SpeeDe3DGS：基于时间敏感性剪枝与运动分组的加速可变形 3D 高斯溅射
图形学
2026-03-31 v4 计算机视觉与模式识别
摘要
动态 3D 高斯溅射 (3DGS) 的扩展方法通过神经运动场实现高质量重建，但由于逐高斯神经推理，使这些模型计算成本高昂。基于 DeformableGS，我们引入 Speedy Deformable 3D 高斯溅射 (SpeeDe3DGS)，通过三个互补模块弥合效率与保真度之间的差距：时间敏感性剪枝 (TSP) 通过时敏感性聚合分析移除低影响高斯；时间敏感性抽样 (TSS) 通过扰动时间戳抑制漂浮并提高时序一致性；GroupFlow 将学习到的变形场蒸馊为共享的 SE(3) 变换，以实现高效的分组运动。在 MonoDyGauBench 上的 50 个动态场景中，将 TSP 和 TSS 集成到 DeformableGS 中，平均加速渲染速度 6.78 倍，同时保持神经场保真度并使用 10 倍更少的原始素材。加入GroupFlow后，渲染加速 13.71 倍，训练时间缩短 2.53 倍，在所有基线速度上实现超越，同时保持卓越的图像质量。
引用
@article{arxiv.2506.07917,
title = {SpeeDe3DGS: Speedy Deformable 3D Gaussian Splatting with Temporal Pruning and Motion Grouping},
author = {Allen Tu and Haiyang Ying and Alex Hanson and Yonghan Lee and Tom Goldstein and Matthias Zwicker},
journal= {arXiv preprint arXiv:2506.07917},
year = {2026}
}
备注
Project Page: https://speede3dgs.github.io/