Para peneliti menyajikan Cluster-Guided Vector Quantization (CGVQ), sebuah metode yang dirancang untuk meningkatkan kinerja laju-distorsi pada kompresi gambar berbasis primitif Gauss. Pendekatan ini mempartisi parameter Gauss menjadi kelompok-kelompok homogen sebelum kuantisasi, mengatasi inefisiensi yang disebabkan oleh penyimpanan sejumlah besar parameter floating-point per primitif.
- CGVQ mengurangi bit per piksel (bpp) sebesar 20% dibandingkan dengan metode dasar.
- Teknik ini mempertahankan kualitas visual yang setara meskipun terdapat pengurangan signifikan pada ukuran data.
- Metode ini memanfaatkan pengelompokan untuk memungkinkan efisiensi kompresi yang lebih tinggi dan rekonstruksi parameter yang akurat.
Peningkatan ini memungkinkan penyimpanan konten gambar berketajaman tinggi yang lebih efisien yang direpresentasikan oleh primitif parametrik yang ringkas.