追踪 3D Gaussian Splatting 前沿每周一更。点击「关注」并设为星标 ⭐第一时间拿到最新论文、工具与落地动态本期收录窗口 2026.08.24 – 08.29。本期关键词水下重建 · 压缩 · 评测基准 · 工具链本期头条高斯下水这件事本周一次性补齐了三块拼图。8 月 24 日同一天NemoSplat前馈 4D港科大团队和 AquaFlow单目流式 SLAM两篇水下重建论文挂到 arXiv8 月 26 日一篇受控横评把五个开源 GS 系统拉到不同浊度、不同光照下对齐比较结论写得很直白这些方法能做什么更多取决于设置而不是架构。横评里有个数字值得单独拎出来运动恢复结构SfM在清澈水体中能配准 99.5% 的帧在 12 NTU 浊度下是 0.0%。水下之外压缩方向也交出了本周最实用的成果Fraunhofer HHI 的 KISS-GS 把压缩做成训练后的可插拔模块85 到 319 倍解码不依赖任何专用库。一、本周速览名称一句话来源 / 时间【论文】NemoSplat介质感知前馈 4DGS 水下重建无标定海洋视频直接出结果配大规模动态数据集arXiv:2608.228888/24【论文】AquaFlow单目流式 GS-SLAM62 条水下轨迹定位误差 −13.2%、PSNR 4.74 dBarXiv:2608.229068/24【论文】水下受控横评五个开源系统跨浊度、光照、色彩衰减对齐比较SfM 配准率清水 99.5%、12 NTU 浊度 0.0%arXiv:2608.254838/26【论文】RefracGS3DGS 光线追踪处理水面折射水上水下装进同一个可微渲染器arXiv:2603.21695v2 于 8/27 更新原提交 3/23【论文】KISS-GS训练后处理式压缩85–319 倍解码只用 Web 原生图像格式arXiv:2608.269488/27【论文】M³ISR3D/4DGS 与前馈压缩基准25 个场景、五条赛道arXiv:2608.224658/23【论文】POPL2 重建损失 极化不透明度先验反模型膨胀arXiv:2608.223448/23【论文】LagrangeGS把动态 3DGS 写成非保守拉格朗日系统可时间反演、免重训物理编辑arXiv:2608.227738/24【论文】GS 算子学习前馈 GS 表示做 PDE 算子学习长时序误差降 1.5–2.2 倍arXiv:2608.240498/25【论文】PAGS声速自适应高斯溅射做光声断层成像的自动聚焦arXiv:2608.254728/26【论文】FixAnything一个模型修 3DGS、NeRF、网格、点云四种表示的渲染伪影arXiv:2608.235498/24【论文】SeeU语义进高斯稀疏视图外推 PSNR 2.44 dBarXiv:2608.227408/24【论文】无训练干扰物过滤利用前馈逐视图预测结构去瞬态物体零训练零优化arXiv:2608.269518/27【论文】CoGeo-GS概念驱动的多物体移除扩散先验补移除后的空洞arXiv:2608.266568/27【论文】4DGS-WAM以对象为中心的 4DGS 世界动作模型作者注明 work in progressarXiv:2608.259568/26【论文】CGS-SLAM多机协作 GS-SLAM只用 RGB 与惯性数据面向 GNSS 拒止环境arXiv:2608.268688/27【论文】PIVOT多轨迹数据集独立考察位姿、内参与视角三类采集因素arXiv:2608.254018/26【论文】实验室机器人基准NeRF 与 3DGS 在从单板计算机到服务器级设备上的算力横评arXiv:2608.263838/26【论文】实验室物品可视化横评摄影测量、NeRF、3DGS、激光雷达四法对比arXiv:2608.273018/27【落地】KIRI 3DGS Render 5.1.0Blender 插件新增实时重打光与 Eevee 网格阴影支持 Blender 5.2Radiance Fields8/28【落地】MultiSet AI把 Gaussian splats 作为视觉定位系统VPS的原生地图输入Radiance Fields8/27【落地】Nodeconnector 清理 HDAHoudini 22 免费 SOP去重复、漂浮物、alpha 噪点自动补洞Radiance Fields8/26【落地】SplatlightBlender 场景直接生成 splat已知位姿直喂训练器跳过 COLMAPRadiance Fields8/25【落地】PCD SplatterBlender 内纯 Python 读 E57 激光扫描转 splatRadiance Fields8/25【落地】Point Cloud Merger多个 COLMAP 重建在 Blender 内导入、对齐、合并Radiance Fields8/24【落地】luma.gl 9.4.0 betavis.gl 发布 luma.gl/splatsWebGPU 原生 splat 渲染器Radiance Fields8/24【落地】AirVis Studio 1.0.4把 3DGS 本地训练带到 WindowsRadiance Fields8/24同期还有两件事值得留意。一是版本更新潮ReSplatarXiv:2510.08575在 8/26 更新版本并挂上 ECCV 2026 Spotlight3DGS-HPCarXiv:2603.07587同日更新、标注 ICML 2026两篇都在本周补上了会议信息。二是撤稿提示RobustGSarXiv:2508.03077作者在 8 月 24 日更新的版本页注明因内容涉及所属机构保密规定而撤稿引用前请留意。二、硬核论文1. 水下一周三连前馈、SLAM、还有一篇劝你先调设置水下重建的老大难是物理。光在水里被吸收和散射拍到的像素颜色混进了介质的贡献不再是场景本身的样子。3DGS 的整条管线从 SfM 找特征到光度误差做监督全都建立在外观一致性上水下直接失效。8 月 2 日 Swimm3RarXiv:2608.00950明尼苏达大学用介质感知 SfM 加 Beta 原语开了头本周三篇接着往下推。NemoSplat2608.228888/24据摘要这是首个面向介质感知动态重建的前馈 4DGS 框架直接从无标定的海洋视频出结果。两个设计可提示的动态解缠器用学习到的动态概率与可选语义文本先验做置信度融合把游鱼、悬浮物这类瞬时实体剥出来介质感知高斯预测器联合估计三维高斯属性与物理介质参数单次前向就还原干净外观。团队还配了大规模水下数据集。前馈意味着不用逐场景优化。来源arXiv:2608.22888Xiaopeng Guo, Wai Chung Tse, Yipeng Zhu, Hanwen Zhang, Huajian Huang, Sai-Kit YeungSubmitted 24 Aug 2026cs.CV。项目页nemosplat.hkustvgd.com。AquaFlow2608.229068/24走 SLAM 路线单目输入、流式重建。核心动作是在大规模水下数据上微调 3D 视觉基础模型对抗衰减与散射再配合介质引导的增量式高斯初始化。据摘要在 62 条水下轨迹的数据集上相比 WaterSplat-SLAM 平均定位误差降低 13.2%PSNR 提升 4.74 dB。来源arXiv:2608.22906Yingxiang Xu, Kerui Ren, Wenqi Guo, Changjian Jiang, Tao Lu, Linning Xu, Mulin YuSubmitted 24 Aug 2026cs.CV。受控横评2608.254838/26这篇最反高潮也最有用。作者把五个有公开代码的系统放在同一套协议下跑共享位姿、初始化、预算和评估器变量是浊度、光照损失与色彩衰减另外加了一段工业调查。结论是一句大白话这些方法能做什么更多取决于设置而不是架构。它给出的三个具体发现比结论本身更有用水体清澈度约束发生在渲染之前SfM 在清澈水中能配准 99.5% 的帧在 12 NTU 浊度下是 0.0%光照几何决定介质模型到底有没有用在随相机移动的人工光源下不考虑介质的 splatting 反而赢了那两个介质感知系统在工业调查那段基准里光度指标的第一名垫了底几何上被去雾预处理 原生 3DGS打败而这些差异在领域惯常报告的分数里完全看不出来。来源arXiv:2608.25483Olaya Álvarez-Tuñón, Stella GraßhofSubmitted 26 Aug 2026cs.CV。代码、场景与评估脚本github.com/olayasturias/uw3dgs。顺带一笔RefracGS2603.21695本周更新版本用 3DGS 光线追踪处理水面折射把水面上的世界和水下的世界装进同一个可微渲染器。来源arXiv:2603.21695Yiming Shao, Qiyu Dai, Chong Gao, Guanbin Li, Yequan Wang, He Sun, Qiong Zeng, Baoquan Chen, Wenzheng Chen原提交 23 Mar 2026v2 于 27 Aug 2026 更新cs.CV。速报点评数据集、前馈、SLAM、横评四件套水下 3DGS 在一个月内配齐了。受控横评那篇尤其建议收藏它替整个社区把先调曝光和初始化再谈换架构这句话说破了还顺手指出了一件尴尬事业内常报的分数未必能反映真实工况下的好坏。2. 物理约束拉格朗日力学与 PDE 算子学习LagrangeGS2608.227738/24BMVC 2026盯住动态 3DGS 的一个隐痛。所谓 physics-aware 扩展只是在拟合速度场并不满足拉格朗日力学于是带来三个问题轨迹物理不自洽、不能时间反演、长时外推会几何崩塌。修法是把动态 3DGS 整体写成非保守拉格朗日系统。难在工程通用拉格朗日神经网络LNN要对百万级高斯做大规模速度 Hessian 矩阵求逆算不动。作者的近似很务实把速度 Hessian 当单位阵处理让粒子动力学解耦再限制非保守力与时间无关保证反向积分一致最后加局部刚性对齐来稳住轨迹。据摘要结果是稳定长时外推、一致时间反演以及免重训的反事实物理编辑。来源arXiv:2608.22773Shogo Sato, Takuhiro Kaneko, Shoichiro Takeda, Tomoyasu Shimada, Riku Inoue, Kazuhiko Murasaki, Ryuichi TanidaSubmitted 24 Aug 2026cs.CV。GS 算子学习2608.240498/25这篇跨界跨得最远把前馈高斯溅射FFGS表示拿去做偏微分方程的算子学习。思路是在表示层接入物理FFGS 把状态重建为连续高斯场空间导数有闭式解于是已知的 PDE 算子可以直接嵌进学到的演化映射里不需要额外的物理残差损失。据摘要在平流、扩散、非线性自平流与反应动力学等二维和三维 PDE 系统上长时序自回归推演的相对 ℓ2 误差相比最强纯数据驱动基线降低 1.5 到 2.2 倍光谱保真度也一致提升在控制方程只有部分已知时依然有效。作者之一任职于康奈尔大学。来源arXiv:2608.24049Jihao Zhang, Junyi Guo, Jian-Xun WangSubmitted 25 Aug 2026cs.LG。PAGS2608.254728/26把高斯溅射用在光声断层成像PACT的自动聚焦上。声速未知且不均匀会导致飞行时间错算、重建散焦而现有自适应方法要么依赖标定过的声学先验要么去优化稠密物理介质模型代价高且难扩展到三维。PAGS 用稀疏高斯光声源表示初始声压场再用球谐探针参数化的紧凑各向异性路径平均声速场替代显式介质恢复闭环优化且不需要标定先验。来源arXiv:2608.25472Jiarui Ge, Jintao Ma, Bangxu Fan, Jinyan Zhang, Xiaokang Yang, Shuai Na, Xiaoyun YuanSubmitted 26 Aug 2026cs.CV。速报点评三条路的用力方向不一样。LagrangeGS 把物理当约束求动得对算子学习把物理当接口求接得上PAGS 则是把高斯当成物理场的离散化载体本身。共同点是它们都不再满足于渲染得像。3. 压缩KISS-GS 的卖点是不碰训练3DGS 压缩的常见做法是把压缩揉进训练量化感知训练、熵模型联合优化效果不错代价是要动训练代码。对已经有成熟训练管线的团队来说这类方法的评价往往是很好但别碰我的管线。KISS-GS2608.269488/27走另一头训练照旧压缩做成后处理。三步可以拆开看据摘要先用现有剪枝方案做紧凑化得到 15.7 倍再用 SOG-XT 格式编码成图像得到 6.6 倍可选的编码感知微调再带来 2.2 倍。在标准基准上合计 85 到 319 倍率失真性能反超紧耦合方法。SOG-XT 是对 Self-Organizing Gaussians 的扩展两个新东西自组织 2D 码本以及并行代表分配平滑PRAS后者利用四元数与尺度参数化的对称性生成更适合压缩的二维属性网格。解码端是它真正的杀招只依赖 Web 原生图像格式浏览器不装任何东西就能解。来源arXiv:2608.26948Wieland Morgenstern, Friedrich Elias Branschke, Florian Fleischmann, Adrian Szatmari, Paul Schlack, Florian Barthel, Peter Eisert, Anna HilsmannSubmitted 27 Aug 2026cs.CV。项目页fraunhoferhhi.github.io/KISS-GS。同周还有两篇配套。M³ISR2608.224658/23给 3D/4DGS 和前馈压缩搭了评测场25 个场景、五个室内外场景组、两种相机与运动配置、六个同步 1080p 视角密集标注了 RGB、相机参数、深度、语义与实例分割、静态动态掩码分五条赛道。基线结论很有意思静态重建质量各家差距很小存储差距巨大。作者还指出被评测的流式方法报告的重建成本明显高于对应的离线动态重建基线。来源arXiv:2608.22465Xinhui Liu, Lei Liu, Zhenghao Chen, Lebin Zhou, Wei Wang, Wei JiangSubmitted 23 Aug 2026cs.CV。POP2608.223448/23从训练端下手反模型膨胀。3DGS 的 densify-then-prune 范式会先把模型激进扩张、再靠剪枝压回来中间产生大量低不透明度冗余高斯。POP 用 L2 重建损失提供与误差成比例的梯度稳住优化再用极化不透明度先验把有信息量的高斯推向全不透明、没用的推向透明实现自然剪枝并借提前光线终止加速渲染。据摘要在三个公开数据集上以更少的高斯实现更快训练视觉质量相当。来源arXiv:2608.22344Zi-Ming Wang, Kai-Wen Duan, Kowei Huang, Akihiro Sugimoto, Shang-Hong LaiSubmitted 23 Aug 2026cs.CV。速报点评KISS-GS 的 319 倍当然亮眼但工程位上的可插拔更值钱解耦意味着能直接进现有管线。配合 M³ISR 那个质量差距小、存储差距大的观察压缩作为下一个主战场的判断有了基准支撑。4. 视频先验与稀疏视图把生成模型当修图工FixAnything2608.235498/24ECCV 2026一个模型修 3DGS、NeRF、网格、点云四种表示的渲染伪影。做法是复用预训练视频生成模型只做最小改动和轻量微调。关键洞察是哪怕渲染得很脏序列里仍保留着相机运动和粗略场景结构于是清理可以被表述成视频到视频的翻译。两个控制手段值得注意一个二值掩码标出干净像素让模型把输出锚定在高质量输入比如训练视角上、只修其余部分再用 SfM 恢复出的相机位姿精度作为直接偏好优化DPO的奖励信号逼模型产出三维一致、可供下游重建的结果。据摘要一个通用视频先验因此能替掉多条专用修复管线。作者来自卡内基梅隆大学。来源arXiv:2608.23549Khiem Vuong, Deva Ramanan, Srinivasa NarasimhanSubmitted 24 Aug 2026cs.CV。项目页fix-anything.github.io。SeeU2608.227408/24ECCV 2026 Workshop把语义塞进高斯估计。跨视图熵感知模块把多视角的语义与几何线索聚成紧凑嵌入条件高斯变换器对粗高斯做残差更新专门补部分观测与遮挡区域的结构同时保持表面一致性。据摘要在更具挑战的外推设置下PSNR 相比近期 SOTA 平均提升 2.44 dB。来源arXiv:2608.22740Zeyang Bai, Yunpeng Wang, Yunbiao Wang, Jun XiaoSubmitted 24 Aug 2026cs.CV。无训练干扰物过滤2608.269518/27思路很巧。前馈 3DGS 每个输入视角各自预测一组高斯瞬态物体路人、临时遮挡只存在于看见它的那几个视角的预测里却会留在合并后的表示中在新视角下造成模糊、重影或漂浮。作者的做法是逐个排除某视角关联的高斯、再用剩余表示渲染同一相机不一致的内容就会暴露出来接着用特征相似度圈出候选区域再用渲染验证筛掉那些移除后并不能降低其他视角重建误差的候选。全程在单次冻结预测上操作不训练也不做场景级优化。据摘要在三个重建模型和两个干扰物基准上稳定提升新视角质量在干净场景上跨四个模型评估原始重建基本被保留。来源arXiv:2608.26951Kangmin Seo, Jae-Pil HeoSubmitted 27 Aug 2026cs.CV。CoGeo-GS2608.266568/27ICME 2026把编辑从单物体推到多物体。给高斯打上概念感知的语义标签一次优化内完成选择与去耦合移除后的空洞用单目深度先验加扩散修复与边界对齐融合来补再用几何正则化稳住多视角一致性。来源arXiv:2608.26656Yuanxiang Ni, Xianliang Huang, Chenhang Ma, Chen Xiao, Yuewen Ma, Ruxin Wang, Hao ZhangSubmitted 27 Aug 2026cs.CV。速报点评FixAnything 用一个通用视频先验替掉多条专用修复管线CoGeo-GS 则用扩散先验补移除后的空洞——生成模型在这两篇里干的都是补洞的活。无训练干扰物过滤那篇更讨巧它把前馈架构的逐视角预测从一个设计特性变成了免费可用的工具。5. 机器人与世界模型CGS-SLAM2608.268688/27多数 3DGS SLAM 依赖 RGB-D 输入而消费级手机没有深度把 3DGS 放进多机协作框架的又很少。CGS-SLAM 是混合式去中心/中心化系统只用 RGB 和惯性数据。每台设备以惯性数据作运动先验做局部跟踪用度量单目深度估计器 Depth Pro 重建带尺度的地图关键帧编码在设备间共享在与其他设备存在空间重叠的区域启用动态关键帧最后由中心服务器用 VGGT 作视图对齐模型来对齐子图。据摘要双向通信把建图期的通信开销压得很低适合 GNSS 拒止环境。来源arXiv:2608.26868Jean-Daniel de Ambrogi, Aladine Chetouani, Vincent Nguyen, Aurélien ChateignerSubmitted 27 Aug 2026cs.CV。4DGS-WAM2608.259568/26以对象为中心的世界动作模型。用显式 4DGS 表示分别建模动态物体与静态背景策略模型预测未来动作、世界模型预测已观测高斯的变换静态背景不必为未来状态重新生成算力集中在动态对象的演化上。据摘要在 KITTI-MOT 上评估短程预测与过去重建。作者注明这是 work in progress作者之一来自香港中文大学。来源arXiv:2608.25956Yueen Ma, Zenglin Xu, Irwin KingSubmitted 26 Aug 2026cs.CV。实验室机器人基准2608.263838/26自主实验室机器人要在物理控制环的时延预算内把相机流转成可操作的对象表示。这篇系统评测了 NeRF 与 3DGS 在从单板计算机到服务器级节点等各类 GPU 设备上的训练与渲染并把 Meta 的 SAM3D 单图重建放在同一坐标轴上比较。据摘要3DGS 渲染质量高于 NeRF 但 GPU 成本更高机载算力不足以支撑交互速率下的完整逐场景优化SAM3D 能在数秒内给出合理几何但细节错配可能危及下游操作。来源arXiv:2608.26383Yongho Kim, Mengjiao Han, Victor Mateevitsi, Silvio Rizzi, Michael E. Papka, Nicola FerrierSubmitted 26 Aug 2026cs.RO。速报点评多机对齐、世界模型、算力预算这三篇问的是同一类问题3DGS 在机器人栈里到底该占哪一格。实验室基准给出的答案比较冷静质量够用算力是瓶颈。三、应用落地1. KIRI 3DGS Render 5.1.0实时重打光进视口8/28据 Radiance Fields 报道Kiri Innovations 的 Blender 插件 3DGS Render 更新 5.1.0新增实时重打光与 Eevee 网格阴影支持 Blender 5.2另修复复制相关缺陷。重打光一直是 splat 的传统弱项原语只存了外观没存材质和光照的分解。这次把它做进 Blender 视口意味着调光不用再导出到别处。2. 工具链六款采集、合并、清理、训练8/24–8/28工具与平台本周共 8 条更新这里集中说 KIRI 与 MultiSet 之外的 6 款其中 4 款是 Blender 或 Houdini 插件多数出自个人与小团队开发者均据 Radiance FieldsSplatlight8/25Blender 场景直接生成 splat自动生成相机装置已知位姿直喂训练器跳过 COLMAP 求解。合成数据管线的重要拼图PCD Splatter8/25纯 Python 在 Blender 内读 E57 激光扫描转成按密度定大小的 splatEevee 和 Cycles 都能渲染。测绘点云和 splat 两个世界打通了Point Cloud Merger8/24Olli Huttunen多个 COLMAP 重建在 Blender 内导入、对齐、合并打包成一体的训练输入。分次扫描合并是扫描工作流的刚需Nodeconnector 清理 HDA8/26Houdini 22 免费模块化 SOP去重复 splat、漂浮物、alpha 噪点、色相异常值自动补洞AirVis Studio 1.0.48/24把 3DGS 本地训练带到 Windowsluma.gl 9.4.0 beta8/24vis.gl 发布 luma.gl/splatsGPU 原生高斯渲染器支持 WebGPU 层级遍历、有界驻留和 Spark RAD 分页这批工具干的都是脏活。当建出 splat不再稀缺把 splat 弄干净、发出去就成了新的竞争面。清理类工具的密度是管线成熟度的指示剂。3. MultiSet AI把 splat 当室内定位地图用8/27据 Radiance Fields 报道MultiSet AI 把 Gaussian splats 直接作为视觉定位系统VPS的原生地图输入用相机图像在 splat 地图里定位绕开 GPS 在室内失效的问题。splat 不只是看的资产还能当定位的基础设施。这和论文侧 CGS-SLAM 的多机共享地图是同一个趋势的两端。四、技术科普高斯下水为什么这么难本周水下论文扎堆正好把这个方向的核心难题讲透。水对光做了什么。水下成像的经典简化模型是一条加法观测图像等于透射后的场景直接光加后向散射光。直接光在路上被吸收和散射越远越弱红光最先消失画面发蓝绿后向散射是光源照亮水中悬浮颗粒后直接弹回相机的雾前向散射则把细节糊掉。距离一远有效对比度断崖式下跌。3DGS 的三个失效点。SfM 段特征匹配依赖外观一致性颜色被介质污染后匹配率暴跌位姿估不准整条管线从头崩监督段3DGS 唯一的老师是光度误差模型分不清远处蓝色的物体和近处被水雾罩住的物体两者在像素上都成立几何就学歪了采样段水下相机轨迹由 ROV 决定受推进器和缆绳约束视角分布常比地面采集稀疏得多本周论文对应的三层解法。物理层把介质当显式变量Swimm3R 的物理头回归水下成像参数NemoSplat 的介质感知预测器走前馈表示层换原语Swimm3R 用 Beta 原语加散射感知梯度等于承认高斯核在水下不是最优选择系统层流式 SLAM 加基础模型先验AquaFlow 微调 3D 视觉基础模型单目、在线、增量五、行业脉搏观察 1评测基准开始反过来质疑方法这周有三篇工作在问我们到底该怎么评。受控横评指出领域惯常报告的分数看不出真实工况的差距M³ISR 指出静态质量差距小、存储差距大且流式方法报告的成本高于离线基线PIVOT 则直接瞄准 benchmark 本身的采集假设过于干净。这三篇凑在一起是一个领域进入方法够多、需要重新校准尺子阶段的信号。观察 2压缩与分发正在接棒质量M³ISR 的基线结论是静态质量差距很小、存储差距巨大。KISS-GS 把压缩做成可插拔后处理并坚持 Web 原生解码POP 从训练端减少冗余高斯luma.gl 把 WebGPU 渲染做进底层库。四件事指向一处当重建质量趋于收敛竞争重心移到存得下、发得出、打开就能看。观察 3水下板块的基础设施化8 月 2 日 Swimm3R 带来 Barbados 数据集本周 NemoSplat前馈 4D、AquaFlowSLAM、受控横评评测接连到位RefracGS 更新了折射方向。数据集、方法、系统、评测一个细分领域的基础设施在一个月内配齐。六、本周小结本周 3DGS 生态的三个信号评测意识抬头。三篇基准类工作同时质疑现有打分方式其中水下受控横评给出的99.5% 对 0.0%最有说服力高斯能不能开工取决于水清不清而不取决于用哪个架构。物理与生成两股力同时加约束。拉格朗日力学和 PDE 算子学习管动得对不对视频扩散先验管长得对不对。一个从物理来一个从数据来。工具链深耕最后一公里。319 倍压缩、Web 原生解码、实时重打光、一周四款采集清理合并插件。splat 资产离随手能发越来越近。一句话水清不清决定高斯能不能开工。如果你做海洋工程、水产或考古本周水下三篇加 Swimm3R 就是选型起点做仿真与科学计算LagrangeGS 和算子学习值得精读做内容管线KIRI 5.1 的实时重打光和 luma.gl 的 WebGPU 渲染器直接影响工作流怎么搭。聊聊水下重建、物理约束、压缩分发、Blender 工具链哪个方向离你的工作最近留言区聊聊 顺手安利 · 关于 3DGSFlow本文作者开发的免费在线 3DGS 编辑器支持多模型融合编辑、一键校准、体积裁剪、物品展览配置还能基于 Spark 引擎导出网页包。浏览器打开即用无需注册。与此同时3DGS 本地训练工具现已开放内测可在官网下载体验。说明本文为公开信息整理尊重原作者知识产权不构成任何技术或投资建议。收录范围 2026.08.23–08.29论文附 arXiv 编号可查证工具动态以官方发布为准。本文由作者主导选题与编辑AI 工具协助资料整理与措辞排版。 
长河君 · 2026/9/1 4:41:29 · 阅读 1.2k 3DGS 速报 · 第 6 期（2026.08.24 – 08.29）
追踪 3D Gaussian Splatting 前沿每周一更。点击「关注」并设为星标 ⭐第一时间拿到最新论文、工具与落地动态本期收录窗口 2026.08.24 – 08.29。本期关键词水下重建 · 压缩 · 评测基准 · 工具链本期头条高斯下水这件事本周一次性补齐了三块拼图。8 月 24 日同一天NemoSplat前馈 4D港科大团队和 AquaFlow单目流式 SLAM两篇水下重建论文挂到 arXiv8 月 26 日一篇受控横评把五个开源 GS 系统拉到不同浊度、不同光照下对齐比较结论写得很直白这些方法能做什么更多取决于设置而不是架构。横评里有个数字值得单独拎出来运动恢复结构SfM在清澈水体中能配准 99.5% 的帧在 12 NTU 浊度下是 0.0%。水下之外压缩方向也交出了本周最实用的成果Fraunhofer HHI 的 KISS-GS 把压缩做成训练后的可插拔模块85 到 319 倍解码不依赖任何专用库。一、本周速览名称一句话来源 / 时间【论文】NemoSplat介质感知前馈 4DGS 水下重建无标定海洋视频直接出结果配大规模动态数据集arXiv:2608.228888/24【论文】AquaFlow单目流式 GS-SLAM62 条水下轨迹定位误差 −13.2%、PSNR 4.74 dBarXiv:2608.229068/24【论文】水下受控横评五个开源系统跨浊度、光照、色彩衰减对齐比较SfM 配准率清水 99.5%、12 NTU 浊度 0.0%arXiv:2608.254838/26【论文】RefracGS3DGS 光线追踪处理水面折射水上水下装进同一个可微渲染器arXiv:2603.21695v2 于 8/27 更新原提交 3/23【论文】KISS-GS训练后处理式压缩85–319 倍解码只用 Web 原生图像格式arXiv:2608.269488/27【论文】M³ISR3D/4DGS 与前馈压缩基准25 个场景、五条赛道arXiv:2608.224658/23【论文】POPL2 重建损失 极化不透明度先验反模型膨胀arXiv:2608.223448/23【论文】LagrangeGS把动态 3DGS 写成非保守拉格朗日系统可时间反演、免重训物理编辑arXiv:2608.227738/24【论文】GS 算子学习前馈 GS 表示做 PDE 算子学习长时序误差降 1.5–2.2 倍arXiv:2608.240498/25【论文】PAGS声速自适应高斯溅射做光声断层成像的自动聚焦arXiv:2608.254728/26【论文】FixAnything一个模型修 3DGS、NeRF、网格、点云四种表示的渲染伪影arXiv:2608.235498/24【论文】SeeU语义进高斯稀疏视图外推 PSNR 2.44 dBarXiv:2608.227408/24【论文】无训练干扰物过滤利用前馈逐视图预测结构去瞬态物体零训练零优化arXiv:2608.269518/27【论文】CoGeo-GS概念驱动的多物体移除扩散先验补移除后的空洞arXiv:2608.266568/27【论文】4DGS-WAM以对象为中心的 4DGS 世界动作模型作者注明 work in progressarXiv:2608.259568/26【论文】CGS-SLAM多机协作 GS-SLAM只用 RGB 与惯性数据面向 GNSS 拒止环境arXiv:2608.268688/27【论文】PIVOT多轨迹数据集独立考察位姿、内参与视角三类采集因素arXiv:2608.254018/26【论文】实验室机器人基准NeRF 与 3DGS 在从单板计算机到服务器级设备上的算力横评arXiv:2608.263838/26【论文】实验室物品可视化横评摄影测量、NeRF、3DGS、激光雷达四法对比arXiv:2608.273018/27【落地】KIRI 3DGS Render 5.1.0Blender 插件新增实时重打光与 Eevee 网格阴影支持 Blender 5.2Radiance Fields8/28【落地】MultiSet AI把 Gaussian splats 作为视觉定位系统VPS的原生地图输入Radiance Fields8/27【落地】Nodeconnector 清理 HDAHoudini 22 免费 SOP去重复、漂浮物、alpha 噪点自动补洞Radiance Fields8/26【落地】SplatlightBlender 场景直接生成 splat已知位姿直喂训练器跳过 COLMAPRadiance Fields8/25【落地】PCD SplatterBlender 内纯 Python 读 E57 激光扫描转 splatRadiance Fields8/25【落地】Point Cloud Merger多个 COLMAP 重建在 Blender 内导入、对齐、合并Radiance Fields8/24【落地】luma.gl 9.4.0 betavis.gl 发布 luma.gl/splatsWebGPU 原生 splat 渲染器Radiance Fields8/24【落地】AirVis Studio 1.0.4把 3DGS 本地训练带到 WindowsRadiance Fields8/24同期还有两件事值得留意。一是版本更新潮ReSplatarXiv:2510.08575在 8/26 更新版本并挂上 ECCV 2026 Spotlight3DGS-HPCarXiv:2603.07587同日更新、标注 ICML 2026两篇都在本周补上了会议信息。二是撤稿提示RobustGSarXiv:2508.03077作者在 8 月 24 日更新的版本页注明因内容涉及所属机构保密规定而撤稿引用前请留意。二、硬核论文1. 水下一周三连前馈、SLAM、还有一篇劝你先调设置水下重建的老大难是物理。光在水里被吸收和散射拍到的像素颜色混进了介质的贡献不再是场景本身的样子。3DGS 的整条管线从 SfM 找特征到光度误差做监督全都建立在外观一致性上水下直接失效。8 月 2 日 Swimm3RarXiv:2608.00950明尼苏达大学用介质感知 SfM 加 Beta 原语开了头本周三篇接着往下推。NemoSplat2608.228888/24据摘要这是首个面向介质感知动态重建的前馈 4DGS 框架直接从无标定的海洋视频出结果。两个设计可提示的动态解缠器用学习到的动态概率与可选语义文本先验做置信度融合把游鱼、悬浮物这类瞬时实体剥出来介质感知高斯预测器联合估计三维高斯属性与物理介质参数单次前向就还原干净外观。团队还配了大规模水下数据集。前馈意味着不用逐场景优化。来源arXiv:2608.22888Xiaopeng Guo, Wai Chung Tse, Yipeng Zhu, Hanwen Zhang, Huajian Huang, Sai-Kit YeungSubmitted 24 Aug 2026cs.CV。项目页nemosplat.hkustvgd.com。AquaFlow2608.229068/24走 SLAM 路线单目输入、流式重建。核心动作是在大规模水下数据上微调 3D 视觉基础模型对抗衰减与散射再配合介质引导的增量式高斯初始化。据摘要在 62 条水下轨迹的数据集上相比 WaterSplat-SLAM 平均定位误差降低 13.2%PSNR 提升 4.74 dB。来源arXiv:2608.22906Yingxiang Xu, Kerui Ren, Wenqi Guo, Changjian Jiang, Tao Lu, Linning Xu, Mulin YuSubmitted 24 Aug 2026cs.CV。受控横评2608.254838/26这篇最反高潮也最有用。作者把五个有公开代码的系统放在同一套协议下跑共享位姿、初始化、预算和评估器变量是浊度、光照损失与色彩衰减另外加了一段工业调查。结论是一句大白话这些方法能做什么更多取决于设置而不是架构。它给出的三个具体发现比结论本身更有用水体清澈度约束发生在渲染之前SfM 在清澈水中能配准 99.5% 的帧在 12 NTU 浊度下是 0.0%光照几何决定介质模型到底有没有用在随相机移动的人工光源下不考虑介质的 splatting 反而赢了那两个介质感知系统在工业调查那段基准里光度指标的第一名垫了底几何上被去雾预处理 原生 3DGS打败而这些差异在领域惯常报告的分数里完全看不出来。来源arXiv:2608.25483Olaya Álvarez-Tuñón, Stella GraßhofSubmitted 26 Aug 2026cs.CV。代码、场景与评估脚本github.com/olayasturias/uw3dgs。顺带一笔RefracGS2603.21695本周更新版本用 3DGS 光线追踪处理水面折射把水面上的世界和水下的世界装进同一个可微渲染器。来源arXiv:2603.21695Yiming Shao, Qiyu Dai, Chong Gao, Guanbin Li, Yequan Wang, He Sun, Qiong Zeng, Baoquan Chen, Wenzheng Chen原提交 23 Mar 2026v2 于 27 Aug 2026 更新cs.CV。速报点评数据集、前馈、SLAM、横评四件套水下 3DGS 在一个月内配齐了。受控横评那篇尤其建议收藏它替整个社区把先调曝光和初始化再谈换架构这句话说破了还顺手指出了一件尴尬事业内常报的分数未必能反映真实工况下的好坏。2. 物理约束拉格朗日力学与 PDE 算子学习LagrangeGS2608.227738/24BMVC 2026盯住动态 3DGS 的一个隐痛。所谓 physics-aware 扩展只是在拟合速度场并不满足拉格朗日力学于是带来三个问题轨迹物理不自洽、不能时间反演、长时外推会几何崩塌。修法是把动态 3DGS 整体写成非保守拉格朗日系统。难在工程通用拉格朗日神经网络LNN要对百万级高斯做大规模速度 Hessian 矩阵求逆算不动。作者的近似很务实把速度 Hessian 当单位阵处理让粒子动力学解耦再限制非保守力与时间无关保证反向积分一致最后加局部刚性对齐来稳住轨迹。据摘要结果是稳定长时外推、一致时间反演以及免重训的反事实物理编辑。来源arXiv:2608.22773Shogo Sato, Takuhiro Kaneko, Shoichiro Takeda, Tomoyasu Shimada, Riku Inoue, Kazuhiko Murasaki, Ryuichi TanidaSubmitted 24 Aug 2026cs.CV。GS 算子学习2608.240498/25这篇跨界跨得最远把前馈高斯溅射FFGS表示拿去做偏微分方程的算子学习。思路是在表示层接入物理FFGS 把状态重建为连续高斯场空间导数有闭式解于是已知的 PDE 算子可以直接嵌进学到的演化映射里不需要额外的物理残差损失。据摘要在平流、扩散、非线性自平流与反应动力学等二维和三维 PDE 系统上长时序自回归推演的相对 ℓ2 误差相比最强纯数据驱动基线降低 1.5 到 2.2 倍光谱保真度也一致提升在控制方程只有部分已知时依然有效。作者之一任职于康奈尔大学。来源arXiv:2608.24049Jihao Zhang, Junyi Guo, Jian-Xun WangSubmitted 25 Aug 2026cs.LG。PAGS2608.254728/26把高斯溅射用在光声断层成像PACT的自动聚焦上。声速未知且不均匀会导致飞行时间错算、重建散焦而现有自适应方法要么依赖标定过的声学先验要么去优化稠密物理介质模型代价高且难扩展到三维。PAGS 用稀疏高斯光声源表示初始声压场再用球谐探针参数化的紧凑各向异性路径平均声速场替代显式介质恢复闭环优化且不需要标定先验。来源arXiv:2608.25472Jiarui Ge, Jintao Ma, Bangxu Fan, Jinyan Zhang, Xiaokang Yang, Shuai Na, Xiaoyun YuanSubmitted 26 Aug 2026cs.CV。速报点评三条路的用力方向不一样。LagrangeGS 把物理当约束求动得对算子学习把物理当接口求接得上PAGS 则是把高斯当成物理场的离散化载体本身。共同点是它们都不再满足于渲染得像。3. 压缩KISS-GS 的卖点是不碰训练3DGS 压缩的常见做法是把压缩揉进训练量化感知训练、熵模型联合优化效果不错代价是要动训练代码。对已经有成熟训练管线的团队来说这类方法的评价往往是很好但别碰我的管线。KISS-GS2608.269488/27走另一头训练照旧压缩做成后处理。三步可以拆开看据摘要先用现有剪枝方案做紧凑化得到 15.7 倍再用 SOG-XT 格式编码成图像得到 6.6 倍可选的编码感知微调再带来 2.2 倍。在标准基准上合计 85 到 319 倍率失真性能反超紧耦合方法。SOG-XT 是对 Self-Organizing Gaussians 的扩展两个新东西自组织 2D 码本以及并行代表分配平滑PRAS后者利用四元数与尺度参数化的对称性生成更适合压缩的二维属性网格。解码端是它真正的杀招只依赖 Web 原生图像格式浏览器不装任何东西就能解。来源arXiv:2608.26948Wieland Morgenstern, Friedrich Elias Branschke, Florian Fleischmann, Adrian Szatmari, Paul Schlack, Florian Barthel, Peter Eisert, Anna HilsmannSubmitted 27 Aug 2026cs.CV。项目页fraunhoferhhi.github.io/KISS-GS。同周还有两篇配套。M³ISR2608.224658/23给 3D/4DGS 和前馈压缩搭了评测场25 个场景、五个室内外场景组、两种相机与运动配置、六个同步 1080p 视角密集标注了 RGB、相机参数、深度、语义与实例分割、静态动态掩码分五条赛道。基线结论很有意思静态重建质量各家差距很小存储差距巨大。作者还指出被评测的流式方法报告的重建成本明显高于对应的离线动态重建基线。来源arXiv:2608.22465Xinhui Liu, Lei Liu, Zhenghao Chen, Lebin Zhou, Wei Wang, Wei JiangSubmitted 23 Aug 2026cs.CV。POP2608.223448/23从训练端下手反模型膨胀。3DGS 的 densify-then-prune 范式会先把模型激进扩张、再靠剪枝压回来中间产生大量低不透明度冗余高斯。POP 用 L2 重建损失提供与误差成比例的梯度稳住优化再用极化不透明度先验把有信息量的高斯推向全不透明、没用的推向透明实现自然剪枝并借提前光线终止加速渲染。据摘要在三个公开数据集上以更少的高斯实现更快训练视觉质量相当。来源arXiv:2608.22344Zi-Ming Wang, Kai-Wen Duan, Kowei Huang, Akihiro Sugimoto, Shang-Hong LaiSubmitted 23 Aug 2026cs.CV。速报点评KISS-GS 的 319 倍当然亮眼但工程位上的可插拔更值钱解耦意味着能直接进现有管线。配合 M³ISR 那个质量差距小、存储差距大的观察压缩作为下一个主战场的判断有了基准支撑。4. 视频先验与稀疏视图把生成模型当修图工FixAnything2608.235498/24ECCV 2026一个模型修 3DGS、NeRF、网格、点云四种表示的渲染伪影。做法是复用预训练视频生成模型只做最小改动和轻量微调。关键洞察是哪怕渲染得很脏序列里仍保留着相机运动和粗略场景结构于是清理可以被表述成视频到视频的翻译。两个控制手段值得注意一个二值掩码标出干净像素让模型把输出锚定在高质量输入比如训练视角上、只修其余部分再用 SfM 恢复出的相机位姿精度作为直接偏好优化DPO的奖励信号逼模型产出三维一致、可供下游重建的结果。据摘要一个通用视频先验因此能替掉多条专用修复管线。作者来自卡内基梅隆大学。来源arXiv:2608.23549Khiem Vuong, Deva Ramanan, Srinivasa NarasimhanSubmitted 24 Aug 2026cs.CV。项目页fix-anything.github.io。SeeU2608.227408/24ECCV 2026 Workshop把语义塞进高斯估计。跨视图熵感知模块把多视角的语义与几何线索聚成紧凑嵌入条件高斯变换器对粗高斯做残差更新专门补部分观测与遮挡区域的结构同时保持表面一致性。据摘要在更具挑战的外推设置下PSNR 相比近期 SOTA 平均提升 2.44 dB。来源arXiv:2608.22740Zeyang Bai, Yunpeng Wang, Yunbiao Wang, Jun XiaoSubmitted 24 Aug 2026cs.CV。无训练干扰物过滤2608.269518/27思路很巧。前馈 3DGS 每个输入视角各自预测一组高斯瞬态物体路人、临时遮挡只存在于看见它的那几个视角的预测里却会留在合并后的表示中在新视角下造成模糊、重影或漂浮。作者的做法是逐个排除某视角关联的高斯、再用剩余表示渲染同一相机不一致的内容就会暴露出来接着用特征相似度圈出候选区域再用渲染验证筛掉那些移除后并不能降低其他视角重建误差的候选。全程在单次冻结预测上操作不训练也不做场景级优化。据摘要在三个重建模型和两个干扰物基准上稳定提升新视角质量在干净场景上跨四个模型评估原始重建基本被保留。来源arXiv:2608.26951Kangmin Seo, Jae-Pil HeoSubmitted 27 Aug 2026cs.CV。CoGeo-GS2608.266568/27ICME 2026把编辑从单物体推到多物体。给高斯打上概念感知的语义标签一次优化内完成选择与去耦合移除后的空洞用单目深度先验加扩散修复与边界对齐融合来补再用几何正则化稳住多视角一致性。来源arXiv:2608.26656Yuanxiang Ni, Xianliang Huang, Chenhang Ma, Chen Xiao, Yuewen Ma, Ruxin Wang, Hao ZhangSubmitted 27 Aug 2026cs.CV。速报点评FixAnything 用一个通用视频先验替掉多条专用修复管线CoGeo-GS 则用扩散先验补移除后的空洞——生成模型在这两篇里干的都是补洞的活。无训练干扰物过滤那篇更讨巧它把前馈架构的逐视角预测从一个设计特性变成了免费可用的工具。5. 机器人与世界模型CGS-SLAM2608.268688/27多数 3DGS SLAM 依赖 RGB-D 输入而消费级手机没有深度把 3DGS 放进多机协作框架的又很少。CGS-SLAM 是混合式去中心/中心化系统只用 RGB 和惯性数据。每台设备以惯性数据作运动先验做局部跟踪用度量单目深度估计器 Depth Pro 重建带尺度的地图关键帧编码在设备间共享在与其他设备存在空间重叠的区域启用动态关键帧最后由中心服务器用 VGGT 作视图对齐模型来对齐子图。据摘要双向通信把建图期的通信开销压得很低适合 GNSS 拒止环境。来源arXiv:2608.26868Jean-Daniel de Ambrogi, Aladine Chetouani, Vincent Nguyen, Aurélien ChateignerSubmitted 27 Aug 2026cs.CV。4DGS-WAM2608.259568/26以对象为中心的世界动作模型。用显式 4DGS 表示分别建模动态物体与静态背景策略模型预测未来动作、世界模型预测已观测高斯的变换静态背景不必为未来状态重新生成算力集中在动态对象的演化上。据摘要在 KITTI-MOT 上评估短程预测与过去重建。作者注明这是 work in progress作者之一来自香港中文大学。来源arXiv:2608.25956Yueen Ma, Zenglin Xu, Irwin KingSubmitted 26 Aug 2026cs.CV。实验室机器人基准2608.263838/26自主实验室机器人要在物理控制环的时延预算内把相机流转成可操作的对象表示。这篇系统评测了 NeRF 与 3DGS 在从单板计算机到服务器级节点等各类 GPU 设备上的训练与渲染并把 Meta 的 SAM3D 单图重建放在同一坐标轴上比较。据摘要3DGS 渲染质量高于 NeRF 但 GPU 成本更高机载算力不足以支撑交互速率下的完整逐场景优化SAM3D 能在数秒内给出合理几何但细节错配可能危及下游操作。来源arXiv:2608.26383Yongho Kim, Mengjiao Han, Victor Mateevitsi, Silvio Rizzi, Michael E. Papka, Nicola FerrierSubmitted 26 Aug 2026cs.RO。速报点评多机对齐、世界模型、算力预算这三篇问的是同一类问题3DGS 在机器人栈里到底该占哪一格。实验室基准给出的答案比较冷静质量够用算力是瓶颈。三、应用落地1. KIRI 3DGS Render 5.1.0实时重打光进视口8/28据 Radiance Fields 报道Kiri Innovations 的 Blender 插件 3DGS Render 更新 5.1.0新增实时重打光与 Eevee 网格阴影支持 Blender 5.2另修复复制相关缺陷。重打光一直是 splat 的传统弱项原语只存了外观没存材质和光照的分解。这次把它做进 Blender 视口意味着调光不用再导出到别处。2. 工具链六款采集、合并、清理、训练8/24–8/28工具与平台本周共 8 条更新这里集中说 KIRI 与 MultiSet 之外的 6 款其中 4 款是 Blender 或 Houdini 插件多数出自个人与小团队开发者均据 Radiance FieldsSplatlight8/25Blender 场景直接生成 splat自动生成相机装置已知位姿直喂训练器跳过 COLMAP 求解。合成数据管线的重要拼图PCD Splatter8/25纯 Python 在 Blender 内读 E57 激光扫描转成按密度定大小的 splatEevee 和 Cycles 都能渲染。测绘点云和 splat 两个世界打通了Point Cloud Merger8/24Olli Huttunen多个 COLMAP 重建在 Blender 内导入、对齐、合并打包成一体的训练输入。分次扫描合并是扫描工作流的刚需Nodeconnector 清理 HDA8/26Houdini 22 免费模块化 SOP去重复 splat、漂浮物、alpha 噪点、色相异常值自动补洞AirVis Studio 1.0.48/24把 3DGS 本地训练带到 Windowsluma.gl 9.4.0 beta8/24vis.gl 发布 luma.gl/splatsGPU 原生高斯渲染器支持 WebGPU 层级遍历、有界驻留和 Spark RAD 分页这批工具干的都是脏活。当建出 splat不再稀缺把 splat 弄干净、发出去就成了新的竞争面。清理类工具的密度是管线成熟度的指示剂。3. MultiSet AI把 splat 当室内定位地图用8/27据 Radiance Fields 报道MultiSet AI 把 Gaussian splats 直接作为视觉定位系统VPS的原生地图输入用相机图像在 splat 地图里定位绕开 GPS 在室内失效的问题。splat 不只是看的资产还能当定位的基础设施。这和论文侧 CGS-SLAM 的多机共享地图是同一个趋势的两端。四、技术科普高斯下水为什么这么难本周水下论文扎堆正好把这个方向的核心难题讲透。水对光做了什么。水下成像的经典简化模型是一条加法观测图像等于透射后的场景直接光加后向散射光。直接光在路上被吸收和散射越远越弱红光最先消失画面发蓝绿后向散射是光源照亮水中悬浮颗粒后直接弹回相机的雾前向散射则把细节糊掉。距离一远有效对比度断崖式下跌。3DGS 的三个失效点。SfM 段特征匹配依赖外观一致性颜色被介质污染后匹配率暴跌位姿估不准整条管线从头崩监督段3DGS 唯一的老师是光度误差模型分不清远处蓝色的物体和近处被水雾罩住的物体两者在像素上都成立几何就学歪了采样段水下相机轨迹由 ROV 决定受推进器和缆绳约束视角分布常比地面采集稀疏得多本周论文对应的三层解法。物理层把介质当显式变量Swimm3R 的物理头回归水下成像参数NemoSplat 的介质感知预测器走前馈表示层换原语Swimm3R 用 Beta 原语加散射感知梯度等于承认高斯核在水下不是最优选择系统层流式 SLAM 加基础模型先验AquaFlow 微调 3D 视觉基础模型单目、在线、增量五、行业脉搏观察 1评测基准开始反过来质疑方法这周有三篇工作在问我们到底该怎么评。受控横评指出领域惯常报告的分数看不出真实工况的差距M³ISR 指出静态质量差距小、存储差距大且流式方法报告的成本高于离线基线PIVOT 则直接瞄准 benchmark 本身的采集假设过于干净。这三篇凑在一起是一个领域进入方法够多、需要重新校准尺子阶段的信号。观察 2压缩与分发正在接棒质量M³ISR 的基线结论是静态质量差距很小、存储差距巨大。KISS-GS 把压缩做成可插拔后处理并坚持 Web 原生解码POP 从训练端减少冗余高斯luma.gl 把 WebGPU 渲染做进底层库。四件事指向一处当重建质量趋于收敛竞争重心移到存得下、发得出、打开就能看。观察 3水下板块的基础设施化8 月 2 日 Swimm3R 带来 Barbados 数据集本周 NemoSplat前馈 4D、AquaFlowSLAM、受控横评评测接连到位RefracGS 更新了折射方向。数据集、方法、系统、评测一个细分领域的基础设施在一个月内配齐。六、本周小结本周 3DGS 生态的三个信号评测意识抬头。三篇基准类工作同时质疑现有打分方式其中水下受控横评给出的99.5% 对 0.0%最有说服力高斯能不能开工取决于水清不清而不取决于用哪个架构。物理与生成两股力同时加约束。拉格朗日力学和 PDE 算子学习管动得对不对视频扩散先验管长得对不对。一个从物理来一个从数据来。工具链深耕最后一公里。319 倍压缩、Web 原生解码、实时重打光、一周四款采集清理合并插件。splat 资产离随手能发越来越近。一句话水清不清决定高斯能不能开工。如果你做海洋工程、水产或考古本周水下三篇加 Swimm3R 就是选型起点做仿真与科学计算LagrangeGS 和算子学习值得精读做内容管线KIRI 5.1 的实时重打光和 luma.gl 的 WebGPU 渲染器直接影响工作流怎么搭。聊聊水下重建、物理约束、压缩分发、Blender 工具链哪个方向离你的工作最近留言区聊聊 顺手安利 · 关于 3DGSFlow本文作者开发的免费在线 3DGS 编辑器支持多模型融合编辑、一键校准、体积裁剪、物品展览配置还能基于 Spark 引擎导出网页包。浏览器打开即用无需注册。与此同时3DGS 本地训练工具现已开放内测可在官网下载体验。说明本文为公开信息整理尊重原作者知识产权不构成任何技术或投资建议。收录范围 2026.08.23–08.29论文附 arXiv 编号可查证工具动态以官方发布为准。本文由作者主导选题与编辑AI 工具协助资料整理与措辞排版。