STT-GS：基于联合客户端选择与功率控制的样本-传输边缘高斯溅射
计算机视觉与模式识别
2025-12-04 v4
摘要
边缘高斯溅射(EGS)是一种来自分布式客户端(如无人机)的数据聚合技术,在边缘(如地面服务器)处训练全局 GS 模型,是低空经济场景中场景重建的新兴范式。不同于强调通信吞吐或通用学习性能的传统边缘资源管理方法,EGS 明确旨在最大化 GS 质量,渲染现有方法难以适用。为解决此问题,本文构建新的 GS 导向目标函数,以区分不同客户端的异构视图贡献。然而评估该函数需要客户端图像,导致因果困境。为此,本文进一步提出样本-传输 EGS(STT-GS)策略,先从每个客户端抽取子集图像作为 pilot 数据进行损失预测。基于第一阶段评估,通信资源优先分配给更具价值的客户端。为实现高效抽样,提出特征域聚类(FDC)方案选取最具代表性数据,并采用 pilot 传输时间最小化(PTTM)以降低 pilot 开销。随后,我们开发联合客户端选择与功率控制(JCSPC)框架,在通信资源约束下最大化 GS 导向函数。尽管问题非凸,我们提出基于惩罚交替majorization最小化(PAMM)算法的低复杂度高效解法。实验表明,所提方案在真实数据集上显著优于现有基准。GS 导向目标可在极低抽样比例(如 10%)下获得精确预测,方法在视图贡献与通信成本之间实现了优异的权衡。
引用
@article{arxiv.2510.13186,
title = {STT-GS: Sample-Then-Transmit Edge Gaussian Splatting with Joint Client Selection and Power Control},
author = {Zhen Li and Xibin Jin and Guoliang Li and Shuai Wang and Miaowen Wen and Huseyin Arslan and Derrick Wing Kwan Ng and Chengzhong Xu},
journal= {arXiv preprint arXiv:2510.13186},
year = {2025}
}