SpeeDe3DGS: Speedy Deformable 3D Gaussian Splatting with Temporal Pruning and Motion Grouping

动态 3DGS 常把场景存成 canonical 高斯，再用神经形变场在每个时间点移动每个高斯。质量可以很高，但每帧都为大量基元查询神经运动会成为主要瓶颈。SpeeDe3DGS 问的是：哪些基元和运动查询在时间上其实没必要。

Temporal Sensitivity Pruning 衡量每个高斯在整段序列中的贡献，而不是只看单帧。跨时间贡献弱的基元可以被删掉，从而同时降低渲染工作量和内存；这比静态裁剪更适合动态场景，因为有些贡献只在特定时间段出现。

Temporal Sensitivity Sampling 通过扰动时间戳来提升鲁棒性。动态模型如果只拟合精确训练时间，容易在帧间产生浮点和不连续；围绕时间采样能鼓励模型在相邻时间表现平滑。

GroupFlow 是最值得读的部分：它把相似轨迹的基元聚成组，用共享 SE(3) 变换替代逐高斯神经形变查询。局限是分组刚体运动会低估高度非刚性细节，但它给动态 3DGS 加速提供了模块化工具。