修剪肥胖：通过修剪压缩 3D 高斯点云

提出了EfficientGS方法，通过选择性策略和剪枝机制，将模型大小减小为传统3D高斯喷涂的十分之一，同时保持高渲染保真度。

CompGS方法使用紧凑的高斯原始形式，显著降低三维场景建模过程中的数据大小，并在比特率消耗和表示效能之间实现最佳权衡。

基于预训练的3D高斯扩散模型的减枝和优化管道，利用空间敏感度准则提升渲染速度，同时保持前景信息和图像质量。

介绍了一种通过高斯裁剪重建准确三维几何结构的方法，保留准确结构并优化复杂细节。

3D高斯光斑模型在保持高清晰度的快速渲染速度的同时，获得隐式神经学习渲染结果，显著提升训练效率。

提出了一种紧凑的场景表示方法，组织三维高斯扩散模型的参数以降低存储需求，同时不影响视觉质量。

通过内存优化减少存储和传输需求，实现整体大小减少和渲染速度加快。

改进的3D高斯粉碎模型实现了快速、高质量的新视图合成，并减少了模型大小和训练时间。

优化3D高斯飞溅表示法，实现对方向性颜色和高斯参数的压缩，显著降低内存消耗和提高渲染效率。