研究者らは、ガウスプリミティブベースの画像圧縮におけるレート歪み性能を向上させるために設計されたCluster-Guided Vector Quantization (CGVQ)を発表します。このアプローチは、量子化の前にガウスパラメータを均質なグループに分割し、各プリミティブあたりの大量の浮動小数点パラメータの保存による非効率性を解決します。

  • CGVQは、ベースライン手法と比較してピクセルあたりのビット数（bpp）を20%削減します。
  • データサイズの大幅な削減にもかかわらず、この技術は同等の視覚品質を維持します。
  • この手法は、より高い圧縮効率と正確なパラメータ再構築を可能にするためにクラスタリングを活用します。

この改善により、コンパクトなパラメトリックプリミティブで表される高忠実度の画像コンテンツのより効率的な保存が可能になります。