返回
QuantizationGS: Differentiable quantization model for 3D Gaussian Splatting compression
DOI:10.1016/j.cag.2026.104596.png)
摘要
En 中文
• 通过在训练过程中向参数注入量化噪声来压缩模型。
• 使用全局重要性评分机制修剪冗余锚点以提高渲染速度。
• 通过专用损失约束模型训练来保持重建质量。
Keyword:
Quantization
Gaussian Splatting
Model Compression
Anchor Point Pruning
Loss Constraining
期刊
C
IF:
0
论文数:
119
被引数:
0
机构
引用论文
NeRFCodec: Neural Feature Compression Meets Neural Radiance Fields for Memory-Efficient Scene RepresentationNeRFCodec:神经特征压缩与神经辐射场相结合,实现内存高效的场景表示

