Исследователи представляют Cluster-Guided Vector Quantization (CGVQ), метод, разработанный для улучшения показателей rate-distortion в сжатии изображений на основе гауссовых примитивов. Подход разделяет параметры Гаусса на однородные группы перед квантованием, устраняя неэффективность, вызванную хранением большого количества параметров с плавающей запятой для каждого примитива.
- CGVQ уменьшает количество бит на пиксель (bpp) на 20% по сравнению с базовым методом.
- Техника сохраняет визуальное качество на том же уровне, несмотря на значительное сокращение объема данных.
- Метод использует кластеризацию для обеспечения более высокой эффективности сжатия и точной реконструкции параметров.
Это улучшение позволяет более эффективно хранить высокодетализированное содержимое изображений, представленное компактными параметрическими примитивами.