摘要
最近，一种基于优化的3D高斯点阵（3D Gaussian splat）表示的高保真场景重建方法被提出，可用于从稀疏图像集进行新视角合成。为了使此类表示适用于网络流媒体传输以及在低功耗设备上的渲染，亟需显著降低内存占用并提升渲染效率。为此，我们提出了一种压缩的3D高斯点阵表示方法，该方法结合感知敏感性的向量聚类与感知量化训练策略，对方向性颜色及高斯参数进行压缩。所学习的码本具有极低的比特率，在真实场景下实现了高达31倍的压缩率，同时仅带来可忽略的视觉质量下降。实验表明，该压缩后的点阵表示可在轻量级GPU上通过硬件光栅化高效渲染，帧率相比采用优化GPU计算管线的现有方法最高提升达4倍。在多个数据集上的大量实验验证了所提方法的鲁棒性与卓越的渲染速度。