详细解读
LightGaussian 是早期重要的 3DGS 压缩论文之一，目标是减少存储、显存和渲染开销。原始 3DGS 的一个现实问题是基元数量很快变大，桌面 GPU 能跑不代表 Web、移动端和传输成本都能接受。
方法结合裁剪、蒸馏和量化。裁剪移除贡献小或冗余的高斯，蒸馏让压缩模型尽量保持原始外观，量化则减少属性存储位宽，从文件体积和运行时两端降成本。
读这篇论文时要看它如何判断“可删”。只按透明度或大小很容易误伤轮廓、薄结构和稀有视角贡献；好的压缩需要从多视角渲染误差和视觉贡献角度评估基元。
它的重要性在于把 3DGS 从研究 demo 推向可分发资产。局限是压缩总有质量和速度折中，某些场景在高频纹理、反光或稀有视角下更容易出现退化。