3DGS（3D Gaussian Splatting，三維高斯濺射）是2023年SIGGRAPH會議提出的革命性三維場景表示與實(shí)時渲染技術(shù)，其核心創(chuàng)新在于以可學(xué)習(xí)、可參數(shù)化的3D高斯分布作為場景的基本表征單元，通過可微分渲染與并行光柵化技術(shù)，在保持高保真重建質(zhì)量的同時，實(shí)現(xiàn)了傳統(tǒng)三維重建技術(shù)難以企及的實(shí)時渲染性能，徹底打破了“重建精度”與“渲染效率”的固有矛盾，成為連接物理世界與數(shù)字空間的關(guān)鍵技術(shù)橋梁。作為神經(jīng)渲染與計(jì)算機(jī)圖形學(xué)融合的典型成果，3DGS不僅重構(gòu)了三維場景建模與渲染的技術(shù)范式，更在數(shù)字孿生、自動駕駛仿真、AR/VR、文化遺產(chǎn)數(shù)字化等領(lǐng)域展現(xiàn)出巨大應(yīng)用潛力，其技術(shù)原理、核心優(yōu)勢、實(shí)現(xiàn)流程與行業(yè)價值共同構(gòu)成了完整的技術(shù)體系。3DGS的核心思想是將復(fù)雜的三維場景解構(gòu)為數(shù)百萬個具備獨(dú)立屬性的3D高斯“基元”，每個高斯基元本質(zhì)上是一個三維橢球體，通過一組可學(xué)習(xí)的參數(shù)精準(zhǔn)定義其在空間中的狀態(tài)，包括位置（高斯分布的中心坐標(biāo)）、形狀與方向（由協(xié)方差矩陣控制，可靈活表征球體、橢球體等不同形態(tài)）、顏色（基于球諧函數(shù)的視角相關(guān)顏色，支持真實(shí)光照下的色彩變化）以及不透明度（控制該基元對最終圖像的貢獻(xiàn)權(quán)重）。與傳統(tǒng)三維重建技術(shù)的表征方式不同，3DGS采用顯式表示方案——所有高斯基元的參數(shù)均為直接可調(diào)的顯性數(shù)據(jù)，而非NeRF等隱式方法依賴的神經(jīng)網(wǎng)絡(luò)參數(shù)，這一特性使其具備更強(qiáng)的可控性與編輯性，同時為并行計(jì)算優(yōu)化提供了基礎(chǔ)。其核心優(yōu)勢集中體現(xiàn)在三個維度：一是實(shí)時渲染能力，通過基于GPU的并行光柵化流程（如CUDA加速），3DGS在RTX 4090等主流硬件平臺上可實(shí)現(xiàn)120fps以上的實(shí)時渲染，較傳統(tǒng)NeRF技術(shù)提升百倍級速度，徹底解決了神經(jīng)渲染“慢渲染”的行業(yè)痛點(diǎn)；二是高保真重建精度，通過高斯基元的精細(xì)參數(shù)優(yōu)化與自適應(yīng)密度控制，能夠精準(zhǔn)捕捉場景的幾何細(xì)節(jié)（如文物浮雕、建筑紋理）與光照特性，重建效果可媲美頂級NeRF模型，支持8K級視覺保真度輸出；三是輕量化與高效性，顯式存儲結(jié)構(gòu)避免了隱式表示的高內(nèi)存消耗，模型通常以.ply或.splat格式存儲，體積壓縮至MB量級，同時支持?jǐn)?shù)據(jù)壓縮與分層加載，極大降低了存儲與傳輸成本，適配云端渲染與移動端部署需求。3DGS的完整實(shí)現(xiàn)流程是一套端到端的閉環(huán)系統(tǒng)，涵蓋從數(shù)據(jù)輸入到模型輸出的全鏈路優(yōu)化，核心可分為七個關(guān)鍵步驟：第一步是數(shù)據(jù)預(yù)處理與初始化，通過SfM（運(yùn)動恢復(fù)結(jié)構(gòu)）技術(shù)（如COLMAP工具）對輸入的多視角RGB圖像序列進(jìn)行處理，估計(jì)相機(jī)位姿（內(nèi)參與外參）并生成場景的初始稀疏點(diǎn)云，這一步為后續(xù)高斯基元的構(gòu)建提供了空間基準(zhǔn)；第二步是高斯基元建模，將初始稀疏點(diǎn)云轉(zhuǎn)換為初始的3D高斯橢球體集合，為每個高斯基元分配初始參數(shù)（位置繼承自點(diǎn)云坐標(biāo)，形狀與顏色進(jìn)行初始，形狀與顏色進(jìn)行初始賦值）；第三步是視錐體篩選，根據(jù)當(dāng)前相機(jī)的拍攝參數(shù)，動態(tài)剔除位于視場范圍之外的高斯基元，減少無效計(jì)算，提升渲染效率；第四步是可微分投影，將保留的3D高斯基元通過仿射變換投影至二維圖像平面，建立三維空間與二維像素的映射關(guān)系，這一過程具備可微分特性，為后續(xù)參數(shù)優(yōu)化提供梯度傳遞路徑；第五步是分塊光柵化，將投影后的高斯基元按圖像塊（瓦片）組織，通過專用光柵器實(shí)現(xiàn)并行、有序的混合渲染，每個像素的最終顏色由其覆蓋范圍內(nèi)所有高斯基元的顏色與不透明度加權(quán)累加得到，形成類似“顏料潑濺”的融合效果，這也是“Gaussian Splatting”命名的由來；第六步是損失計(jì)算與反向傳播，通過對比渲染圖像與真實(shí)輸入圖像的差異（如均方誤差損失），利用梯度下降算法（如Adam）反向優(yōu)化所有高斯基元的參數(shù)，不斷提升重建精度；第七步是自適應(yīng)密度控制，這是3DGS提升細(xì)節(jié)表現(xiàn)力的關(guān)鍵創(chuàng)新——在訓(xùn)練過程中動態(tài)執(zhí)行高斯基元的分裂、克隆與剪枝操作：對細(xì)節(jié)豐富區(qū)域的高斯基元進(jìn)行分裂，生成更多精細(xì)基元；對冗余區(qū)域的基元進(jìn)行合并或刪除，在保證細(xì)節(jié)的同時控制基元數(shù)量，實(shí)現(xiàn)場景的自適應(yīng)精準(zhǔn)建模。