FilterGS：大规模 3D 高斯溅写的无遍历并行过滤与自适应缩小
计算机视觉与模式识别
2026-03-26 v1
摘要
3D 高斯溅写（3D Gaussian Splatting）以实时性能 revolutionizes 神经渲染。然而，将该方法扩展到大场景时采用层次细节（Level-of-Detail）方法面临关键挑战：高效的串行遍历耗时超过 60%，以及冗余的高斯-瓦片配对造成不必要的处理开销。为此，我们引入 FilterGS，具备两种互补滤波器的并行过滤机制，无需树遍历即可高效选择高斯元素。此外，我们提出一种新型 GTC 指标，用于量化高斯-瓦片键值对的冗余度。基于此指标，我们提出一种场景自适应的高斯缩小策略，有效减少冗余配对。广泛的实验表明，FilterGS 在保持具竞争力的视觉质量的同时，实现了跨多个大规模数据集的业界领先渲染速度。项目页面：https://github.com/xenon-w/FilterGS
引用
@article{arxiv.2603.23891,
title = {FilterGS: Traversal-Free Parallel Filtering and Adaptive Shrinking for Large-Scale LoD 3D Gaussian Splatting},
author = {Yixian Wang and Haolin Yu and Jiadong Tang and Yu Gao and Xihan Wang and Yufeng Yue and Yi Yang},
journal= {arXiv preprint arXiv:2603.23891},
year = {2026}
}