SUCCESS-GS: Onderzoek naar Compactheid en Compressie voor Efficiënte Statische en Dynamische Gaussische Splatting
SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting
December 8, 2025
Auteurs: Seokhyun Youn, Soohyun Lee, Geonho Kim, Weeyoung Kwon, Sung-Ho Bae, Jihyong Oh
cs.AI
Samenvatting
3D Gaussian Splatting (3DGS) is naar voren gekomen als een krachtige expliciete representatie die real-time, hoogwaardige 3D-reconstructie en synthese van nieuwe gezichtspunten mogelijk maakt. Het praktische gebruik ervan wordt echter belemmerd door de enorme geheugen- en rekenvereisten die nodig zijn om miljoenen Gauss-functies op te slaan en weer te geven. Deze uitdagingen worden nog groter in 4D dynamische scènes. Om deze problemen aan te pakken, heeft het vakgebied van Efficient Gaussian Splatting zich snel ontwikkeld, waarbij methoden worden voorgesteld die redundantie verminderen terwijl de reconstructiekwaliteit behouden blijft. Dit overzichtsartikel biedt de eerste verenigde samenvatting van efficiënte 3D- en 4D Gaussian Splatting-technieken. Voor zowel 3D- als 4D-scenario's categoriseren we bestaande methoden systematisch in twee hoofdrichtingen, Parametercompressie en Herschikkingscompressie, en vatten we de kernideeën en methodologische trends binnen elke categorie uitgebreid samen. Verder behandelen we veelgebruikte datasets, evaluatiemetrics en representatieve benchmarkvergelijkingen. Ten slotte bespreken we de huidige beperkingen en schetsen we veelbelovende onderzoeksrichtingen voor schaalbare, compacte en real-time Gaussian Splatting voor zowel statische als dynamische 3D-scène-representatie.
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.