项目规划：基于训练辅助的三维高斯泼溅（3DGS）模型智能压缩
讨论频率：暂定 1 周 1 次
🎯 项目目标
- 学习总结：沉淀 3DGS 及模型压缩领域的理论知识与技术文档。
- 实验分析：复现学界主流工作，并进行深度的结果对比与性能分析。
- 创新实现：提出创新算法，重点优化压缩率、渲染质量及推理速度等核心指标。
📅 时间节点与里程碑
1. 季度讨论 (2026年8月)
- 目标 1：完成 V0.5 初版文档。
- 目标 2：完成部分学界经典/前沿工作的复现实验。
2. 中期答辩 (2026年11月)
- 目标 1：完善至 V1.0 版本。
- 目标 2：针对某一特定技术路径完成系统性分析。
- 目标 3：形成初步的创新想法或改进方案。
3. 季度讨论 (2027年2月)
- 目标 1：维持 V1.0 版本迭代。
- 目标 2：深化技术系统性分析。
- 目标 3：完成创新点的代码实现，并获得初步的基线（Baseline）对比数据。
4. 结题答辩 (2027年5月)
- 目标 1：结题文档定稿。
- 目标 2：产出完整的 3DGS 压缩技术系统性分析报告。
- 目标 3：实现最终创新方案，提供详尽的实验数据与基线对比结果。
❓ 遗留问题
- 行政审批：工卡、相关系统账号申请进度跟进。
- 合规性确认：SRTP 项目中，学生在公司内开发的成果产出（代码、算法、数据）用于外部答辩/发表的脱敏与合规流程。
📚 近期分享文章推荐
重点关注 3DGS 的结构化组织、编解码架构及前馈重建技术。
- Scaffold-GS：利用锚点结构优化 3DGS 的分布与冗余。
- GSCodec Studio：关注其编解码框架的设计思路。
- SHARP：探索 Feedforward（前馈）重建在提升效率方面的应用。