイパープライアを回避する。
圧縮とセグメンテーションを容易にするために,特徴分離性を高める量子化学習と,信頼できないガウスプリミティブを抑える品質認識重み付け機構からなる圧縮誘導セグメンテーション学習をさらに発展させる。
LERFおよび3D-OVSデータセットの大規模な実験により,高いレンダリング品質と高いセグメンテーション性能を維持しつつ,送信コストを大幅に削減できることが示されている。
関連論文リスト
- REFINE: Super-efficient 3D Gaussian Splatting Pruning via Rendering-Free Primitive Importance [58.94345609736356]
REFINEは、新しいレンダリングフリープリミティブ・プライマリ・プライマリ・メトリックを中心に、高度に高速化された3DGSプルーニング・フレームワークである。
複数のベンチマークデータセットに対する実験は、REFINEが非常に競争力のあるレンダリング品質を維持していることを示している。
論文 参考訳（メタデータ） (2026-06-08T06:16:38Z) - TokenGS: Decoupling 3D Gaussian Prediction from Pixels with Learnable Tokens [25.44390249542703]
我々は、カメラ線に沿った奥行きが最適であるとして、ガウスを退避させる一般的な実践は、準最適であると主張する。
本稿では,自己教師付きレンダリング損失のみを用いて,3次元平均座標を直接回帰する手法を提案する。
提案手法であるTokenGSは、ノイズやマルチビューの不整合に対処するための堅牢性の向上を実証する。
論文 参考訳（メタデータ） (2026-04-16T17:12:37Z) - GaussianPile: A Unified Sparse Gaussian Splatting Framework for Slice-based Volumetric Reconstruction [12.711852675106124]
スライスに基づく体積像が広く応用され、分析のために内部構造を積極的に保存する表現が要求される。
この課題に対処するために,GaussianPileを導入し,3Dガウススプラッティングを撮像システム対応フォーカスモデルと統合する。
実際には、NeRFベースのアプローチよりも最大11倍高速で、3分で高品質な結果をもたらし、ボクセルグリッド上で一貫した16倍の圧縮を実現している。
論文 参考訳（メタデータ） (2026-03-21T03:10:27Z) - ProGS: Towards Progressive Coding for 3D Gaussian Splatting [48.49297993424879]
本稿では,3DGSデータをオクツリー構造に整理し,効率的なプログレッシブコーディングを実現する手法を提案する。
ProGSは、元の3DGSフォーマットと比較して、ファイルストレージの45倍の削減を実現し、同時にビジュアルパフォーマンスを10%以上改善している。
論文 参考訳（メタデータ） (2026-03-10T14:13:43Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - LL-GaussianImage: Efficient Image Representation for Zero-shot Low-Light Enhancement with 2D Gaussian Splatting [26.287424110093113]
2D Gaussian Splatting (2DGS) は画像圧縮に有意な可能性を秘めた明示的なシーン表現法である。
既存の低照度拡張アルゴリズムは、主にピクセル領域内で動作する。
LL-GaussianImageは2DGS圧縮表現領域内での低光強調のために設計された最初のゼロショット非教師付きフレームワークである。
論文 参考訳（メタデータ） (2026-01-22T09:01:08Z) - Leveraging Learned Image Prior for 3D Gaussian Compression [47.29061692878941]
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。
論文 参考訳（メタデータ） (2025-10-16T14:10:02Z) - D-FCGS: Feedforward Compression of Dynamic Gaussian Splatting for Free-Viewpoint Videos [12.24209693552492]
自由視点ビデオ(FVV)は没入型3D体験を可能にするが、動的3D表現の効率的な圧縮は依然として大きな課題である。
本稿では,時間的に相関したガウス点雲列を圧縮する新しいフィードフォワードフレームワークである動的ガウス散乱(D-FCGS)のフィードフォワード圧縮を提案する。
実験の結果,最適化手法の速度歪み特性と一致し,40倍以上の圧縮を2秒以内で達成した。
論文 参考訳（メタデータ） (2025-07-08T10:39:32Z) - 3DGS Compression with Sparsity-guided Hierarchical Transform Coding [19.575833741231953]
SHTC(Sparsity-guided Hierarchical Transform Coding)は、3DGS圧縮のためのエンドツーエンドのトランスフォーメーションコーディングフレームワークである。
SHTCは3DGS、変換、軽量コンテキストモデルを共同で最適化している。
この新しい設計により、最小限の追加パラメータと計算オーバーヘッドでR-D性能が大幅に向上する。
論文 参考訳（メタデータ） (2025-05-28T22:17:24Z) - CompGS++: Compressed Gaussian Splatting for Static and Dynamic Scene Representation [60.712165339762116]
CompGS++はコンパクトガウスプリミティブを活用して正確な3Dモデリングを実現する新しいフレームワークである。
私たちの設計は、プリミティブ間の冗長性をなくすという原則に基づいている。
私たちの実装は、さらなる研究を促進するためにGitHubで公開されます。
論文 参考訳（メタデータ） (2025-04-17T15:33:01Z) - 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) - 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) - ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model [77.71796503321632]
我々は3DGS表現のアンカーレベルにコンテキストモデルを導入し,バニラ3DGSと比較して100倍以上のサイズの縮小を実現した。
我々の研究は3DGS表現のためのアンカーレベルのコンテキストモデルを開拓し、バニラ3DGSに比べて100倍以上、そして最新の最先端のScaffold-GSに比べて15倍の大幅なサイズ縮小を実現した。
論文 参考訳（メタデータ） (2024-05-31T09:23:39Z) - 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。