論文の概要: RacerGS: Residual-Autoregressive Context for 3D Gaussian Splatting Compression

• arxiv url: http://arxiv.org/abs/2610.34263v1
• Date: Sun, 25 Oct 2026 12:49:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.569297
• Title: RacerGS: Residual-Autoregressive Context for 3D Gaussian Splatting Compression
• Title（参考訳）: RacerGS:3Dガウススプティング圧縮のための残留自己回帰コンテキスト
• Abstract要約: RacerGSはコンパクトな3DGS圧縮フレームワークである。 アンカー特徴群間の因果依存性を利用したFILM変調自己回帰GRUコンテキストモデルを提案する。 RacerGSは、バニラ3DGSを150倍圧縮し、Scaffold-GSを28倍圧縮し、同等のレンダリング品質を提供する。
• 参考スコア（独自算出の注目度）: 36.203904061643954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has emerged as a promising approach for fast, high-quality novel-view rendering. However, its large parameter size remains a bottleneck for storage and transmission. We propose RacerGS, a compact 3DGS compression framework that achieves scene reconstruction at significantly reduced storage sizes with preserved fidelity. To obtain compact and spatially coherent features, we design a hash projection model that projects the anchor hash encodings into compact context features. Additionally, we introduce a FiLM-modulated autoregressive GRU context model that utilizes causal dependencies among anchor feature groups and uses recurrent hidden states to refine entropy-model parameters, improving bitrate efficiency. Furthermore, we adaptively entropy-code quantized anchor-attribute residuals relative to their context-predicted means, leveraging spatial consistency to reduce symbol entropy. Overall, RacerGS achieves more than 150x compression over vanilla 3DGS and 28x over Scaffold-GS, while providing comparable rendering quality. Extensive experiments across five datasets demonstrate that RacerGS outperforms prior 3DGS compression methods in both storage reduction and rate-distortion performance.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、高速で高品質なノベルビューレンダリングのための有望なアプローチとして登場した。 しかし、その大きなパラメータサイズは、ストレージと送信のボトルネックのままである。 そこで我々は,コンパクトな3DGS圧縮フレームワークであるRacerGSを提案する。 コンパクトで空間的に整合性のある特徴を得るため、我々は、アンカーハッシュエンコーディングをコンパクトな文脈特徴に投影するハッシュプロジェクションモデルを設計する。 さらに, アンカー特徴群間の因果依存性を利用して, エントロピーモデルパラメータを改良し, ビットレート効率を向上するFILM変調自己回帰GRUコンテキストモデルを提案する。 さらに,適応的にエントロピー符号を量子化したアンカー属性残基をそれらの文脈予測手段と比較し,空間的一貫性を活用してシンボルエントロピーを低減する。 RacerGSは、バニラ3DGSを150倍圧縮し、Scaffold-GSを28倍圧縮し、同等のレンダリング品質を提供する。 5つのデータセットにわたる大規模な実験により、RacerGSは、ストレージの削減とレート歪曲性能の両方において、以前の3DGS圧縮手法よりも優れていることが示された。

関連論文リスト

• ProGS: Towards Progressive Coding for 3D Gaussian Splatting [48.49297993424879]
  本稿では,3DGSデータをオクツリー構造に整理し,効率的なプログレッシブコーディングを実現する手法を提案する。 ProGSは、元の3DGSフォーマットと比較して、ファイルストレージの45倍の削減を実現し、同時にビジュアルパフォーマンスを10%以上改善している。
  論文  参考訳（メタデータ） (2026-03-10T14:13:43Z)
• Feed-Forward 3D Gaussian Splatting Compression with Long-Context Modeling [30.948753429414648]
  3DGSは革命的な3D表現として登場したが、その膨大なデータサイズは、広く普及するための大きな障壁となっている。 長距離相関を効果的にモデル化するフィードフォワード3DGS圧縮フレームワークを提案する。 本手法は,フィードフォワード推論における3DGSの圧縮率を20倍に設定する。
  論文  参考訳（メタデータ） (2025-11-30T12:51:43Z)
• 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)
• 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。