PLEDGE: Progressive Lossy Error-Bounded Compression of 3D Gaussian Splatting

📄 arXiv: 2610.17605v1 📥 PDF

作者: Mingze Xia, Yuxiao Li, Baixi Sun, Wenbo Li, Pu Jiao, Sheng Di, Franck Cappello, Hanqi Guo, Xin Liang

分类: cs.CV

发布日期: 2026-10-13

💡 一句话要点

提出PLEDGE以解决3D高斯点云压缩中的失真控制问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 3D高斯点云 压缩算法 失真控制 渐进式编码 计算机视觉 虚拟现实 图形处理

📋 核心要点

  1. 现有3D高斯点云编码方法在压缩后缺乏对单个原始体失真的有效控制，限制了用户的灵活性。
  2. PLEDGE通过用户声明的容忍度定义量化界限，允许在不同视点下保持压缩质量，且无需训练。
  3. 实验结果表明，PLEDGE在多个场景中验证了其错误界限，并在率失真性能上表现出竞争力。

📝 摘要（中文）

现有的3D高斯点云编码器在压缩后仅报告重建质量，用户对单个原始体的失真控制能力有限。本文提出PLEDGE，一种无训练、渐进式、错误界限压缩编码器，将四个用户声明的容忍度转化为每个原始体的量化界限。这些界限涵盖了屏幕空间位置、因旋转和缩放导致的足迹变形、视角依赖的颜色和不透明度，适用于声明的相机域，包括先前未见的视点。PLEDGE将量化残差组织成具有明确错误界限的渐进比特流。实验验证了所有声明的机制界限，并展示了竞争性的率失真性能。

🔬 方法详解

问题定义：现有的3D高斯点云编码方法在压缩后仅能提供整体重建质量，用户无法有效控制单个原始体的失真，导致应用灵活性不足。

核心思路：PLEDGE通过用户定义的四个容忍度（位置、足迹变形、颜色和不透明度）来设定每个原始体的量化界限，从而实现更精细的失真控制。

技术框架：PLEDGE的整体架构包括用户输入的容忍度、量化界限的计算、量化残差的生成及其组织成渐进比特流的过程，确保在不同视点下的压缩质量。

关键创新：PLEDGE的主要创新在于其无训练的设计和渐进式的错误界限控制，允许用户在不同的应用场景中灵活调整压缩参数，显著区别于传统方法。

关键设计：在设计中，PLEDGE直接对位置和不透明度进行界限控制，足迹变形则基于光栅化的仿射投影模型进行界限设定，颜色则在所有视角下进行界限控制，确保了压缩的灵活性和有效性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，PLEDGE在十三个场景中验证了所有声明的错误界限，并在率失真性能上与现有方法相比具有竞争力，用户可以根据不同容忍度灵活调整压缩率，显著提升了压缩效率。

🎯 应用场景

PLEDGE在3D图形处理、虚拟现实和游戏开发等领域具有广泛的应用潜力。通过提供用户对失真控制的灵活性，该方法可以优化存储和传输效率，提升用户体验，未来可能推动更高效的3D数据处理技术的发展。

📄 摘要（原文）

Existing 3D Gaussian Splatting (3DGS) codecs report reconstruction quality after compression, and give users little control over the distortion of individual primitives. We present PLEDGE, a training-free, progressive, error-bounded codec that translates four user-declared tolerances into per-primitive quantization bounds: screen-space position, footprint deformation due to rotation and scale, view-dependent color, and opacity. The bounds apply throughout a declared camera domain, including previously unseen viewpoints. Position and opacity are bounded directly; footprint deformation is bounded under the rasterizer's affine projection model, and color is bounded over all viewing directions. PLEDGE organizes quantized residuals into a progressive bitstream with explicit error bounds for every valid prefix. Experiments across thirteen scenes verify all declared per-mechanism bounds and demonstrate competitive rate-distortion performance. The four tolerances incur substantially different rate costs, so users can spend rate where their application needs it.