본 논문은 3D 가우시안 스플래팅(3DGS) 모델의 대용량 저장 문제를 해결하기 위한 해시 그리드 기반 컨텍스트 모델링 기법을 제안한다.
3DGS는 학습 가능한 가우시안을 사용하여 3D 공간을 직접적으로 표현하고, 차별화된 렌더링 속도와 높은 사실감을 제공한다. 그러나 수백만 개의 가우시안과 관련 속성을 저장해야 하는 문제가 있다.
기존 압축 기법들은 주로 가우시안 파라미터의 "값"에만 집중하여 압축을 수행했지만, 이는 구조적 중복성을 충분히 활용하지 못했다. 이에 본 연구는 가우시안 간 공간적 관계를 모델링하기 위해 구조화된 해시 그리드를 활용한다.
구체적으로, 앵커 기반 3DGS 모델인 Scaffold-GS를 기반으로 하여, 앵커 위치에서 보간된 해시 특징을 활용해 앵커 속성의 확률 분포를 예측한다. 이를 통해 엔트로피 코딩 시 효과적으로 비트 소비를 줄일 수 있다. 또한 적응형 양자화 모듈과 마스킹 기법을 도입하여 추가적인 압축 성능 향상을 달성한다.
실험 결과, 본 기법은 기존 3DGS 대비 75배, Scaffold-GS 대비 11배 압축 성능을 보이면서도 렌더링 품질을 유지하거나 향상시킬 수 있다. 이를 통해 3DGS 모델의 대용량 저장 문제를 효과적으로 해결할 수 있다.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies