12 月 17 日，在香港舉辦的全球圖形學(xué)領(lǐng)域備受矚目的頂級(jí)學(xué)術(shù)盛會(huì) SIGGRAPH Asia 2025 上，摩爾線程在 3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑戰(zhàn)賽）中憑借自研技術(shù) LiteGS 出色的算法實(shí)力和軟硬件協(xié)同優(yōu)化能力，斬獲大賽銀獎(jiǎng)，再次證明摩爾線程在新一代圖形渲染技術(shù)上的深度積累與學(xué)術(shù)界的高度認(rèn)可。 

3DGS：下一代圖形渲染的范式革命

開啟 AI 加速的高效渲染時(shí)代

3D Gaussian Splatting（3DGS，三維高斯濺射）是 2023 年提出的一項(xiàng)革命性 3D 場(chǎng)景表示與渲染技術(shù)，以可參數(shù)化的 3D 高斯分布為核心，實(shí)現(xiàn)了畫質(zhì)、效率與資源占用之間的卓越平衡。與傳統(tǒng) NeRF 相比，3DGS 在保持逼真渲染質(zhì)量的前提下，將渲染效率提升數(shù)百至上千倍，并在光線追蹤、VR/AR 實(shí)時(shí)渲染、多模態(tài)融合等方向展現(xiàn)出極強(qiáng)的適應(yīng)性與擴(kuò)展性。

（* 上圖僅作示意）

作為近年來快速發(fā)展的神經(jīng)渲染技術(shù)，3DGS 不僅在三維重建與實(shí)時(shí)渲染等方向展現(xiàn)出卓越優(yōu)勢(shì)，也在更廣泛的 AI 場(chǎng)景中具備潛在的基礎(chǔ)價(jià)值。尤其是在具身智能（Embodied AI）等需要智能體理解并與真實(shí)環(huán)境交互的前沿領(lǐng)域，高質(zhì)量、低延遲的三維環(huán)境建模至關(guān)重要。3DGS 以其高保真場(chǎng)景顯示、快速優(yōu)化能力和輕量級(jí)結(jié)構(gòu)，為構(gòu)建準(zhǔn)確的世界模型提供了可靠支撐，有助于提升路徑規(guī)劃、環(huán)境感知和復(fù)雜操作任務(wù)的能力。隨著 AI 技術(shù)向 “理解并操作真實(shí)世界” 方向不斷延展，3DGS 正逐漸成為具身智能訓(xùn)練場(chǎng)景中的關(guān)鍵基礎(chǔ)技術(shù)之一。

正因其對(duì)未來圖形學(xué)技術(shù)路線的關(guān)鍵意義，3DGS 已成為全球?qū)W術(shù)界與產(chǎn)業(yè)界競(jìng)相投入的研究方向，受到 SIGGRAPH Asia 等權(quán)威機(jī)構(gòu)的高度關(guān)注。

極致挑戰(zhàn)：60 秒高質(zhì)量重建

推動(dòng) 3DGS 技術(shù)走向?qū)嵱没R界點(diǎn)

本次競(jìng)賽為參賽團(tuán)隊(duì)設(shè)置了極具挑戰(zhàn)性的任務(wù)：參賽者需在 60 秒內(nèi)，基于主辦方提供的真實(shí)終端視頻序列（10–30 秒）、存在誤差的相機(jī)軌跡以及終端 SLAM 點(diǎn)云，在極短時(shí)間內(nèi)完成完整的 3DGS 高質(zhì)量重建。

主辦方以 PSNR（重建質(zhì)量）與重建速度為綜合評(píng)價(jià)指標(biāo)，力求在完全公開、公正的條件下得出權(quán)威排名。

目前 3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑戰(zhàn)賽）的結(jié)果及數(shù)據(jù)集已向全球公開，相關(guān)資料可在 SIGGRAPH Asia 官方網(wǎng)站獲取。

地址：https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025/

摩爾線程的技術(shù)答卷

以全棧能力實(shí)現(xiàn)精度與速度的極致平衡

摩爾線程 AI 團(tuán)隊(duì)以參賽編號(hào) “MT-AI” 進(jìn)入決賽階段，在重建精度與效率兩項(xiàng)指標(biāo)上取得均衡且亮眼的表現(xiàn)：

• 平均 PSNR：27.58（位列前三）
• 重建耗時(shí)：34 秒（顯著領(lǐng)先多數(shù)隊(duì)伍）

憑借行業(yè)領(lǐng)先的 3DGS 算法構(gòu)建能力與軟硬件協(xié)同優(yōu)化優(yōu)勢(shì)，摩爾線程最終獲得二等獎(jiǎng)（銀牌）的優(yōu)秀成績(jī)。

開放協(xié)作

摩爾線程開源 3DGS 基礎(chǔ)庫(kù) LiteGS

作為一種新興的場(chǎng)景表示與新視角合成技術(shù)，3DGS 憑借高渲染質(zhì)量與實(shí)時(shí)渲染速度，在計(jì)算機(jī)圖形學(xué)與視覺領(lǐng)域?qū)崿F(xiàn)了顯著突破。該技術(shù)通過數(shù)以百萬(wàn)計(jì)的各向異性三維高斯基元來表示三維場(chǎng)景，以實(shí)現(xiàn)逼真的渲染效果，并在自動(dòng)駕駛、虛擬現(xiàn)實(shí)、數(shù)字孿生等領(lǐng)域展現(xiàn)出巨大潛力。然而，盡管 3DGS 的渲染速度極快，其訓(xùn)練過程卻往往需要數(shù)十分鐘甚至數(shù)小時(shí)，成為制約其廣泛應(yīng)用的主要瓶頸。現(xiàn)有優(yōu)化方案往往僅從單一層面入手，難以系統(tǒng)性地解決訓(xùn)練過程中的性能制約。

為此，摩爾線程自主研發(fā)了 3DGS 基礎(chǔ)庫(kù) LiteGS，首次實(shí)現(xiàn)了從底層 GPU 系統(tǒng)、中層數(shù)據(jù)管理到高層算法設(shè)計(jì)的全鏈路協(xié)同優(yōu)化：

• 在 GPU 系統(tǒng)層面，摩爾線程創(chuàng)新提出基于 “One Warp Per Tile” 原則的 “Warp-Based Raster” 新范式，將梯度聚合簡(jiǎn)化為一次 Warp 內(nèi)歸約，并結(jié)合掃描線算法與混合精度策略，大幅降低梯度計(jì)算開銷，同時(shí)實(shí)現(xiàn)高效的像素級(jí)統(tǒng)計(jì)能力；
• 在數(shù)據(jù)管理層，引入 “聚類-剔除-壓縮” 流水線，借助 Morton 編碼以極低開銷對(duì)高斯基元進(jìn)行動(dòng)態(tài)空間重排，顯著提升數(shù)據(jù)局部性，減少緩存失效與 Warp 分支；
• 在算法設(shè)計(jì)層，摒棄原有模糊的度量指標(biāo)，采用更為魯棒的像素不透明度梯度方差作為致密化的核心判據(jù)，精準(zhǔn)識(shí)別欠擬合區(qū)域，其輕量化計(jì)算直接受益于底層光柵化器的高效統(tǒng)計(jì)支持。

通過系統(tǒng)與算法的協(xié)同優(yōu)化，LiteGS 在訓(xùn)練效率與重建質(zhì)量上均實(shí)現(xiàn)顯著領(lǐng)先，樹立了該領(lǐng)域新的性能標(biāo)桿。

• 在達(dá)到與當(dāng)前質(zhì)量最優(yōu)方案同等水平時(shí)，LiteGS 可獲得高達(dá) 10.8 倍的訓(xùn)練加速，且參數(shù)量減少一半以上。
• 在相同參數(shù)量下，LiteGS 在 PSNR 指標(biāo)上超出主流方案 0.2–0.4 dB，訓(xùn)練時(shí)間縮短 3.8 至 7 倍。
• 針對(duì)輕量化模型，LiteGS 僅需原版 3DGS 約 10% 的訓(xùn)練時(shí)間與 20% 的參數(shù)量，即可實(shí)現(xiàn)同等質(zhì)量，展現(xiàn)出卓越的工程實(shí)用性與技術(shù)前瞻性。

目前，LiteGS 已在 GitHub 平臺(tái)全面開源，以推動(dòng)三維重建與渲染技術(shù)的開放協(xié)作與持續(xù)演進(jìn)。

開源地址：https://github.com/MooreThreads/LiteGS