3D Gaussian Splatting (3DGS)은 실시간 렌더링과 함께 실사 같은 새로운 시점 합성 (novel-view synthesis)을 가능하게 하지만, XR 환경에서 압축된 객체 중심 3DGS를 배포하려면 이미지 공간의 왜곡률 (rate-distortion) 이상의 요소가 필요합니다. 실제 XR 에셋 파이프라인에서 재사용 가능한 객체는 반복적으로 패키징, 전송, 디코딩 및 인스턴스화되므로, 에셋 준비 비용, 코덱 호환성, 디코딩 지연 시간(latency), 그리고 깊이(depth) 및 실루엣 단서의 보존이 핵심적인 고려 사항이 됩니다. 기존의 3DGS 압축 방식은 주로 장면 규모 (scene-scale) 캡처를 위해 개발되었으며, 종종 무거운 레이아웃 생성이나 공격적인 전역 가지치기 (global pruning)에 의존하는데, 이러한 가정들은 의미론적으로 집중된 전경 객체 (foreground objects)에는 잘 적용되지 않습니다.

우리는 원본 이미지, 카메라 포즈, 또는 에셋별 최적화 없이 공개된 Gaussian 에셋에 직접 작동하는, 객체 중심 3DGS를 위한 소스 프리 (source-free), 트레이닝 프리 (training-free) 압축 파이프라인인 AtlasLC를 제안합니다. AtlasLC는 로컬 경쟁 가지치기 (local-competition pruning)와 결정론적 아틀라스 패킹 (deterministic atlas packing)을 결합하여, 객체 전반의 전경 지원을 유지하면서 매핑/리매핑 병목 현상을 제거합니다. 이러한 단계들을 위한 공유 좌표 백본 (coordinate backbone)으로는 경량화된 단일 패스 정렬 기반 조건부 전송 (single-pass sort-based conditional transport)이 사용됩니다.

평가된 에셋 전반에 걸쳐, AtlasLC는 아틀라스 준비 시간을 최대 25배까지, 엔드 투 엔드 (end-to-end) 압축 시간을 최대 5배까지 단축하는 동시에, 평가된 압축 베이스라인들과 비교하여 페이로드 (payload), 디코딩 지연 시간, 런타임 FPS, 그리고 3D 기하 구조 (3D geometry) 측면에서 배포를 고려한 유리한 균형을 제공합니다. 유사하게 컴팩트한 구조적 베이스라인들과 비교했을 때, AtlasLC는 유사한 지각적 및 기하학적 품질을 유지하면서도 약 6~8% 적은 비트 (bits)를 사용합니다. 이러한 결과는 객체 중심 3DGS 압축이 확장 가능한 XR 에셋 라이브러리를 가능하게 하는 배포 인식 작동점 (deployment-aware operating point)에 최적화되어야 함을 보여줍니다.