3Dガウシアンスプラッティング（3DGS）は、従来の最先端NeRF手法と比較して学習およびレンダリング時間が大幅に高速化される、3Dレディアンスフィールドのモデリングおよびレンダリングを実現する新しい手法である。しかしながら、複数の3Dガウシアンのパラメータを保持する必要があるため、NeRF手法と比較して格段に高いストレージ要件を伴うという欠点を有している。本研究では、多くのガウシアンが類似したパラメータを持つ傾向があることに着目し、最適化の過程でK-meansに基づくシンプルなベクトル量子化手法を導入することで、ガウシアンパラメータを量子化することを提案する。その後、各ガウシアンに対応するコードブックのインデックスを保持する。さらに、インデックスをソートし、ランレングス符号化に類似した手法を用いることで、インデックスの圧縮をさらに進めている。また、不透明度がゼロ（可視化されない）となるガウシアンを促進するための単純な正則化項を導入することで、ガウシアン数を削減し、ストレージ容量およびレンダリング時間の大幅な削減を実現している。標準ベンチマークおよび、本分野で用いられる標準ベンチマークよりも1桁大きい規模を持つ既存の3Dデータセットを用いた広範な実験を行った結果、本手法は3DGSのストレージコストを40～50倍、レンダリング時間を2～3倍削減しつつ、レンダリング画像の品質の低下を極めて小さく抑えることが明らかになった。