在近日于香港舉辦的全球圖形學(xué)領(lǐng)域頂級學(xué)術(shù)會議SIGGRAPH Asia 2025上，一場備受矚目的3D Gaussian Splatting Reconstruction Challenge（3DGS重建挑戰(zhàn)賽）落下帷幕。中國科技企業(yè)摩爾線程憑借其自主研發(fā)的3DGS基礎(chǔ)庫LiteGS，在眾多參賽隊伍中脫穎而出，斬獲銀獎。

3D Gaussian Splatting（3DGS）作為一種新興的3D場景表示與渲染技術(shù)，自2023年提出以來便引發(fā)了廣泛關(guān)注。該技術(shù)以可參數(shù)化的3D高斯分布為核心，巧妙地平衡了畫質(zhì)、效率與資源占用之間的關(guān)系。與傳統(tǒng)NeRF技術(shù)相比，3DGS在保持逼真渲染質(zhì)量的同時，將渲染效率提升了數(shù)百倍甚至上千倍，并且在光線追蹤、VR/AR實時渲染、多模態(tài)融合等多個方向展現(xiàn)出強大的適應(yīng)性與擴展性。它通過數(shù)以百萬計的各向異性三維高斯基元來精確表示三維場景，從而實現(xiàn)逼真的渲染效果，在自動駕駛、虛擬現(xiàn)實、數(shù)字孿生等領(lǐng)域蘊含著巨大的應(yīng)用潛力。

然而，3DGS技術(shù)也面臨著一些挑戰(zhàn)。盡管其渲染速度極快，但訓(xùn)練過程卻往往耗時較長，通常需要數(shù)十分鐘甚至數(shù)小時，這成為制約其廣泛應(yīng)用的主要瓶頸。現(xiàn)有的優(yōu)化方案大多僅從單一層面進行改進，難以系統(tǒng)性地解決訓(xùn)練過程中的性能制約問題。

為了攻克這一難題，摩爾線程自主研發(fā)了3DGS基礎(chǔ)庫LiteGS。該庫首次實現(xiàn)了從底層GPU系統(tǒng)、中層數(shù)據(jù)管理到高層算法設(shè)計的全鏈路協(xié)同優(yōu)化。在GPU系統(tǒng)層面，摩爾線程創(chuàng)新性地提出了基于“One Warp Per Tile”原則的“Warp-Based Raster”新范式。這一范式將梯度聚合簡化為一次Warp內(nèi)歸約，并結(jié)合掃描線算法與混合精度策略，大幅降低了梯度計算開銷，同時實現(xiàn)了高效的像素級統(tǒng)計能力。在數(shù)據(jù)管理層，引入了“聚類-剔除-壓縮”流水線，借助Morton編碼以極低開銷對高斯基元進行動態(tài)空間重排，顯著提升了數(shù)據(jù)局部性，減少了緩存失效與Warp分支。在算法設(shè)計層，摒棄了原有模糊的度量指標，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)，能夠精準識別欠擬合區(qū)域，其輕量化計算直接受益于底層光柵化器的高效統(tǒng)計支持。

在本次3DGS重建挑戰(zhàn)賽中，參賽團隊面臨著嚴峻的任務(wù)考驗。他們需要在60秒內(nèi)，基于主辦方提供的真實終端視頻序列（時長10 - 30秒）、存在誤差的相機軌跡以及終端SLAM點云，在極短時間內(nèi)完成完整的3DGS高質(zhì)量重建。摩爾線程AI團隊以參賽編號“MT-AI”進入決賽階段，在重建精度與效率兩項關(guān)鍵指標上表現(xiàn)出色。其平均PSNR達到27.58，位列前三；重建耗時僅34秒，領(lǐng)先多數(shù)參賽隊伍。憑借在3DGS算法構(gòu)建能力以及軟硬件協(xié)同優(yōu)化方面的優(yōu)勢，摩爾線程最終榮獲二等獎（銀牌）。

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)量上均取得了顯著領(lǐng)先。當(dāng)達到與當(dāng)前質(zhì)量最優(yōu)方案同等水平時，LiteGS可實現(xiàn)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指標上超出主流方案0.2 - 0.4 dB，訓(xùn)練時間縮短3.8至7倍。針對輕量化模型，LiteGS僅需原版3DGS約10%的訓(xùn)練時間與20%的參數(shù)量，即可實現(xiàn)同等質(zhì)量。目前，LiteGS已在GitHub平臺全面開源，為全球開發(fā)者提供了強大的工具支持。