論文の概要: Rate-Distortion Adaptive Primitive Selection for Omnidirectional Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.34367v2
• Date: Wed, 30 Sep 2026 13:03:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:25.995793
• Title: Rate-Distortion Adaptive Primitive Selection for Omnidirectional Gaussian Splatting
• Title（参考訳）: 全方位ガウススプラッティングにおける速度歪み適応プリミティブ選択
• Abstract要約: OIC-GSは、新しい階層的プリミティブグリッド表現を備えた全方向GSである。 WS-PSNR BDレートはガウスImage++で49.6%、SGIで68.6%低下した。 単一のビットストリームは、フルスフィア、ビューポート依存、プログレッシブデコーディングをサポートする。
• 参考スコア（独自算出の注目度）: 17.140131757271494
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learned image codecs (LICs) achieve high reconstruction quality, but their decoding speed is often insufficient for immersive virtual reality (VR). Gaussian splatting (GS) codecs render much faster, yet still lag in reconstruction quality and typically decide primitive allocation without considering the coding cost of each primitive. We introduce OIC-GS, an omnidirectional GS codec with a new hierarchical HEALPix primitive grid representation. Gaussian primitives are anchored at predefined spherical locations, eliminating explicit coordinate coding. Finer levels refine their coarser ancestors, naturally supporting coarse-to-fine reconstruction and layered transmission. The predefined grid also enables efficient viewport decoding by selecting only view-relevant primitives. We further introduce a lightweight entropy model for quantized primitives and optimize the codec under a spherical rate-distortion objective. Primitives with insufficient rate-distortion benefit are automatically removed when their quantized opacity becomes zero, allowing OIC-GS to adapt both primitive density and level of detail without a fixed primitive budget. A single bitstream supports full-sphere, viewport-dependent, and progressive decoding. The first viewport reaches final quality after decoding only 52% of the bitstream, and is then rendered at 1,270 FPS. On a 100-image omnidirectional benchmark, OIC-GS outperforms all evaluated GS codecs, reducing WS-PSNR BD-rate by 49.6% over GaussianImage++ and 68.6% over SGI, which uses a learned entropy model.
• Abstract（参考訳）: 学習された画像コーデック(lics)は高い再現性を実現するが、その復号速度は没入型バーチャルリアリティー(VR)には不十分であることが多い。 Gaussian splatting (GS)コーデックはより高速にレンダリングされるが、再構築品質は依然として遅れており、プリミティブのコーディングコストを考慮せずにプリミティブの割り当てを決定するのが一般的である。 我々は,新しい階層型HEALPixプリミティブグリッド表現を備えた全方向GSコーデックであるOIC-GSを紹介する。 ガウス原始体は事前に定義された球面位置で固定されており、明示的な座標符号化を排除している。 最終レベルは粗い祖先を洗練させ、粗い再構築と層状伝達を自然に支えている。 事前定義されたグリッドは、ビュー関連プリミティブのみを選択することで、効率的なビューポートデコーディングを可能にする。 さらに、量子化プリミティブのための軽量エントロピーモデルを導入し、球面速度歪みの目的の下でコーデックを最適化する。 量子化不透明度がゼロになると、レート歪みの利点が不十分なプリミティブは自動的に除去され、OIC-GSは固定されたプリミティブ予算なしでプリミティブ密度とディテールのレベルの両方を適応できる。 単一のビットストリームは、フルスフィア、ビューポート依存、プログレッシブデコーディングをサポートする。 最初のビューポートは、ビットストリームのわずか52%のデコード後に最終品質に達し、1,270 FPSでレンダリングされる。 OIC-GSは、100画像全方位のベンチマークで評価されたGSコーデックを上回り、WS-PSNR BDレートはガウスImage++で49.6%、SGIで68.6%低下した。

関連論文リスト

• CodecArena: Codec Quality Assessment via Visual Reinforcement Learning [70.59130074737446]
  我々は,ビデオ符号化品質評価のための最初のビジョン言語フレームワークであるCodecArenaを提案する。 CodecArenaは、参照とその再構成の間のソース条件の比較推論として評価をキャストする。 facet-anchored rewardは、人間の顔ごとのラベルではなく、自動的に引き起こされた顔の方向を弱いアンカーとして利用する。
  論文  参考訳（メタデータ） (2026-08-10T05:37:06Z)
• HyperGS: Fast and Generalizable Gaussian Video Representation [50.75993899195029]
  HyperGSはフィードフォワードで最適化のないアプローチであり、単一の前方パス内の任意のビデオからガウス表現を直接予測する。 様々なビデオでガウシアンを鼻で予測すると、針のような変性が引き起こされ、トレーニングは崩壊する。 HyperGSは、K400、SSv2、UCF101の以前のビデオエンコーダよりもPSNRを+2.9--3.1 dB改善した。
  論文  参考訳（メタデータ） (2026-07-13T12:53:02Z)
• 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)
• ProGIC: Progressive and Lightweight Generative Image Compression with Residual Vector Quantization [59.481950697968706]
  残留ベクトル量子化(RVQ)に基づくコンパクトなプログレッシブ生成画像圧縮(ProGIC)を提案する。 RVQでは、ベクトル量子化器の列がステージごとに残余を符号化し、それぞれが独自のコードブックを持つ。 これを奥行き分離可能な畳み込みと小さな注意ブロックに基づく軽量なバックボーンと組み合わせることで、GPUとCPUのみのデバイスに実用的なデプロイを可能にします。
  論文  参考訳（メタデータ） (2026-03-03T11:47:05Z)
• 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)
• Prediction and Reference Quality Adaptation for Learned Video Compression [54.58691829087094]
  時間予測はビデオ圧縮において最も重要な技術の一つである。 従来のビデオコーデックは、予測品質と基準品質に応じて最適な符号化モードを適応的に決定する。 本稿では,信頼性に基づく予測品質適応(PQA)モジュールと基準品質適応(RQA)モジュールを提案する。
  論文  参考訳（メタデータ） (2024-06-20T09:03:26Z)
• ConvNeXt-ChARM: ConvNeXt-based Transform for Efficient Neural Image Compression [18.05997169440533]
  ConvNeXt-ChARMは,効率的なConvNeXtベースのトランスフォーメーションコーディングフレームワークである。 ConvNeXt-ChARMは、VVC参照エンコーダ(VTM-18.0)と最先端の学習画像圧縮手法であるSwinT-ChARMに対して、平均5.24%と1.22%と、一貫したBDレート(PSNR)の低下をもたらすことを示した。
  論文  参考訳（メタデータ） (2023-07-12T11:45:54Z)
• A New Image Codec Paradigm for Human and Machine Uses [53.48873918537017]
  本研究では,人間用と機械用の両方にスケーラブルな画像パラダイムを提案する。 高レベルのインスタンスセグメンテーションマップと低レベルの信号特徴をニューラルネットワークで抽出する。 画像は16ビットのグレースケールプロファイルと信号特徴を持つ一般的な画質のイメージ再構成を実現するために設計および訓練される。
  論文  参考訳（メタデータ） (2021-12-19T06:17:38Z)

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。