論文の概要: GETA-3DGS: Automatic Joint Structured Pruning and Quantization for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2605.02086v1
• Date: Sun, 03 May 2026 23:12:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.072876
• Title: GETA-3DGS: Automatic Joint Structured Pruning and Quantization for 3D Gaussian Splatting
• Title（参考訳）: GETA-3DGS:3次元ガウス平滑化のための自動連成成形と量子化
• Authors: Baobing Zhang, Wanxin Sui,
• Abstract要約: GETA-3DGS は、3DGS のためのエンドツーエンドのジョイント構造化プルーニングおよび量子化フレームワークである。 ポストホックなアンカー表現ではなく、生のガウス的プリミティブで直接動作する。 バニラ3DGSのストレージ容量は5倍で、シーンごとの閾値はない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian splatting (3DGS) is a state-of-the-art representation for real-time photorealistic novel-view synthesis, yet a single high-fidelity scene typically occupies hundreds of megabytes to several gigabytes, exceeding the budgets of mobile, immersive, and volumetric video platforms. Existing 3DGS compression methods (e.g., HAC++, FlexGaussian, LP-3DGS) treat pruning, quantization, and entropy coding as separate stages and rely on hand-tuned heuristics (opacity thresholds, fixed bit-widths, SH truncation), limiting cross-scene generalization and preventing users from specifying a target rate or quality budget. We propose GETA-3DGS, to our knowledge the first end-to-end automatic joint structured pruning and quantization framework for 3DGS. Building on GETA for joint pruning-quantization of deep networks, we contribute: (i) a 3DGS-aware quantization-aware dependency graph (QADG) treating each Gaussian primitive as a group with five attribute sub-nodes and degree-aware SH sub-nodes; (ii) a render-aware saliency fusing transmittance-weighted contribution, screen-space gradient, and pixel coverage into a Gaussian-level importance score; and (iii) a heterogeneous per-attribute mixed-precision scheme co-optimized with structural sparsity under a projected partial saliency-guided (PPSG) descent guarantee. On Mip-NeRF 360, Tanks and Temples, and Deep Blending, GETA-3DGS operates directly on raw Gaussian primitives rather than a post-hoc anchor representation, delivering ~5x storage reduction over Vanilla 3DGS with no per-scene thresholds. Bit-width policy is the dominant rate-distortion lever: a uniform 6-bit cap costs up to -6.74 dB on view-dependent scenes versus our heterogeneous allocation, matching an information-theoretic reverse-water-filling analysis we develop. GETA-3DGS is complementary to existing codecs: entropy coding (HAC++, CompGS) is downstream, so the two can be composed.
• Abstract（参考訳）: 3D Gaussian splatting (3DGS)は、リアルタイムのフォトリアリスティックなノベルビュー合成のための最先端の表現であるが、単一の高忠実なシーンは、通常、数百メガバイトから数ギガバイトに占有し、モバイル、没入型、ボリュームビデオプラットフォームの予算を超える。 既存の3DGS圧縮手法(例えば、HAC++、FlexGaussian、LP-3DGS)は、プルーニング、量子化、エントロピー符号化を別々の段階として扱い、手動のヒューリスティック(オプティしきい値、固定ビット幅、SHトランケーション)に依存し、クロスシーンの一般化を制限し、ユーザーがターゲットレートや品質予算を指定するのを防ぐ。 我々はGETA-3DGSを提案し、3DGSのための最初のエンドツーエンドの自動結合型構造化プルーニングおよび量子化フレームワークを提案する。 ディープネットワークの連成プルーニング量子化のためのGAA上に構築する。 i) ガウス原始体を5つの属性サブノードと次数対応SHサブノードを持つ群として扱う3DGS対応量子化対応依存グラフ(QADG) (二)透過度重み付け寄与、画面空間勾配、画素被覆をガウスレベルの重要度スコアに含めるレンダリング対応サリエンシ (3)PPSG下降保証の下で構造空間に最適化された異種多属性混合精度スキーム。 Mip-NeRF 360、タンク・アンド・テンプルズ、ディープブレンディングでは、GAA-3DGSはポストホックのアンカー表現ではなく、生のガウスのプリミティブを直接運用し、シーンごとの閾値のないバニラ3DGSのストレージを約5倍削減する。 6ビットの均一なキャップは、ビュー依存シーンで最大6.74dBの費用をかかる。 GETA-3DGSは既存のコーデックを補完するものであり、エントロピー符号化(HAC++、CompGS)は下流にある。

関連論文リスト

• NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
  3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。 本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
  論文  参考訳（メタデータ） (2026-04-16T07:14:07Z)
• 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)
• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• 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)
• 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)
• EfficientGS: Streamlining Gaussian Splatting for Large-Scale High-Resolution Scene Representation [29.334665494061113]
  能率GS」は3DGSを高解像度で大規模なシーンに最適化する高度なアプローチである。 3DGSの密度化過程を解析し,ガウスの過剰増殖領域を同定した。 本稿では,ガウス的増加を重要な冗長プリミティブに制限し,表現効率を向上する選択的戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-19T10:32:30Z)
• 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。