TED-4DGS: Временная активация и основанная на эмбеддингах деформация для сжатия 4DGS
TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression
December 5, 2025
Авторы: Cheng-Yuan Ho, He-Bi Yang, Jui-Chiu Chiang, Yu-Lun Liu, Wen-Hsiao Peng
cs.AI
Аннотация
Опираясь на успех метода 3D Gaussian Splatting (3DGS) в представлении статических 3D-сцен, его расширение для динамических сцен, часто обозначаемое как 4DGS или динамический 3DGS, привлекает все больше внимания. Однако проектирование более компактных и эффективных схем деформации в сочетании с оптимизированными по критерию "скорость-искажение" стратегиями сжатия для динамических 3DGS-представлений остается малоизученной областью. Существующие методы либо полагаются на пространственно-временной 4DGS с избыточно заданными, короткоживущими гауссовыми примитивами, либо на канонический 3DGS с деформацией, лишенной явного временного контроля. Для решения этой проблемы мы представляем TED-4DGS — схему деформации на основе временной активации и векторных представлений (эмбеддингов), предназначенную для оптимизированного по критерию "скорость-искажение" сжатия 4DGS, которая объединяет преимущества обоих подходов. TED-4DGS построена на разреженном 3DGS-представлении с использованием якорей. Каждому каноническому якорю назначаются обучаемые параметры временной активации, определяющие его появление и исчезновение во времени, в то время как легковесное временное векторное представление для каждого якоря запрашивает общий банк деформаций для генерации специфичной для якоря деформации. Для сжатия с учетом критерия "скорость-искажение" мы включаем гипераприор на основе неявного нейросетевого представления (INR) для моделирования распределений атрибутов якорей, а также покомпонентную авторегрессионную модель для учета внутри-якорных корреляций. Благодаря этим новым элементам наша схема достигает наилучших показателей по критерию "скорость-искажение" на нескольких наборах реальных данных. Насколько нам известно, данная работа является одним из первых исследований, направленных на создание оптимизированной по критерию "скорость-искажение" системы сжатия для динамических 3DGS-представлений.
English
Building on the success of 3D Gaussian Splatting (3DGS) in static 3D scene representation, its extension to dynamic scenes, commonly referred to as 4DGS or dynamic 3DGS, has attracted increasing attention. However, designing more compact and efficient deformation schemes together with rate-distortion-optimized compression strategies for dynamic 3DGS representations remains an underexplored area. Prior methods either rely on space-time 4DGS with overspecified, short-lived Gaussian primitives or on canonical 3DGS with deformation that lacks explicit temporal control. To address this, we present TED-4DGS, a temporally activated and embedding-based deformation scheme for rate-distortion-optimized 4DGS compression that unifies the strengths of both families. TED-4DGS is built on a sparse anchor-based 3DGS representation. Each canonical anchor is assigned learnable temporal-activation parameters to specify its appearance and disappearance transitions over time, while a lightweight per-anchor temporal embedding queries a shared deformation bank to produce anchor-specific deformation. For rate-distortion compression, we incorporate an implicit neural representation (INR)-based hyperprior to model anchor attribute distributions, along with a channel-wise autoregressive model to capture intra-anchor correlations. With these novel elements, our scheme achieves state-of-the-art rate-distortion performance on several real-world datasets. To the best of our knowledge, this work represents one of the first attempts to pursue a rate-distortion-optimized compression framework for dynamic 3DGS representations.