摩尔线程拿下顶级图形大年夜会3DGS挑衅赛银奖 自研LiteGS技巧周全开源

这也诠释了摩尔线程“全功能GPU”的真正价值，恰是摩尔线程在一众国产GPU中的独特价值。

3DGS也就是3D Gaussian Splatting（三维高斯溅射），是2023年提出的一项革命性3D场景表示与神经收集衬着技巧。

它以可参数化的3D高斯分布为核心，实现了画质、效力与资本占用之间的卓越均衡。

与传统NeRF筹划比拟，3DGS不只保持了同样逼真的衬着质量，还可将衬着效力晋升数百至上千倍，并在光线追踪、VR/AR 及时衬着、多模态融合等偏向上展示出极强的适应性与扩大性。

3DGS不仅合适三维重建、及时衬着等，在更广泛的AI场景中也有极高的潜在价值，尤其是在具身智能（Embodied AI）等须要智能体懂得、与真实情况交互的前沿范畴，高质量、低延迟的三维情况建模至关重要。

正因为对图形学将来技巧成长的关键意义，3DGS已成为全球学术界与家当界竞相投入的研究偏向，受到SIGGRAPH Asia等威望机构的高度存眷。

本次比赛，大年夜会为参赛团队设置了极具挑衅性的义务：

参赛者须要在60秒内，基于主办方供给的真实终端视频序列（10–30秒）、存在误差的相机轨迹以及终端 SLAM 点云，快速完成完全的3DGS 高质量重建。

主办方以 PSNR（重建质量）与重建速度为综合评价指标，力争在完全公开、公平的前提下得出威望排名。

进入决赛阶段后，摩尔线程AI团队(MT-AI)在重建精度、效力两项指标上取得了异常亮眼的表示：

平均 PSNR(峰值信噪比)仅为27.58，位列前三；重建耗时仅为34秒，明显领先多半部队。

在算法设计层，摒弃原有模糊的度量指标，采取更为鲁棒的像素不透明度梯度方差作为致密化的核心判据，精准辨认欠拟合区域，其轻量化计算直接收益于底层光栅化器的高效统计支撑。

最终，摩尔线程获得了二等奖（银牌）的优良成就。

今朝， 3DGS重建挑衅赛的成果、数据集已向全球公开，相干材料可在 SIGGRAPH Asia 官方网站获取：

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

针对3DGS练习过程须要数十分钟甚至数小时的瓶颈问题，摩尔线程自立研发了3DGS基本库LiteGS，初次实现了从底层GPU体系、中层数据治理到高层算法设计的全链路协同优化：

在GPU体系层面，摩尔线程立异提出基于“One Warp Per Tile”原则的“Warp-Based Raster”新范式，将梯度聚合简化为一次Warp内归约，并结合扫描线算法与混淆精度策略，大年夜幅降低梯度计算开销，同时实现高效的像素级统计才能。

在数据治理层，引入“聚类-剔除-紧缩”流水线，借助Morton编码以极低开销对高斯基元进行动态空间重排，明显晋升数据局部性，削减缓存掉效与Warp分支。

经由过程体系与算法的协同优化，LiteGS在练习效力与重建质量上均实现明显领先。

比较当前质量最优筹划，LiteGS在达到一致水日常平凡，练习加快最高达10.8倍，并且参数量削减一半以上。

在雷同参数量下，LiteGS PSNR指标超出主流筹划0.2–0.4dB，练习时光缩短3.8-7倍。

针对轻量化模型，LiteGS仅需原版3DGS约10%的练习时光与20%的参数量，即可实现一致质量。

今朝，LiteGS已在GitHub平台周全开源：

https://github.com/MooreThreads/LiteGS

值得一提的是，12月20日-21日，摩尔线程将举办首届MUSA开辟者大年夜会，时代就设立了技巧专题，深刻商量3DGS等图形智能技巧。