論文の概要: TSGL: Teacher-Student Graph Learning for 3DGS Compression
- arxiv url: http://arxiv.org/abs/2609.38635v1
- Date: Tue, 29 Sep 2026 22:52:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.816983
- Title: TSGL: Teacher-Student Graph Learning for 3DGS Compression
- Title（参考訳）: TSGL:教師による3DGS圧縮のためのグラフ学習
- Abstract要約: 教師-学生グラフ学習(TSGL)に基づく新しい3DGS圧縮手法を提案する。
この方法は、3DGSの再トレーニングやトレーニング画像へのアクセスなしに、トレーニングされたモデル上で直接動作する。
3つの標準ベンチマークでは、PSNR損失の0.6dB未満で27倍から33倍の圧縮に達する。
- 参考スコア（独自算出の注目度）: 17.44615994547623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) is a popular representation for novel view synthesis. However, 3DGS contains millions of Gaussian primitives, each with rich attributes, resulting in large file sizes. We propose a novel 3DGS compression method based on Teacher-Student Graph Learning (TSGL) that operates directly on a trained model, without 3DGS retraining or access to training images. Specifically, for each block of Gaussian primitives, using decoded positions and DC spherical harmonic (SH) coefficients as predictors, we learn a signal-dependent geometry graph G encoding the pairwise similarities between neighbouring Gaussians via a teacher-student model. Given G, we perform Graph Fourier Transform (GFT) on the remaining attributes, so that signal energies are predominantly projected into the low-frequency coefficients for compact representation. On three standard benchmarks, the method reaches 27x to 33x compression with less than 0.6 dB of PSNR loss, improving on recent post-training compression methods in both size and rendering quality.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、新規なビュー合成のための一般的な表現である。
しかし、3DGSには数百万のガウスプリミティブがあり、それぞれに豊富な属性があり、ファイルサイズが大きい。
本稿では,教師-学生グラフ学習(TSGL)に基づく新しい3DGS圧縮手法を提案する。
具体的には、デコードされた位置と直流球面調和係数(SH)係数を予測子とするガウス原始体のブロック毎に、教師-学生モデルを用いて、隣接するガウス原始体のペアの類似性を符号化する信号依存幾何グラフGを学習する。
G が与えられたとき、残りの属性に対してグラフフーリエ変換(GFT)を行うので、信号エネルギーは主にコンパクト表現のために低周波係数に投影される。
3つの標準ベンチマークでは、PSNR損失の0.6dB未満で27倍から33倍の圧縮に到達し、最近のトレーニング後の圧縮手法をサイズとレンダリング品質の両方で改善した。
関連論文リスト
- Gaussian Herding across Pens: An Optimal Transport Perspective on Global Gaussian Reduction for 3DGS [13.03299802566674]
3DGSは、放射場レンダリングの強力な技術として登場したが、通常は数百万の冗長なガウスプリミティブを必要とする。
本稿では,グローバルなガウス混合還元として3DGSのコンパクト化を推し進める,新しい最適輸送視点を提案する。
本手法は,バニラおよび加速3DGSパイプラインの任意の段階に適用可能であり,軽量なニューラルレンダリングへの効率的かつ非依存的な経路を提供する。
論文 参考訳（メタデータ） (2025-06-11T09:04:44Z) - FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting [57.97160965244424]
3Dガウススプラッティング(3DGS)は、3Dシーン表現や新しいビュー合成に様々な応用を可能にしている。
従来のアプローチでは、重要でないガウス人を刈り取ることに重点を置いており、3DGSを効果的に圧縮している。
本稿では3DGSの弾性推論手法を提案する。
論文 参考訳（メタデータ） (2025-06-04T17:17:57Z) - NeuralGS: Bridging Neural Fields and 3D Gaussian Splatting for Compact 3D Representations [39.343445598839125]
3D Gaussian Splattingは素晴らしいクオリティとレンダリングのスピードを実現していますが、数百万の3D Gaussianとかなりのストレージと送信コストがあります。
我々は,元の3DGSをコンパクトな表現に圧縮するNeuralGSという手法を開発した。
我々は複数のデータセットを実験し、視覚的品質を損なうことなく91回の平均モデルサイズ削減を実現した。
論文 参考訳（メタデータ） (2025-03-29T17:36:53Z) - TC-GS: Tri-plane based compression for 3D Gaussian Splatting [28.502636841299356]
3D Gaussian Splatting (3DGS)は、新しいビュー合成のための顕著なフレームワークとして登場し、高い忠実度と高速なレンダリング速度を提供する。
本稿では, ガウス属性を符号化し, 圧縮に属性の分布を活かしたよく構造化された三面体を提案する。
我々のアプローチは、複数のデータセットにわたる広範な実験において、SOTA 3D Gaussian Splatting圧縮作業と同等かそれ以上の結果を得た。
論文 参考訳（メタデータ） (2025-03-26T04:26:22Z) - CAT-3DGS: A Context-Adaptive Triplane Approach to Rate-Distortion-Optimized 3DGS Compression [10.869104603083676]
3D Gaussian Splatting (3DGS)は、最近、有望な3D表現として登場した。
リモート側への3DGS表現の圧縮と送信の必要性は見落としている。
この新しいアプリケーションは、レート歪みを最適化した3DGS圧縮を要求する。
論文 参考訳（メタデータ） (2025-03-01T05:42:52Z) - PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。
また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-14T17:53:55Z) - 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。