論文の概要: CaliSplat: Sparse Gaussian Fitting and Calibrated Rate Allocation for Image Compression

• arxiv url: http://arxiv.org/abs/2611.04413v1
• Date: Tue, 03 Nov 2026 06:50:17 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:48:07.769482
• Title: CaliSplat: Sparse Gaussian Fitting and Calibrated Rate Allocation for Image Compression
• Title（参考訳）: CaliSplat:画像圧縮のためのスパースガウスフィッティングとキャリブレーションレートアロケーション
• Abstract要約: 最適化効率の良いガウス画像であるCaliSplatを導入し、候補表現を選択的に探索し、制約付きガウス予算をグローバルに割り当てる。 標準および大規模画像データセット全体で、CaliSplatは、競合または優れたレート歪み性能を達成し、画像ごとのフィッティング時間を代表のガウスコーデックと比較すると、$3.0times$--15.7times$に短縮する。
• 参考スコア（独自算出の注目度）: 9.043145303674844
• License:
• Abstract: 2D Gaussian representations provide an explicit and lightweight alternative for image representation, enabling fast deterministic decoding without a heavy neural synthesis network. However, existing per-image Gaussian codecs still require costly image-specific optimization to determine how limited Gaussian capacity should be distributed across heterogeneous regions. We introduce CaliSplat, an optimization-efficient Gaussian image codec that selectively explores candidate representations and globally allocates a constrained Gaussian budget. We exploit the closed-form reconstruction error of the single-Gaussian case as an inexpensive measure of local difficulty, fitting higher-capacity candidates only in regions where additional Gaussians are likely to be useful. To reduce selection errors caused by mismatched convergence rates across candidate sizes, a small set of longer-horizon fits is used to calibrate short-horizon distortion estimates before global budget-aware selection. The selected representation is then compressed into a bitstream. Across standard and large image datasets, CaliSplat achieves competitive or superior rate--distortion performance while reducing per-image fitting time by $3.0\times$--$15.7\times$ compared with representative Gaussian codecs. It further maintains high-throughput deterministic decoding at $175.9$--$478.2$~MP/s. These results demonstrate that content-adaptive Gaussian compression can substantially reduce per-image optimization cost while preserving strong reconstruction quality and efficient explicit decoding.
• Abstract（参考訳）: 2Dガウス表現は、画像表現の明示的で軽量な代替手段を提供し、重いニューラルネットワークを使わずに高速な決定論的復号を可能にする。 しかし、既存の画像ごとのガウスコーデックは、ヘテロジニアス領域に限られたガウス容量を分散させるには、画像固有の最適化が必要である。 最適化効率の良いガウス画像コーデックであるCaliSplatを導入し、候補表現を選択的に探索し、制約付きガウス予算をグローバルに割り当てる。 単一ガウスのケースの閉形式復元誤差を,局所的難易度の安価な尺度として利用し,さらにガウスが有用と考えられる地域のみに高容量候補を適合させる。 候補サイズ間でのミスマッチ収束率による選択誤差を低減するため,グローバルな予算対応選択の前に,短時間水平歪み推定をキャリブレーションするために,より長い水平フィットのセットを用いる。 選択された表現は、ビットストリームに圧縮される。 CaliSplatは、標準および大規模な画像データセット全体にわたって、競合または優れたレート歪み性能を達成し、画像ごとのフィッティング時間を代表のガウスコーデックと比較すると、$3.0\times$--$15.7\times$で削減する。 さらに175.9$-$478.2$~MP/sの高スループット決定性復号も維持している。 これらの結果から、コンテント適応型ガウス圧縮は、強い再構成品質と効率的な明示的復号を保ちながら、画像ごとの最適化コストを大幅に削減できることが示された。

関連論文リスト

• Frequency-Adaptive Gaussian Grids for Efficient Image Representation [11.375414367851365]
  本稿では,構造化プリミティブと非構造化プリミティブを適応的に統合するハイブリッドニューラル表現であるGaussian-Gridを提案する。 我々は、GPUネイティブなデータセットストレージとして、デコード速度の改善とPCIeデータトラフィックの2,3times$-$176times$ over JPEG + ZIP data archivingを示す。
  論文  参考訳（メタデータ） (2026-10-27T21:57:45Z)
• Locality-Aware Density Control for Efficient Gaussian-based Image Representation [46.781101663441554]
  2次元ガウススプラッティングは、その明示的な定式化、高速化、良好な復号効率により、画像表現の魅力的な方向である。 既存の手法では最適化中に効率よくガウスの容量を割り当てることができない。 そこで我々は, 局所性認識密度制御 (LocoADC) を提案し, 過度に再構成された領域における不十分な割り当てと過度に再構成された領域における冗長な割り当てに対処する。
  論文  参考訳（メタデータ） (2026-07-20T12:44:12Z)
• GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
  3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。 大量のガウス点があるため、高いメモリコストに制約される。 コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
  論文  参考訳（メタデータ） (2026-04-02T10:41:51Z)
• Second-order Optimization of Gaussian Splats with Importance Sampling [51.95046424364725]
  3D Gaussian Splatting (3DGS) は、高品質で高速な推論時間のため、新しいビューレンダリングに広く用いられている。 本稿では,Levenberg-Marquardt (LM) と Conjugate Gradient (CG) に基づく新しい2階最適化手法を提案する。 提案手法は標準LMよりも3倍の高速化を実現し,ガウス数が少ない場合のAdamを6倍の6倍の速さで上回る。
  論文  参考訳（メタデータ） (2025-04-17T12:52:08Z)
• Optimized Minimal 3D Gaussian Splatting [36.53860885419386]
  3D Gaussian Splatting (3DGS) はリアルタイム・ハイパフォーマンスレンダリングの強力な表現として登場した。 多数の明示的なガウスプリミティブによる3Dシーンの表現は、大きなストレージとメモリオーバーヘッドを課す。 プリミティブ間の連続性と不規則性の両方を効率的にキャプチャする,コンパクトで正確な属性表現を提案する。
  論文  参考訳（メタデータ） (2025-03-21T07:41:45Z)
• HAC++: Towards 100X Compression of 3D Gaussian Splatting [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、高速レンダリング速度と高忠実さを誇っている。 しかし、ガウスの点雲(あるいは論文のアンカー)のスパースで非組織的な性質は、圧縮の課題を提起している。 本研究では,非組織型アンカーと構造化ハッシュグリッドの関係を利用したHAC++を提案する。
  論文  参考訳（メタデータ） (2025-01-21T16:23:05Z)
• CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
  Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。 我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。 実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
  論文  参考訳（メタデータ） (2024-04-15T04:50:39Z)

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。