MesonGS++：基于超参数搜索的 3D 高斯溅写后压缩
计算机视觉与模式识别
2026-05-08 v2 图形学
多媒体
摘要
3D 高斯溅写 (3DGS) 能够实现高质量的新视角合成和实时渲染，但其存储成本在实际部署中仍然不可接受。现有的写后压缩方法仍依赖于诸多相互关联的超参数，涉及剪枝、变换、量化和熵编码，难以控制最终的压缩大小，无法充分利用率失真权衡。我们提出了 MesonGS++，一种面向大小的 3D 高斯压缩写后编解码器。在编解码器侧，MesonGS++ 结合基于重要性的剪枝、八叉树几何编码、属性变换、针对更高阶球面调和函数的选择性向量量化，以及基于熵编码的组间混合精度量化。在配置侧，它将保留比率和位宽分配视为主要的率失真控制变量，并通过离散抽样和 0--1 整数线性规划，在目标存储预算下联合优化。我们进一步提出了一个线性大小估计器和 CUDA 并行量化算子，以加速超参数搜索过程。大量实验表明，MesonGS++ 在保持渲染保真度的同时实现了超过 34 倍的压缩，超越了当前最先进的写后方法，能够准确满足目标大小预算。值得注意的是，在没有任何训练的情况下，MesonGS++ 甚至可以在 Stump 场景下以 20 倍压缩率时超越 vanilla 3DGS 的 PSNR。我们的代码已公开于 https://github.com/mmlab-sigs/mesongs_plus。
引用
@article{arxiv.2604.26799,
title = {MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching},
author = {Shuzhao Xie and Junchen Ge and Weixiang Zhang and Jiahang Liu and Chen Tang and Yunpeng Bai and Shijia Ge and Jingyan Jiang and Yuzhi Huang and Fengnian Yang and Cong Zhang and Xiaoyi Fan and Zhi Wang},
journal= {arXiv preprint arXiv:2604.26799},
year = {2026}
}
备注
https://github.com/mmlab-sigs/mesongs_plus