ContextGS：具有锚点级上下文模型的紧凑3D高斯泼溅
计算机视觉与模式识别
2024-06-03 v1 人工智能
摘要
最近，3D高斯泼溅（3DGS）已成为一种有前景的新视角合成框架，提供快速渲染速度和高保真度。然而，大量高斯及其相关属性需要有效的压缩技术。现有方法主要单独且独立地压缩神经高斯，即同时编码所有神经高斯，很少考虑它们的交互和空间依赖性。受图像压缩中上下文模型有效性的启发，本文首次提出了用于3DGS压缩的锚点级自回归模型。我们将锚点划分为不同级别，尚未编码的锚点可以基于所有更粗级别中已编码的锚点进行预测，从而实现更准确的建模和更高的编码效率。为进一步提高熵编码的效率，例如编码没有已编码锚点的最粗级别，我们提出为每个锚点引入一个低维量化特征作为超先验，该特征可以被有效压缩。我们的工作开创了锚点级上下文模型用于3DGS表示，与原始3DGS相比实现了超过100倍的尺寸缩减，与最近最先进的工作Scaffold-GS相比实现了15倍的缩减，同时达到相当甚至更高的渲染质量。
引用
@article{arxiv.2405.20721,
title = {ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model},
author = {Yufei Wang and Zhihao Li and Lanqing Guo and Wenhan Yang and Alex C. Kot and Bihan Wen},
journal= {arXiv preprint arXiv:2405.20721},
year = {2024}
}