CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting

高斯点渲染因其卓越的渲染质量和效率而闻名，已成为3D场景表示中的重要技术。然而，高斯点渲染的大量数据却阻碍了其在实际应用中的实用性。因此，我们提出了一种高效的3D场景表示方法，名为压缩高斯点渲染（CompGS），它利用紧凑的高斯基元进行忠实的3D场景建模，并显著减少数据大小。为了确保高斯基元的紧凑性，我们设计了一种混合基元结构，捕捉它们之间的预测关系。然后，我们利用一小组锚点基元进行预测，使大多数基元被封装成高度紧凑的残差形式。此外，我们开发了一种速率约束优化方案，以消除这种混合基元中的冗余，使我们的CompGS在比特率消耗和表示效果之间实现最佳权衡。实验结果表明，所提出的CompGS明显优于现有方法，在不影响模型准确性和渲染质量的情况下实现了3D场景表示的超强紧凑性。我们的代码将在GitHub上发布以供进一步研究。

本论文旨在解决高斯喷洒在三维场景表示中的数据量大、实用性差的问题，提出了一种名为CompGS的高效三维场景表示方法。

CompGS利用紧凑的高斯基元素对三维场景进行建模，采用一种混合基元结构来捕捉它们之间的预测关系，并利用一小组锚基元素进行预测，从而将大多数基元素封装成高度紧凑的残差形式。

论文通过实验验证了CompGS在三维场景表示方面的优越性，具有更高的紧凑性、模型准确性和渲染质量，同时开源了代码。

在这个领域中，最近的相关研究包括："OctNet: Learning Deep 3D Representations at High Resolutions"、"PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation"等。