論文の概要: FeCoSplat: Feedback-Guided Compression for Feed-Forward 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2609.33330v1
- Date: Sun, 27 Sep 2026 08:01:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 01:06:29.981311
- Title: FeCoSplat: Feedback-Guided Compression for Feed-Forward 3D Gaussian Splatting
- Title（参考訳）: FeCoSplat:フィードフォワード3Dガウス平滑化のためのフィードバックガイド圧縮
- Abstract要約: フィードフォワード3DGSのためのフィードバック誘導圧縮フレームワークを提案する。
実験により、FeCoSplatは、特に低速で、良好な速度歪曲性能が得られることが示された。
- 参考スコア（独自算出の注目度）: 47.982365504707445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feed-forward 3D Gaussian Splatting (3DGS) enables efficient novel-view synthesis from sparse multi-view images, yet its representations remain costly to store and transmit. Existing approaches compress either the input images, incurring heavy receiver-side reconstruction, or the reconstructed Gaussian primitives, which are difficult to compress due to their heterogeneous and irregular attributes. We instead compress compact intermediate features, providing a better balance between compression efficiency and receiver-side complexity. Based on this paradigm, we propose FeCoSplat, a feedback-guided compression framework for feed-forward 3DGS. FeCoSplat first compresses multi-view features to obtain an intermediate 3DGS, whose rendered views are used as feedback to guide a second-stage compression for further refinement. The resulting bitstreams are decoded into a compact implicit state, from which the final Gaussian primitives are reconstructed with a lightweight predictor. Experiments demonstrate that FeCoSplat achieves favorable rate--distortion performance, particularly at low bitrates, while requiring only 3.45M parameters for receiver-side Gaussian reconstruction. Code will be released soon.
- Abstract（参考訳）: 3DGS(Feed-forward 3D Gaussian Splatting)は、スパースなマルチビュー画像から効率的なノベルビュー合成を可能にするが、その表現は保存と送信に費用がかかる。
既存のアプローチでは、入力画像、重い受信側再構成、あるいは再構成されたガウス原始体のいずれかを圧縮するが、これは不均一で不規則な特性のため圧縮が難しい。
代わりに、圧縮効率と受信側複雑性のバランスが良く、コンパクトな中間機能を圧縮します。
このパラダイムに基づいて,フィードフォワード3DGSのためのフィードバック誘導圧縮フレームワークFeCoSplatを提案する。
FeCoSplatはまずマルチビュー機能を圧縮して中間3DGSを得る。
結果のビットストリームはコンパクトな暗黙の状態にデコードされ、そこからガウス原始体は軽量な予測器で再構成される。
実験により、FeCoSplatは、特に低ビットレートにおいて、レシーバ側ガウス再構成のためにわずか3.45Mのパラメータしか必要とせず、良好な速度歪曲性能を達成することが示された。
コードはまもなくリリースされる。
関連論文リスト
- Compressing 3D Gaussian Splatting via Cross-Representation Priors [20.870041528567825]
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。
論文 参考訳（メタデータ） (2026-09-19T13:07:59Z) - GenSplatCodec: Feed-Forward Gaussian Splatting Compression via One-Step Diffusion [18.74085761734125]
構造的および外観的手がかりを共同で活用する幾何誘導型一段階生成復号法を提案する。
また、統合学習を安定化し、生成デコーダを適応させる3段階最適化戦略も開発している。
論文 参考訳（メタデータ） (2026-07-27T13:20:26Z) - CodecSplat: Ultra-Compact Latent Coding for Feed-Forward 3D Gaussian Splatting [53.50198425973128]
フィードフォワード3Dガウススプラッティングのための超コンパクト遅延符号化フレームワークであるCodecSplatを紹介する。
CodecSplatは23.56-26.36 dB、24.76-27.05 dB、PSNRは20.00-10777、PSNRは3.37-12、PSNRは3.37-12である。
論文 参考訳（メタデータ） (2026-05-25T08:17:35Z) - 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) - TinySplat: Feedforward Approach for Generating Compact 3D Scene Representation [38.50388562890992]
TinySplatは、コンパクトな3Dシーン表現を生成するための完全なフィードフォワードアプローチである。
TinySplatは標準フィードフォワード3DGS法に基づいており、トレーニング不要の圧縮フレームワークを統合している。
私たちのフレームワークはエンコーディング時間の25%とデコーディング時間の1%しか必要としません。
論文 参考訳（メタデータ） (2025-06-11T07:47:19Z) - 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) - 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)
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。