优化的最小化3D高斯溅写

3D高斯溅写(3DGS)已成为实时高性能渲染的强大表示，使其能够支持广泛的应用。然而，用大量显式高斯原始块表示3D场景会造成显著的存储和内存开销。最近的研究表明，在以高精度属性表示的情况下，可用大幅减少的高斯数量即可实现高质量渲染。然而，现有的3DGS压缩方法仍依赖较大的高斯数量，主要关注属性压缩。这是因为较小的高斯集合对有损属性压缩更敏感，导致质量严重退化。由于高斯数量直接关联计算成本，因此有效降低高斯数量比仅优化存储至关重要。本文提出Optimized Minimal Gaussians representation(OMG)，显著减少存储，同时使用最少的原始块。首先，我们确定distinct Gaussian与near ones之间的区别，最小化冗余而不牺牲质量。其次，我们提出紧凑且精确的属性表示，有效捕获原始块之间的连续性和不规则性。此外，我们提出子向量量化技术以提高不规则性表示，保持快速训练并具有可忽略的codebook大小。广泛的实验表明，OMG相较于前所未有的SOTA减少了近50%的存储要求，并在保持高渲染质量的同时实现600+ FPS渲染。我们的源代码已公开发布于https://maincold2.github.io/omg/。