SUCCESS-GS: Обзор методов компактизации и сжатия для эффективного статического и динамического сплайнинга Гаусса
SUCCESS-GS: Survey of Compactness and Compression for Efficient Static and Dynamic Gaussian Splatting
December 8, 2025
Авторы: Seokhyun Youn, Soohyun Lee, Geonho Kim, Weeyoung Kwon, Sung-Ho Bae, Jihyong Oh
cs.AI
Аннотация
Метод 3D Gaussian Splatting (3DGS) стал мощным явным представлением, обеспечивающим выполнение 3D-реконструкции и синтеза новых ракурсов в реальном времени с высокой точностью. Однако его практическое применение ограничивается значительными требованиями к памяти и вычислительным ресурсам, необходимым для хранения и визуализации миллионов гауссиан. Эти проблемы становятся еще более серьезными в 4D-сценах с динамикой. Для их решения быстро развивается направление Efficient Gaussian Splatting, предлагающее методы сокращения избыточности при сохранении качества реконструкции. Данный обзор впервые представляет единую систематизацию методов эффективного 3D и 4D Gaussian Splatting. Для 3D- и 4D-случаев мы систематически классифицируем существующие методы по двум основным направлениям — сжатие параметров и реструктуризация сжатия — и всесторонне обобщаем ключевые идеи и методологические тенденции в каждой категории. Кроме того, мы рассматриваем широко используемые наборы данных, метрики оценки и репрезентативные сравнительные тесты. В заключение обсуждаются текущие ограничения и намечаются перспективные направления исследований, нацеленные на создание масштабируемого, компактного и работающего в реальном времени Gaussian Splatting для представления как статических, так и динамических 3D-сцен.
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.