LG-HCC：面向 3D 高斯溅射的局部几何感知层次上下文压缩
计算机视觉与模式识别
2026-04-02 v3 人工智能
摘要
虽然 3D 高斯溅射 (3DGS) 能够实现高保真实时渲染，但其高昂的存储开销严重阻碍了实际部署。最近的基于锚点的 3DGS 压缩方案通过某些先进的上下文模型减少高斯冗余，但忽略了显式的几何依赖，导致结构性退化和次优的率失真性能。本文提出了一种用于 3DGS 的局部几何感知层次上下文压缩框架 (LG-HCC)，将锚点之间的几何相关性纳入锚点修剪和熵编码，以实现紧凑表示。具体而言，我们引入了 Neighborhood-Aware Anchor Pruning (NAAP) 策略，通过加权邻域特征聚合评估锚点重要性，然后将低贡献锚点合并到突出邻居中，形成紧凑且几何一致的锚点集合。此外，我们进一步开发了层次熵编码方案，利用轻量级 Geometry-Guided Convolution (GG-Conv) 算子利用粗到细先验，实现空间自适应的上下文建模和率失真优化。大量实验表明，LG-HCC 有效缓解了结构保持问题，在 Mip-NeRF360 数据集上相较于 Scaffold-GS 基线实现了最高 30.85 倍的存储降低，同时实现了卓越的几何完整性和渲染保真度。
引用
@article{arxiv.2603.28431,
title = {LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting},
author = {Xuan Deng and Xiandong Meng and Hengyu Man and Qiang Zhu and Tiange Zhang and Debin Zhao and Xiaopeng Fan},
journal= {arXiv preprint arXiv:2603.28431},
year = {2026}
}
备注
10