Fugu-MT 論文翻訳(概要): Clustered Codebook Quantization for 2D Gaussian-based Image Compression

論文の概要: Clustered Codebook Quantization for 2D Gaussian-based Image Compression

arxiv url: http://arxiv.org/abs/2607.05667v1
Date: Mon, 06 Jul 2026 22:16:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-08 21:24:51.338793
Title: Clustered Codebook Quantization for 2D Gaussian-based Image Compression
Title（参考訳）: 2次元ガウス画像圧縮のためのクラスタ化されたコードブック量子化
Abstract要約: クラスタ型ベクトル量子化(CGVQ)はプリミティブベースの画像圧縮法である。 CGVQは視力品質を維持しつつ,bppを20%減少させることを示した。
参考スコア（独自算出の注目度）: 0.09332987715848712
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Gaussian-based image representations effectively model image content using compact parametric primitives while preserving high visual fidelity, yet storing a large number of floating-point parameters per primitive degrades rate-distortion efficiency at higher fidelity targets. To improve the rate-distortion performance in Gaussian representation, we present our Cluster-Guided Vector Quantization (CGVQ), a Gaussian primitive based image compression method. Our key idea is to partition Gaussian parameters further into homogeneous groups prior to quantization, enabling higher compression efficiency and accurate parameter reconstruction. In practice, our extensive experiments show that CGVQ decreases the bpp by 20% with respect to our baseline, while maintaining on-par visual quality
Abstract（参考訳）: ガウスに基づく画像表現は、コンパクトなパラメトリックプリミティブを用いて画像コンテンツを効果的にモデル化し、高い視覚的忠実度を維持しながら、プリミティブ毎に多数の浮動小数点パラメータを記憶する。ガウス表現における速度歪み特性を改善するために,ガウス原始画像圧縮法であるクラスタガイドベクトル量子化(CGVQ)を提案する。我々のキーとなる考え方は、ガウスパラメータを量子化の前にさらに均質群に分割し、より高い圧縮効率と正確なパラメータ再構成を可能にすることである。実際には、CGVQは、視品質を維持しながら、ベースラインに関して、bppを20%減少させます。

関連論文リスト

GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。大量のガウス点があるため、高いメモリコストに制約される。コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
論文参考訳（メタデータ） (2026-04-02T10:41:51Z)
SGI: Structured 2D Gaussians for Efficient and Compact Large Image Representation [15.343904266924445]
2D Gaussian Splattingは、ローエンドデバイスでの効率的なレンダリングをサポートする新しい画像表現技術として登場した。高解像度画像を表現するためのコンパクトで効率的なフレームワークであるStructured Gaussian Image (SGI)を提案する。 SGIは複雑な画像を、種子の集合によって定義された複数スケールの局所空間に分解する。
論文参考訳（メタデータ） (2026-03-08T20:14:19Z)
GaussianImage++: Boosted Image Representation and Compression with 2D Gaussian Splatting [29.353296699942117]
入射神経表現(INR)は画像表現と圧縮において顕著な成功を収めた。最近の 2D Gaussian Splatting (GS) 法は、効率的なプリミティブベースのレンダリングを通じて有望な代替手段を提供する。本稿では,限られたガウスプリミティブを用いて印象的な表現と圧縮性能を実現するガウスImage++を提案する。
論文参考訳（メタデータ） (2025-12-22T07:22:39Z)
ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
論文参考訳（メタデータ） (2025-03-21T18:55:14Z)
EigenGS Representation: From Eigenspace to Gaussian Image Space [20.454762899389358]
EigenGSは、固有空間と画像空間のガウス表現を接続する効率的な変換パイプラインである。 EigenGSは直接2次元ガウスフィッティングよりも優れた再現性が得られることを示す。結果は,様々な解像度と多様なカテゴリを持つ画像に対して,EigenGSの有効性と一般化能力を強調した。
論文参考訳（メタデータ） (2025-03-10T15:27:03Z)
GaussianToken: An Effective Image Tokenizer with 2D Gaussian Splatting [64.84383010238908]
本稿では,2次元ガウススプラッティングを解法とする効果的な画像トークン化手法を提案する。一般に、我々のフレームワークは、2次元ガウス分布の局所的な影響を離散空間に統合する。 CIFAR, Mini-Net, ImageNet-1K 上での競合的再構成性能は,我々のフレームワークの有効性を示す。
論文参考訳（メタデータ） (2025-01-26T17:56:11Z)
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)
HiFi4G: High-Fidelity Human Performance Rendering via Compact Gaussian Splatting [48.59338619051709]
HiFi4Gは、高密度映像からの高忠実度人間パフォーマンスレンダリングのための、明示的でコンパクトなガウスベースのアプローチである。圧縮速度は25回程度で、1フレームあたり2MB未満である。
論文参考訳（メタデータ） (2023-12-06T12:36:53Z)
High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
JPEGアーチファクト修正のための異なるパラダイムを提案する。我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
論文参考訳（メタデータ） (2022-11-21T19:47:59Z)
Unified Multivariate Gaussian Mixture for Efficient Neural Image Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文参考訳（メタデータ） (2022-03-21T11:44:17Z)
Asymmetric Gained Deep Image Compression With Continuous Rate Adaptation [12.009880944927069]
本稿では,非対称ゲイン変分オートエンコーダ(AG-VAE)の連続速度調整型画像圧縮フレームワークを提案する。 AG-VAEは、一組の利得単位を用いて、1つのモデルの離散レート適応を無視可能な追加計算で達成する。提案手法は,SOTA学習画像圧縮手法を用いて,従来の画像コーデックよりも質的性能が向上する。
論文参考訳（メタデータ） (2020-03-04T11:42:05Z)

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。