TED-4DGS：面向4DGS压缩的时序激活与基于嵌入的变形
计算机视觉与模式识别
2025-12-08 v1
摘要
在3D高斯溶解(3DGS)在静态3D场景表示方面取得成功之后，其向动态场景的扩展，通常称为4DGS或动态3DGS，正受到日益关注的注意。然而，为动态3DGS表示设计更紧凑且高效的变形方案，同时进行率失真优化压缩策略，仍是一个较少探索的领域。先前的方法要么依赖空间时间4DGS的过度指定的、短暂的高斯原始值，要么依赖带有缺乏显式时序控制的标准3DGS变形。为了解决这一问题，我们提出TED-4DGS，一种时序激活和基于嵌入的变形方案，用于率失真优化的4DGS压缩，将两大家族的优势统一于一起。TED-4DGS建立在稀疏锚点基于3DGS的表示之上。每个标准锚点被分配可学习的时序激活参数，以指定其在时间上的出现和消失转换，同时一个轻量级的每个锚点时序嵌入查询一个共享的变形库以产生锚点特定的变形。对于率失真压缩，我们包含一个基于隐式神经表示(INR)的超先验，用于建模锚点属性分布，以及一个通道级自回归模型来捕获锚点之间的相关性。通过这些新颖的元素，我们的方案在几个真实世界数据集上实现了最先进的率失真性能。就我们所知，这是首次尝试为动态3DGS表示 pursue a率失真优化压缩框架。
引用
@article{arxiv.2512.05446,
title = {TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression},
author = {Cheng-Yuan Ho and He-Bi Yang and Jui-Chiu Chiang and Yu-Lun Liu and Wen-Hsiao Peng},
journal= {arXiv preprint arXiv:2512.05446},
year = {2025}
}