面向实景视频的压缩感知3D高斯溅射

高质量的从实景视频中进行新视角合成（NVS）对于文化遗产保护、数字孪生和沉浸式媒体等应用至关重要。然而，实景视频通常包含长度较长的序列、不规则的相机轨迹和未知的姿态，导致重建过程中出现姿态漂移、特征错位和几何畸变。此外，损失性压缩会放大这些问题，通过引入不一致性逐渐降低几何和渲染质量。虽然最近的研究要么解决了长序列NVS，要么解决了无姿态重建，但压缩感知方法仍只关注特定的artifacts或有限的场景，留下对长视频中多样化压缩模式的不足探索。本文提出了CompSplat，一个显式建模帧级压缩特征的压缩感知训练框架，以缓解帧间不一致性和累积的几何误差。CompSplat包含压缩感知帧权重和自适应修剪策略，以增强鲁棒性和几何一致性，尤其在重度压缩下效果显著。在挑战性基准测试（包括Tanks and Temples、Free和Hike）上的大量实验表明，CompSplat在严重压缩条件下实现了领先的渲染质量和姿态精度，显著超越了大多数最新NVS方法。