論文の概要: ACA-GS: Adaptive-Capacity Anchored Gaussian Splatting for Compact Dynamic Radiance Fields
- arxiv url: http://arxiv.org/abs/2608.04581v1
- Date: Wed, 05 Aug 2026 08:47:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.786272
- Title: ACA-GS: Adaptive-Capacity Anchored Gaussian Splatting for Compact Dynamic Radiance Fields
- Title（参考訳）: ACA-GS:小型動的放射場のための適応容量アンコレーションガウススメッティング
- Authors: Seunghyeon Song, Joo Chan Lee, Chanung Park, Jun Young Jeong, Minseo Lee, Eunbyung Park, Jong Hwan Ko,
- Abstract要約: 本稿では、局所的な時間的要求に基づいて表現能力を割り当てるアダプティブ・キャパシティ・アンカーベースのフレームワークを提案する。
提案手法は,最先端のアンカー方式よりも最大1.5倍高い圧縮を実現し,同等の品質を保っている。
- 参考スコア（独自算出の注目度）: 29.09208632865348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in 4D Gaussian Splatting (4DGS) enable high-fidelity, real-time spatiotemporal rendering, but expose a fundamental trade-off between motion expressiveness and storage efficiency. While anchor-based designs achieve compactness through anchor-level parameter sharing, their rigid uniform parametrization enforces fixed Neural Gaussian counts and feature budgets per anchor. Consequently, insufficient fidelity is addressed by excessive anchor density, rather than lightweight, targeted increases in Neural Gaussian count or feature capacity, resulting in memory waste. To overcome this rigidity, we introduce an adaptive-capacity anchor-based framework that dynamically allocates the representational capacity based on local spatiotemporal demands. Adaptive Anchor Cardinality varies the number of Neural Gaussians per anchor, concentrating primitives in regions of high geometric or motion complexity while suppressing redundancy. In parallel, Adaptive Anchor Feature Masking modulates anchor-level feature channels, assigning rich features to complex regions and lightweight representations to simpler ones. Experiments on MPEG, Panoptic Sports, and N3DV datasets demonstrate substantial storage reduction without degrading visual quality. Notably, on challenging MPEG sequences with complex motion, our method achieves up to 1.5x higher compression than state-of-the-art anchor-based methods while preserving comparable quality.
- Abstract（参考訳）: 4DGSの最近の進歩は、高忠実でリアルタイムな時空間レンダリングを可能にするが、運動表現性と記憶効率の基本的なトレードオフを明らかにする。
アンカーベースの設計はアンカーレベルのパラメータ共有によってコンパクト性を達成するが、その一様パラメトリゼーションは固定されたニューラルガウス数とアンカー毎の特徴予算を強制する。
その結果, 過度なアンカー密度によって, ニューラルガウス数や特徴量の増加を目標とし, メモリ浪費が生じる。
この剛性を克服するために、局所的な時空間要求に基づいて動的に表現能力を割り当てる適応容量アンカーベースのフレームワークを導入する。
アダプティブ・アンカー・カーディナリティは、アンカー当たりのニューラル・ガウシアンの数を変え、冗長性を抑えながら、高度に幾何学的または運動的な複雑さのある領域におけるプリミティブに集中する。
並行して、Adaptive Anchor Feature Maskingはアンカーレベルの機能チャネルを変調し、複雑なリージョンにリッチな機能を割り当て、より単純なリージョンに軽量な表現を割り当てる。
MPEG、Panoptic Sports、N3DVデータセットの実験は、視覚的品質を低下させることなく、大幅なストレージ削減を示す。
特に,複雑な動きを伴うMPEG配列の挑戦において,従来のアンカー方式に比べて最大1.5倍の圧縮を実現し,同等の品質を保っている。
関連論文リスト
- GS-STVSR: Ultra-Efficient Continuous Spatio-Temporal Video Super-Resolution via 2D Gaussian Splatting [71.12303582606019]
Continuous Video Super-Resolution (C-STVSR) は、任意のスケールファクタによる動画の空間的・フレーム的レートの同時向上を目的としている。
2次元ガウシアンティング(2D-GS)に基づく超効率的なC-STVSRフレームワークであるGS-STVSRを提案する。
GS-STVSRは,すべてのベンチマークにおいて最先端の品質を実現していることを示す。
論文 参考訳（メタデータ） (2026-04-20T10:11:05Z) - LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - Constrained Dynamic Gaussian Splatting [47.982650444869336]
Constrained Dynamic Gaussian Splatting (CDGS)は、動的シーン再構成を予算制約付き最適化問題として定式化する新しいフレームワークである。
本報告では,CDGSは,最先端手法に比べて3倍以上の圧縮を実現し,キャパシティの限界下で最適なレンダリング品質を提供することを示す。
論文 参考訳（メタデータ） (2026-02-03T13:53:29Z) - HPC: Hierarchical Point-based Latent Representation for Streaming Dynamic Gaussian Splatting Compression [14.759497852655047]
本稿では,新しいストリーミング動的ガウススプラッティング圧縮フレームワークであるHPCを提案する。
これは、非占有空間におけるパラメータ冗長性を避けるために、ガウス単位の階層的な点ベースの潜在表現を用いる。
高い復元率を維持しながら、ベースラインに対して67%のストレージ削減を実現している。
論文 参考訳（メタデータ） (2026-01-31T11:35:02Z) - ReCon-GS: Continuum-Preserved Gaussian Streaming for Fast and Compact Reconstruction of Dynamic Scenes [41.108974064267436]
ReCon-GSは、高忠実なオンライン動的シーン再構築とリアルタイムレンダリングを可能にするストレージ対応フレームワークである。
本稿では,ReCon-GSがトレーニング効率を約15%向上し,FVV合成品質が向上することを示す。
同等のレンダリング品質では、ReCon-GSは最先端の方法と比較して、メモリ要求を50%以上削減する。
論文 参考訳（メタデータ） (2025-09-29T06:23:47Z) - SD-GS: Structured Deformable 3D Gaussians for Efficient Dynamic Scene Reconstruction [5.818188539758898]
複雑な動的シーン再構成のためのコンパクトで効率的な動的スプレイティングフレームワークSD-GSを提案する。
また,過度に再構成された高流動領域のアンカーを適応的に成長させる変形認識型密度化戦略を提案する。
実験の結果,SD-GSはモデルサイズを60%削減し,FPSを100%改善することがわかった。
論文 参考訳（メタデータ） (2025-07-10T06:35:03Z) - Motion Matters: Compact Gaussian Streaming for Free-Viewpoint Video Reconstruction [57.76758872762516]
3D Gaussian Splatting (3DGS)は、オンライン自由視点ビデオ(FVV)再構成のための高忠実で効率的なパラダイムとして登場した。
本研究では,動的シーンにおける動きの局所性と一貫性を活かした,コンパクトガウスストリーミング(ComGS)フレームワークを提案する。
ComGS は 3DGStream や 14X に比べて 159 X 以上のストレージ削減を実現している。
論文 参考訳（メタデータ） (2025-05-22T11:22:09Z) - ADC-GS: Anchor-Driven Deformable and Compressed Gaussian Splatting for Dynamic Scene Reconstruction [22.24139713363786]
既存の4Dガウス散乱法は、標準空間からターゲットフレームへのガウス毎の変形に依存している。
動的シーン再構成のためのコンパクトで効率的なADC-GSを提案する。
その結果, ADC-GS はレンダリング速度300%-800% でガウス変形法よりも優れていた。
論文 参考訳（メタデータ） (2025-05-13T03:13:40Z) - 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)
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。