TETRIS-4DGS：4DGS后训练压缩框架

2026年10月14日，arXiv Computer Vision 刊出 Chengzhen Wu 等作者的论文，提出 TETRIS-4DGS——一种面向 4D Gaussian Splatting（4DGS）的通用后训练压缩框架。该工作利用现有图像与视频编解码器，按高斯重要性进行自适应量化，并采用运动与重要性感知的打包方式，将属性重组为编解码友好的 2D 图。作者称，该方法可在数秒内实现超过 40 倍压缩率并保持高质量，从而便于 4DGS 的实际部署。截至该报道，事件进展为论文提交与框架公开，尚无其他跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。