ProtoGS：使用 3D Gaussian 原型实现高效高质量渲染

ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes

Source | HN Comments

ProtoGS 提出了一种基于 3D Gaussian 原型的高效高质量渲染方法。该方法旨在解决 3D Gaussian Splatting (3DGS) 在轻量级设备上部署的挑战，即 Gaussian 原始元素数量过多。ProtoGS 通过学习 Gaussian 原型来表示原始元素，从而减少 Gaussian 总量，同时保持视觉质量。该方法使用 Gaussian 原型进行高效渲染，并利用重建损失指导原型学习。为了优化内存效率，结合了 structure-from-motion (SfM) 点作为锚点进行分组，并通过 K-means 聚类导出 Gaussian 原型。实验结果表明，ProtoGS 在减少 Gaussians 数量的同时，实现了高渲染速度和逼真度。

arXiv:2503.17486 (cs) [于 2025 年 3 月 21 日提交 (v1), 最近修订于 2025 年 4 月 8 日 (此版本, v3)]

标题：ProtoGS：使用 3D Gaussian 原型实现高效高质量渲染

作者：Zhengqing Gao, Dongting Hu, Jia-Wang Bian, Huan Fu, Yan Li, Tongliang Liu, Mingming Gong, Kun Zhang

View PDF HTML (experimental)

摘要：3D Gaussian Splatting (3DGS) 在新视角合成方面取得了显著进展，但受到所需大量 Gaussian 原始元素的限制，这给在轻量级设备上的部署带来了挑战。最近的方法通过压缩密集化 Gaussians 的存储大小来解决这个问题，但未能保持渲染质量和效率。为了克服这些限制，我们提出了 ProtoGS 来学习 Gaussian 原型以表示 Gaussian 原始元素，从而在不牺牲视觉质量的情况下显著减少 Gaussian 的总量。我们的方法直接使用 Gaussian 原型来实现高效渲染，并利用由此产生的重建损失来指导原型学习。为了进一步优化训练期间的内存效率，我们结合了 structure-from-motion (SfM) 点作为锚点来对 Gaussian 原始元素进行分组。Gaussian 原型通过 K-means 聚类在每个组内导出，并且锚点和原型都经过联合优化。我们在真实世界和合成数据集上的实验证明，我们的方法优于现有方法，在显著减少 Gaussians 数量的同时，实现了高渲染速度，并保持甚至提高了渲染逼真度。

主题：| 计算机视觉与模式识别 (cs.CV); 人工智能 (cs.AI) ---|--- 引用为：| arXiv:2503.17486 [cs.CV] (或 arXiv:2503.17486v3 [cs.CV] 对于此版本)