CompGS：通过压缩 Gaussian Splatting 实现高效 3D 场景表示

基于摘要分析。本文针对 Gaussian Splatting 在 3D 场景表示中数据量较大、限制实际应用的问题，提出 Compressed Gaussian Splatting（CompGS），以紧凑的 Gaussian primitives 降低表示所需数据量，同时保持场景建模与渲染质量。其主要研究对象是 3D 场景表示压缩，而非 EEG 或 BCI 信号建模。 核心机制是构建利用基元间预测关系的混合基元结构：用少量锚点基元进行预测，将大多数基元表示为紧凑残差；进一步通过码率约束优化减少混合基元中的冗余，在比特率消耗与表示效能之间寻求权衡。摘要未给出预测关系的具体构造、残差编码方式及优化目标的数学形式。 作者报告，在所开展的 3D 场景表示实验中，CompGS 相较现有方法取得更紧凑的表示，同时不损害模型精度和渲染质量；但摘要未提供数据集、对照方法、划分协议、具体指标或数值，因此尚不能据此量化压缩收益或判断不同场景下的适用范围。实验协议、消融及统计信息尚未验证。 作者表示代码将发布至 GitHub，所给材料尚不能确认代码已公开。复现需核对锚点选择、预测与残差表示、码率约束设置及渲染评估协议。材料未提供该机制与 EEG/BCI 数据结构的具体对应关系，不据此推断其具有 BCI 压缩或解码收益。