論文の概要: GS-PQM: A Parameter-Domain Quality Metric for Compressed Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2610.00195v1
- Date: Fri, 18 Sep 2026 16:49:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 14:48:16.39315
- Title: GS-PQM: A Parameter-Domain Quality Metric for Compressed Gaussian Splatting
- Title（参考訳）: GS-PQM:圧縮ガウス平滑化のためのパラメータ領域品質指標
- Abstract要約: 本稿では,GS-PQMについて紹介する。これは,GSパラメータ領域内で直接動作する,トレーニング後のGS圧縮のための新しい完全参照品質指標である。
実験の結果,GS-PQMは圧縮されたGSコンテンツの評価において,既存の画像,ビデオ,ポイントクラウド品質の指標を25以上上回っていることがわかった。
- 参考スコア（独自算出の注目度）: 3.867856766239589
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in Gaussian Splatting (GS) compression have enabled substantial reductions in GS model size. Reliable objective quality assessment is therefore essential for comparing compression methods and guiding the development of more efficient GS codecs. Existing GS quality assessment typically relies on image and video quality metrics, requiring rendering of predefined viewpoints and making the quality estimate dependent on the selected views. This paper introduces GS-PQM, a novel full-reference quality metric for post-training GS compression that operates directly in the GS parameter domain. GS-PQM estimates perceptual quality from a set of parameter-domain distortion errors using a Support Vector Regression model. Experimental results show that GS-PQM outperforms 25 existing image, video, and point-cloud quality metrics in assessing compressed GS content, providing an accurate and computationally efficient alternative to rendering-based quality assessment.
- Abstract（参考訳）: ガウススプラッティング(GS)圧縮の最近の進歩は、GSモデルサイズを大幅に削減した。
したがって、圧縮法を比較し、より効率的なGSコーデックの開発を導くためには、信頼性の高い客観的品質評価が不可欠である。
既存のGSの品質評価は、通常、画像とビデオの品質のメトリクスに依存し、事前に定義された視点のレンダリングを必要とし、選択されたビューに依存する品質推定を行う。
本稿では,GS-PQMについて紹介する。これは,GSパラメータ領域内で直接動作する,トレーニング後のGS圧縮のための新しい完全参照品質指標である。
GS-PQMは、サポートベクトル回帰モデルを用いてパラメータ領域の歪み誤差のセットから知覚品質を推定する。
実験の結果,GS-PQMは圧縮されたGSコンテンツの評価において,25の既存の画像,ビデオ,ポイントクラウド品質指標より優れており,レンダリングベースの品質評価の精度と計算効率の面で優れていることがわかった。
関連論文リスト
- Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric [76.66966098297986]
3DGSの主観的品質評価データセットである3DGS-QAを提案する。
15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。
本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。
論文 参考訳（メタデータ） (2025-11-11T09:34:20Z) - MUGSQA: Novel Multi-Uncertainty-Based Gaussian Splatting Quality Assessment Method, Dataset, and Benchmarks [50.53294970211443]
ガウススプラッティング (GS) は3次元オブジェクト再構成の有望な技術として登場し, 再現速度を大幅に改善した高品質なレンダリング結果を提供している。
異なるGSベースの方法で再構成された3Dオブジェクトの知覚的品質を評価することは、依然としてオープンな課題である。
本研究では,GS法で再構成されたオブジェクトに対する人間の視聴動作を忠実に模倣する,マルチ距離主観的品質評価手法を提案する。
提案手法は,複数の不確実性下での各種GSベースの再構築手法の堅牢性を評価するためのベンチマークと,既存の品質評価指標の性能を評価するためのベンチマークを構築した。
論文 参考訳（メタデータ） (2025-11-10T08:21:11Z) - Image Quality Assessment for Machines: Paradigm, Large-scale Database, and Models [60.356842878501254]
マシンビジョンシステム(MVS)は、視覚の悪条件下での性能劣化に対して本質的に脆弱である。
画像劣化がMVS性能に与える影響を定量的に評価するマシン中心画像品質評価(MIQA)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-27T13:07:24Z) - Subjective Visual Quality Assessment for High-Fidelity Learning-Based Image Compression [2.296138318128071]
JPEG AIC-3 手法を用いて,JPEG AI 圧縮画像の包括的主観的品質評価を行う。
強化された3重項比較と平易な3重項比較に基づく統一モデルを用いて,JNDに基づく品質尺度を再構築した。
CVVDPの指標は全体の最高性能を達成したが、CVDPを含むほとんどの指標はJPEG AI圧縮画像の品質予測において過度に楽観的であった。
論文 参考訳（メタデータ） (2025-04-07T15:16:58Z) - GS-QA: Comprehensive Quality Assessment Benchmark for Gaussian Splatting View Synthesis [4.117347527143616]
Gaussian Splatting (GS)はリアルタイム3DシーンレンダリングのためのNeural Radiance Fields (NeRF)に代わる有望な代替手段を提供する。
GSは、NeRFで使用されるニューラルネットワークアプローチと比較して、レンダリング時間の短縮とメモリ消費の削減を実現している。
本稿では,複数の静的GS法による合成映像の評価を目的とした主観的品質評価研究について述べる。
論文 参考訳（メタデータ） (2025-02-18T17:46:57Z) - A Benchmark for Gaussian Splatting Compression and Quality Assessment Study [16.995549853958998]
まず、グラフベース圧縮(GGSC)と呼ばれる、単純で効果的なデータ圧縮アンカーを提案する。
GGSCはグラフ信号処理理論にインスパイアされ、2つの分岐を使って原始中心と属性を圧縮する。
GGSSは従来のGS圧縮を探求する最初の研究であり、典型的な圧縮操作に対応するGS歪み特性を明らかにする利点がある。
論文 参考訳（メタデータ） (2024-07-19T10:49:07Z) - Full-reference Point Cloud Quality Assessment Using Spectral Graph Wavelets [29.126056066012264]
3Dアプリケーションにおけるポイントクラウドは、しばしば、スキャンや圧縮などの処理中に品質劣化を経験する。
本稿ではスペクトルグラフウェーブレット(SGW)を用いた全参照(FR)PCQA法を提案する。
我々の知る限り、PCQA向けのSGWを紹介する最初の研究である。
論文 参考訳（メタデータ） (2024-06-14T06:59:54Z) - CrAM: A Compression-Aware Minimizer [103.29159003723815]
本稿では、CrAMと呼ばれる新しい圧縮対応最小化器を提案し、最適化ステップを原則的に修正する。
CrAMは、標準のSGD/アダムベースベースラインよりも精度が高い密度のモデルを生成するが、重量計算では安定である。
CrAMは、転送学習のためにうまく機能するスパースモデルを生成することができ、GPUハードウェアでサポートされている半構造化の2:4プルーニングパターンでも機能する。
論文 参考訳（メタデータ） (2022-07-28T16:13:28Z) - Study on the Assessment of the Quality of Experience of Streaming Video [117.44028458220427]
本稿では,ストリーミング映像のQoEの主観的推定に対する様々な客観的要因の影響について検討する。
本論文では標準的および手作り的特徴を示し,その相関とp値を示す。
SQoE-IIIデータベースは、これまでで最大の、そして最も現実的なデータベースだ。
論文 参考訳（メタデータ） (2020-12-08T18:46:09Z) - Reduced Reference Perceptual Quality Model and Application to Rate
Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。
本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。
400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。
また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文 参考訳（メタデータ） (2020-11-25T12:42:02Z)
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。