Gaussian Splatting（高斯泼溅）技术原理与应用详解：下一代3D重建技术来了

Gaussian Splatting（高斯泼溅）技术原理与应用详解：下一代3D重建技术来了

SEO关键词

Gaussian Splatting、高斯泼溅、高斯建模、3D重建技术、NeRF、神经辐射场、4D Gaussian Splatting、三维扫描、数字孪生、全息影像、摄影测量、虚幻引擎、实时渲染

大家好 这里是「代码简单说」,欢迎大家关注同名公众号,不定时更新更多实用有趣的教程 也欢迎大家在评论区一起讨论交流!~

如果我告诉你：

你看到的场景并不是真实存在的；

它不是CG建模；

也不是AI生成图片；

但你却可以自由移动视角，从任意角度观察它；

甚至还能暂停时间、穿越时间轴。

那么这种技术是什么？

答案就是最近几年火遍整个3D视觉领域的——Gaussian Splatting（高斯泼溅）。

很多人认为AI时代最大的突破是ChatGPT。

但在计算机图形学领域，高斯泼溅的出现，同样属于革命级别的技术突破。

它让照片级真实感三维重建第一次具备了：

• 实时渲染能力
• 超高画面质量
• 极低制作门槛
• 浏览器直接查看

甚至很多业内人士认为：

高斯泼溅可能会成为未来全息影像时代的基础格式。

今天这篇文章，就带大家系统了解这项技术。

一、什么是 Gaussian Splatting

在线体验地址
https://aholojs.dev/zh-CN/examples/walk-demo/

简单来说：

Gaussian Splatting 是一种基于辐射场（Radiance Field）的三维场景重建技术。

它能够通过大量照片或者视频素材，重建出一个可自由观察的三维世界。

效果类似这样：

• 房间扫描
• 景区扫描
• 古建筑数字化
• 人物扫描
• 商品展示
• VR场景

最终生成的结果不是传统3D模型，而是一种由大量高斯点构成的场景。

效果接近真实摄影。

甚至很多情况下比传统建模更加真实。

二、为什么 NeRF 没火，高斯泼溅却火了

在高斯泼溅出现之前。

最火的技术其实叫：

NeRF（Neural Radiance Field）

中文：

神经辐射场

当时NeRF被很多人认为是未来。

因为它第一次实现了：

• 照片级真实感
• 自动重建
• 无需人工建模

但NeRF有一个致命问题：

太慢

NeRF本质上是一个神经网络。

每次查看场景时都需要：

输入视角 ↓ 神经网络计算 ↓ 生成图像

因此：

• 训练慢
• 渲染慢
• 编辑困难

很难真正应用到生产环境。

而Gaussian Splatting则完全不同。

它不是神经网络。

它是真实存在于三维空间中的数据结构。

因此：

• 渲染速度快
• 编辑方便
• 可以实时运行

这也是为什么高斯泼溅在短短一年时间内迅速取代NeRF。

三、高斯泼溅的工作原理

首先来看一个普通摄影测量流程。

第一步：拍摄大量照片

例如扫描一个苹果。

你需要：

• 左边拍
• 右边拍
• 上面拍
• 下面拍

尽可能覆盖所有角度。

第二步：SfM运动恢复结构

Structure from Motion

简称：

SfM

作用：

计算每张照片拍摄的位置。

同时寻找不同照片中的对应特征点。

例如：

苹果表面某个斑点

出现在多张图片中。

系统就能通过三角测量得到：

三维坐标

最终形成：

点云 Point Cloud

第三步：生成高斯点

传统摄影测量：

点云 ↓ 三角面 ↓ 网格模型 ↓ 贴图

而高斯泼溅则是：

点云 ↓ 高斯分布 ↓ 训练优化 ↓ 最终场景

不需要构建复杂网格。

四、高斯点到底是什么

高斯泼溅的核心就是：

Gaussian

即：

高斯分布

从远处看：

●

像一个点。

实际上放大后：

◉

是一个模糊的光斑。

每个高斯点都记录：

一个场景中可能包含：

100万+ 500万+ 1000万+

个高斯点。

这些点不断叠加。

最终形成真实场景。

就像画家不断往画布上泼洒颜料。

因此得名：

Gaussian Splatting

高斯泼溅。

五、为什么高斯泼溅如此真实

关键原因：

视角依赖颜色

现实世界中的颜色并不是固定的。

例如苹果。

从不同角度看：

• 明亮区域不同
• 高光位置不同
• 反射强度不同

这就是：

View Dependent Color

视角依赖颜色。

传统3D模型很难准确表达。

而Gaussian Splatting直接记录：

光线信息

因此能够表现：

• 金属反射
• 玻璃反射
• 水面反射
• 光泽变化

效果极其真实。

六、球谐函数是什么

很多人第一次接触高斯泼溅都会看到一个词：

SH

Spherical Harmonics

中文：

球谐函数

问题来了。

方向是无限的。

颜色变化也是无限的。

难道每个高斯点要存储无限种颜色？

当然不可能。

高斯泼溅采用：

基础颜色 + 球谐函数参数

表示颜色变化。

公式会根据观察方向自动调整颜色。

类似：

最终颜色 = 基础颜色 + 方向修正值

因此仅用少量数据。

就能表达大量视角变化。

这也是高斯泼溅体积小、效率高的重要原因。

七、高斯泼溅制作流程

实际制作一般分为三步。

1、数据采集

最关键。

拍摄原则：

快门速度要高

推荐：

1/500 1/1000

避免运动模糊。

锁定曝光

避免：

• 自动曝光
• 自动白平衡
• 自动对焦

否则训练容易失败。

多角度覆盖

确保：

没有死角

否则最终场景会出现空洞。

2、相机追踪

常见工具：

• COLMAP
• Reality Capture
• Reality Scan
• Metashape

作用：

计算相机位置。

生成稀疏点云。

3、训练高斯模型

常见工具：

• Postshot
• Luma AI
• Luma Field Studio
• Kiri Engine
• Polycam

训练完成后即可生成高斯场景。

八、高斯泼溅最强的应用场景

数字文物保护

古建筑扫描。

历史遗迹数字化。

即使未来建筑消失。

数字资产依然存在。

房地产展示

用户无需到现场。

即可自由浏览：

• 房屋
• 酒店
• 商场

效果远超传统全景图。

游戏资产制作

利用游戏截图：

截图 ↓ 高斯重建 ↓ 实时浏览

快速生成场景资产。

影视制作

直接导入：

• Unreal Engine
• Unity
• Blender

用于：

• 虚拟制片
• LED大屏拍摄
• VFX特效

VR与MR

Meta Quest

Apple Vision Pro

都已经开始支持相关技术。

未来极有可能成为：

空间互联网

的重要组成部分。

九、4D Gaussian Splatting是什么

如果说3D高斯泼溅记录的是：

X Y Z

空间信息。

那么4D高斯泼溅增加了：

Time

时间维度。

即：

X + Y + Z + T

这样不仅能观察空间。

还能观察时间。

例如：

• 人物动作
• 跳跃
• 奔跑
• 表情变化

全部被记录下来。

最终效果类似科幻电影中的：

全息影像

你可以：

• 暂停
• 慢放
• 环绕观察
• 子弹时间

自由控制。

十、高斯泼溅的未来

目前来看。

高斯泼溅正在快速进入：

• Google地图
• 数字孪生
• 房地产
• 文旅景区
• VR平台
• 影视制作

等多个领域。

未来几年我们很可能看到：

图片时代 ↓ 视频时代 ↓ 全息时代

的演进过程。

而高斯泼溅极有可能成为全息时代的重要文件格式之一。

总结

Gaussian Splatting之所以被称为近几年计算机图形学最重要的突破之一。

原因很简单：

它同时解决了：

• 真实感
• 实时性
• 制作成本

三个长期难以兼顾的问题。

相比NeRF：

• 更快
• 更轻量
• 更容易落地

相比传统建模：

• 更真实
• 更自动化
• 更适合现实世界数字化

如果说摄影定义了图片时代。

视频定义了短视频时代。

那么高斯泼溅正在定义下一代空间媒体时代。

也许未来的互联网不再是二维网页。

而是一整个可以自由穿梭的三维世界。