LGS: A Light-weight 4D Gaussian Splatting for Efficient Surgical Scene Reconstruction

3D高斯喷洒（3D-GS）技术及其动态场景建模变体4D-GS的出现，为实时呈现动态手术场景提供了有希望的前景。然而，通过大量高斯单位建模动态场景的先决条件，高维高斯属性和高分辨率变形场，都导致存储问题，阻碍了资源有限的手术设备的实时渲染。为了克服这些限制，我们引入了一种轻量级4D高斯喷洒框架（LGS），可以解放动态内窥镜重建的渲染和存储效率瓶颈。具体而言，为了最小化高斯量的冗余，我们提出了变形感知修剪，通过评估每个高斯对变形的影响。同时，为了减少高斯属性的冗余，我们通过修剪高斯属性的维度，简化了非关键区域的纹理和照明的表示。我们进一步通过4D特征场浓缩，解决了由于4D神经时空编码器对动态场景建模的高分辨率而引起的特征场冗余。公共基准测试的实验表明，LGS在保持令人满意的视觉质量和实时渲染效率的同时，压缩率超过9倍。LGS确认了向机器人手术服务应用迈出的实质性一步。

解决问题：如何在资源受限的手术设备上实现实时渲染动态内窥镜重建？

关键思路：提出轻量级4D高斯喷洒框架（LGS），通过变形感知修剪、高斯属性简化和4D特征场凝聚等方式，解决高维高分辨率数据存储和渲染效率瓶颈问题。

亮点：LGS在保持良好视觉质量和实时渲染效率的同时，压缩率超过9倍。实验使用公共基准数据集，是向机器人手术服务应用迈出的重要一步。

相关研究：最近的相关研究包括“Dynamic Scene Modeling for Surgical Navigation Using 4D Gaussian Splatting”和“Real-time 3D Reconstruction and Localization for Endoscopic Vision-Based Navigation”。