LiteGS：通过系统与算法协同设计在亚分钟内训练3DGS的高性能框架
计算机视觉与模式识别
2025-09-29 v3
摘要
3D高斯溶解(3DGS)已成为3D表示的有前景的替代方案，但仍面临高训练成本的问题。本文引入LiteGS，一个高性能框架，从多个层面系统性地优化3DGS训练流程。在低层计算层面，我们设计了一种“基于位移的光栅化”方法，配合两个硬件感知优化，显著降低梯度归约开销。在中层数据管理层，我们引入基于Morton编码的动态空间排序，以实现高效的“聚类-剔除-压缩”管道，提高数据局部性，从而减少缓存丢失。在顶层算法层面，我们建立了基于不透明度梯度方差的新型稳健密集标准，配合更稳定的不透明度控制机制，以实现更精确的参数增长。实验结果表明，LiteGS将原始3DGS训练加速最高可达13.4倍，质量相当或更优，超过当前轻量级模型的最佳SOTA速度提升最高可达1.4倍。对于高质量重建任务，LiteGS创下了新的精度纪录，并将训练时间缩短了一个数量级。
引用
@article{arxiv.2503.01199,
title = {LiteGS: A High-performance Framework to Train 3DGS in Subminutes via System and Algorithm Codesign},
author = {Kaimin Liao and Hua Wang and Zhi Chen and Luchao Wang and Yaohua Tang},
journal= {arXiv preprint arXiv:2503.01199},
year = {2025}
}