基于多视图排序的 10 倍压缩 3DGS
计算机视觉与模式识别
2026-05-20 v1 图形学
摘要
虽然 3D 高斯消散(3DGS) 已彻底革新了 3D 重建，但因大量冗余原始体而产生显著开销。现有压缩方法通常依赖局部采样或固定修剪阈值，难以在降低冗余与高保真渲染之间取得平衡。为此，我们提出一种新框架，将高斯优化形式化为全局几何分布匹配问题。具体而言，我们的方法集成了三个组件：(1) 我们引入基于多视图的 3D 高斯贡献排序机制，以几何一致性而非局部启发式方法筛选原始体；(2) 我们提出基于全局最优输运(OT)的聚合算法，在保留底层几何的同时合并冗余原始体；(3) 我们设计基于 OT 的密集化算子，维持高斯的分布特性以实现稳定优化。我们的方法在仅使用 10% 原始体和 10 倍加速训练速度的情况下，实现了最新渲染质量。
引用
@article{arxiv.2605.19304,
title = {MMGS: 10$\times$ Compressed 3DGS through Optimal Transport Aggregation based on Multi-view Ranking},
author = {Beizhen Zhao and Sicheng Yu and Ziran Yin and Dongxu Shen and Hao Wang},
journal= {arXiv preprint arXiv:2605.19304},
year = {2026}
}
备注
19 pages