基于混合整数规划的尺寸感知 3D 高斯溅写压缩
计算机视觉与模式识别
2025-12-02 v2 多媒体
摘要
近期在 3D 高斯溅写（3DGS）方面的进展大大提高了 3D 重建效果。然而，其巨大的数据尺寸为传输和存储带来了重大挑战。虽然已提出许多压缩技术，但未能有效适应网络带宽的波动，导致资源浪费。我们从尺寸感知压缩的角度来解决此问题，旨在通过快速搜索合适的超参数，将 3DGS 压缩到所需尺寸。通过测量研究，我们确定影响尺寸的关键超参数——即高斯保留比率以及高斯属性的位宽设置。随后，我们将此超参数优化问题形式化为混合整数非线性规划（MINLP）问题，目标是在满足尺寸预算约束的前提下最大化视觉质量。为解决 MINLP，我们将其分解为两个部分：离散采样保留比率和使用整数线性规划（ILP）确定位宽设置。为更快更准确地求解 ILP，我们设计了质量损失估计器和校准尺寸估计器，并实现了 CUDA 内核。在多个 3DGS 变体上的大量实验表明，我们的方法在后训练压缩方面实现了最佳性能。此外，我们的方法在微调后可达到与领先需训练方法相当的质量。
引用
@article{arxiv.2412.05808,
title = {SizeGS: Size-aware Compression of 3D Gaussian Splatting via Mixed Integer Programming},
author = {Shuzhao Xie and Jiahang Liu and Weixiang Zhang and Shijia Ge and Sicheng Pan and Chen Tang and Yunpeng Bai and Cong Zhang and Xiaoyi Fan and Zhi Wang},
journal= {arXiv preprint arXiv:2412.05808},
year = {2025}
}
备注
Automatically compressing 3DGS into the desired file size while maximizing the visual quality