LightGaussian：实现 15 倍压缩与 200+ FPS 的无界 3D 高斯压缩方法

近期基于点的实时神经渲染技术进展推动了 3D 表示的更广泛应用。然而，诸如 3D Gaussian Splatting 等基础方法带来了巨大的存储开销，因为运动恢复结构（SfM）点可增长至数百万，单个无界场景常需吉字节级磁盘空间。这种增长带来了可扩展性挑战并阻碍了 splatting 效率。为此，我们提出 LightGaussian，一种将 3D 高斯转换为更紧凑格式的方法。受网络剪枝启发，LightGaussian 识别对场景重建全局显著性最小的 Gaussian，并应用剪枝与恢复过程以减少冗余同时保持视觉质量。知识蒸馏与伪视图增强随后将球谐系数迁移至更低阶数，产生紧凑表示。基于每个 Gaussian 全局显著性的 Gaussian 向量量化进一步降低位宽且精度损失极小。LightGaussian 在 3D-GS 框架内实现平均 15 倍压缩率，同时将 FPS 从 144 提升至 237，可在 Mip-NeRF 360 与 Tank & Temple 数据集上高效表示复杂场景。所提出的 Gaussian 剪枝方法亦可适配其他 3D 表示（如 Scaffold-GS），展现出强泛化能力。