論文の概要: TSOG: A Format For Temporally And Spatially Ordered Gaussians
- arxiv url: http://arxiv.org/abs/2607.28049v1
- Date: Thu, 30 Jul 2026 11:28:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.528365
- Title: TSOG: A Format For Temporally And Spatially Ordered Gaussians
- Title（参考訳）: TSOG: 一時的かつ空間的に秩序づけられたガウシアンのためのフォーマット
- Authors: Shady Gmira, Evangelos Alexiou, Emmanouil Potetsianakis, Emmanuel Thomas,
- Abstract要約: TSOGは損失の多いフォーマットで、各ガウス語にユニークなインデックスを割り当て、値をインデックス整列画像データとしてエンコードする。
PLYsシーケンスとFreeTimeGSをベースラインとして評価すると、ファイルサイズが90%を超えることが分かる。
その結果、ファイルサイズを最小限に抑え、次世代4Dコンテンツのための効率的な表現、記憶、配信を可能にした。
- 参考スコア（独自算出の注目度）: 0.8166364251367625
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose Temporally and Spatially Ordered Gaussians (TSOG), a format for efficient representation of 4D Gaussian Splatting (4DGS) content. TSOG extends the Spatially Ordered Gaussians (SOG) framework to the temporal domain by introducing a timeline attribute and temporal parameterization of geometry and appearance attributes. Similar to SOG, TSOG is a lossy format that assigns each Gaussian a unique index and encodes attribute values as index-aligned image data. TSOG is model-agnostic, extensible, and compatible with both discrete and continuous 4DGS representations. Evaluation using a PLYs sequence and FreeTimeGS as baselines, serving as simplistic and state-of-the-art 4DGS representations respectively, shows file size reductions exceeding 90%, with PSNR differences ranging between -0.42 and +0.85 dB. These results demonstrate substantial file size savings with minimal quality degradation, enabling efficient representation, storage, and delivery of dynamic scenes for next-generation 4D content.
- Abstract（参考訳）: 本研究では,4次元ガウススティング(4DGS)コンテンツを効率的に表現するための形式として,時間的・空間的に順序付けられたガウス(TSOG)を提案する。
TSOGは、時空間順序付きガウス(SOG)フレームワークを時空間領域に拡張し、時空間属性と時空間パラメーターによる幾何学的および外見的属性を導入する。
SOGと同様に、TSOGは損失のあるフォーマットであり、各ガウスをユニークなインデックスに割り当て、属性値をインデックス整列画像データとしてエンコードする。
TSOGはモデルに依存しず、拡張可能であり、4DGSの離散表現と連続表現の両方と互換性がある。
PLYsシーケンスとFreeTimeGSをベースラインとして評価し、それぞれ単純かつ最先端の4DGS表現として機能し、ファイルサイズが90%以上減少し、PSNRの差は-0.42と+0.85dBである。
これらの結果は、ファイルサイズを大幅に削減し、品質の劣化を最小限に抑え、次世代4Dコンテンツのための効率的な表現、記憶、配信を可能にした。
関連論文リスト
- 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) - TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression [14.026420167067117]
速度歪み最適化4DGS圧縮のための時間的活性化および埋め込みに基づく変形方式であるTED-4DGSを提案する。
提案手法は,複数の実世界のデータセット上での最先端の速度歪み性能を実現する。
論文 参考訳（メタデータ） (2025-12-05T05:46:35Z) - 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) - 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) - MEGA: Memory-Efficient 4D Gaussian Splatting for Dynamic Scenes [49.36091070642661]
本稿では,4DGSのためのメモリ効率フレームワークを提案する。
TechnicolorとNeural 3D Videoのデータセットで約190$times$と125$times$のストレージ削減を実現している。
レンダリング速度とシーン表現の品質を維持し、フィールドに新しい標準を設定する。
論文 参考訳（メタデータ） (2024-10-17T14:47:08Z) - Image-GS: Content-Adaptive Image Representation via 2D Gaussians [52.598772767324036]
本稿では,2次元ガウス放射率に基づくコンテンツ適応型画像表現であるImage-GSを紹介する。
リアルタイム使用のためにハードウェアフレンドリーな高速アクセスをサポートし、ピクセルをデコードするためには0.3KのMACしか必要としない。
テクスチャ圧縮、セマンティクス対応圧縮、共同画像圧縮と復元など、いくつかのアプリケーションでその汎用性を実証する。
論文 参考訳（メタデータ） (2024-07-02T00:45:21Z) - DreamGaussian4D: Generative 4D Gaussian Splatting [56.49043443452339]
DG4D(DreamGaussian 4D:DreamGaussian 4D)はGaussian Splatting(GS)をベースとした効率的な4D生成フレームワークである。
我々の重要な洞察は、空間変換の明示的なモデリングと静的GSを組み合わせることで、4次元生成の効率的かつ強力な表現ができるということである。
ビデオ生成手法は、高画質の4D生成を向上し、価値ある時空間前兆を提供する可能性がある。
論文 参考訳（メタデータ） (2023-12-28T17:16:44Z)
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。