哈希网格特征剪枝
计算机视觉与模式识别
2025-12-30 v1 图像与视频处理
摘要
哈希网格被广泛用于学习高斯泼溅的隐式神经场，作为熵模型的一部分或用于帧间预测。然而，由于高斯泼溅在 3D 空间中分布不规则且不均匀，存在大量稀疏区域，导致哈希网格中的许多特征无效。这导致了冗余的存储和传输开销。在这项工作中，我们提出了一种哈希网格特征剪枝方法，该方法根据输入高斯泼溅的坐标识别并剪枝无效特征，以便仅对有效特征进行编码。这种方法在不损害模型性能的情况下减小了哈希网格的存储大小，从而改善了率失真性能。根据标准化委员会定义的通用测试条件（CTC），与基线方法相比，我们的方法实现了 8% 的平均比特率降低。
引用
@article{arxiv.2512.22882,
title = {Hash Grid Feature Pruning},
author = {Yangzhi Ma and Bojun Liu and Jie Li and Li Li and Dong Liu},
journal= {arXiv preprint arXiv:2512.22882},
year = {2025}
}