SplatQ
一种面向3D高斯泼溅（3DGS）的组合优化剪枝算法，通过空间外观分块、预算配额平滑和二次无约束二值优化（QUBO）建模联合删除效应，实现在固定预算下的高效高斯基元选择
时间轴 (近 90 天)
SplatQ是一种在固定预算下协调区域预算分配与联合高斯选择的组合优化剪枝算法，用于3D高斯泼溅（3DGS）的剪枝
SplatQ依据空间邻近性和外观相似性将全部高斯划分为若干大小受限的区块（block）
SplatQ对各区块的保留配额进行平滑处理，以防止预算过度集中在少数高重要性区块
SplatQ利用代表性像素颜色对高斯不透明度变化的响应构建二次近似模型，纳入单个高斯独立响应、高斯间成对交互和配额惩罚项三类因素
SplatQ将剪枝问题整合进二次无约束二值优化（QUBO）目标函数中，每个高斯的保留或删除对应一个二值变量
SplatQ采用模拟退火（SA）和相干伊辛机（CIM）两种方式求解QUBO目标
研究团队在5个基准数据集上测试，SplatQ在聚合重建质量、空间质量均衡性和渲染速度三个维度上均优于当前最先进的剪枝方法
消融实验证实预算平滑提升局部细节重建质量，交互建模在固定预算下改善高斯选择的整体质量
全部知识事实 (8)
SplatQ是一种在固定预算下协调区域预算分配与联合高斯选择的组合优化剪枝算法，用于3D高斯泼溅（3DGS）的剪枝
50%待验证SplatQ依据空间邻近性和外观相似性将全部高斯划分为若干大小受限的区块（block）
50%待验证SplatQ对各区块的保留配额进行平滑处理，以防止预算过度集中在少数高重要性区块
50%待验证SplatQ利用代表性像素颜色对高斯不透明度变化的响应构建二次近似模型，纳入单个高斯独立响应、高斯间成对交互和配额惩罚项三类因素
50%待验证SplatQ将剪枝问题整合进二次无约束二值优化（QUBO）目标函数中，每个高斯的保留或删除对应一个二值变量
50%待验证SplatQ采用模拟退火（SA）和相干伊辛机（CIM）两种方式求解QUBO目标
50%待验证研究团队在5个基准数据集上测试，SplatQ在聚合重建质量、空间质量均衡性和渲染速度三个维度上均优于当前最先进的剪枝方法
50%待验证消融实验证实预算平滑提升局部细节重建质量，交互建模在固定预算下改善高斯选择的整体质量
50%