TextureSplat: Per-Primitive Texture Mapping for Reflective Gaussian Splatting
Inria France(法国国家信息与自动化技术研究院)
TextureSplat通过高斯点云衍生辐射场和GPU加速,实现高反射场景的高效纹理映射与渲染。
2025-12-05 cs.CV cs.GR
Bake It Till You Make It: Ultrafast Spatial Texture-Atlas Splatting
Technical University of Munich(慕尼黑工业大学);Siemens-Healthineers(西门子医疗)
研究针对3D高斯喷涂渲染成本高的问题,引入解耦辐射表示,结合稀疏性增强优化,利用几何稀疏性和GPU纹理映射,实现更快更稀疏重建,比3DGS速度提升五倍,能在消费硬件上实时4K 60帧渲染。
2026-10-01 cs.CV cs.GR
ResStreamGS: Residual-Sensitive Dual-Stream Gaussian Splatting for Mobile Volumetric Video Streaming
ResStreamGS是一种残差敏感双流框架,通过区分高斯的时间行为处理数据,在移动端体视频流传输中提升了编解码器后PSNR,减少了有效载荷,实现了更高帧率。
2026-10-16 cs.CV cs.GR
GSEdit: Efficient Text-Guided Editing of 3D Objects via Gaussian Splatting
Sapienza University of Rome(罗马智慧大学)
本研究提出基于高斯溅射的文本引导3D编辑流水线GSEdit,借助预训练图像扩散模型与SDS损失优化,在消费级硬件上数分钟即可完成保细节的3D对象风格外观编辑,效率优于类NeRF方法。
2024-05-21 cs.CV cs.GR
3DGUT: Enabling Distorted Cameras and Secondary Rays in Gaussian Splatting
NVIDIA(英伟达);University of Toronto(多伦多大学)
提出3DGUT,用无迹变换替代EWA泼溅,支持畸变相机和次级光线,同时保持光栅化效率,实现高效实时渲染。
2025-03-24 cs.CV cs.GR
StochasticSplats: Stochastic Rasterization for Sorting-Free 3D Gaussian Splatting
Google DeepMind(谷歌DeepMind);University of British Columbia(不列颠哥伦比亚大学);Google(谷歌);Runway ML;Simon Fraser University(西蒙菲莎大学);University of Toronto(多伦多大学)
本研究提出将3D高斯泼溅与基于蒙特卡洛的无偏随机光栅化相结合,消除了传统深度排序需求,实现了计算时间与渲染质量的灵活权衡,在合理视觉质量下比有序光栅化快四倍以上。
2025-03-31 cs.CV cs.GR
WebSplatter: Enabling Cross-Device Efficient Gaussian Splatting in Web Browsers via WebGPU
Institute for Artificial Intelligence, Peking University(北京大学人工智能研究所);Tongyi Lab, Alibaba Group(阿里集团通义实验室)
WebSplatter通过WebGPU实现跨设备高效高斯溅射,采用无等待分层基数排序和不透明度感知的几何裁剪,提升渲染效率。
2026-02-03 cs.CV cs.GR cs.PF
Compressed 3D Gaussian Splatting for Accelerated Novel View Synthesis
Technical University of Munich(慕尼黑工业大学)
本文提出压缩3D Gaussian splat表示,结合敏感度感知向量聚类和量化感知训练,在保持视觉质量的同时实现31倍压缩与最高4倍渲染加速。
2024-01-22 cs.CV cs.GR
FLoD: Integrating Flexible Level of Detail into 3D Gaussian Splatting for Customizable Rendering
Yonsei University(延世大学)
针对3DGS渲染适配硬件单一的问题,提出FLoD方法,通过层级尺度约束和逐层训练构建多层级表示,支持多硬件配置下的质量-内存权衡实时渲染,且可推广至不同3DGS框架。
2025-06-11 cs.CV
DiffSoup: Direct Differentiable Rasterization of Triangle Soup for Extreme Radiance Field Simplification
The University of Tokyo(东京大学);ETH Zürich(苏黎世联邦理工学院)
本文提出DiffSoup,一种利用少量三角形和神经纹理的辐射场表示,通过随机遮罩实现直接可微的二进制不透明度,从而在无需平滑着色的情况下实现高效的实时渲染。
2026-08-18 cs.CV cs.GR
From ex(p) to poly: Gaussian Splatting with Polynomial Kernels
Huawei Technologies(华为技术有限公司);Graz University of Technology(格拉茨理工大学)
本文提出多项式核替代传统指数核,提升3DGS计算效率并保持数据集兼容性,实验显示性能提升4-15%且图像质量影响小。
2026-03-19 cs.CV cs.GR cs.LG
Characterizing Satellite Geometry via Accelerated 3D Gaussian Splatting
Florida Institute of Technology(佛罗里达理工学院)
提出基于3D Gaussian Splatting的星载卫星几何映射方法,在星载硬件上实现快速训练与高质量渲染,速度比NeRF算法快近2个数量级,支持自主交会与近距操作。
2024-01-05 cs.AI cs.CV
Radiant Foam: Real-Time Differentiable Ray Tracing
Simon Fraser University(西蒙菲莎大学);University of British Columbia(不列颠哥伦比亚大学);University of Toronto(多伦多大学);Google DeepMind(谷歌DeepMind)
提出Radiant Foam模型,利用被忽视的体网格光线追踪算法,在避免光栅化近似的同时实现与Gaussian Splatting相当的渲染速度与质量,且无需特殊硬件支持。
2025-02-03 cs.CV
Evaluating Alternatives to SFM Point Cloud Initialization for Gaussian Splatting
Simon Fraser University(西蒙菲莎大学);University of British Columbia(不列颠哥伦比亚大学);University of Toronto(多伦多大学);Google DeepMind(谷歌DeepMind)
针对高斯溅射依赖SFM点云初始化的问题,本文研究了多种初始化策略,并利用NeRF体积重建绕过SFM依赖,发现精心设计的随机初始化结合结构蒸馏可达到甚至超越SFM初始化的效果。
2024-05-23 cs.CV
TRIPS: Trilinear Point Splatting for Real-Time Radiance Field Rendering
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡弗里德里希·亚历山大大学);Visual Computing Erlangen(埃尔朗根视觉计算中心)
针对3D Gaussian Splatting模糊和ADOP性能低、时间不稳定等问题,提出TRIPS方法,通过将点光栅化到屏幕空间图像金字塔并结合轻量级神经网络,在保持60FPS实时渲染的同时显著提升了渲染质量。
2024-03-26 cs.CV cs.GR
Z-Splat: Z-Axis Gaussian Splatting for Camera-Sonar Fusion
Dartmouth College(达特茅斯学院);Arizona State University(亚利桑那州立大学);Carnegie Mellon University(卡内基梅隆大学);University of Maryland(马里兰大学)
本文提出Z-Splat方法,通过融合RGB相机与声纳瞬态数据解决高斯溅射在受限基线场景下的缺失锥问题,显著提升新视图合成与3D几何重建质量。
2024-07-05 cs.CV cs.GR cs.LG
TemporalGS: Training-Free Plug-and-Play Acceleration for 3D Gaussian Splatting Rendering via Temporal Priors
McGill University(麦吉尔大学);University of Waterloo(滑铁卢大学);Concordia University(康考迪亚大学);University of Toronto(多伦多大学)
研究针对3D高斯点渲染在高帧率和低延迟方面的挑战,提出TemporalGS,利用时间先验减少连续帧高斯预处理等操作冗余,有动态剔除和选择性渲染策略,可加速渲染且无需训练。
2026-07-07 cs.CV cs.GR
SweepEvGS: Event-Based 3D Gaussian Splatting for Macro and Micro Radiance Field Rendering from a Single Sweep
Department of Electrical and Electronic Engineering, The University of Hong Kong(香港大学电子与电气工程系);State Key Laboratory for Multimedia Information Processing and National Engineering Research Center of Visual Technology, School of Computer Science, Peking University(北京大学信息多媒体国家重点实验室和视觉技术国家工程研究中心、计算机科学学院)
SweepEvGS提出一种硬件集成的事件相机方法,利用单次扫描的静态帧与事件流,实现宏观和微观场景的高质量、高效新视图合成,超越现有方法。
2025-06-26 cs.CV
Multi-Layer Gaussian Splatting for Immersive Anatomy Visualization
Technical University of Munich(慕尼黑技术大学);Clinic for Orthopedics and Sports Orthopedics(骨科与运动骨科诊所);TUM University Hospital(慕尼黑技术大学医院);Siemens Healthineers AG(西门子医疗影像有限公司)
本文提出多层高斯散射方法,用于高效且静态地表示CT扫描,实现沉浸式解剖可视化,支持交互式三维评估与医学教育。
2024-10-22 cs.CV cs.GR
Structured-Li-GS: Structured 3D Gaussians Splatting with LiDAR Incorporation and Spatial Constraints
University of Waterloo(滑铁卢大学)
提出Structured-Li-GS框架,利用LiDAR-惯性-视觉SLAM生成密集彩色点云,通过锚定高斯原语并初始化椭球参数,结合光度、扁平化、偏移、深度和法向损失训练,无需高斯密集化即可实现高质量3D重建,模型适中且性能优于现有方法。
2026-06-29 cs.CV
GS2E: Gaussian Splatting is an Effective Data Generator for Event Stream Generation
School of Electronic and Computer Engineering, Peking University(北京大学电子与计算机工程学院);Holcombe Department of Electrical and Computer Engineering, Clemson University(克莱姆森大学霍尔科姆电子与计算机工程系)
本研究提出GS2E大规模合成事件数据集,通过3D高斯泼溅重建静态场景并结合物理驱动的事件模拟流水线,生成视角多样、几何一致的事件流,在事件三维重建任务中展现出优异泛化性与基准价值。
2025-05-21 cs.CV
Efficient 3D Gaussian Splatting with Axis-Shared Rasterization and Order-independent Transmittance
Shanghai Jiao Tong University(上海交通大学);University of Cambridge(剑桥大学);Imperial College London(伦敦帝国学院);Samsung AI(三星人工智能)
本文提出轴共享光栅化和顺序无关透射率方法,提升3D高斯散射在资源受限平台的实时性能,实现1.33至1.88倍的加速。
2026-06-28 cs.AR cs.CV cs.GR
From Coarse to Fine: Learnable Discrete Wavelet Transforms for Efficient 3D Gaussian Splatting
Video Processing Lab, UC San Diego(UC San Diego视频处理实验室)
提出训练时框架AutoOpti3DGS,利用可学习离散小波变换实现由粗到细的优化,通过固定低通和学习高通滤波器抑制冗余高斯基元,在保持视觉保真度的同时生成更稀疏且兼容受限硬件的3D场景表示。
2025-06-29 cs.CV
Triangle Splatting SLAM
Software Performance Optimisation Group(软件性能优化组);Department of Computing(计算部门)
提出首个使用可微三角形作为3D地图表示的密集RGB-D SLAM系统,通过在线可微渲染实现跟踪与建图,并支持实时网格转换与编辑。
2026-06-12 cs.CV cs.RO
GaussLite: Online Task-Conditioned 3D Gaussian Splatting for Real-Time Robotic Mapping
Aerospace Controls Laboratory, MIT(麻省理工学院航空航天控制实验室)
提出GaussLite,一种任务驱动的3DGS建图系统,通过自然语言任务规范调节表示密度,利用LLM解析器提取目标并实时生成像素级相关性掩码,在有限资源下实现实时建图,ROI PSNR提升约2.72 dB。
2026-07-01 cs.CV cs.RO
Directed Distance Fields for Constant-Time Ray Queries on Gaussian Splatting
School of Computer Sciences, National Institute of Science Education and Research (NISER)(计算机科学学院,国家科学教育与研究研究所(NISER))
提出定向距离函数(DDF),将训练好的3D高斯泼溅场景转化为射线预言机,实现恒定时间的射线查询,用于全局光照等二次射线追踪。
2026-05-30 cs.CV cs.GR
iVR-GS: Inverse Volume Rendering for Explorable Visualization via Editable 3D Gaussian Splatting
Department of Computer Science and Engineering, University of Notre Dame(计算机科学与工程系,诺特大学)
本文提出iVR-GS,一种基于可编辑3D高斯泼溅的逆体渲染新视角合成方法,通过组合多个模型实现低渲染成本下的交互式体场景探索,在多个数据集上优于现有方法。
2025-04-24 cs.CV cs.GR cs.LG
RoofGS: Roofline-Guided End-to-End Acceleration of 3D Gaussian Splatting
Harbin Institute of Technology(哈尔滨工业大学)
该研究针对3D高斯溅射高分辨率GPU加速瓶颈,提出RoofGS框架,采用分辨率自适应量化深度排序键与范围感知比特级快速指数近似等优化,在RTX 4090的4K场景下实现10.1倍加速且PSNR损失极小。
2026-08-18 cs.CV
GS-Pose: Generalizable Segmentation-based 6D Object Pose Estimation with 3D Gaussian Splatting
Tampere University(坦佩雷大学);University of Oulu(奥卢大学)
本文提出GS-Pose统一框架,通过分阶段采用不同物体表示,结合3D高斯溅射优化6D物体姿态估计,在两个数据集上达到当前最优性能,支持用普通设备采集新物体。
2024-08-14 cs.CV
X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction
The Chinese University of Hong Kong(香港中文大学);Johns Hopkins University(约翰霍普金斯大学);The Australian National University(澳大利亚国立大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出X$^2$-Gaussian框架,结合动态辐射高斯泼溅与自监督呼吸运动学习,实现连续时间4D CT重建,消除相位离散化并去除门控设备依赖,显著提升重建质量。
2025-10-17 cs.CV
Provable Pruning for Efficient 3D Gaussian Splatting via Coresets
Department of Computer Science, University of Haifa(海法大学计算机科学系)
研究3D高斯点云场景能否用更小加权子集替代以保持目标,先证无平凡乘法核心集,后给出特定分辨率下核心集构造定理,依敏感度采样高斯点,还将目标保证转为渲染保证,性能达最优。
2026-07-07 cs.CV cs.GR cs.LG
Towards Real-Time Gaussian Splatting: Accelerating 3DGS through Photometric SLAM
Faculty of Systems Design Engineering, University of Waterloo(滑铁卢大学系统设计工程学院)
本文提出将3DGS与直接稀疏里程计(DSO)这一单目光度SLAM系统集成,利用DSO点云输出替代传统运动恢复结构方法,显著缩短高质量渲染所需的训练时间,从而推动3DGS集成SLAM系统在移动硬件上实现实时运行。
2024-08-07 cs.CV cs.RO
You Only Gaussian Once: Controllable 3D Gaussian Splatting for Ultra-Densely Sampled Scenes
Ke Holdings Inc.(凯控股有限公司)
本文提出YOGO框架,通过确定性预算均衡解决3DGS在工业应用中的资源消耗问题,并引入Immersion v1.0数据集提升重建精度。
2026-07-16 cs.CV
Triangle Splatting for Real-Time Radiance Field Rendering
University of Liège(列日大学);KAUST(阿卜杜拉国王科技大学);University of Oxford(牛津大学);Simon Fraser University(西蒙弗雷泽大学);University of Toronto(多伦多大学);Google DeepMind(谷歌DeepMind)
本文提出三角形溅射可微渲染器,直接优化三角形,结合三角形效率与独立基元密度,在Mip-NeRF360上超越高斯溅射,实现高保真、快速收敛和超2400 FPS实时渲染。
2025-05-25 cs.CV
From Mono to Stereo: Accelerating Binocular Gaussian Splatting via Reprojection and Selective Patching
Shanghai Jiao Tong University(上海交通大学);Alpha Labs, Goertek(歌尔股份有限公司Alpha Labs)
提出一种基于重投影和选择性补丁的二维高斯泼溅双目渲染方法,在保持轻微质量损失的同时,显著降低渲染时间和内存开销。
2026-09-28 cs.CV
Material-informed Gaussian Splatting for 3D World Reconstruction in a Digital Twin
Siemens Digital Industries Software(西门子数字工业软件);Dept. of Cognitive Robotics, Delft University of Technology(认知机器人系,代尔夫特理工大学)
本文提出一种仅使用相机的3D重建方法,通过高斯点散布和材料信息提取,实现高精度的数字孪生重建,无需激光雷达和复杂校准。
2026-11-03 cs.CV cs.RO
Neo: Real-Time On-Device 3D Gaussian Splatting with Reuse-and-Update Sorting Acceleration
Meta
针对端侧3DGS实时渲染的排序瓶颈,提出带复用更新排序算法及对应硬件加速器的Neo方案,大幅提升吞吐量、降低内存访问开销,推动高质量低延迟端侧3D渲染落地。
2025-11-17 cs.AR cs.CV
VR-Pipe: Streamlining Hardware Graphics Pipeline for Volume Rendering
Seoul National University(首尔国立大学)
本研究提出VR-Pipe,通过硬件原生支持提前终止和多粒度瓦片分箱与四边形合并,精简图形管线以加速基于3D高斯泼溅的体渲染,实现高达2.78倍性能提升。
2025-02-24 cs.AR cs.CV cs.GR
MGSO: Monocular Real-time Photometric SLAM with Efficient 3D Gaussian Splatting
Vision and Image Processing Lab at the Faculty of System Design Engineering, at the University of Waterloo(视觉与图像处理实验室,系统设计工程学院,滑铁卢大学);Vision and Robotics Lab, Maroun Semaan Faculty of Engineering and Architecture, American University of Beirut(视觉与机器人实验室,马鲁恩·塞马安工程与建筑学院,贝鲁特美国大学)
本文提出MGSO系统,将光度SLAM与3D高斯泼溅结合,利用SLAM提供的稠密点云初始化高斯,在RGB输入下实现质量、内存和速度均衡的实时单目稠密重建,并在多个数据集上超越现有方法。
2025-11-08 cs.CV cs.RO
ImprovedGS+: A High-Performance C++/CUDA Re-Implementation Strategy for 3D Gaussian Splatting
Universidad de Murcia(穆尔西亚大学)
改进的GS+通过C++/CUDA实现,提升了3D高斯点绘制的效率与质量,实现更快的训练速度和更优的视觉效果。
2026-03-09 cs.CV
Compression of 3D Gaussian Splatting Data Using GPU-friendly Graphics Texture Coding
研究 3D 高斯点云数据压缩,提出用专为 GPU 并行解码设计的纹理压缩方案压缩 SH 颜色系数,引入比特率控制策略,实验表明该方法能有效压缩数据且不影响渲染视觉质量。
2026-07-17 cs.CV eess.IV
Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks
CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室)
本文提出一种结合 Gaussian Splatting 模拟器与 Liquid neural networks 的全栈模仿学习协议,实现了视觉四旋翼导航策略从单一模拟场景到真实世界的鲁棒迁移与泛化。
2024-10-16 cs.AI cs.CV cs.RO
G-SHARP: Gaussian Surgical Hardware Accelerated Real-time Pipeline
NVIDIA;Northwell Health(北well健康)
本文提出G-SHARP,一种兼容商业应用的实时手术场景重建框架,用于需要快速准确3D建模的微创手术。该框架基于GSplat可微高斯光栅化器,实现了原理上的变形建模和鲁棒遮挡处理,适用于EndoNeRF基准测试。
2026-05-14 cs.CV
6DGS: 6D Pose Estimation from a Single Image and a 3D Gaussian Splatting Model
Fondazione Istituto Italiano di Tecnologia (IIT)(意大利技术研究院基金会);Fondazione Bruno Kessler (FBK)(布鲁诺·凯斯勒基金会);Università di Trento(特伦托大学);Durham University(杜伦大学)
提出6DGS方法,通过反转3D Gaussian Splatting渲染过程,从单张RGB图像和3DGS模型中以闭合形式估计6DoF相机位姿,无需初始化和迭代,在真实场景中旋转精度提升12%、平移精度提升22%,并接近实时运行。
2024-07-22 cs.CV
TideGS: Scalable Training of Over One Billion 3D Gaussian Splatting Primitives via Out-of-Core Optimization
Hong Kong University of Science and Technology(香港科技大学);Tsinghua University(清华大学);Beijing Academy of Artificial Intelligence(北京人工智能研究院)
针对大规模3D高斯溅射训练的内存瓶颈,提出TideGS外存训练框架,通过SSD-CPU-GPU层次化管理和三种协同技术,在单GPU上实现超过十亿高斯基元的训练并达到最优重建质量。
2026-05-26 cs.CV cs.PF
Deformable 3D Gaussian Splatting for Animatable Human Avatars
Technical University of Munich(慕尼黑工业大学)
提出ParDy-Human,一种基于参数驱动3D高斯泼溅的显式方法,从单目序列构建可动画人体化身,无需额外标注,在ZJU-MoCap和THUman4.0上超越现有方法。
2023-12-22 cs.AI cs.CV
E-3DGS: Gaussian Splatting with Exposure and Motion Events
State Key Laboratory of Modern Optical Instrumentation, Zhejiang University(浙江大学现代光学仪器国家重点实验室);College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息与电子工程学院);The Chair of Robotics, AI, and Real-Time Systems, Technical University of Munich(慕尼黑工业大学机器人、人工智能与实时系统教席)
本文提出E-3DGS框架,通过硬件透射率调节装置使事件相机同时捕获曝光事件和运动事件,支持三种重建模式,在低光照和过曝光等挑战条件下实现比事件NeRF更快、更高质量且成本更低的三维重建,并发布了EME-3D真实世界数据集。
2025-04-11 cs.CV cs.RO eess.IV
SIREN: Semantic, Initialization-Free Registration of Multi-Robot Gaussian Splatting Maps
该研究提出SIREN方法,无需初始化信息即可配准多机器人高斯溅射地图,通过语义识别特征区域、建立对应关系并结合光度细化优化变换,在多平台真实场景中显著降低配准误差,性能优于现有基线。
2025-02-10 cs.CV cs.RO
Neural Video Compression using 2D Gaussian Splatting
University of Toronto(多伦多大学);Advanced Micro Devices (AMD)(超威半导体公司)
针对神经视频编解码器计算开销高、难以实时视频会议应用的问题,提出基于 ROI 与 2D Gaussian Splatting 的视频压缩模型,通过内容感知初始化和帧间冗余减少将编码时间缩短 88%。
2025-05-14 cs.AI cs.CV cs.LG
Aes3D: Aesthetic Assessment in 3D Gaussian Splatting
The University of Sydney(悉尼大学);The University of Hong Kong(香港大学)
针对3D高斯泼溅场景缺乏美学评估的问题,提出首个系统框架Aes3D,包含专用数据集Aesthetic3D和轻量级模型Aes3DGSNet,直接预测场景级美学分数,无需渲染多视图图像。
2026-11-03 cs.AI cs.CV
GaussianTalker: Speaker-specific Talking Head Synthesis via 3D Gaussian Splatting
Alibaba Group(阿里巴巴集团);Zhejiang University(浙江大学)
针对NeRF音频驱动说话头部合成中唇动不同步、视觉抖动等问题,提出基于3D Gaussian Splatting的GaussianTalker,通过说话人特定运动转换与动态高斯渲染实现高质量实时合成。
2024-08-09 cs.CV cs.MM
Identifying Unnecessary 3D Gaussians using Clustering for Fast Rendering of 3D Gaussian Splatting
本文提出一种基于离线聚类的计算减少技术,快速识别并剔除不必要的3D高斯,在保证图像质量下降低渲染开销,并设计了高效GPU硬件架构实现10.7倍加速。
2024-09-25 cs.AR cs.CV
GASP: Gaussian Avatars with Synthetic Priors
Microsoft(微软公司);University of Bath(巴斯大学);Georgia Tech(佐治亚理工学院)
针对现有高斯化身方法依赖多相机设备或仅支持固定视角渲染的问题,提出GASP方法,利用合成数据训练高斯化身先验,经单目数据适配微调后可实现360°实时高质量可驱动化身渲染。
2024-12-10 cs.AI cs.CV cs.GR
Differentiable Voronoi Ray Tracing Beyond Rasterization Speeds
Chalmers University of Technology(查尔姆斯理工大学);Zenseact(森赛克特公司);Linköping University(林雪平大学)
该研究提出VoroTracing,通过协同设计场景表示、优化与GPU执行,在RTX 5090上实现623 FPS的实时新视图合成,吞吐量优于现有光线方法和3D Gaussian Splatting,支持多种非针孔效应且保持竞争力。
2026-08-19 cs.CV