3D Gaussian Splatting
2023年后迅速崛起的实时3D渲染技术方案，以极快渲染速度和出色视觉质量著称，大幅降低了实时交互式场景的技术门槛
核心事实
时间轴 (近 90 天)
3D高斯泼溅的代价是显存占用较高、排序与混合对重叠区域敏感，且在极端视角下容易出现伪影。
与NeRF沿光线密集采样的体渲染不同，3D高斯泼溅的渲染开销主要取决于高斯球数量与屏幕覆盖面积，因此能轻松达到上百帧每秒。
3D高斯泼溅是一种实时三维重建与渲染技术，于2023年由INRIA等机构提出。
3D Gaussian Splatting（3DGS）于2023年被提出，是一种显式三维场景表示方法，用各向异性三维高斯椭球刻画场景，每个高斯携带位置、协方差、不透明度和球谐系数。
3DGS的渲染通过将高斯投影到图像平面并按深度进行可微alpha混合合成，能实现实时帧率。
VisibilitySplat 提出了一种保留光栅化 3DGS 高效训练与可视化链路、额外挂一个稀疏可见性'神谕'来处理遮挡查询的方法。
3DGS 使用光栅化 splatting，不同高斯原语之间的互相遮挡没有显式建模。
3D高斯泼溅（3DGS）是2023年提出的一种三维场景表示与渲染技术，用数百万至数十亿个带方向、颜色、透明度和空间尺度的三维椭球显式表达场景，并通过光栅化实现实时渲染。
3DGS刻画的是某一时刻的静态几何与外观，本身不含时间维度，要让场景动起来需引入随时间变化的形变或额外的4D表示。
相比NeRF，3DGS的渲染速度快数十倍，且能直接输出可供物理引擎使用的几何信息
还有 22 条时间轴事件
全部知识事实 (20)
NeRF（神经辐射场）及其后继者Gaussian Splatting能够从2D图像重建可任意视角漫游的三维场景
80%已验证3D Gaussian Splatting（3DGS）于2023年由法国INRIA团队提出，相比NeRF在渲染速度上提升了数十倍，同时保持了接近的画质水准
80%已验证3D Gaussian Splatting于2023年将神经渲染速度提升至实时水平
75%已验证3DGS用数百万个带有位置、协方差矩阵、颜色（球谐系数）和不透明度属性的三维高斯椭球体来显式表示场景
65%已验证3D Gaussian Splatting以显式高斯球为基本单元，渲染速度大幅提升，近年在实时应用中迅速普及
65%待验证相比NeRF，3DGS训练速度快数倍至十倍以上，实时渲染帧率可达数十至数百FPS，且场景可直接导出为点云资产
60%待验证神经渲染技术路线以NeRF（神经辐射场）和3D Gaussian Splatting为代表，有望绕开传统多边形建模的工业流水线
60%待验证3D高斯泼溅的代价是显存占用较高、排序与混合对重叠区域敏感，且在极端视角下容易出现伪影。
50%待验证与NeRF沿光线密集采样的体渲染不同，3D高斯泼溅的渲染开销主要取决于高斯球数量与屏幕覆盖面积，因此能轻松达到上百帧每秒。
50%待验证3D高斯泼溅是一种实时三维重建与渲染技术，于2023年由INRIA等机构提出。
50%待验证3DGS的渲染通过将高斯投影到图像平面并按深度进行可微alpha混合合成，能实现实时帧率。
50%待验证3D Gaussian Splatting（3DGS）于2023年被提出，是一种显式三维场景表示方法，用各向异性三维高斯椭球刻画场景，每个高斯携带位置、协方差、不透明度和球谐系数。
50%待验证3DGS 使用光栅化 splatting，不同高斯原语之间的互相遮挡没有显式建模。
50%待验证VisibilitySplat 提出了一种保留光栅化 3DGS 高效训练与可视化链路、额外挂一个稀疏可见性'神谕'来处理遮挡查询的方法。
50%待验证3D高斯泼溅（3DGS）是2023年提出的一种三维场景表示与渲染技术，用数百万至数十亿个带方向、颜色、透明度和空间尺度的三维椭球显式表达场景，并通过光栅化实现实时渲染。
50%待验证3DGS刻画的是某一时刻的静态几何与外观，本身不含时间维度，要让场景动起来需引入随时间变化的形变或额外的4D表示。
50%待验证相比NeRF，3DGS的渲染速度快数十倍，且能直接输出可供物理引擎使用的几何信息
50%待验证SplatQ是一种在固定预算下协调区域预算分配与联合高斯选择的组合优化剪枝算法，用于3D高斯泼溅（3DGS）的剪枝
50%待验证全局Top-K剪枝存在缺乏区域预算控制和忽略联合删除效应两个结构性缺陷
50%待验证相比NeRF需要密集射线行进采样，3DGS采用光栅化流程更适合GPU并行，能达到实时帧率
50%