Optimización Mínima de Proyección Gaussiana 4D

Resumen

El 4D Gaussian Splatting ha surgido como un nuevo paradigma para la representación de escenas dinámicas, permitiendo la renderización en tiempo real de escenas con movimientos complejos. Sin embargo, enfrenta un desafío importante en cuanto al sobrecosto de almacenamiento, ya que se requieren millones de Gaussianas para una reconstrucción de alta fidelidad. Aunque varios estudios han intentado aliviar esta carga de memoria, aún enfrentan limitaciones en la tasa de compresión o la calidad visual. En este trabajo, presentamos OMG4 (Optimized Minimal 4D Gaussian Splatting), un marco que construye un conjunto compacto de Gaussianas destacadas capaces de representar fielmente modelos 4D Gaussianos. Nuestro método poda progresivamente las Gaussianas en tres etapas: (1) Muestreo de Gaussianas para identificar primitivas críticas para la fidelidad de la reconstrucción, (2) Poda de Gaussianas para eliminar redundancias, y (3) Fusión de Gaussianas para combinar primitivas con características similares. Además, integramos compresión implícita de apariencia y generalizamos la Cuantización de Sub-Vectores (SVQ) a representaciones 4D, reduciendo aún más el almacenamiento mientras se preserva la calidad. Experimentos exhaustivos en conjuntos de datos de referencia estándar demuestran que OMG4 supera significativamente a los métodos más recientes de vanguardia, reduciendo los tamaños de los modelos en más del 60% mientras mantiene la calidad de la reconstrucción. Estos resultados posicionan a OMG4 como un avance significativo en la representación compacta de escenas 4D, abriendo nuevas posibilidades para una amplia gama de aplicaciones. Nuestro código fuente está disponible en https://minshirley.github.io/OMG4/.

English

4D Gaussian Splatting has emerged as a new paradigm for dynamic scene representation, enabling real-time rendering of scenes with complex motions. However, it faces a major challenge of storage overhead, as millions of Gaussians are required for high-fidelity reconstruction. While several studies have attempted to alleviate this memory burden, they still face limitations in compression ratio or visual quality. In this work, we present OMG4 (Optimized Minimal 4D Gaussian Splatting), a framework that constructs a compact set of salient Gaussians capable of faithfully representing 4D Gaussian models. Our method progressively prunes Gaussians in three stages: (1) Gaussian Sampling to identify primitives critical to reconstruction fidelity, (2) Gaussian Pruning to remove redundancies, and (3) Gaussian Merging to fuse primitives with similar characteristics. In addition, we integrate implicit appearance compression and generalize Sub-Vector Quantization (SVQ) to 4D representations, further reducing storage while preserving quality. Extensive experiments on standard benchmark datasets demonstrate that OMG4 significantly outperforms recent state-of-the-art methods, reducing model sizes by over 60% while maintaining reconstruction quality. These results position OMG4 as a significant step forward in compact 4D scene representation, opening new possibilities for a wide range of applications. Our source code is available at https://minshirley.github.io/OMG4/.