論文の概要: Efficient Gaussian Splatting Sequence Compression with Standard Video Codecs
- arxiv url: http://arxiv.org/abs/2610.07795v1
- Date: Tue, 06 Oct 2026 05:43:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.83186
- Title: Efficient Gaussian Splatting Sequence Compression with Standard Video Codecs
- Title（参考訳）: 標準ビデオコーデックを用いた効率的なガウス平滑化シーケンス圧縮
- Abstract要約: 本稿では,ビデオ(GSCV)を利用した新しい有効ガウススプラッティング(GS)シーケンス圧縮法を提案する。
既存のビデオベースのGSシーケンス圧縮は、Parallel Linear Assignment Sorting (PLAS)に依存し、GSをスムーズな2Dビデオに変換するための原始情報を追跡する。
GSCVは、GSのIフレームとPフレーム間のクローズドな画像を生成するための、シンプルだが効率的なInter-PLAS手法を取り入れており、ビデオのフレーム間性能を大幅に向上させる。
- 参考スコア（独自算出の注目度）: 14.956737925112444
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel effective Gaussian Splatting (GS) sequence Compression method that utilizes the Video codec (GSCV). Existing video-based GS sequence compression relies on the Parallel Linear Assignment Sorting (PLAS) and tracked primitive information to convert GS into smooth 2D videos. However, tracked information is not available for most practical applications, and without it, using the vanilla PLAS can generate images exhibiting weak inter-frame correlation, due to its stochastic nature. GSCV incorporates a simple yet efficient Inter-PLAS method to produce close images between the I- and P-frames of GS, enhancing the inter-frame performance of video codec greatly. GSCV also realizes a new pipeline based on the state-of-the-art video codecs with high bit-depth GS images, achieving higher compressibility while simultaneously providing a higher quality upper bound. Experimental results show that the proposed GSCV exhibits obviously improved performance over MPEG video and point cloud-based anchors in GS sequence compression. The code is available at https://github.com/Qi-Yangsjtu/GSCV.
- Abstract（参考訳）: 本稿では,ビデオコーデック (GSCV) を利用したガウススティング (GS) シーケンス圧縮法を提案する。
既存のビデオベースのGSシーケンス圧縮は、Parallel Linear Assignment Sorting (PLAS)に依存し、GSをスムーズな2Dビデオに変換するための原始情報を追跡する。
しかしながら、追跡された情報は、ほとんどの実用的なアプリケーションでは利用できないため、バニラPLASを用いることで、その確率的な性質のため、フレーム間の相関が弱い画像を生成することができる。
GSCVは、GSのIフレームとPフレーム間のクローズドな画像を生成するための、シンプルだが効率的なInter-PLAS手法を取り入れ、ビデオコーデックのフレーム間性能を大幅に向上させる。
GSCVはまた、高いビット深度GS画像を持つ最先端のビデオコーデックに基づく新しいパイプラインを実現し、高い圧縮性を実現し、同時に高品質な上限を提供する。
実験の結果,提案したGSCVは,GSシーケンス圧縮におけるMPEGビデオやポイントクラウドベースのアンカーよりも明らかに性能が向上していることがわかった。
コードはhttps://github.com/Qi-Yangsjtu/GSCVで入手できる。
関連論文リスト
- Deformable 2D Gaussian Splatting for Efficient 4K Video Compression [11.054100502251975]
グループ・オブ・ピクチャーズ(GOP)を表現・圧縮するリアルタイムビデオ圧縮フレームワークを提案する。
実験により,H.265を超越したLPIPSの速度歪み特性が得られた。
本研究は,高解像度映像圧縮のための実用的なソリューションとして,ガウススプラッティングの可能性を示すものである。
論文 参考訳（メタデータ） (2026-09-12T20:18:25Z) - 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) - Lightweight 3D Gaussian Splatting Compression via Video Codec [14.735775059942709]
現在のビデオベースGS圧縮法は、3D GSを滑らかな2Dマップに変換するためにParallel Linear Assignment Sorting (PLAS)を使用する。
ビデオ(LGSCV)に基づく3D Splatting (GS)圧縮手法を提案する。
MiniPLASは柔軟で高速で、特定のブロックサイズでプリミティブをパーミュレートするように設計されている。
論文 参考訳（メタデータ） (2025-12-12T00:27:29Z) - Generative Latent Coding for Ultra-Low Bitrate Image and Video Compression [61.500904231491596]
画像圧縮とビデオ圧縮のほとんどの手法は、画素空間における変換符号化を行い、冗長性を低減する。
画像とビデオの圧縮, GLCイメージ, GLC-Video のための textbfGenerative textbfLatent textbfGLC (textbfGLC) モデルを提案する。
論文 参考訳（メタデータ） (2025-05-22T03:31:33Z) - HybridGS: High-Efficiency Gaussian Splatting Data Compression using Dual-Channel Sparse Representation and Point Cloud Encoder [15.839712865015347]
本稿では,HybridGSと呼ばれる新しい3DGS圧縮フレームワークを提案する。
コンパクトな生成と標準化されたポイントクラウドデータエンコーディングの両方を活用する。
実験結果から,現状の手法に匹敵する再現性能が得られることがわかった。
論文 参考訳（メタデータ） (2025-05-03T22:21:06Z) - High-Efficiency Neural Video Compression via Hierarchical Predictive Learning [27.41398149573729]
強化されたDeep Hierarchical Video Compression(DHVC 2.0)は、優れた圧縮性能と目覚ましい複雑さの効率を導入する。
階層的な予測符号化を使用して、各ビデオフレームをマルチスケール表現に変換する。
トランスミッションフレンドリーなプログレッシブデコーディングをサポートしており、パケットロスの存在下では特にネットワーク化されたビデオアプリケーションに有利である。
論文 参考訳（メタデータ） (2024-10-03T15:40:58Z) - ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model [77.71796503321632]
我々は3DGS表現のアンカーレベルにコンテキストモデルを導入し,バニラ3DGSと比較して100倍以上のサイズの縮小を実現した。
我々の研究は3DGS表現のためのアンカーレベルのコンテキストモデルを開拓し、バニラ3DGSに比べて100倍以上、そして最新の最先端のScaffold-GSに比べて15倍の大幅なサイズ縮小を実現した。
論文 参考訳（メタデータ） (2024-05-31T09:23:39Z) - Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG
Encoder-Decoder [73.48927855855219]
本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。
実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
論文 参考訳（メタデータ） (2022-01-27T20:20:03Z) - Learning to Improve Image Compression without Changing the Standard
Decoder [100.32492297717056]
本稿では,標準デコーダによる符号化性能向上のための学習法を提案する。
具体的には、DCT係数の分布を最適化する周波数領域事前編集法を提案する。
JPEGデコーダは変更しないので、広く使われている標準JPEGデコーダで画像を見る際には、我々のアプローチが適用可能である。
論文 参考訳（メタデータ） (2020-09-27T19:24:42Z)
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。