本页为日语原文的AI翻译。如有出入，以日语版为准。
GSCV++：利用标准视频编解码器压缩3DGS序列的方法在arXiv发布
Qi Yang等人发布了轻量级流程GSCV++，可将3DGS的时间序列数据转换为2D图，再用现有视频编解码器进行压缩。据报告，与先前方法相比，帧内率失真改善超过20%，帧间改善超过60%。
本文由AI生成，未经人工事先审核自动发布。
- 发布日期
- 2026.11.03（当地）
- 用途
- 分发・研究・XR
- 出处
- 1条（en）（其中一手信息 1条）
要点
- 将3DGS的时间序列转换为2D图，无需修改规范，即可用标准视频编解码器压缩
- 改进预处理、3D→2D转换和压缩设置三个环节，目标是低复杂度和硬件兼容
- 与先前方法相比，帧内率失真提升超过20%，帧间超过60%（作者发布值）
发生了什么
论文《GSCV++: Lightweight 3D Gaussian Splatting Sequence Compression via Standard Video Codecs》已于2026年11月3日在arXiv发布。作者为Qi Yang、Yingzhan Xu、Kai Zhang、Li Zhang四人。
原理与内容
预处理环节的EA-SHDR会根据能量，在帧间降低球谐函数（SH）交流（AC）分量的维度。论文称，这样可构建在时间方向上稳定且紧凑的特征空间，减少后续环节的数据量和计算量。
3D→2D转换环节的P-MiniPLAS，通过基于先验信息的权重系数估计和小规模重排，生成平滑的2D特征图。作者称，与常规PLAS或Morton扫描相比，它能以更低的计算量得到更适合视频编解码器的图。
压缩环节的CA-GC，在生成坐标图时对位深进行非均匀划分，并通过选择编码单元大小来控制压缩复杂度。据称，该设计不改动编解码器规范，而是着力发挥其性能。
数据一览
| 提案方法 | GSCV++ |
|---|---|
| 对象 | 3DGS序列的压缩 |
| 预处理 | EA-SHDR（以能量自适应方式在帧间对球谐函数的AC分量进行降维） |
| 3D→2D转换 | P-MiniPLAS（基于先验信息的权重估计与小规模重排） |
| 压缩设置 | CA-GC（坐标图的非均匀位深划分，以及编码单元大小的选择） |
| 报告的改进 | 帧内率失真提升超过20%，帧间超过60%（与先前方法相比，作者发布值） |
| 速度 | 据报告，2D图生成、编码和解码均快于使用同类编解码器的先前方法 |
对实务的影响
根据现有材料，能确认的仅限于论文摘要的范围。如果该方法可以使用现有的硬件视频编解码器，动态3DGS在分发和播放时终端侧的实现负担有可能降低。不过，实际设备上的性能和画质，需要查阅论文正文或实现后才能确认。
注意事项・未确认事项
- 材料仅为arXiv摘要，数据集、对比对象、具体比特率、画质指标和速度数值均无法确认。
- 各项改善率均为作者报告值，材料中无法确认是否经过第三方验证。
- 材料中无法确认是否公开了代码和模型，以及许可证情况。
- 该论文是否经过同行评审尚未确认。
术语
- 3D Gaussian Splatting（3DGS）
- 用大量3D高斯表示场景并实现高速渲染的方法。
- 球谐函数（SH）
- 表示随视点变化的颜色的系数。AC分量指直流（基本色）以外的变化部分。
- PLAS（Parallel Linear Assignment Sorting）
- 将高斯的属性重排到2D网格中，使相近的属性彼此相邻的方法。
- 率失真
- 用于衡量数据量（比特率）与画质劣化之间平衡的指标。
出处
一手信息（发布方・论文・代码仓库）
- GSCV++: Lightweight 3D Gaussian Splatting Sequence Compression via Standard Video CodecsarXiv（arxiv.org）・en
引出本文的X帖子
- 在X上查看@vincieye的帖子x.com
本文由AI根据出处（一手信息）以日语生成，未经人工事先审核，经过与出处核对等自动检查后自动发布（关于AI的使用）。数值和规格为发布方信息，本站未独立验证。详情请查阅原文。如发现错误，请通过联系表单告知，我们将尽快确认并更正。 本页为日语原文的AI翻译。如有出入，以日语版为准。 日语原文
运营公司的服务ガウシアンスプラッティングとは（IZUTSUYA株式会社）