💻 computer science

Smol-GS: Compact Representations for Abstract 3D Gaussian Splatting

El artículo presenta Smol-GS, un método novedoso que logra una compresión de almacenamiento de órdenes de magnitud para la Splatting Gaussiana 3D mediante representaciones compactas, codificación posicional derivada de octrees y compresión entrópica, manteniendo al mismo tiempo una alta calidad de renderizado.

Autores originales: Haishan Wang, Mohammad Hassan Vali, Arno Solin

Publicado 2026-03-30

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Haishan Wang, Mohammad Hassan Vali, Arno Solin

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Imagina que quieres guardar una foto de un paisaje increíble en tu teléfono, pero en lugar de una foto plana, es un mundo 3D completo que puedes explorar desde cualquier ángulo, como si estuvieras dentro de una película.

Hasta ahora, guardar estos mundos 3D era como intentar meter un elefante en un frasco de mermelada: ocupaban muchísimo espacio (gigabytes) y hacían que tu teléfono se volviera lento o se quedara sin batería.

Los autores de este paper, Smol-GS, han inventado una forma genial de "encoger" estos mundos 3D sin perder la calidad. Aquí te explico cómo funciona con analogías sencillas:

1. El Problema: La Mochila Llena de Piedras

Imagina que el mundo 3D original (llamado 3D Gaussian Splatting) está hecho de millones de "píxeles flotantes" (llamados splats). Cada uno de estos píxeles lleva consigo una etiqueta gigante que dice: "Soy rojo, soy brillante, estoy aquí, tengo esta forma, y si te acercas, brillo de esta otra manera".

El problema: Guardar esa etiqueta gigante para cada píxel es ineficiente. Es como si tuvieras que escribir el nombre, la dirección, el color de los ojos y la comida favorita de cada persona en una ciudad, solo para saber dónde están. ¡El archivo se vuelve enorme!

2. La Solución: Smol-GS (El Mago de la Compactación)

Smol-GS es como un mago que toma esa mochila gigante y la convierte en un pequeño pañuelo, pero sin que el mundo 3D se vea borroso. Lo hace en tres pasos mágicos:

A. El Mapa de Tesoros (Codificación Octree)

En lugar de guardar la coordenada exacta de cada píxel (como "X=12.3456, Y=78.9012"), Smol-GS dibuja un mapa de cajas anidadas (como una caja de muñecas rusas o un árbol genealógico).

La analogía: Imagina que quieres decirle a alguien dónde está un tesoro en una ciudad. En lugar de dar coordenadas GPS precisas, le dices: "Está en el barrio norte, en la calle central, en el edificio rojo, en el piso 3, en el apartamento 4".
Smol-GS usa este sistema de "cajas dentro de cajas" (llamado octree). Si una caja está vacía, no la guarda. Solo guarda las cajas que tienen cosas. Esto ahorra muchísimo espacio porque la mayoría de las cajas están vacías.

B. El Código Secreto (Codificación Posicional)

Ahora que sabemos dónde están las cajas, necesitamos saber qué hay dentro. En lugar de escribir la descripción completa de cada píxel, Smol-GS les da un número de serie único basado en su posición en el mapa.

La analogía: Imagina que tienes un mapa de un bosque. En lugar de escribir "Este árbol es un roble alto y verde", simplemente dices: "El árbol en la posición 456 del mapa". El sistema "sabe" que la posición 456 corresponde a un roble alto y verde porque ha aprendido el patrón.
Esto permite que el sistema "aprenda" que si un píxel está en una esquina, probablemente sea de un cierto color o material, sin tener que guardar esa información explícitamente para cada uno.

C. La Caja de Herramientas Inteligente (Redes Neuronales Pequeñas)

Aquí está la parte más inteligente. Smol-GS no guarda la "receta" completa de cada píxel. En su lugar, guarda una caja de herramientas pequeña (una red neuronal diminuta) y una lista de "ingredientes básicos" (características abstractas).

La analogía: Imagina que quieres pintar un cuadro. En lugar de guardar el color exacto de cada pincelada, guardas una pequeña receta que dice: "Mezcla un poco de azul con un poco de blanco y aplícalo en la posición X".
Cuando quieres ver el mundo 3D, el sistema toma la posición (de la caja de muñecas) y la receta (de la caja de herramientas) y pinta el píxel al vuelo. Esto significa que puedes tener un mundo increíblemente detallado guardado en un archivo muy pequeño.

¿Por qué es tan importante?

Ahorro de espacio: Han logrado reducir el tamaño de estos mundos 3D en 150 veces. Un mundo que antes ocupaba 700 MB ahora cabe en menos de 5 MB (¡como una canción de Spotify!).
Calidad: A pesar de ser tan pequeños, se ven igual de bien que los originales. Las sombras, los reflejos en el vidrio y los detalles finos se mantienen.
Velocidad: Como los archivos son tan pequeños, se pueden descargar en segundos y verse en tiempo real, incluso en teléfonos móviles o gafas de realidad virtual.

En resumen

Smol-GS es como convertir una biblioteca de libros gigantes en un pequeño chip de memoria que contiene las "ideas" de los libros. En lugar de guardar cada palabra, guarda el mapa de dónde están las historias y una pequeña guía para reconstruirlas cuando las necesitas.

Esto abre la puerta a tener mundos 3D realistas en nuestras pantallas diarias, sin llenar la memoria de nuestros dispositivos. ¡Es como tener un universo entero en tu bolsillo!

Resumen Técnico: Smol-GS

1. El Problema

La Splatting Gaussiana 3D (3DGS) ha revolucionado la síntesis de vistas nuevas, ofreciendo renderizado en tiempo real y alta calidad. Sin embargo, su principal limitación es la ineficiencia en el uso de memoria. Las representaciones estándar requieren gigabytes de almacenamiento para escenas complejas debido a la necesidad de almacenar millones de primitivas gaussianas, cada una con coordenadas, covarianzas, opacidad y coeficientes de armónicos esféricos (SH) de alto dimensión.

Las soluciones actuales de compresión se dividen en dos categorías principales con deficiencias:

Enfoques de procesamiento de señales: Cuantizan atributos pero no aprovechan completamente las correlaciones espaciales locales.
Enfoques basados en aprendizaje (Jerarquías Ancla-Desplazamiento): Métodos como Scaffold-GS comparten estructuras mediante "anclas" y "desplazamientos". Sin embargo, estos introducen sobrecarga estructural, pueden generar desplazamientos transparentes o invisibles, y a menudo evitan comprimir las coordenadas espaciales debido a la sensibilidad de la reconstrucción a errores geométricos.

2. Metodología (Smol-GS)

Smol-GS propone una representación compacta que mantiene la geometría explícita (pero empaquetada eficientemente) y abstrae las características visuales dependientes de la vista en características de bajo dimensión. El método consta de cinco componentes clave:

Compresión de Coordenadas (Codificación Octree de Ocupación):
- Inspirado en la compresión de nubes de puntos, Smol-GS utiliza una estructura Octree recursiva para almacenar las coordenadas.
- El espacio se divide en cajas; solo las cajas no vacías se subdividen.
- Se genera un byte de ocupación (8 bits) por división que indica qué hijos están ocupados.
- Las coordenadas finales se cuantizan basándose en el centro de la caja más fina del octree.
- Se aplica codificación Huffman sobre los bytes de ocupación para lograr una compresión sin pérdida dentro de la cuadrícula de cuantización, reduciendo drásticamente el tamaño de los datos de posición.
Codificación Posicional Derivada del Octree:
- Cada splat hereda un identificador único basado en la celda del octree más fina donde reside.
- Este identificador se codifica como una secuencia binaria (código Morton/Z-order) que sirve como codificación posicional ( $f_{oct}$ ).
- Esta codificación mejora la eficiencia de la representación neuronal al proporcionar información espacial estructurada sin necesidad de almacenar coordenadas flotantes de alta precisión.
Splatting Gaussiano Neuronal (Decodadores Tiny-MLP):
- En lugar de almacenar atributos completos (color, rotación, escala) para cada splat, Smol-GS almacena un vector de características abstractas de bajo dimensión ( $f \in \mathbb{R}^8$ ) y un controlador de escala ( $s$ ).
- Durante el renderizado, pequeños MLPs (Redes Neuronales de Capas Densas) reconstruyen las propiedades finales (opacidad, color, rotación, escala) concatenando:
  1. La característica abstracta $f$ .
  2. La dirección de visión y distancia.
  3. La codificación posicional $f_{oct}$ .
- Esto permite que el modelo aprenda propiedades ópticas y materiales adaptativamente, eliminando la necesidad de coeficientes de armónicos esféricos costosos.
Compresión de Características (Codificación Aritmética):
- Las características abstractas y los controladores de escala se cuantizan utilizando tamaños de paso aprendidos.
- Se utiliza un modelo de distribución (Gaussiana) asistido por una cuadrícula hash (Hash-Grid) para predecir la distribución de las características.
- Se aplica codificación aritmética para comprimir estos datos, minimizando la redundancia.
Control de Densidad Adaptativa y Entrenamiento:
- El entrenamiento sigue un pipeline de 5 etapas: calentamiento, densificación, compactación (poda), compresión de características y compresión de coordenadas.
- Se utilizan pérdidas de regularización (opacidad y cuantización) para equilibrar la fidelidad de la reconstrucción con el tamaño del modelo.

3. Contribuciones Clave

Smol-GS: Un nuevo modelo de splat neuronal que elimina la sobrecarga de las jerarquías ancla-desplazamiento, permitiendo manipulación directa a nivel de splat.
Codificación Posicional Octree: Una nueva técnica de codificación posicional derivada de la jerarquía del octree que mejora la eficiencia de la representación neuronal.
Compresión de Coordenadas: La demostración de que las coordenadas pueden comprimirse eficientemente mediante octrees de ocupación sin sacrificar la calidad de la reconstrucción, algo que métodos anteriores evitaban.
Rendimiento de Estado del Arte: Logra la mejor relación calidad-tamaño (trade-off) en benchmarks estándar, reduciendo el tamaño del modelo en órdenes de magnitud.

4. Resultados

Los experimentos se realizaron en conjuntos de datos estándar: Mip-NeRF 360, Tanks and Temples y Deep Blending.

Compresión: Smol-GS logra una reducción de tamaño de aproximadamente 150x en comparación con 3DGS estándar (Vanilla 3DGS-30K).
- Ejemplo: En el conjunto Mip-NeRF 360, Smol-GS logra un PSNR de 27.61 dB con un tamaño de solo 4.87 MB, superando a métodos competidores como HAC++ (8.74 MB) y ContextGS (13.3 MB) en calidad y tamaño.
Calidad Visual: Mantiene bordes nítidos, efectos de materiales (reflejos especulares, vidrio) y sombras, con menos artefactos que la 3DGS estándar en escenas desafiantes.
Velocidad:
- Entrenamiento: ~26.5 minutos por escena (comparable a HAC++).
- Renderizado: ~241 fps en promedio, permitiendo visualización en tiempo real.
- Codificación/Decodificación: Procesos rápidos (segundos), facilitando la transmisión y almacenamiento.

5. Significado e Impacto

Smol-GS representa un avance significativo en la viabilidad de la 3DGS para aplicaciones con recursos limitados (dispositivos móviles, transmisión en red, realidad virtual). Al separar la geometría explícita de las apariencias aprendidas y utilizar estructuras de datos jerárquicas (octrees) combinadas con codificación neuronal, demuestra que es posible lograr una compresión extrema sin sacrificar la fidelidad visual. Además, al eliminar la complejidad de las jerarquías ancla-desplazamiento, facilita aplicaciones posteriores como la edición 3D directa y la integración con modelos de lenguaje o tokens de información 3D.