SUCCESS-GS: 効率的な静的・動的ガウススプラッティングのためのコンパクト性と圧縮に関する調査

要旨

3Dガウシアンスプラッティング（3DGS）は、リアルタイムかつ高精細な3次元再構成および新視点合成を可能とする強力な明示的表現として登場した。しかし、数百万ものガウシアンを保存・レンダリングするために必要な膨大なメモリと計算コストが実用上の障壁となっている。これらの課題は、4次元動的シーンにおいてさらに深刻化する。こうした問題に対処するため、再構成品質を維持しつつ冗長性を削減する手法を提案する「効率的ガウシアンスプラッティング」の分野が急速に発展している。本サーベイは、効率的な3D/4Dガウシアンスプラッティング技術について初めて統一的な概観を提供する。3Dおよび4Dの両設定において、既存手法を「パラメータ圧縮」と「構造再編成による圧縮」という二つの主要方向に体系的に分類し、各カテゴリ内の核心的な考え方と手法の潮流を包括的にまとめる。さらに、広く利用されているデータセット、評価指標、代表的なベンチマーク比較についても詳述する。最後に、静的および動的3Dシーン表現のための、スケーラブルでコンパクト、かつリアルタイムなガウシアンスプラッティングを目指した現状の限界と有望な研究方向性について議論する。

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.

SUCCESS-GS: 効率的な静的・動的ガウススプラッティングのためのコンパクト性と圧縮に関する調査

SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting

要旨

Support