본 논문은 기존의 3D 객체 압축 방식이 구조 정보(정점, 다각형, 텍스처)에만 의존하여 고압축률에서 품질 저하가 발생하는 문제점을 지적합니다. 이를 해결하기 위해 구조 정보를 무시하고 핵심 개념(semantic information)에 직접 작용하는 의미론적 압축(semantic compression) 방식을 제안합니다. 자연어를 저장 형식으로 사용하여 인간의 가독성을 높이고, 대규모 협업 프로젝트에 적합하게 설계되었습니다. 최첨단 심층 생성 모델을 이용하여 위치, 크기, 방향 등의 구조 정보를 예측하고 복원합니다. Objaverse 데이터셋을 이용하여 최대 105배의 압축률을 달성하였으며, 100배 압축률 부근에서 기존 방식보다 우수한 품질을 유지하는 것을 보여줍니다.