FlexGS：一种面向各种部署场景的灵活 3D 高斯溅写
计算机视觉与模式识别
2025-06-05 v1
摘要
3D 高斯溅写（3DGS）由于其高效的渲染能力，已在 3D 场景表示和新视角合成中实现了各种应用。然而，3DGS 需要较大的 GPU 内存，限制了其在资源受限设备上的使用。以往方法主要关注剔除不重要的高斯点，有效压缩 3DGS，但通常需要微调阶段，且缺乏针对不同设备特定内存需求的适应性。本文提出了一种 3DGS 的弹性推理方法。给定 desired model size 的输入，该方法选择并转换子集高斯点，在无需额外微调的情况下实现显著的渲染性能提升。我们引入一个小型可学习模块，用于根据输入百分比控制高斯点的选择，并引入一个转换模块，用于调整所选高斯点以补偿缩减模型的性能。在 ZipNeRF、MipNeRF 和 Tanks&Temples 场景上进行的全面实验表明，我们方法的有效性。代码已公开于 https://flexgs.github.io。
引用
@article{arxiv.2506.04174,
title = {FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting},
author = {Hengyu Liu and Yuehao Wang and Chenxin Li and Ruisi Cai and Kevin Wang and Wuyang Li and Pavlo Molchanov and Peihao Wang and Zhangyang Wang},
journal= {arXiv preprint arXiv:2506.04174},
year = {2025}
}
备注
CVPR 2025; Project Page: https://flexgs.github.io