PD-4DGS：面向带宽自适应动态场景流式传输的渐进式4D高斯泼溅分解
计算机视觉与模式识别
2026-05-13 v1
摘要
4D高斯泼溅（4DGS）能够实现高质量的动态新视角合成，然而目前的模型仍是单体码流，客户端必须完整下载后才能渲染任何帧，这在移动带宽下会导致数十到数百秒的黑屏等待，并使4DGS与现代自适应码率传输不兼容。渐进式3DGS压缩为静态场景缓解了此问题，但它仅作用于空间锚点，无法分割主导动态场景大小的时序变形网络。我们提出了PD-4DGS，这是首个用于4DGS渐进式压缩和按需传输的框架。层次化变形分解（HDD）将4DGS中已潜在的由粗到精的运动层次结构外部化为三个可独立传输的层——静态骨架、全局变形和局部细化——使得码流的任何前缀都可渲染，从而将单次训练运行转化为可扩展的、兼容DASH/HLS的码流。一个高斯熵属性率失真损失与一个时序掩码一致性正则化器共同作用，在压缩基础层的同时抑制低码率闪烁；一个由学习到的激活率rho在线门控的容量加权滚动调度策略，则能在无需任何逐场景超参数的情况下防止变形网络训练不足。在Dycheck iPhone基准测试中，PD-4DGS在匹配的渲染保真度下将流式传输码流削减超过60%，并将2 Mbps链路上的首帧延迟从73-930秒缩短至约1.7秒，独特地实现了4DGS真正的按需渐进式流式传输。
引用
@article{arxiv.2605.11427,
title = {PD-4DGS:Progressive Decomposition of 4D Gaussian Splatting for Bandwidth-Adaptive Dynamic Scene Streaming},
author = {Jiachen Li and Guangzhi Han and Jin Wan and Delong Han and Yuan Gao and Min Li and Mingle Zhou and Gang Li},
journal= {arXiv preprint arXiv:2605.11427},
year = {2026}
}