SUCCESS-GS: Estudio de la Compacidad y Compresión para el Renderizado Eficiente de Splats Gaussianos Estáticos y Dinámicos
SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting
December 8, 2025
Autores: Seokhyun Youn, Soohyun Lee, Geonho Kim, Weeyoung Kwon, Sung-Ho Bae, Jihyong Oh
cs.AI
Resumen
El Splatting Gaussiano 3D (3DGS) ha surgido como una poderosa representación explícita que permite la reconstrucción 3D en tiempo real y de alta fidelidad, así como la síntesis de nuevas vistas. Sin embargo, su uso práctico se ve obstaculizado por las enormes demandas de memoria y computación necesarias para almacenar y renderizar millones de gaussianas. Estos desafíos se vuelven aún más severos en escenas dinámicas 4D. Para abordar estos problemas, el campo del Splatting Gaussiano Eficiente ha evolucionado rápidamente, proponiendo métodos que reducen la redundancia preservando la calidad de la reconstrucción. Esta revisión proporciona la primera visión unificada de las técnicas eficientes de Splatting Gaussiano en 3D y 4D. Tanto para entornos 3D como 4D, categorizamos sistemáticamente los métodos existentes en dos direcciones principales, Compresión de Parámetros y Compresión por Reestructuración, y resumimos exhaustivamente las ideas centrales y las tendencias metodológicas dentro de cada categoría. Además, cubrimos conjuntos de datos ampliamente utilizados, métricas de evaluación y comparativas representativas de benchmarks. Finalmente, discutimos las limitaciones actuales y esbozamos direcciones de investigación prometedoras hacia un Splatting Gaussiano escalable, compacto y en tiempo real para la representación de escenas 3D tanto estáticas como dinámicas.
English
3D Gaussian Splatting (3DGS) has emerged as a powerful explicit representation enabling real-time, high-fidelity 3D reconstruction and novel view synthesis. However, its practical use is hindered by the massive memory and computational demands required to store and render millions of Gaussians. These challenges become even more severe in 4D dynamic scenes. To address these issues, the field of Efficient Gaussian Splatting has rapidly evolved, proposing methods that reduce redundancy while preserving reconstruction quality. This survey provides the first unified overview of efficient 3D and 4D Gaussian Splatting techniques. For both 3D and 4D settings, we systematically categorize existing methods into two major directions, Parameter Compression and Restructuring Compression, and comprehensively summarize the core ideas and methodological trends within each category. We further cover widely used datasets, evaluation metrics, and representative benchmark comparisons. Finally, we discuss current limitations and outline promising research directions toward scalable, compact, and real-time Gaussian Splatting for both static and dynamic 3D scene representation.