HAC: 해시 그리드 보조 컨텍스트를 활용한 3D 가우시안 스플래터링 압축

3D 가우시안 스플래터링(3DGS)은 높은 정확도를 유지하면서도 빠른 렌더링 속도를 자랑하는 새로운 시야 합성 프레임워크로 부상하고 있다. 그러나 방대한 수의 가우시안 및 그에 수반되는 속성들은 효과적인 압축 기법이 필요하다. 그러나 가우시안(또는 본 논문에서의 앵커)의 포인트 클라우드는 희소하고 비구조적인 특성을 지니고 있어 압축에 있어 도전 과제를 제기한다. 이를 해결하기 위해, 우리는 비구조적인 앵커와 구조화된 해시 그리드 간의 관계를 활용하여 상호 정보를 기반으로 한 맥락 모델링을 수행하고, 매우 컴팩트한 3DGS 표현을 위한 해시 그리드 보조 맥락(HAC) 프레임워크를 제안한다. 본 방법은 연속적인 공간 일관성을 확보하기 위해 이진 해시 그리드를 도입함으로써, 신중하게 설계된 맥락 모델을 통해 앵커의 내재된 공간적 관계를 드러낸다. 엔트로피 코딩을 용이하게 하기 위해, 각 양자화된 속성의 확률을 정확히 추정하기 위해 가우시안 분포를 활용하며, 고정밀 양자화를 가능하게 하는 적응형 양자화 모듈을 제안하여 복원 정확도를 향상시킨다. 더불어, 유효하지 않은 가우시안과 앵커를 제거하기 위해 적응형 마스킹 전략을 도입한다. 특히, 본 연구는 3DGS 표현에 대한 맥락 기반 압축을 탐구하는 최초의 시도로, 기존 3DGS 대비 75배 이상의 크기 감소를 달성하면서도 품질을 향상시켰으며, 기존 최고 수준의 3DGS 압축 기법인 Scaffold-GS 대비 11배 이상의 크기 감소를 이뤄냈다. 코드는 다음과 같은 링크에서 공개되어 있다: https://github.com/YihangChen-ee/HAC