用于图像表示与压缩的 2D 高斯结构引导分配
计算机视觉与模式识别
2026-01-01 v1
摘要
2D 高斯泼溅 (2DGS) 的最新进展展示了其作为具有毫秒级解码速度的紧凑图像表示的潜力。然而，现有的基于 2DGS 的流程在分配表示容量和参数精度时很大程度上忽略了图像结构，限制了其在低比特率下的率失真 (RD) 效率。为了解决这个问题，我们提出了一种针对 2DGS 的结构引导分配原则，该原则显式地将图像结构与表示容量和量化精度相耦合，同时保持原生解码速度。首先，我们引入了结构引导初始化，根据自然图像中固有的空间结构先验分配 2D 高斯，产生局部化且语义有意义的分布。其次，在量化感知微调期间，我们提出了协方差参数的自适应位宽量化，对复杂区域中的小尺度高斯赋予更高的精度，而在其他地方赋予较低的精度，从而实现 RD 感知优化，在不降低边缘质量的情况下减少冗余。第三，我们施加几何一致的正则化，将高斯方向与局部梯度方向对齐，以更好地保留结构细节。大量实验表明，我们的方法在保持 1000 FPS 以上解码速度的同时，大幅提升了 2DGS 的表示能力和 RD 性能。与基线 GSImage 相比，我们在 Kodak 上将 BD-rate 降低了 43.44%，在 DIV2K 上降低了 29.91%。
引用
@article{arxiv.2512.24018,
title = {Structure-Guided Allocation of 2D Gaussians for Image Representation and Compression},
author = {Huanxiong Liang and Yunuo Chen and Yicheng Pan and Sixian Wang and Jincheng Dai and Guo Lu and Wenjun Zhang},
journal= {arXiv preprint arXiv:2512.24018},
year = {2026}
}