論文の概要: Non-Uniform Quantisation for 3DGS Compression
- arxiv url: http://arxiv.org/abs/2608.28272v1
- Date: Fri, 28 Aug 2026 12:35:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.329775
- Title: Non-Uniform Quantisation for 3DGS Compression
- Title（参考訳）: 3DGS圧縮のための非均一量子化
- Abstract要約: 3D Splatting (3DGS)は、新しいビュー合成の強力な技術として登場したが、その高い要求は、ストレージと送信に重大な課題をもたらす。
本稿では,3DGSモデルに適した新しい非一様量子化手法を提案する。
- 参考スコア（独自算出の注目度）: 2.6423948318653916
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) has emerged as a powerful technique for novel view synthesis, yet its high bitrate requirements pose significant challenges for storage and transmission. To enable practical applications and ensure interoperability within the 3DGS ecosystem, standardised compression formats are essential. In this paper, we propose a novel non-uniform quantisation scheme specifically tailored for 3DGS models. Our approach adapts to the underlying data distribution by applying importance-weighted quantisation and eliminating post-voxelisation redundancy through importance weighted merging. Extensive evaluations on benchmark datasets demonstrate that our method achieves state-of-the-art compression performance. Furthermore, the proposed scheme is compatible with any point-cloud-based representation and is intended as a formal contribution to the upcoming MPEG 3DGS compression standardisation activities.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は、新しいビュー合成の強力な技術として登場したが、その高いビットレート要求は、ストレージと送信に重大な課題をもたらす。
実用的なアプリケーションを実現し、3DGSエコシステム内での相互運用性を確保するためには、標準化された圧縮フォーマットが不可欠である。
本稿では,3DGSモデルに適した非一様量子化方式を提案する。
提案手法は,重み付き量子化を適用し,重み付きマージによるボクセル化後冗長性を除去することにより,基礎となるデータ分布に適応する。
ベンチマークデータセットの大規模な評価は,本手法が最先端の圧縮性能を実現することを示す。
さらに,提案手法は任意のポイントクラウドベース表現と互換性があり,今後のMPEG 3DGS圧縮標準化活動への公式な貢献を意図している。
関連論文リスト
- GETA-3DGS: Automatic Joint Structured Pruning and Quantization for 3D Gaussian Splatting [0.0]
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。
論文 参考訳（メタデータ） (2026-05-03T23:12:14Z) - 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) - CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting [57.73006852239138]
本稿では,3次元ガウススプラッティングの速度歪み最適化圧縮とセグメンテーションのための最初の統一フレームワークを提案する(3DGS)。
速度歪みに最適化された3DGS圧縮の最近の進歩に触発されたこの研究は、セマンティックラーニングを圧縮パイプラインに統合し、デコーダ側アプリケーションをサポートする。
提案方式は暗黙的ニューラル表現に基づくハイパープライアを特徴とし,色属性と意味属性の両方の効率的なエントロピー符号化を実現する。
論文 参考訳（メタデータ） (2026-01-19T08:21:45Z) - Splatwizard: A Benchmark Toolkit for 3D Gaussian Splatting Compression [69.94586602640355]
Splatwizardは3DGS圧縮モデルに特化して設計されたベンチマーク・ツールキットである。
Splatwizardは新しい3DGS圧縮モデルを実装し、最先端技術を利用するための使いやすいフレームワークを提供する。
論文 参考訳（メタデータ） (2025-12-31T09:26:04Z) - Feed-Forward 3D Gaussian Splatting Compression with Long-Context Modeling [30.948753429414648]
3DGSは革命的な3D表現として登場したが、その膨大なデータサイズは、広く普及するための大きな障壁となっている。
長距離相関を効果的にモデル化するフィードフォワード3DGS圧縮フレームワークを提案する。
本手法は,フィードフォワード推論における3DGSの圧縮率を20倍に設定する。
論文 参考訳（メタデータ） (2025-11-30T12:51:43Z) - PCGS: Progressive Compression of 3D Gaussian Splatting [55.149325473447384]
ガウスの量と品質を適応的に制御するPCGS(Progressive Compression of 3D Gaussian Splatting)を提案する。
全体として、PCGSは、SoTA非プログレッシブ手法に匹敵する圧縮性能を維持しながら、進行性を達成する。
論文 参考訳（メタデータ） (2025-03-11T15:01:11Z) - GoDe: Gaussians on Demand for Progressive Level of Detail and Scalable Compression [13.616981296093932]
本稿では,ガウスを複数の階層構造に整理する,新しいモデルに依存しない手法を提案する。
この手法は最近の3DGSの圧縮手法と組み合わせて、単一のモデルで複数の圧縮比を瞬時にスケールすることができる。
典型的なデータセットやベンチマークに対するアプローチを検証し、スケーラビリティと適応性の観点から、低歪みと実質的な利得を示す。
論文 参考訳（メタデータ） (2025-01-23T11:05:45Z) - Fast Feedforward 3D Gaussian Splatting Compression [55.149325473447384]
3D Gaussian Splatting (FCGS) は、1つのフィードフォワードパスで3DGS表現を高速に圧縮できる最適化フリーモデルである。
FCGSは圧縮比を20倍以上に向上し、高精細度を維持しながら、ほとんどのシーン毎のSOTA最適化手法を上回ります。
論文 参考訳（メタデータ） (2024-10-10T15:13:08Z) - 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。