面向残差的 progressively Gaussian splatting 中的空间上下文注意力

最近的3D高斯散射技术已实现了实时、高保真的新视角合成。然而，这些模型对于大型和中等尺寸场景具有显著的存储要求，阻碍了其在云端和流媒体服务中的部署。一些最新的渐进压缩技术依赖于渐进掩码和标量量化技术来减少高斯属性的比特率，同时使用空间上下文模型。虽然有效，但标量量化可能无法最佳捕获高维特征向量的相关性，这可能会限制率失真性能。在本工作中，我们引入了一种用于3D高斯散射的新型渐进编码器，取代传统方法，采用更强大的残差向量量化方法来压缩原始特征。我们的关键贡献是由多分辨率哈希网格引导的自回归熵模型，准确预测每个后续传输索引的条件概率，使粗糙层和细化层能够高度有效地压缩。