跳到正文
arXiv · 机器人与计算机视觉· Wenqing Wang, Huimin Zeng, Yun Fu·· 23 天前AI 评分38

RacerGS:残差自回归上下文实现 3D 高斯泼溅压缩

RacerGS: Residual-Autoregressive Context for 3D Gaussian Splatting Compression

AI 导读

RacerGS 提出一种紧凑的 3D 高斯泼溅(3DGS)压缩框架,通过哈希投影模型与 FiLM 调制自回归 GRU 上下文模型优化比特率效率。该方案在保持渲染质量的同时,相比原生 3DGS 实现超 150 倍压缩,较 Scaffold-GS 提升 28 倍。跨五个数据集的实验表明,RacerGS 在存储缩减与率失真性能上均优于现有方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org