自适应 3D 高斯溅写视频流：基于视觉显著性感知的分块与元学习驱动的比特率适配
计算机视觉与模式识别
2025-07-22 v1 多媒体
图像与视频处理
摘要
3D 高斯溅写视频 (3DGS) 流式传输最近在学术界和工业界均备受关注，因其出色的沉浸式 3D 视频体验能力。然而，该领域的研究仍处于早期阶段，诸如分块、质量评估和比特率适配等基本问题亟需进一步探讨。本文通过提出一整套解决方案来应对这些挑战。具体而言，我们提出一种受视觉显著性分析指导的自适应 3DGS 分块技术，集成了空间和时间特征。每个分块编码为多个版本，具备专属变形场和多个质量等级，以实现自适应选择。我们还引入一种新型的 3DGS 视频质量评估框架，联合评估 3DGS 表示在流式传输期间的空间域退化以及最终生成 2D 渲染图像的质量。此外，我们开发了一个专为 3DGS 视频流式传输设计的元学习驱动的自适应比特率算法，实现了在不同网络条件下的最优性能。广泛实验表明，我们提出的方法显著优于现有最先进技术。
引用
@article{arxiv.2507.14454,
title = {Adaptive 3D Gaussian Splatting Video Streaming: Visual Saliency-Aware Tiling and Meta-Learning-Based Bitrate Adaptation},
author = {Han Gong and Qiyue Li and Jie Li and Zhi Liu},
journal= {arXiv preprint arXiv:2507.14454},
year = {2025}
}