集成电路学院（信息与电子工程学院）学生团队斩获IEEE ICME 2026 DyGSBench挑战赛冠军

近日，IEEE International Conference on Multimedia and Expo 2026（ICME 2026）Grand Challenge “DyGSBench: Dynamic 3DGS Compression” 结果公布。上海交通大学集成电路学院（信息与电子工程学院）MediaX-SJTU课题组提出的 “Attribute-Based Pruning and Adaptive Quantization for Dynamic 3D Gaussian Splatting Compression” 方案在官方隐藏测试集中取得第一名，荣获挑战赛冠军，并受邀在ICME 2026 Workshop进行口头报告，向国际同行展示团队在动态3D Gaussian Splatting压缩方向的研究成果。

获奖证书

团队成员现场进行口头报告

IEEE International Conference on Multimedia and Expo（ICME）是多媒体领域的重要国际会议之一，覆盖多媒体信号处理、视觉计算、沉浸式媒体、三维视觉与智能内容理解等方向。

DyGSBench挑战赛是ICME 2026 Grand Challenge之一，聚焦动态3D Gaussian Splatting（Dynamic 3DGS）资产在存储、传输与实时渲染中的核心瓶颈，要求参赛队伍在仅给定原生动态Gaussian序列的条件下，设计高效的编码与解码方案，在压缩码率、渲染质量、时间一致性以及在线解码效率之间取得综合最优。比赛采用PSNR、SSIM、tOF、Size等多维指标进行综合评测，重点考察方法在真实部署场景中的实用性与鲁棒性，旨在推动面向实际应用的动态三维内容压缩技术发展。

针对动态3DGS序列中存在的大量冗余 primitive、优化噪声以及跨帧时序相关性，团队提出了一套面向原生动态Gaussian资产的高效压缩框架。该方法首先通过属性驱动的启发式剪枝策略，过滤异常值、极低不透明度ghost points以及大尺度低opacity漂浮伪影，为后续压缩建立更加干净的几何基础。

在核心编码阶段，团队设计了混合帧内/帧间编码架构：关键帧与新生Gaussian primitives采用保守量化表示以保证重建质量；帧间部分则利用Morton编码进行空间排序，并结合KNN时序匹配与生命周期管理，将动态 primitive划分为matched、newborn与expired三类，从而有效利用相邻帧之间的时序冗余。团队根据不同Gaussian属性的数据分布与视觉敏感性，设计了属性感知的自适应量化方案，并结合字典式熵编码生成紧凑码流。

实验结果表明，该方案在官方隐藏测试集中取得第一名，综合评分达到0.7825；在本地评测场景中，方法在保持高PSNR和SSIM的同时显著降低了每帧存储大小，并保持了良好的时间一致性。

团队信息

由左至右依次为吴振龙、郑子涵、王萱萱、张小云、胡强

该项工作由上海交通大学未来媒体网络协同创新中心MediaX课题组完成，团队成员包括博士生吴振龙、郑子涵，硕士生王萱萱，指导教师为张小云研究员、胡强副研究员。课题组长期围绕 3D/4D Gaussian Splatting、自由视点视频、神经表示压缩与沉浸式媒体传输等方向开展研究，致力于推动高质量三维视觉内容的高效表示、压缩与传输。

此次获奖体现了学院团队在动态三维视觉表示与压缩方向的研究积累，也展示了团队面向国际前沿竞赛任务的算法设计、系统实现和工程优化能力。未来，团队将继续围绕动态3DGS压缩、自由视点视频传输和沉浸式媒体系统展开研究，为 AR/VR/XR、数字孪生和高质量三维内容分发等应用提供更加高效、稳定的技术支撑。

转载自上海交通大学新闻网