SHACIRA: 面向隐式神经表示的可扩展哈希格压缩
原文中文，约300字，阅读约需1分钟。发表于：。SHACIRA 是一种简单但有效的通用框架，它通过在潜在空间中重参数化特征网格、应用熵正则化实现了对如图像、视频和辐射场等多种领域数据进行高水平压缩，超过了现有的 INR 方法，而无需大型数据集或特定领域的启发式算法。
本文提出了一种使用压缩方法的框架，以实现对神经辐射场的存储量的超过40倍的减少，并具有竞争性的渲染质量和180 fps的实时渲染速度。该方法利用网格模型固有的代表特性，开发了非一致压缩方法以显着减少模型复杂性，并引入了名为“神经码书”的新颖参数化模块，通过快速优化来更好地编码每个场景模型的高频细节。相对于实时渲染方法而言，该方法具有存储成本的显著优势。
