HAC++：面向 3D 高斯溅写的 100 倍压缩
计算机视觉与模式识别
2025-02-12 v4
摘要
3D 高斯溅写（3DGS）已成为新视角合成的有前景的框架，具备高保真度的快速渲染速度。然而，大量高斯及其相关属性 necessitates 有效的压缩技术。尽管锥形点云稀疏且无组织，这种稀疏无组织的点云（或本文中的锚点）为压缩带来了挑战。为实现紧凑大小，我们提出 HAC++，该方法利用锚点与结构化哈希网格之间的关系，利用它们的互信息进行上下文建模。此外，HAC++ 捕获锚点之间的上下文关系，以进一步提升压缩性能。为便于熵编码，我们利用高斯分布精确估计每个量化属性的概率，其中提出了自适应量化模块，以实现这些属性的高精度量化以提高恢复保真度。此外，我们纳入自适应掩码策略以消除无效的高斯和锚点。总体而言，HAC++ 在所有数据集上的平均压缩比率超过 vanilla 3DGS 的 100 倍，同时提升了保真度。它还相对于 Scaffold-GS 实现了超过 20 倍的压缩比。我们的代码已公开于 https://github.com/YihangChen-ee/HAC-plus。
引用
@article{arxiv.2501.12255,
title = {HAC++: Towards 100X Compression of 3D Gaussian Splatting},
author = {Yihang Chen and Qianyi Wu and Weiyao Lin and Mehrtash Harandi and Jianfei Cai},
journal= {arXiv preprint arXiv:2501.12255},
year = {2025}
}
备注
Project Page: https://yihangchen-ee.github.io/project_hac++/ Code: https://github.com/YihangChen-ee/HAC-plus. This paper is a journal extension of HAC at arXiv:2403.14530 (ECCV 2024)