在近期于香港举办的SIGGRAPH Asia 2025国际图形学顶级会议上，摩尔线程凭借其自主研发的3D高斯溅射（3DGS）基础库LiteGS，在3DGS重建挑战赛中荣获银奖。这一成果标志着该公司在下一代图形渲染技术领域取得了重要进展。
3D高斯溅射：图形渲染技术的范式变革
3D高斯溅射（3D Gaussian Splatting）是2023年提出的一种革命性三维场景表示与渲染技术。该技术以可参数化的三维高斯分布为核心，在渲染画质、计算效率和资源占用之间实现了显著优化。与传统神经辐射场（NeRF）方法相比，3DGS能够在保持高质量渲染效果的同时，将渲染速度提升数百至上千倍。
这项技术在光线追踪、虚拟现实/增强现实实时渲染以及多模态融合等领域展现出强大的适应性和扩展潜力。特别是在具身智能（Embodied AI）等需要智能体与真实环境交互的前沿领域，3DGS的高保真场景重建能力和快速优化特性为构建精确的世界模型提供了技术支撑。
技术挑战：60秒高质量重建任务
本次竞赛设置了极具挑战性的技术目标：参赛团队需要在60秒内，基于主办方提供的真实终端视频序列（10-30秒）、存在误差的相机轨迹以及终端SLAM点云，完成高质量的3DGS重建。评审以峰值信噪比（PSNR）和重建速度作为综合评价指标。
目前，3DGS重建挑战赛的结果及相关数据集已通过SIGGRAPH Asia官方网站向全球研究社区公开。
摩尔线程的技术突破
摩尔线程AI团队在本次竞赛中取得了重建精度与效率的平衡表现：平均PSNR达到27.58（位列前三），重建耗时仅34秒，显著领先于多数参赛队伍。这一成绩最终帮助团队获得银奖。
LiteGS：全栈优化的3DGS基础库
尽管3DGS技术具有快速渲染的优势，但其训练过程通常需要数十分钟甚至数小时，这成为制约其广泛应用的主要瓶颈。摩尔线程自主研发的LiteGS基础库通过全链路协同优化，系统性地解决了这一性能制约问题。
该技术方案在三个层面实现了创新突破：在GPU系统层面，提出了基于“One Warp Per Tile”原则的“Warp-Based Raster”新范式，大幅降低了梯度计算开销；在数据管理层，引入“聚类-剔除-压缩”流水线，显著提升了数据局部性；在算法设计层，采用像素不透明度梯度方差作为致密化判据，精准识别欠拟合区域。
测试数据显示，LiteGS在达到同等质量水平时，可获得高达10.8倍的训练加速，且参数量减少一半以上。在相同参数量下，PSNR指标超出主流方案0.2-0.4dB，训练时间缩短3.8至7倍。对于轻量化模型，仅需原版3DGS约10%的训练时间与20%的参数量即可实现同等质量。
目前，LiteGS已在GitHub平台开源，为三维重建与渲染技术的研究与应用提供了新的工具选择。
摩尔线程此次在国际图形学顶会上的获奖，不仅体现了其在3DGS技术领域的算法实力和工程能力，也反映了该公司对图形计算技术发展趋势的准确把握。通过创新的算法设计、深度优化的硬件平台以及高效的软硬件协同，摩尔线程展示了在图形智能计算领域的综合技术实力。
关注“鲸栖”小程序，掌握最新AI资讯
本文由鲸栖原创发布，未经许可，请勿转载。转载请注明出处：http://www.itsolotime.com/archives/4480