HAC：ハッシュグリッド支援型コンテキストによる3Dガウシアンスプラッティング圧縮

3Dガウススプラッティング（3DGS）は、高い忠実度を維持しつつ高速なレンダリングを実現する点で、新視点合成のための有望なフレームワークとして注目を集めています。しかし、膨大な数のガウス関数およびそれらに付随する属性情報のため、効果的な圧縮技術の導入が不可欠です。一方で、ガウス関数（本論文ではアンカーと呼ぶ）の点群は疎で非構造的な性質を有しており、これにより圧縮に課題が生じます。この問題に対処するため、本研究では非構造的なアンカーと構造化されたハッシュグリッドの間の関係性に着目し、両者の相互情報を利用したコンテキストモデリングを実現する。これにより、ハッシュグリッド支援型コンテキスト（HAC）フレームワークを提案し、高密度な3DGS表現の圧縮を実現しました。本手法では、連続的な空間的一貫性を確保するためのバイナリハッシュグリッドを導入し、適切に設計されたコンテキストモデルを通じてアンカーの内在的な空間的関係を明確にしました。さらに、エントロピー符号化を効率化するため、各量子化された属性の確率分布をガウス分布を用いて高精度に推定する手法を採用。これに加え、高精度な量子化を可能にするための適応型量子化モジュールを提案し、再構成忠実度の向上を図りました。また、無効なガウス関数やアンカーを除去するための適応型マスキング戦略を導入しています。本研究は、3DGS表現に対するコンテキストベースの圧縮を初めて探求した画期的な取り組みであり、従来の3DGS（vanilla 3DGS）と比較して、サイズを75倍以上も削減する成果を達成。同時に、忠実度の向上も実現し、最先端の3DGS圧縮手法Scaffold-GSと比較しても11倍以上のサイズ削減を実現しました。本研究のコードは以下より公開されています：https://github.com/YihangChen-ee/HAC