Gaussian-Forest: Hierarchical-Hybrid 3D Gaussian Splatting for Compressed Scene Modeling

最近，新视角合成领域出现了3D高斯点渲染技术，它以点为基础表示场景并通过栅格化渲染。与依赖于光线追踪的辐射场相比，这种方法展示了更高的渲染质量和速度。然而，3D高斯点的显式和非结构化特性带来了显著的存储挑战，阻碍了其广泛应用。为了解决这个挑战，我们引入了高斯森林建模框架，将场景分层表示为一组混合3D高斯点的森林。每个混合高斯点保留其独特的显式属性，同时与其兄弟高斯点共享隐式属性，从而通过显著减少变量来优化参数化。此外，设计了自适应生长和修剪策略，确保在复杂区域进行详细表示并显著减少所需高斯点的数量。广泛的实验表明，高斯森林不仅保持了可比较的速度和质量，而且实现了超过10倍的压缩率，标志着高效场景建模的重大进展。代码可在https://github.com/Xian-Bei/GaussianForest上获得。

论文提出了一种新的场景建模框架，旨在解决3D高斯点渲染的存储挑战问题。

Gaussian-Forest建模框架，采用分层表示场景的方法，通过共享隐式属性来优化参数化，从而实现更有效的场景建模。

论文采用自适应生长和修剪策略，保证在复杂区域的详细表示，并显著减少所需高斯数量。实验结果表明，Gaussian-Forest不仅保持了可比较的速度和质量，而且实现了超过10倍的压缩率。此外，论文提供了代码开源。

最近在这个领域中，还有一些相关的研究，如NeRF和3D Voxel-based方法。