3D 高斯溅射压缩的层次化压缩技术
计算机视觉与模式识别
2025-03-18 v2 多媒体
摘要
3D 高斯溅射（GS）在新视角合成中展示了出色的渲染质量和生成速度。然而，庞大的数据量对存储和传输构成挑战，使 3D GS 压缩成为一项关键技术。当前的 3D GS 压缩研究主要聚焦于开发更紧凑的场景表示，例如将显式 3D GS 数据转换为隐式形式。相比之下，对 GS 数据本身的压缩几乎未被探索。为填补这一空白，我们提出了一种层次化 GS 压缩（HGSC）技术。最初，我们根据来自全局和局部重要性的重要性分数修剪不必要的高斯分布，有效减少冗余同时保持视觉质量。使用八叉树结构压缩 3D 位置。基于 3D GS 八叉树，我们通过使用 KD 树将 3D GS 划分为多个块来实现层次化属性压缩策略。我们采用最远点采样在每个块中选择锚点基元，其余作为具有不同细节层次（LoD）的非锚点基元。锚点基元作为参考点，用于在不同 LoD 间预测非锚点基元以减少空间冗余。对于锚点基元，我们使用区域自适应层次化变换实现各种属性的近无损压缩。对于非锚点基元，每个基元基于 k 个最近邻锚点基元进行预测。为进一步减小预测误差，重建的 LoD 和锚点基元被组合形成新的锚点基元以预测下一个 LoD。我们的方法在小型场景数据集上相比最先进的压缩方法取得了显著更优的压缩质量和超过 4.5 倍的数据量缩减。
引用
@article{arxiv.2411.06976,
title = {A Hierarchical Compression Technique for 3D Gaussian Splatting Compression},
author = {He Huang and Wenjie Huang and Qi Yang and Yiling Xu and Zhu li},
journal= {arXiv preprint arXiv:2411.06976},
year = {2025}
}