Nix 与 Fix：通过扩散模型实现 3D 高斯溅写的 1000 倍压缩
计算机视觉与模式识别
2026-05-12 v2
摘要
3D 高斯溅写（3DGS） revolutionized novel view rendering。与隐式表示通过稠密空间点推断不同，3DGS 使用稀疏高斯，这使得其实现实时性能，但增加了空间要求，阻碍了受限带宽的应用。3DGS 压缩已成为一个旨在缓解此问题的领域。尽管取得了显著进展，但在低速率下，压缩会引入显著降低视觉质量的伪影。我们引入 NiFi，通过基于伪影感知的扩散模型一键蒸馏恢复，实现极端 3DGS 压缩。我们表明，该方法在极低速率（最低可达 0.1 MB）下实现了针对 3DGS 的最先进感知质量，同时实现了约 1000 倍的速率提升，同时保持可比的感知性能。代码已公开：https://github.com/ceteke/nifi
引用
@article{arxiv.2602.04549,
title = {Nix and Fix: Targeting 1000x Compression of 3D Gaussian Splatting with Diffusion Models},
author = {Cem Eteke and Enzo Tartaglione},
journal= {arXiv preprint arXiv:2602.04549},
year = {2026}
}