GeoHCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting

📄 arXiv: 2603.28431v1 📥 PDF

作者: Xuan Deng, Xiandong Meng, Hengyu Man, Qiang Zhu, Tiange Zhang, Debin Zhao, Xiaopeng Fan

分类: cs.CV, cs.AI

发布日期: 2026-03-30

备注: 10

💡 一句话要点

GeoHCC：提出局部几何感知的分层上下文压缩方法，用于高效3D高斯溅射。

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱七：动作重定向 (Motion Retargeting)

关键词: 3D高斯溅射 压缩 几何感知 锚点剪枝 熵编码

📋 核心要点

  1. 3D高斯溅射存储开销大，现有基于锚点的压缩方法忽略了几何依赖，导致结构退化。
  2. GeoHCC通过邻域感知锚点剪枝和分层熵编码，将几何相关性融入压缩过程，保持几何结构。
  3. 实验表明，GeoHCC在保持几何完整性和渲染保真度方面优于现有方法，有效解决了结构保持瓶颈。

📝 摘要（中文）

3D高斯溅射(3DGS)虽然能够实现高保真实时渲染，但其巨大的存储开销严重阻碍了实际部署。现有的基于锚点的3DGS压缩方案通过上下文建模来减少冗余，但忽略了显式的几何依赖关系，导致结构退化和次优的率失真性能。本文提出了一种几何感知的3DGS压缩框架GeoHCC，该框架将锚点间的几何相关性融入到锚点剪枝和熵编码中，以实现紧凑的表示。首先，引入邻域感知锚点剪枝(NAAP)，通过加权邻域特征聚合来评估锚点的重要性，并将冗余锚点合并到显著的邻居中，从而产生一个紧凑但几何一致的锚点集。在此优化结构的基础上，进一步开发了一种分层熵编码方案，通过轻量级的几何引导卷积(GG-Conv)算子来利用由粗到精的先验知识，从而实现空间自适应的上下文建模和率失真优化。大量实验表明，GeoHCC有效地解决了结构保持瓶颈，与最先进的基于锚点的方法相比，保持了卓越的几何完整性和渲染保真度。

🔬 方法详解

问题定义：3D高斯溅射（3DGS）虽然渲染效果好，但存储空间占用过大，限制了其应用。现有的基于锚点的压缩方法，虽然能减少冗余，但忽略了高斯体之间的几何关系，导致压缩后场景结构失真，影响渲染质量。因此，需要一种既能有效压缩，又能保持几何结构的3DGS压缩方法。

核心思路：GeoHCC的核心思路是在压缩过程中显式地考虑高斯体之间的几何关系。通过邻域感知锚点剪枝，去除冗余的、不重要的锚点，同时将它们的信息合并到邻近的重要锚点上，从而减少锚点数量，降低存储空间。然后，利用几何引导卷积，对剩余锚点进行分层熵编码，进一步压缩数据，同时保持几何结构的完整性。

技术框架：GeoHCC框架主要包含两个阶段：1) 邻域感知锚点剪枝（NAAP）：首先，计算每个锚点的邻域特征，然后根据邻域特征的重要性，对锚点进行剪枝，并将冗余锚点的信息合并到邻近的重要锚点上。2) 分层熵编码：利用几何引导卷积（GG-Conv）算子，对剪枝后的锚点进行分层熵编码，实现空间自适应的上下文建模和率失真优化。

关键创新：GeoHCC的关键创新在于将几何信息显式地融入到3DGS的压缩过程中。具体体现在两个方面：1) 邻域感知锚点剪枝：通过考虑锚点之间的几何关系，更准确地评估锚点的重要性，从而实现更有效的锚点剪枝。2) 几何引导卷积：利用几何信息引导卷积操作，实现空间自适应的上下文建模，从而提高熵编码的效率。与现有方法相比，GeoHCC能够更好地保持压缩后的场景结构，提高渲染质量。

关键设计：在邻域感知锚点剪枝中，使用加权邻域特征聚合来评估锚点的重要性，权重由锚点之间的几何距离决定。在分层熵编码中，GG-Conv算子采用轻量级设计，以减少计算开销。损失函数采用率失真优化，平衡压缩率和渲染质量。具体的网络结构和参数设置在论文中有详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，GeoHCC在压缩率和渲染质量方面均优于现有方法。与最先进的基于锚点的方法相比，GeoHCC能够在保持相似渲染质量的前提下，将存储空间减少XX%。在相同的压缩率下，GeoHCC能够提供更高的渲染质量，例如PSNR提升XX dB，SSIM提升XX。

🎯 应用场景

GeoHCC可应用于各种需要实时渲染和存储3D场景的领域，例如虚拟现实、增强现实、游戏开发、自动驾驶和机器人导航。通过减少3DGS的存储开销，GeoHCC能够使这些应用在资源受限的设备上运行，并提高渲染效率，从而改善用户体验。

📄 摘要（原文）

Although 3D Gaussian Splatting (3DGS) enables high-fidelity real-time rendering, its prohibitive storage overhead severely hinders practical deployment. Recent anchor-based 3DGS compression schemes reduce redundancy through context modeling, yet overlook explicit geometric dependencies, leading to structural degradation and suboptimal rate-distortion performance. In this paper, we propose GeoHCC, a geometry-aware 3DGS compression framework that incorporates inter-anchor geometric correlations into anchor pruning and entropy coding for compact representation. We first introduce Neighborhood-Aware Anchor Pruning (NAAP), which evaluates anchor importance via weighted neighborhood feature aggregation and merges redundant anchors into salient neighbors, yielding a compact yet geometry-consistent anchor set. Building upon this optimized structure, we further develop a hierarchical entropy coding scheme, in which coarse-to-fine priors are exploited through a lightweight Geometry-Guided Convolution (GG-Conv) operator to enable spatially adaptive context modeling and rate-distortion optimization. Extensive experiments demonstrate that GeoHCC effectively resolves the structure preservation bottleneck, maintaining superior geometric integrity and rendering fidelity over state-of-the-art anchor-based approaches.