作者丨张 璐
编辑丨齐铖湧
在过去两年的 3DGS 研发浪潮中，我们经常看到这样的奇观：算法在论文里跑出了惊艳的 3D 渲染画面，但一拿到真实手机或机器人上，立刻卡成ppt甚至崩溃。
"能在实验室发论文"与"能在工业现场干活"之间，隔着一条残酷的工程鸿沟。
到了 CVPR 2026，这场画质内卷的狂欢终于踩下了刹车。前沿团队们的视角全面转向工业落地：从秒级前馈生成、GPU 算子重构，到抗噪 SLAM 建图与 Neural ODE 物理碰撞推算，3DGS 正打通"生产-运行-架构-应用"全管线，演变为具身智能与世界模型的物理底座。
接下来，雷峰网AI科技评论将通过 8 篇代表性顶会工作，拆解 3DGS 跨越工业化门槛的完整蜕变路径。
01
生产端：告别几十分钟等待，
实现秒级生成与算力按需分配
在传统的 3DGS 工作流中，场景构建一直是一项非常耗时的任务。每拿到一组新拍摄的图像，算法都需要针对该场景跑上几十分钟甚至更久的逐场景迭代优化。
为了追求极高画质，早期算法倾向于采用像素对齐（Pixel-aligned）策略。简单来说，就是为输入的每一个像素都生成一颗 3D 高斯图元。这种做法导致无论是一面毫无纹理的白墙，还是一树极其复杂的枝叶，都被塞满了同样密度的高斯点，最终导出一个庞大而臃肿的场景文件。
针对这一问题，研究者们给出的破局思路非常明确：弃用漫长的逐场景优化，转向"前馈神经网络（Feed-forward）"实现秒级甚至毫秒级单次推理出图；同时彻底打碎死板的"一像素一高斯"限制，让高斯图元的数量与密度能够根据场景复杂度和硬件性能按需分配。
▎EcoSplat：像切视频清晰度一样，随时按算力裁剪 3D 模型
本研究来自KAIST（韩国科学技术院）Flawless AI 与 中央大学 联合团队，共同一作位 Jongmin Park 与 Minh-Quan Viet Bui，通讯作者为 KAIST Munchurl Kim 教授与中央大学 Jihyong Oh 教授。
现有的前馈重建模型通常只能预测固定数量的密集高斯图元，无法根据端侧设备的实际算力进行动态调整。把一个拥有上百万高斯图元的大模型强行塞给低配手机或 VR 头显，要么显存直接爆掉，要么渲染卡成ppt。
来自 KAIST（韩国科学技术院）与 Flawless AI 等机构的联合研究团队在论文《EcoSplat: Efficiency-controllable Feed-forward3DGaussian Splatting from Multi-view Images》中提供了一套极具智慧的方案。
他们给前馈模型装上了一套"重要性调度器"。EcoSplat 在训练时分为两个阶段：先通过基础训练学会预测高斯，随后引入"重要性感知透明度损失"进行微调，专门训练模型去压低不重要高斯的透明度，从而建立起一套高斯图元的重要性排序机制。
在 RealEstate10K 数据集上的测试表明，即便将高斯图元激进削减到极低的 5%（仅约 7.8 万个高斯），EcoSplat 依然能保持 24.72 dB PSNR 的高质量渲染，真正实现了"一套模型，跨端弹性部署"。
▎SparseSplat：白墙少给点、细节多给点，画出超轻量 3D 场景
本研究来自复旦大学与上海科技大学联合团队，第一作者为张子成（Zicheng Zhang），团队成员包括复旦大学研究者及它石智航（Tashi.ai）联合创始人丁文超。
如果说 EcoSplat 解决了高斯数量的"弹性调度"，那么这篇文章，则从具身智能与工业落地的第一线视角，进一步解决了高斯分布的"智能稀疏化"。
针对白墙与花草被平铺同样多高斯点的荒谬现象，SparseSplat 借用了信息论中的"信息熵（Shannon Entropy）"概念，在推理时先计算局部窗口的复杂度。遇到平坦无纹理的白墙，系统就用少数几颗大高斯快速垫底；遇到复杂的细节纹理，再集中铺设密集的小高斯。
更为巧妙的是，SparseSplat 敏锐地意识到传统 3DGS 的渲染本质上是局部像素与相邻高斯的互相作用。因此它放弃了用全局特征预测单点的错配设计，转而在 3D 空间中查询锚点的 K 近邻（3D KNN），利用几何感知注意力机制（Geo-aware Attention）精准预测高斯属性。
这种"稀疏化设计"带来了惊人的效果：在 DL3DV 数据集上，SparseSplat 仅用 15 万个高斯（仅为传统模型 688 万高斯的 22%），就达到了同等甚至超越 SOTA 的渲染画质（24.20 dB PSNR）。而在极限压缩至 1 万到 4 万高斯的超稀疏模式下，渲染帧率更是一举飙升至 600～1100+ FPS，直接打通了移动端实时渲染与机器人调度的性能血脉。
从 EcoSplat 到 SparseSplat ，这组研究清晰地表明：前馈 3DGS 已经摆脱了对长时间训练和庞大显存的依赖，具备了毫秒级生成轻量化、算力自适应三维资产的能力，彻底打通了从拍照采集到端侧呈现的第一公里。
02
运行端：榨干 GPU 性能，
攻克大场景渲染卡顿与慢收敛
完成了生产端的轻量化生成之后，技术落地的下一个硬考验来到了运行渲染端。
在实际的工业场景中，例如无人机巡检城市街区、虚拟博物馆漫游或自动驾驶仿真，场景规模往往非常庞大，高斯图元的数量动辄几百万甚至上千万。
此时，即便是最顶级的显卡也会陷入两难：一方面，在连续交互的动态渲染中，每一帧都重新进行视锥裁剪和深度排序，产生了大量的重复计算；另一方面，大场景中物体的几何复杂度极不均匀，天空区域几乎没有负载，而建筑细节区域的高斯点高度堆叠，导致 GPU 的部分计算核心过载、部分核心闲置。
此外，在模型的训练优化阶段，传统 3DGS 依赖漫长的高斯分裂试错过程，也极大地拉长了场景收敛的时间。
针对这些运行端的性能瓶颈，CVPR 2026 的研究者们深入 GPU 底层算子与图形学渲染管线，通过引入缓存机制、负载均衡调度以及一步到位的几何初始化，实现了渲染帧率与收敛速度的突破。
▎CaT-GS：借用游戏引擎缓存，大场景渲染直接提速 10 倍
本研究来自上海交通大学与UIUC（伊利诺伊大学厄巴纳-香槟分校）联合团队，第一作者为张庭嘉（Tingjia Zhang），通讯作者为上海交通大学刘盛中（Shengzhong Liu）教授。
在交互式三维漫游中，相邻两帧之间的镜头移动往往非常微小，这一特性在传统游戏引擎中经常被用来做帧间优化。然而在传统的 3DGS 渲染管线中，算法却"傻瓜式"地为每一帧重复执行视锥裁剪（Frustum Culling）和高斯深度排序（Sorting）。
上海交通大学与 UIUC 等机构的联合团队在论文《CaT-GS: Efficient 3DGS Rendering for Large Scale Scenes via Inter-frame Caching and Tile Scheduling》中，首次将现代图形引擎的"缓存与推测调度"思想引入到了 3DGS 渲染管线中。CaT-GS 将连续渲染过程划分为"关键帧"与"子帧"：
CaT-GS 在关键帧阶段采用"推测式多帧预处理"，通过预测相机轨迹，直接算出未来几帧高斯图元扫过的空间轨迹包围盒。随后的子帧便可以开启"视锥缓存"与"排序缓存"，直接沿用关键帧处理好的渲染列表，一举跳过了重复的裁剪与排序计算。
在包含 700 万以上高斯图元的无人机城市级重建数据集（UAV City）上，CaT-GS 实现了相比传统 3DGS 高达10 倍的渲染加速，在 1080P 高清分辨率下依然跑出了 200+ FPS 的极度流畅帧率，彻底攻克了大场景交互卡顿的顽疾。
▎EDGS：告别繁琐试错，一步到位直接生成高精度几何表面
本研究来自慕尼黑大学CompVis 实验室与 MCML，共同一案为 Dmytro Kotovenko 与 Olga Grebenkova，通讯作者为计算机视觉领军学者
除了渲染时的 GPU 算子卡顿，在场景模型的训练端，传统的高斯分裂机制同样构成了巨大的时间成本。
传统 3DGS 从稀疏的 SfM 点云开始，在训练过程中不断通过光度损失梯度来"试错"，逐步将高斯分裂、增密。这个漫长的过程不仅收敛极慢，而且在高频细节区域容易产生抖动和伪影。
慕尼黑大学（LMU Munich）CompVis 团队在论文《EDGS: Eliminating Densification for Efficient Convergence of 3DGS》中提出了一个颠覆性的方案：能否彻底消除高斯分裂？
EDGS 的核心逻辑是用高质量的初始化代替后期迭代试错。团队利用成熟的 2D 特征匹配算法（如 RoMa），在训练前直接对多视角图像进行密集的像素匹配与三角化。通过结合重投影误差与匹配置信度，EDGS 在场景中直接一步到位地铺设了一层高质量的 3D 高斯点，并提前算好了位置、颜色、缩放以及球谐函数（SH）系数。
由于一开始高斯图元就被摆在了极其精准的几何表面上，高斯点在后续优化中的空间位移缩减了50 倍。
实验表明，EDGS 在没有任何 Densification 分裂步骤的情下，仅需传统 3DGS 15% 的训练时间（训练 5000 步），就能达到甚至超越传统方法训练 30,000 步的画质。这种"一步到位"的工程设计，不仅极大地缩短了场景重建的等待时间，也使算法具备了极佳的稳定性。
03
架构端：打破死板像素绑定，
手机与头显也能本地即时更新
在攻克了生产速度与 GPU 渲染效率之后，3DGS 走向工业部署的第三道关卡来到了基础架构层面。
传统的 3DGS 算法在建模机制上存在一个固有的结构缺陷：它们倾向于将 3D 高斯图元与输入的 2D 图像像素或相机射线进行死板的"一对一"绑定。这种死板绑定在实验室的标准数据集上表现尚可，但在真实世界复杂多变的移动端应用中，却极易引发崩溃。
一方面，现实拍摄中的相机姿态数据往往包含噪声（比如手持手机拍摄的微小抖动或传感器误差），死板的像素射线绑定会将这些姿态噪声成倍放大，导致重建出的 3D 场景中充斥着刺状伪影与悬浮杂质；另一方面，当模型部署到智能手机、AR 头显或无人机等端侧设备后，面对新视角或光线变化时，设备无法承担昂贵的全局重优化，而传统的微调方式又极易破坏模型原本学到的通用 3D 先验。
针对这些架构层面的痛点，CVPR 2026 的代表性论文《TokenGS: Decoupling 3D Gaussian Prediction from Pixels with Learnable Tokens》提出了解耦高斯预测与逐像素计算的全新架构，为 3DGS 在端侧设备的灵活部署与在线微调打开了新局面。
本研究来自NVIDIA研究团队，共同一作/核心作者为Jiawei Ren（任佳伟）与Michal Jan Tyszkiewicz，联合研究员包括Jiahui Huang（黄佳辉）与Zan Gojcic。
研究团队在《TokenGS: Decoupling 3D Gaussian Prediction from Pixels with Learnable Tokens》中，针对传统"像素-高斯死绑定"架构进行了彻底的重构。
他们借用了计算机视觉领域中类似于 DETR 的可学习 Token（Learnable Tokens）思想，设计了一套全新的 Encoder-Decoder 架构。网络不再盲目地沿着每一条像素射线去推算高斯点，而是将多视角图像特征提取后，送入 Transformer 解码器中，利用一组可学习的 3D 空间 Token 直接去"查询"并回归全局空间中的 3D 高斯坐标与物理属性。
强抗噪性：由于预测过程不再强行依赖精准的逐像素射线几何投射，TokenGS 对相机姿态噪声（Pose Noise）展现出了极强的鲁棒性。即便输入图像的相机位姿存在偏差，模型依然能构建出干净、平滑的 3D 几何表面。
端侧在线微调（Test-Time Token Tuning, TTT）：这是 TokenGS 最亮眼的工程特性。当用户拿着手机或戴着 AR 头显在真实场景中漫游、需要针对新视角进行微调时，系统完全不需要对庞大的主干网络（Backbone）进行重新训练。端侧设备只需要冻结全部主干参数，仅对这组极轻量（仅占极小内存）的 3D Token 进行在线微调。
在实际评估中，TokenGS 证明了其架构的高效性。在面对未见过的复杂场景与带有姿态偏差的输入时，系统仅需在端侧进行极少步数的 Token 微调，就能使渲染画质大幅提升，同时极大地降低了端侧显存与算力的消耗，彻底避免了重新训练可能导致的模型参数遗忘。
TokenGS在架构端的突破表明：3DGS 正在脱离早期粗暴的"像素绑定"范式，向着模块化、低耦合以及可动态更新的现代神经网络架构演进。
这种解耦设计不仅赋予了算法应对真实传感器噪声的鲁棒性，更为三维模型在移动终端上的"个性化在线学习"与"实时增量更新"奠定了坚实的架构基础。
04
应用端：摆脱"只能看不能用"，
全面打通导航、物理与机器人训练
在攻克了生产速度、渲染效率与架构解耦之后，3DGS 离真正商业落地只剩最后一步：如何打破"只能看不能用"的观赏性壁垒，让高斯模型能够与物理世界进行交互？
在过去的工业实践中，传统的 3DGS 模型更像是一个精致的虚拟沙盘。由于缺乏物理质量、速度概念以及鲁棒的传感修正机制，机器人无法直接利用它进行实时避障导航，游戏物理引擎无法计算高斯物体的受力形变，自动驾驶与具身智能团队也难以将其转化为可用于模型训练的数据基础设施。
针对这些系统对接的硬伤，CVPR 2026 的三项代表性工作分别从视觉 SLAM 建图、连续物理仿真以及具身智能数据合成三个维度，打通了 3DGS 接入真实工业生产管线的最后一步。
▎SGAD-SLAM：实时纠正镜头误差，为机器人装上抗噪 3D 眼睛
本研究来自国防科技大学（NUDT）与中山大学 联合团队，通讯作者为国防科技大学徐凯教授。
对于在未知环境中自主探索的机器人或无人机而言，基于 RGB-D 相机的 SLAM（同步定位与建图）是其导航与避障的生命线。然而，真实工业级 RGB-D 传感器传回的深度图往往充斥着噪声，甚至在玻璃、高光或边缘区域出现大面积的深度偏移（Depth Offset）。
如果在 SLAM 系统中直接使用带有严重误差的原始深度输入，传统 3DGS 建图会发生严重的几何畸变与鬼影，最终导致机器人在导航时发生碰撞事故。
本研究来自美国韦恩州立大学机器感知实验室，通讯作者为Zhizhong Han（韩志中）教授。
针对真实传感器的噪声痛点，论文《SGAD-SLAM: Splatting Gaussians at Adjusted Depth for Better Radiance Fields in RGBD SLAM》提出了一种带深度修正机制的 3DGS 实时建图框架。
论文链接：https://cvpr.thecvf.com/virtual/2026/poster/36878
其核心逻辑在于：不再盲目信任硬件传感器传回的原始深度值，而是在训练与建图过程中引入动态的"深度偏移调整（Adjusted Depth）"模块。
即便在传感器噪声剧烈或缺乏光照的恶劣环境下，系统依然能修正出平滑且几何精准的高斯地图，并实时输出高精度的相机位姿轨迹。
这种抗噪能力的提升，意味着 3DGS 正式具备了作为"机器人导航高精地图"的工业可用性。机器人不仅能在复杂室内或工业厂房中实现毫秒级位姿跟踪，还能实时生成兼具高视觉逼真度与高几何精准度的三维环境地图。
▎ParticleGS：把高斯变成真实物理粒子，轻轻一推就能推算碰撞轨迹
本研究来自浙江大学研究团队，通讯作者为浙江大学罗亚魏（Yawei Luo）教授。
如果说 SLAM 解决了静态环境的导航问题，那么面对现实世界中的动态物体，传统 3DGS 就会立刻暴露短板。
以往的动态 3DGS 主要是通过给高斯点添加一个随时间变化的变形场来实现动效。这种做法本质上是"背诵历史动作"，属于一种纯粹的内插记忆。只要时间超出了训练视频的范围，或者物体受到了外部碰撞，传统模型就无法预测未来还没发生的运动，甚至会出现严重的穿模和物体解体。
针对这一困境，研究团队在论文《ParticleGS: Learning Neural Gaussian Particle Dynamics from Videos for Prior-free Physical Motion Extrapolation》中提出了颠覆性的解法：将每一个 3D 高斯图元直接看作一颗真实的物理粒子（Particle），并为其赋予位置、质量、速度以及粒子间的作用力。
为了准确建模连续的物理过程，ParticleGS 引入了常微分方程神经网络（Neural ODE）。算法在隐空间中学习连续时间下的神经力学场，利用神经网络去拟合动量守恒、惯性与碰撞反弹等真实物理定律。
通过这种物理引擎级的重构，ParticleGS 实现了真正的未来运动外推。在机器人操控或游戏仿真中，给高斯物体施加一个推力，系统就能基于物理定律推算其未来的反弹轨迹和受力形变。3DGS 由此从"只能看不可动的像素点"，变成了"具备真实动力学响应的物理实体"。
▎Video2Robo：手机拍一段视频，就能批量喂饱机器人模仿学习
本研究来自北京理工大学研究团队，通讯作者为北京理工大学岳裕丰（Yufeng Yue）教授。
在具身智能领域，训练机器人（如机械臂）操控物体的瓶颈从来不是算法本身，而是高质量训练数据的匮乏。传统做法往往依赖人类操作员拿着手柄遥控机器人做成千上万次重复实验，不仅效率低下，且场景单一，一旦环境光照或背景改变，机器人就会失灵。
论文《Video2Robo: 3DGS-based Synthetic Data from One Video Enables Scalable Robot Learning》提供了一条低成本、高效率的数据生成路径：用一段随手拍摄的手机视频，通过 3DGS 快速构建数字孪生空间，批量合成海量机器人模仿学习训练数据。
▎Video2Robo 的工作流程包含三个步骤：
1.单目视频三维资产提取：开发者只需拿着手机围绕目标物体（如桌面上的水杯或工具）拍一段简短视频，系统就会自动将目标物体与环境分离开来，生成解耦的 3DGS 物体模型。
2.万能数据增强（Real2Sim2Real）：在构建好的 3DGS 虚拟空间中，开发者可以随意改变光照方向、随机替换背景纹理、调整相机视角甚至改变物体的初始摆放位置，瞬间扩增出成千上万种不同环境下的逼真仿真图像。
3.闭环策略训练与部署：将这些经过万能增强的高保真数据直接喂给机器人的端到端视觉策略网络进行训练（Sim-to-Real）。由于 3DGS 渲染出的画面极其逼真，机器人从虚拟环境中学到的操作技能可以无缝迁移到真实物理世界中，成功率大幅提升。
效果展示
Video2Robo 的出现，将具身智能机器人训练的数据准备周期从"按周计算"缩短到了"按小时计算"，真正搭建起了连接真实物理视觉与具身大脑训练的数字孪生工厂。
从SGAD-SLAM对真实深度噪声的实时修正，到ParticleGS基于 Neural ODE 的物理动力学建模，再到Video2Robo面向具身智能的数据合成流水线，这组论文交出了一份明确的答卷：3DGS 已经彻底摆脱了"学术展示玩具"的标签，具备了与 SLAM 导航、物理引擎及机器人训练系统无缝集成的能力，成为了工业界触手可及的底层工程基础设施。
05
告别观赏时代，
3DGS 正在成为具身智能的物理底座
纵观 CVPR 2026 的这 8 篇代表性论文，一个清晰的技术演进轮廓已然呈现在我们面前。3D 高斯泼溅（3DGS）正式完成了从"实验室算法原型"到"工业级工程利器"的关键蜕变。
从生产端的前馈秒级生成与算力弹性调控，到运行端的 GPU 算子重构与管线优化，再到架构端的解耦微调 以及应用端的系统级集成，学术界与工业界正联合打通覆盖 3DGS 全生命周期的落地链条。
这场工程化变革最深远的影响，在于它彻底重新定义了 3DGS 的应用边界。它不再只是一个用来生成漂亮 3D 相册或虚拟漫游演示的视觉工具，而是正在加速成为
当高斯图元拥有了可自适应控制的算力规模、实时抗噪的传感器接口以及 Neural ODE 驱动的物理碰撞能力，机器人训练便不再极度依赖昂贵的人工遥控。开发者可以直接在 3DGS 搭建的高保真数字孪生空间中完成大规模强化学习，真正架起了一座连接真实物理世界与虚拟机器脑的通用桥梁。
当然，要让 3DGS 彻底融入现代工业体系，攻坚"下半场"仍需跨越若干深水区硬伤。
首先需要攻克的，就是材质与光照的解耦，算法需要摆脱将光影死板"烘焙"在球谐函数里的局限，将高斯图元拆解为粗糙度与法线等 PBR 材质属性，使其能够无缝接入 Unreal Engine 5 等现代图形引擎的动态光照系统。
与此同时，软硬件协同的芯片化加速与工业传输标准的建立也将成为重头戏。随着软件算子优化逼近极限，未来的移动端 SoC 极可能会在硬件层引入专用的高斯渲染加速模块；而像 MPEG 等机构推进的统一压缩规范，则是把庞大场景压缩至数兆字节、实现 Web 端高并发分发的必由之路。
值得注意的是，在这场 3DGS 的全球范式转移中，华人学术与产业力量展现出了惊人的主导力与工程爆发力。从复旦、上科大、上交大等顶尖高校，到它石智航等深耕具身智能与 3D 世界模型的一线创业团队，华人研究者们正站在这一轮空间计算与具身基础设施革新的最前沿。
在下一期专题中，我们将深度梳理在 3DGS、空间计算与具身智能领域大放异彩的华人顶尖团队与代表性工作，带大家看懂中国智造在 3D 世界模型上的核心硬实力！
深度拆解产业前沿，对话改变世界的 50 位领军人物。欢迎关注我们的【世界模型 50 人】重磅系列，如果你是本文提到工作的作者，或正深耕于 3DGS 领域，欢迎联系我们。我们将持续专访与追踪全球 3D 视觉、物理引擎、空间计算及具身智能领域的顶级科学家与产业开拓者，带你一窥下一代人工智能的物理真相。
IJCAI 2026 要来了，你还在单打独斗？
为了方便大家抱团交流、互通会议消息，我们专门建了IJCAI 2026 参会群！进群你会解锁这些「福利」?
会议情报站：投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。
同行茶话会：天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。
前沿补给站：最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。
现场后援团：（会议期间专属开启）：到了会场也不用慌——
路线导航：场馆分布、报告厅怎么走，群里随时问；
议题共读：热门 session、Keynote 现场探讨，错过也能追；
Poster 汇编：现场海报精华整理，一键收藏不遗漏；
约局广场：约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。
? 进群传送门：扫码进群或添加微信Qvv0909777，备注：IJCAI+ 单位/学校+姓名+方向。
搞科研/搞技术，信息差很重要。
来，一起快人一步！
上车，带你看遍全球 AI 顶会精华
可独家畅览：
专家演讲PPT
大会报告全文
热门论文解读
学术新星访谈
扫描上方二维码
或点击「阅读原文」关注专区。
