P-GSVC：面向可扩展图像和视频的分层渐进 2D 高斯溅
计算机视觉与模式识别
2026-03-12 v1 多媒体
摘要
高斯溅已成为图像和视频重建的具象表示中的竞争方法。本文提出了 P-GSVC，即首个提供图像和视频统一可扩展高斯表示的分层渐进 2D 高斯溅框架。P-GSVC 将 2D 高斯溅组织成基础层和后续增强层，实现粗到细的重建。为有效优化这种分层表示，我们提出了一种联合训练策略，同时更新各层的高斯参数，使其优化轨迹一致，以确保层间兼容性和稳定的渐进重建。P-GSVC 支持质量和分辨率的可扩展性。我们的实验表明，联合训练策略在视频上可为 PSNR 提升最高 1.9 dB，在图像上可为 PSNR 提升 2.6 dB，相较于执行顺序层级训练的方法。项目页面: https://longanwang-cs.github.io/PGSVC-webpage/
引用
@article{arxiv.2603.10551,
title = {P-GSVC: Layered Progressive 2D Gaussian Splatting for Scalable Image and Video},
author = {Longan Wang and Yuang Shi and Wei Tsang Ooi},
journal= {arXiv preprint arXiv:2603.10551},
year = {2026}
}
备注
MMSys 2026; Project Website: see https://longanwang-cs.github.io/PGSVC-webpage/