# 后训练学习式熵编解码器

基于锚点的高斯泼溅场景训练后体积仍大到难以装进手机和头显，而已有的事后转换方法压缩比很早就饱和。这套方案把训练好的模型当作只读文件，为每个场景单独拟合一个带逐通道拉普拉斯分布的哈希网格熵上下文，再按莫顿顺序编码成可渐进解码的比特流。在三个基准的13个场景上，事后模式平均压缩6.0倍、画质变化−0.03 dB，且无需改动即可用于第三方检查点。

基于锚点的高斯泼溅场景训练后体积仍大到难以装进手机和头显，而已有的事后转换方法压缩比很早就饱和。这套方案把训练好的模型当作只读文件，为每个场景单独拟合一个带逐通道拉普拉斯分布的哈希网格熵上下文，再按莫顿顺序编码成可渐进解码的比特流。在三个基准的13个场景上，事后模式平均压缩6.0倍、画质变化−0.03 dB，且无需改动即可用于第三方检查点。