ChatPaper.aiChatPaper

Уверенное размытие: сжатие 3D-гауссовых размытий на основе уверенности с использованием обучаемых бета-распределений

Confident Splatting: Confidence-Based Compression of 3D Gaussian Splatting via Learnable Beta Distributions

June 28, 2025
Авторы: AmirHossein Naghi Razlighi, Elaheh Badali Golezani, Shohreh Kasaei
cs.AI

Аннотация

3D Gaussian Splatting обеспечивает высококачественную рендеринг в реальном времени, но часто создает миллионы сплатов, что приводит к чрезмерным затратам на хранение и вычисления. Мы предлагаем новый метод сжатия с потерями, основанный на обучаемых оценках уверенности, смоделированных как бета-распределения. Уверенность каждого сплата оптимизируется с помощью потерь, учитывающих реконструкцию, что позволяет удалять сплаты с низкой уверенностью, сохраняя при этом визуальное качество. Предложенный подход не зависит от архитектуры и может быть применен к любой вариации Gaussian Splatting. Кроме того, средние значения уверенности служат новой метрикой для оценки качества сцены. Многочисленные эксперименты демонстрируют благоприятные компромиссы между сжатием и качеством по сравнению с предыдущими работами. Наш код и данные доступны по адресу https://github.com/amirhossein-razlighi/Confident-Splatting.
English
3D Gaussian Splatting enables high-quality real-time rendering but often produces millions of splats, resulting in excessive storage and computational overhead. We propose a novel lossy compression method based on learnable confidence scores modeled as Beta distributions. Each splat's confidence is optimized through reconstruction-aware losses, enabling pruning of low-confidence splats while preserving visual fidelity. The proposed approach is architecture-agnostic and can be applied to any Gaussian Splatting variant. In addition, the average confidence values serve as a new metric to assess the quality of the scene. Extensive experiments demonstrate favorable trade-offs between compression and fidelity compared to prior work. Our code and data are publicly available at https://github.com/amirhossein-razlighi/Confident-Splatting
PDF11July 2, 2025