通过学习去除迭代3D高斯投射法（LP-3DGS）提供了一种自动寻找最佳裁剪比例的方法，该方法使用可训练的二进制掩码来对重要性分数进行裁剪，并通过重新设计掩码函数以利用Gumbel-Sigmoid方法使其可微分并与现有的3D高斯投射法训练过程兼容，从而在效率和质量之间提供了良好的平衡。

本研究提出了一种通过优化二进制掩码而不是模型权重的新方法，以提高随机联合学习的通信效率。实验证明，该方法在通信和内存效率方面显著提高，准确性几乎没有下降。