👑主页：吾名招财
👓简介：工科学硕，研究方向机器视觉，爱好较广泛...
💫签名：面朝大海，春暖花开！
可将3DGS模型剪枝压缩数倍的LightGaussian（显示效果基本不变）
引言
最开始的时候3DGS模型生成比较大，尤其是大场景的，一个高斯模型就400多M，当同时加载多个模型进行轮询显示的时候，若电脑内存不够就会崩溃，要想加载尽量多的模型一个是通过提升电脑性能，另一个就是对模型压缩了，当时测试了很多的模型压缩相关算法。有的是直接改变存储格式，在加载内存显示的时候还要解压，这样的话内存消耗依然巨大，后面又发现了一些直接针对3DGS模型进行剪枝压缩的相关技术，可以直接裁剪掉一些额外的非主体的高斯来进行模型的缩小，并且效果不错。
LightGaussian
源码： https://github.com/VITA-Group/LightGaussian
环境配置： 参照官方根据个人电脑配置对应环境
（1）输入数据
输入的结果可以在主目录下建立一个datasets文件夹，将之前通过gaussian_splatting生成的colmap数据集及高斯训练的结果复制合并到此处，如下
（2）运行命令
python
python prune_finetune.py -s datasets/Horse -m path-to-output-folder/ --eval --port 6401 --start_pointcloud datasets/Horse/point_cloud/iteration_30000/point_cloud.ply --iteration 5000 --test_iterations 5000 --save_iterations 5000 --prune_iterations 2 --prune_percent 0.66 --prune_type v_important_score --prune_decay 1 --position_lr_init 0.000005 --position_lr_max_steps 5000 --v_pow 0.1
相关参数解释如下：
（3）剪枝压缩结果
此处的输出结果保存到了path-to-output-folder文件夹下
下方是原生gaussian_splatting迭代30000次的结果，大小为300M左右
下方是LightGaussian对上面的3DGS剪枝压缩后再迭代5000次的结果，比原来的文件缩小了三倍，缩小至100M，而且显示效果跟之前相比差别不大
