Ottimizzazione del Minimal 3D Gaussian Splatting

Optimized Minimal 3D Gaussian Splatting

March 21, 2025

Autori: Joo Chan Lee, Jong Hwan Ko, Eunbyung Park

cs.AI

Abstract

Il 3D Gaussian Splatting (3DGS) è emerso come una rappresentazione potente per il rendering in tempo reale ad alte prestazioni, abilitando una vasta gamma di applicazioni. Tuttavia, rappresentare scene 3D con numerosi primitivi Gaussiani espliciti comporta un significativo sovraccarico di memoria e archiviazione. Studi recenti hanno dimostrato che è possibile ottenere rendering di alta qualità con un numero sostanzialmente ridotto di Gaussiani quando questi sono rappresentati con attributi ad alta precisione. Nonostante ciò, i metodi di compressione 3DGS esistenti si basano ancora su un numero relativamente elevato di Gaussiani, concentrandosi principalmente sulla compressione degli attributi. Questo accade perché un insieme più piccolo di Gaussiani diventa sempre più sensibile alla compressione lossy degli attributi, portando a un grave degrado della qualità. Poiché il numero di Gaussiani è direttamente legato ai costi computazionali, è essenziale ridurre efficacemente il numero di Gaussiani piuttosto che ottimizzare solo l'archiviazione. In questo articolo, proponiamo la rappresentazione Optimized Minimal Gaussians (OMG), che riduce significativamente l'archiviazione utilizzando un numero minimo di primitivi. In primo luogo, determiniamo il Gaussiano distinto da quelli vicini, minimizzando la ridondanza senza sacrificare la qualità. In secondo luogo, proponiamo una rappresentazione compatta e precisa degli attributi che cattura in modo efficiente sia la continuità che l'irregolarità tra i primitivi. Inoltre, proponiamo una tecnica di quantizzazione sub-vettoriale per migliorare la rappresentazione dell'irregolarità, mantenendo un addestramento veloce con una dimensione trascurabile del codebook. Esperimenti estensivi dimostrano che OMG riduce i requisiti di archiviazione di quasi il 50% rispetto allo stato dell'arte precedente e consente un rendering a oltre 600 FPS mantenendo un'elevata qualità di rendering. Il nostro codice sorgente è disponibile all'indirizzo https://maincold2.github.io/omg/.

English

3D Gaussian Splatting (3DGS) has emerged as a powerful representation for real-time, high-performance rendering, enabling a wide range of applications. However, representing 3D scenes with numerous explicit Gaussian primitives imposes significant storage and memory overhead. Recent studies have shown that high-quality rendering can be achieved with a substantially reduced number of Gaussians when represented with high-precision attributes. Nevertheless, existing 3DGS compression methods still rely on a relatively large number of Gaussians, focusing primarily on attribute compression. This is because a smaller set of Gaussians becomes increasingly sensitive to lossy attribute compression, leading to severe quality degradation. Since the number of Gaussians is directly tied to computational costs, it is essential to reduce the number of Gaussians effectively rather than only optimizing storage. In this paper, we propose Optimized Minimal Gaussians representation (OMG), which significantly reduces storage while using a minimal number of primitives. First, we determine the distinct Gaussian from the near ones, minimizing redundancy without sacrificing quality. Second, we propose a compact and precise attribute representation that efficiently captures both continuity and irregularity among primitives. Additionally, we propose a sub-vector quantization technique for improved irregularity representation, maintaining fast training with a negligible codebook size. Extensive experiments demonstrate that OMG reduces storage requirements by nearly 50% compared to the previous state-of-the-art and enables 600+ FPS rendering while maintaining high rendering quality. Our source code is available at https://maincold2.github.io/omg/.