Fugu-MT 論文翻訳(概要): MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching

論文の概要: MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching

arxiv url: http://arxiv.org/abs/2604.26799v2
Date: Thu, 07 May 2026 06:27:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-08 22:27:11.268626
Title: MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching
Title（参考訳）: MesonGS++:ハイパーパラメータサーチによる3次元ガウス平滑化の訓練後圧縮
Authors: Shuzhao Xie, Junchen Ge, Weixiang Zhang, Jiahang Liu, Chen Tang, Yunpeng Bai, Shijia Ge, Jingyan Jiang, Yuzhi Huang, Fengnian Yang, Cong Zhang, Xiaoyi Fan, Zhi Wang,
Abstract要約: 3D Gaussian Splatting(3DGS)は、リアルタイムレンダリングによる高品質なノベルビューを実現するが、そのストレージコストは実用的デプロイメントでは禁止されている。本稿では,3次元ガウス圧縮のためのサイズ対応ポストトレーニングであるMesonGSを提案する。一方,MesonGSは,共同重要度に基づくプルーニング,オクツリー幾何学,変換,高次球面高調波に対する選択ベクトル量子化,エントロピー符号化によるグループワイド混合精度量子化を併用する。
参考スコア（独自算出の注目度）: 27.114461961869782
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: 3D Gaussian Splatting (3DGS) achieves high-quality novel view synthesis with real-time rendering, but its storage cost remains prohibitive for practical deployment. Existing post-training compression methods still rely on many coupled hyperparameters across pruning, transformation, quantization, and entropy coding, making it difficult to control the final compressed size and fully exploit the rate-distortion trade-off. We propose MesonGS++, a size-aware post-training codec for 3D Gaussian compression. On the codec side, MesonGS++ combines joint importance-based pruning, octree geometry coding, attribute transformation, selective vector quantization for higher-degree spherical harmonics, and group-wise mixed-precision quantization with entropy coding. On the configuration side, it treats the reserve ratio and bit-width allocation as the dominant rate-distortion knobs and jointly optimizes them under a target storage budget via discrete sampling and 0--1 integer linear programming. We further propose a linear size estimator and a CUDA parallel quantization operator to accelerate the hyperparameter searching process. Extensive experiments show that MesonGS++ achieves over 34$\times$ compression while preserving rendering fidelity, outperforming state-of-the-art post-training methods and accurately meeting target size budgets. Remarkably, without any training, MesonGS++ can even surpass the PSNR of vanilla 3DGS at a 20$\times$ compression rate on the Stump scene. Our code is available at https://github.com/mmlab-sigs/mesongs_plus
Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は、リアルタイムレンダリングによる高品質なノベルビュー合成を実現するが、そのストレージコストは実用的展開では禁止されている。既存の訓練後圧縮法は、プルーニング、変換、量子化、エントロピー符号化にまたがる多くの結合ハイパーパラメータに依存しており、最終的な圧縮サイズを制御し、レート歪みのトレードオフを完全に活用することは困難である。本稿では,3次元ガウス圧縮のための大規模学習後コーデックであるMesonGS++を提案する。コーデック側では、共同重要度に基づくプルーニング、オクツリー幾何符号化、属性変換、高次球面調和のための選択ベクトル量子化、エントロピー符号化によるグループワイド混合精度量子化を組み合わせている。構成側では、リザーブ比とビット幅割り当てを支配的なレート歪みノブとして扱い、離散サンプリングと0--1整数線形計画により、目標記憶予算の下で共同で最適化する。さらに,超パラメータ探索を高速化する線形サイズ推定器とCUDA並列量子化演算器を提案する。大規模な実験によると、MesonGS++はレンダリングの忠実さを保ちながら34$\times$圧縮を実現し、最先端のポストトレーニング手法を上回り、ターゲットサイズの予算を正確に満たしている。注目すべきは、トレーニングなしでは、MesonGS++は、Stumpシーンの20$\times$圧縮レートで、バニラ3DGSのPSNRを超えることができることだ。私たちのコードはhttps://github.com/mmlab-sigs/mesongs_plusで利用可能です。

論文の概要: MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching

関連論文リスト