CompGS: Kleinere und schnellere Gaussian Splatting durch Vektorquantisierung

3D-Gauß-Splatting (3DGS) ist eine neue Methode zur Modellierung und Darstellung von 3D-Blickfeldern, die im Vergleich zu state-of-the-art (SOTA)-NeRF-Verfahren deutlich schnellere Lern- und Darstellungszeiten ermöglicht. Allerdings birgt sie den Nachteil einer erheblich höheren Speicheraufwendigkeit im Vergleich zu NeRF-Methoden, da für mehrere 3D-Gauß-Verteilungen deren Parameter gespeichert werden müssen. Wir beobachten, dass viele Gauß-Verteilungen ähnliche Parameter aufweisen, weshalb wir eine einfache Vektorquantisierungsmethode basierend auf K-Means einführen, um die Gauß-Parameter während des Optimierungsprozesses zu quantisieren. Anschließend speichern wir lediglich das kleine Codebuch sowie den Index des zugehörigen Codes für jede Gauß-Verteilung. Die Indizes werden zusätzlich durch Sortierung und eine Methode, die der Laufzeitcodierung (run-length encoding) ähnelt, weiter komprimiert. Zudem verwenden wir einen einfachen Regularisierer, um eine Opazität von null (unsichtbare Gauß-Verteilungen) zu fördern, was die Speicheranforderungen und die Darstellungszeit erheblich reduziert, indem die Anzahl der Gauß-Verteilungen verringert wird. Wir führen umfangreiche Experimente auf Standardbenchmarks sowie auf einer bestehenden 3D-Datensammlung durch, die um eine Größenordnung größer ist als die in diesem Forschungsbereich üblichen Benchmarks. Unsere Ergebnisse zeigen, dass unsere einfache, jedoch effektive Methode die Speicherkosten für 3DGS um den Faktor 40 bis 50 und die Darstellungszeit um den Faktor 2 bis 3 reduzieren kann, wobei die Qualität der dargestellten Bilder nur geringfügig abnimmt.