3D 高斯溅写：方法、趋势与未来方向综述
图形学
2025-02-28 v1
摘要
3D 高斯溅写(3DGS)最近涌现为显式场景渲染和计算机图形学中的开创性方法。不同于传统神经辐射场(NeRF)方法通常依赖于隐式、基于坐标的模型将空间坐标映射到像素值，3DGS利用数百万可学习的3D 高斯。其可微分渲染技术和固有的显式场景表示与操控能力将3DGS 定位为下一代3D 重建和表示技术的潜在颠覆者。这使3DGS 能够实现实时渲染速度，同时提供无与伦比的可编辑水平。然而，尽管具有这些优势，3DGS 仍面临巨大的内存和存储要求，对资源受限的设备部署构成挑战。本综述提供了关于3DGS 可扩展性和压缩的全面概述。我们首先详细概述了3DGS 的背景，随后对现有压缩方法进行结构化分类。此外，我们从拓扑角度分析和比较当前方法，评估其在保真度、压缩比和计算效率方面的优势和局限性。进一步地，我们探讨了如何借助高效 NeRF 表示的发展来激发3DGS 优化的未来发展。最后，我们总结了当前研究挑战，并指出未来探索的关键方向。
引用
@article{arxiv.2502.19457,
title = {Compression in 3D Gaussian Splatting: A Survey of Methods, Trends, and Future Directions},
author = {Muhammad Salman Ali and Chaoning Zhang and Marco Cagnazzo and Giuseppe Valenzise and Enzo Tartaglione and Sung-Ho Bae},
journal= {arXiv preprint arXiv:2502.19457},
year = {2025}
}