SUCCESS-GS: Indagine sulla Compattezza e Compressione per il Gaussian Splatting Statico e Dinamico Efficiente
SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting
December 8, 2025
Autori: Seokhyun Youn, Soohyun Lee, Geonho Kim, Weeyoung Kwon, Sung-Ho Bae, Jihyong Oh
cs.AI
Abstract
Il Gaussian Splatting 3D (3DGS) è emerso come una potente rappresentazione esplicita che abilita la ricostruzione 3D in tempo reale ad alta fedeltà e la sintesi di nuove viste. Tuttavia, il suo utilizzo pratico è ostacolato dalle ingenti richieste di memoria e computazionali necessarie per memorizzare e renderizzare milioni di Gaussiane. Queste sfide diventano ancora più severe nelle scene dinamiche 4D. Per affrontare questi problemi, il campo dell'Efficient Gaussian Splatting si è rapidamente evoluto, proponendo metodi che riducono la ridondanza preservando la qualità della ricostruzione. Questa rassegna fornisce la prima panoramica unificata delle tecniche efficienti di Gaussian Splatting 3D e 4D. Sia per gli scenari 3D che 4D, categorizziamo sistematicamente i metodi esistenti in due direzioni principali, Compressione dei Parametri e Compressione per Ristrutturazione, e riassumiamo in modo completo le idee centrali e le tendenze metodologiche all'interno di ogni categoria. Copriamo inoltre i dataset ampiamente utilizzati, le metriche di valutazione e i confronti rappresentativi tra benchmark. Infine, discutiamo le attuali limitazioni e delineiamo promettenti direzioni di ricerca verso un Gaussian Splatting scalabile, compatto e in tempo reale per la rappresentazione di scene 3D sia statiche che dinamiche.
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.