RDCompGS: Rate-Distortion Optimization for Compression of 3D Gaussian Splatting with Image Codecs

📄 arXiv: 2610.19538v1 📥 PDF

作者: Huiping Ren, Shuai Wan, Luqian Bai, Zhang Chen, Fuzheng Yang

分类: cs.CV

发布日期: 2026-10-14

备注: This manuscript has been submitted to IEEE Transactions on Multimedia (TMM)

💡 一句话要点

提出RDCompGS以解决3D高斯点云压缩中的率失真优化问题

🎯 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 率失真优化 图像编码 虚拟现实 增强现实 计算机图形学

📋 核心要点

  1. 现有的3D高斯点云压缩方法在处理不同编码率的高斯表示时未能充分考虑其差异，导致率失真性能不足。
  2. 本文提出RDCompGS，通过将可微分的编码率估计引入R-D优化，针对高斯表示的压缩进行整体优化。
  3. 实验结果显示，RDCompGS在H.265/HEVC和JPEG XL编码下，分别实现了37.84%和49.31%的率降低，显示出良好的压缩性能。

📝 摘要（中文）

3D高斯点云（3DGS）能够实现高质量的实时新视图合成，但在存储和传输资源上需求巨大。将高斯属性映射到2D表示形式可以利用成熟的图像编码器进行高效压缩。然而，现有方法在优化过程中对不同编码率的高斯表示处理相似，导致压缩后的率失真（R-D）性能有限。为了解决这一问题，本文提出了RDCompGS，一种针对高斯表示的整体R-D优化的3DGS压缩方法。该方法将可微分的编码率估计纳入R-D优化中，并通过率约束调整模型进一步调节不同压缩条件下的R-D权衡。大量实验表明，RDCompGS在H.265/HEVC和JPEG XL编码下，平均实现了37.84%和49.31%的Bjøntegaard Delta Rate降低。

🔬 方法详解

问题定义：本文旨在解决3D高斯点云压缩中率失真优化不足的问题。现有方法在优化过程中对不同编码率的高斯表示处理相似，导致压缩后的性能不理想。

核心思路：RDCompGS的核心思路是将可微分的编码率估计纳入R-D优化框架中，结合渲染失真进行整体优化，从而提升压缩效率。

技术框架：该方法的整体架构包括高斯属性的2D映射、可微分编码率估计模块和率约束调整模型，形成一个闭环的优化流程。

关键创新：RDCompGS的主要创新在于引入了可微分的编码率估计，使得在优化过程中能够更精确地调节不同高斯表示的R-D权衡，显著提升了压缩性能。

关键设计：在设计中，采用了特定的损失函数来平衡渲染失真与编码率，同时在不同压缩条件下调整率约束，以实现最佳的压缩效果。具体的网络结构和参数设置在实验中经过调优，以确保性能的最优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，RDCompGS在H.265/HEVC和JPEG XL编码下，分别实现了37.84%和49.31%的Bjøntegaard Delta Rate降低，显著优于现有的压缩方法，展示了其在不同压缩条件下的强大性能。

🎯 应用场景

该研究的潜在应用领域包括虚拟现实、增强现实以及计算机图形学等需要高效3D数据传输和存储的场景。通过提升3D高斯点云的压缩效率，RDCompGS能够在实时渲染和传输中提供更高的质量和更低的带宽需求，具有重要的实际价值和未来影响。

📄 摘要（原文）

3D Gaussian Splatting (3DGS) enables high-quality, real-time novel view synthesis but requires significant storage and transmission resources. Mapping Gaussian attributes to 2D representations enables efficient compression using mature image codecs. However, Gaussian representations that achieve comparable rendering quality are generally treated similarly during optimization, despite substantial differences in coding rate, leading to limited rate-distortion (R-D) performance after compression. To address this limitation, we propose RDCompGS, a 3DGS compression method that enables overall R-D optimization of Gaussian representations with respect to subsequent coding. A differentiable estimate of the coding rate is incorporated into the R-D optimization with rendering distortion. The rate constraint adjustment model further regulates the R-D trade-off across different compression conditions. Extensive experiments on three benchmark datasets demonstrate that RDCompGS achieves average Bjøntegaard Delta Rate reductions of 37.84% and 49.31% with H.265/HEVC and JPEG XL, respectively. The estimated rate also shows a strong correlation with the actual bit-rate under different compression conditions.