TC-GS：面向3D Gaussian Splatting的三平面压缩

最近，3D Gaussian Splatting（3DGS）作为一种新兴框架在新视角合成中凸显，提供高保真度和快速渲染速度。然而，3DGS及其属性的大数据量限制了其实际应用，需通过压缩技术来降低内存成本。然而，3DGS的无组织形状给压缩带来了困难。为将非结构化属性转化为规范分布，我们提出一种将高斯属性编码为规范三平面（tri-plane）的方法，利用属性分布进行压缩。为利用相邻高斯之间的相关性，在解码时从三平面中生成高斯分布时使用K最近邻（KNN）。我们还将高斯位置信息作为位置敏感解码器的先验。此外，我们引入自适应小波损失，以在迭代过程中聚焦于高频细节。我们的方法在多个数据集上的实验中实现了与或超过当前3D Gaussian Splatting压缩工作的性能。代码已发布于https://github.com/timwang2001/TC-GS。