연구자들은 가우시안 프리미티브 기반 이미지 압축의 레이트-왜곡 성능을 개선하도록 설계된 Cluster-Guided Vector Quantization (CGVQ)를 제시합니다. 이 접근 방식은 양자화 전에 가우시안 매개변수를 동질적인 그룹으로 분할하여 프리미티브당 많은 부동 소수점 매개변수를 저장함으로써 발생하는 비효율성을 해결합니다.
- CGVQ는 기준 방법 대비 픽셀당 비트(bpp)를 20% 감소시킵니다.
- 데이터 크기가 크게 줄어듦에도 불구하고 이 기술은 동등한 시각적 품질을 유지합니다.
- 이 방법은 더 높은 압축 효율성과 정확한 매개변수 복원을 가능하게 하기 위해 클러스터링을 활용합니다.
이 개선은 컴팩트한 매개변수 프리미티브로 표현된 고품질 이미지 콘텐츠를 더 효율적으로 저장할 수 있게 합니다.