学习杂谈一

今天是2026年8月7号，天气晴朗，同学都出去玩了，我在家里看论文。

我用AI生成了一个完整的论文阅读计划。

其实读论文是有技巧的，这个技巧可以大体分两个层次，初始是阅读语段的技巧，进而是阅读论文的技巧；

我们做过大量英语阅读理解的中国学生都知道，要快速看完一篇文章（当前核心目的是把题目作对），那么你肯定不能一个词一个词的看，大体上看完一两段，几句话，然后心里就有数了。

阅读论文也是类似的道理，首先要有一个心理预期，你期望从这一篇论文或者这一组论文中收获什么；对于我的话，我希望能够基于现有论文中真实的科学研究记录辅助我做软件横向，提升软件中展示的模型质量。如果说你仅仅是需要一个处理问题的方法，AI可以提供给你一大堆，但是不保证有用，至少在我当前的软件中是基本上没有作用的，所以我需要自己来细化这个思考过程，从现有论文的研究框架及创新中过一遍自己的思路。

然后就开始第一轮阅读；

高斯泼溅对我来说是一个陌生的领域，之前是赶鸭子上架完善了一个简陋的软件，跟现有的软件及平台没法比，真的，简陋软件唯一的优点就是简陋，我们可以根据自身的认识和技术水平做自由的开发完善，因为根本没有一个成熟的框架限制。。。

既然学习3DGS，不免要接触其前辈--NeRF（神经辐射场）。

我们可以把NeRF看作一个“用AI生成3D照片”的黑盒。
在NeRF中，MLP充当“3D空间的记忆体”。它不存储图片，而是把整个3D场景的几何形状和颜色，全部编码进网络几亿个神经元的权重参数里。MLP本身查询就慢（毫秒级/次），再乘以“体积光线行进”带来的亿级查询次数，就造成了训练时间以天计，渲染时间以分钟计的现状。这种高成本直接限制了NeRF的应用场景。

那3DGS究竟是怎么回事？

3D 高斯场景表示

• 初始化：利用运动恢复结构（SfM）生成的稀疏点云初始化 3D 高斯集合，无需多视图立体（MVS）数据。
• 各向异性协方差：每个高斯由位置（均值）、不透明度（ αα ）、各向异性协方差矩阵（ ΣΣ ）和球谐函数（SH）系数定义。协方差矩阵通过缩放向量 ss 和旋转四元数 qq 进行优化，以适应场景几何形状。
• 体积表示：3D 高斯是一种可微分的体积表示，通过投影到 2D 进行光栅化，使用标准的 αα -blending 合成图像。

原始3DGS为了追求极致的渲染速度，在投影渲染时采用了一个“2D膨胀（Dilation）”的近似操作。这个操作在训练视角下表现良好，但当相机拉远或拉近时，问题就暴露了：

• 拉近（放大）看：这个固定的膨胀量相对变小，导致高斯点之间出现缝隙，渲染出的画面就会有空洞和噪点。

• 拉远（缩小）看：这个固定的膨胀量相对变大，导致细节过度膨胀，看起来模糊、臃肿，像涂了一层不均匀的奶油。

有一篇论文的工作就是专门解决这个问题，然而3DGS模型最终呈现的效果与很多因素有关，所以实际上就是使用了其方法（滤波器），也无法保证最终结果。