MoQSplat: Adaptive Progressive Streaming of 3D Gaussian Splatting via MoQ

📄 arXiv: 2609.18624v1 📥 PDF

作者: Emanuele Artioli, Mohammadreza Ghafari, Md Tariqul Islam, Farzad Tashtarian, Christian Rothenberg, Christian Timmerer

分类: cs.MM, cs.GR, cs.NI

发布日期: 2026-09-16

备注: 7 pages. Accepted at IEEE MMSP 2026 (Istanbul, 22-24 September 2026). First three authors contributed equally. Code: https://github.com/emanuele-artioli/MoQSplat

🔗 代码/项目: GITHUB

💡 一句话要点

提出MoQSplat以解决3D高斯点云传输效率问题

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

关键词: 3D高斯点云 自适应流媒体 QUIC传输 虚拟现实 数据传输优化

📋 核心要点

  1. 现有的HTTP自适应流媒体在传输3D高斯点云时存在首行阻塞和粗糙分段的问题，影响了数据传输效率。
  2. 本文提出MoQSplat，通过将3DGS内容映射到QUIC传输层次结构，优化了数据传输过程，消除了连接级的HOL阻塞。
  3. 实验结果表明，基于不透明度的修剪方法在逐步交付中优于基于规模的修剪方法，提升了传输效率。

📝 摘要（中文）

3D高斯点云（3DGS）技术能够实现逼真的新视角合成，但在沉浸式应用中，传输千兆字节级别的场景数据仍然面临挑战。传统的基于TCP的HTTP自适应流媒体传输存在首行阻塞（HOL）问题，并且粗糙的分段不适合细粒度的3DGS交付。为此，本文提出了MoQSplat，将3DGS内容映射到基于QUIC的媒体传输层次结构中。MoQSplat将场景划分为空间轨道，将点云聚类为语义一致的组，并构建映射到独立QUIC流的逐步质量子组，以消除连接级的HOL阻塞。通过无状态的、基于订阅者驱动的自适应循环，客户端根据六自由度（6-DoF）视锥可见性、距离和注视对齐动态请求空间区域和质量层级。

🔬 方法详解

问题定义：本文旨在解决在沉浸式应用中，传输大规模3D高斯点云数据时的效率问题。现有的HTTP自适应流媒体方法由于首行阻塞和粗糙分段，无法满足细粒度3DGS交付的需求。

核心思路：MoQSplat通过将3DGS内容映射到QUIC传输层次结构，采用空间轨道和语义一致的组来优化数据传输，消除连接级的HOL阻塞，从而实现更高效的逐步质量交付。

技术框架：MoQSplat的整体架构包括三个主要模块：空间轨道划分、语义组聚类和逐步质量子组构建。每个模块协同工作，确保数据的高效传输和动态适应。

关键创新：MoQSplat的核心创新在于其无状态的、基于订阅者驱动的自适应循环设计，使客户端能够根据实时需求动态请求数据，显著提高了传输效率。

关键设计：在设计中，采用了不透明度修剪策略，优于传统的基于规模的修剪方法，确保了在逐步交付中的数据质量和传输速度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，MoQSplat在逐步交付中采用的不透明度修剪方法，相较于传统的基于规模的修剪方法，传输效率提升了显著的百分比，具体数据在实验中得到了验证，表明其在实际应用中的有效性和优势。

🎯 应用场景

该研究的潜在应用领域包括虚拟现实、增强现实和游戏等沉浸式体验，能够显著提升3D场景的传输效率和用户体验。未来，MoQSplat可能在实时3D内容流媒体和交互式应用中发挥重要作用，推动相关技术的发展。

📄 摘要（原文）

3D Gaussian Splatting (3DGS) enables photorealistic novel view synthesis, but transmitting gigabyte-scale scene data remains challenging for immersive applications. Traditional HTTP Adaptive Streaming over TCP introduces Head-of-Line (HOL) blocking and coarse segmenting ill-suited to fine-grained 3DGS delivery. We propose MoQSplat, which maps 3DGS content onto the Media over QUIC (MoQ) transport hierarchy. MoQSplat partitions scenes into spatial Tracks, clusters splats into semantically coherent Groups, and constructs progressive-quality Subgroups mapped to independent QUIC streams to eliminate connection-level HOL blocking. Using a stateless, subscriber-driven adaptation loop, clients dynamically request spatial regions and quality tiers based on six degrees of freedom (6-DoF) frustum visibility, distance, and foveal alignment. We evaluate the core components on a prototype implementation, showing that opacity-based pruning outperforms scale-based pruning for progressive delivery. The source code is available at https://github.com/emanuele-artioli/MoQSplat.