Pesquisadores apresentam o Cluster-Guided Vector Quantization (CGVQ), um método projetado para melhorar o desempenho de taxa-distorção na compressão de imagens baseada em primitivas gaussianas. A abordagem particiona os parâmetros de Gaussiana em grupos homogêneos antes da quantização, abordando a ineficiência causada pelo armazenamento de grandes números de parámetros de ponto flutuante por primitiva.

  • O CGVQ diminui os bits por pixel (bpp) em 20% em comparação com o método base.
  • A técnica mantém a qualidade visual equivalente apesar da redução significativa no tamanho dos dados.
  • O método utiliza agrupamento para permitir maior eficiência de compressão e reconstrução precisa de parâmetros.

Essa melhoria permite um armazenamento mais eficiente de conteúdo de imagens de alta fidelidade representado por primitivas paramétricas compactas.