論文の概要: Compressing 3D Gaussian Splatting via Cross-Representation Priors

• arxiv url: http://arxiv.org/abs/2609.23005v1
• Date: Sat, 19 Sep 2026 13:07:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.645514
• Title: Compressing 3D Gaussian Splatting via Cross-Representation Priors
• Title（参考訳）: 交叉表現による3次元ガウス散乱の圧縮
• Abstract要約: 3D Gaussian Splatting (3DGS) は高画質の新規ビュー合成を可能にするが, 密度ガウス原始体による高貯蔵・伝送コストを発生させる。 最近のアンカーベース圧縮は、原始的毎の冗長性を減少させるが、アンカー間の冗長性はほとんど明らかにされていない。 そこで我々は,CRP-GSを提案する。CRP-GSは速度歪みに最適化された圧縮フレームワークで,事前表現を利用してアンカーレベルのエントロピーモデルを改善する。
• 参考スコア（独自算出の注目度）: 20.870041528567825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) enables high-quality novel view synthesis but incurs high storage and transmission costs due to dense Gaussian primitives. Recent anchor-based compression reduces per-primitive redundancy, yet redundancy across anchors remains largely unexploited. We propose CRP-GS (Cross-Representation Priors for Gaussian Splatting), a rate-distortion optimized compression framework that leverages cross-representation priors to improve anchor-level entropy modeling. First, a Correspondence-Oriented Hierarchical Structure (COHS) organizes anchors by feature correspondence rather than spatial proximity, constructing root-leaf dependencies so that selected anchors can act as informative priors to conditionally encode others, yielding more accurate likelihood prediction and lower conditional entropy. Second, Shared Feature Aggregation (SFA) extracts globally shared features from a contextual hash grid and injects them into anchor representations, factoring out scene-consistent low-frequency information that would otherwise be redundantly embedded in individual anchors. Both modules are trained under a unified rate-distortion objective to balance bitrate reduction and rendering fidelity. Experiments across multiple benchmarks show that CRP-GS achieves a favorable overall rate-distortion trade-off, yielding around 30% average bitrate reduction compared to anchor-based baselines while maintaining comparable rendering quality.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は高画質の新規ビュー合成を可能にするが, 密度ガウス原始体による高貯蔵・伝送コストを発生させる。 最近のアンカーベース圧縮は、原始的毎の冗長性を減少させるが、アンカー間の冗長性はほとんど明らかにされていない。 本稿では,CRP-GS(Cross-Representation Priors for Gaussian Splatting)を提案する。 第一に、対応指向階層構造(COHS)は、空間的近接ではなく特徴対応によってアンカーを整理し、ルートリーフ依存を構築し、選択されたアンカーを条件付きエンコードする前の情報として機能させ、より正確な精度予測とより低い条件エントロピーをもたらす。 第二に、共有特徴集約(SFA)は、コンテキストのハッシュグリッドからグローバルに共有された特徴を抽出し、それらをアンカー表現に注入し、シーン一貫性の低い低周波情報を分解し、そうでなければ個々のアンカーに冗長に埋め込まれる。 両方のモジュールは、ビットレートの低減とレンダリングの忠実さのバランスをとるために、統一されたレート歪みの目標の下で訓練される。 複数のベンチマークでの実験では、CRP-GSは全体的な速度歪みのトレードオフを良好に達成し、平均ビットレートの削減率は、アンカーベースのベースラインに比べて30%程度減少し、レンダリング品質は同等である。

関連論文リスト

• ReorgGS: Equivalent Distribution Reorganization for 3D Gaussian Splatting [7.439138611635001]
  収束した 3D Gaussian Splatting (3DGS) モデルは、さらなる最適化のためにパラメータ化が不十分なまま、ターゲットシーンを近似することができる。 収束3DGSモデルの等価分布再構成法であるReorgGSを提案する。
  論文  参考訳（メタデータ） (2026-05-09T06:59:31Z)
• 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)
• 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)
• 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)
• CompGS++: Compressed Gaussian Splatting for Static and Dynamic Scene Representation [60.712165339762116]
  CompGS++はコンパクトガウスプリミティブを活用して正確な3Dモデリングを実現する新しいフレームワークである。 私たちの設計は、プリミティブ間の冗長性をなくすという原則に基づいている。 私たちの実装は、さらなる研究を促進するためにGitHubで公開されます。
  論文  参考訳（メタデータ） (2025-04-17T15:33:01Z)
• 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。