Los investigadores presentan Cluster-Guided Vector Quantization (CGVQ), un método diseñado para mejorar el rendimiento de tasa-distorsión en la compresión de imágenes basada en primitivas gaussianas. El enfoque particiona los parámetros de Gaussiana en grupos homogéneos antes de la cuantización, abordando la ineficiencia causada por almacenar grandes cantidades de parámetros de punto flotante por primitiva.

  • CGVQ disminuye los bits por píxel (bpp) en un 20% en comparación con el método base.
  • La técnica mantiene una calidad visual comparable a pesar de la reducción significativa en el tamaño de los datos.
  • El método aprovecha la agrupación para permitir una mayor eficiencia de compresión y una reconucción precisa de parámetros.

Esta mejora permite un almacenamiento más eficiente del contenido de imágenes de alta fidelidad representado por primitivas paramétricas compactas.