MFGS
一种面向3D高斯泼溅的前馈多视图特征编码框架，将多视图特征编码嵌入前馈管线，实现码率与失真的端到端联合优化
时间轴 (近 90 天)
MFGS框架将多视图特征编码直接嵌入前馈3DGS管线，在RE10K、ACID、DL3DV三个数据集上实现最高99.86%的码率节省（BD-rate），端到端速度提升约12倍。
MFGS的核心方法是压缩输入图像中提取的多视图特征而非显式的高斯表示，编码端提取紧凑特征，解码端直接预测高斯属性完成渲染。
MFGS在RE10K、ACID、DL3DV三个数据集上以BD-rate衡量节省99.76%至99.86%的码率（相同重建质量下相对基准方法节省的平均码率百分比）。
MFGS的总GMACs降低52%至55%，意味着同等任务下模型所需的算力几乎减半。
MFGS引入重要性引导的高斯选择机制，使接收端可以从同一条码流中灵活调整用于渲染的高斯数量，无需重新生成或重新编码码流。
MFGS在三个数据集上的码率节省高度一致，说明收益来自架构层面的改进，而非特定数据集的适配。
在多视图三维重建管线中，压缩不应发生在表示生成之后，而应与表示学习同步进行，使模型自发学到既好渲染又好压缩的中间表示。
全部知识事实 (7)
MFGS框架将多视图特征编码直接嵌入前馈3DGS管线，在RE10K、ACID、DL3DV三个数据集上实现最高99.86%的码率节省（BD-rate），端到端速度提升约12倍。
50%待验证MFGS的核心方法是压缩输入图像中提取的多视图特征而非显式的高斯表示，编码端提取紧凑特征，解码端直接预测高斯属性完成渲染。
50%待验证MFGS在RE10K、ACID、DL3DV三个数据集上以BD-rate衡量节省99.76%至99.86%的码率（相同重建质量下相对基准方法节省的平均码率百分比）。
50%待验证MFGS的总GMACs降低52%至55%，意味着同等任务下模型所需的算力几乎减半。
50%待验证MFGS引入重要性引导的高斯选择机制，使接收端可以从同一条码流中灵活调整用于渲染的高斯数量，无需重新生成或重新编码码流。
50%待验证MFGS在三个数据集上的码率节省高度一致，说明收益来自架构层面的改进，而非特定数据集的适配。
50%待验证在多视图三维重建管线中，压缩不应发生在表示生成之后，而应与表示学习同步进行，使模型自发学到既好渲染又好压缩的中间表示。
50%