3D Gaussian Splatting 迷你复现

实验设定

当前机器没有 NVIDIA GPU / CUDA，官方 diff-gaussian-rasterization 无法编译。本实验用纯 PyTorch 实现论文核心公式，在 72x72 合成多视图上训练 280 步。

• 表示：均值、对数尺度、四元数旋转、不透明度、RGB（省略球谐，聚焦几何与溅射）。
• 投影：世界协方差经视角变换后乘 Jacobian，得到 2D 协方差，并加 0.3 I 做 EWA 抗混叠。
• 渲染：按深度排序，前到后 alpha 合成 C = Σ c_i α_i T_i。
• 损失：(1-λ) L1 + λ (1-SSIM)，λ=0.2，与官方一致。

重建对比

官方 GPU 复现（有 CUDA 的机器）

git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive
cd gaussian-splatting
conda env create --file environment.yml
conda activate gaussian_splatting

# COLMAP 数据（Tanks&Temples + Deep Blending, 650MB）
# https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/datasets/input/tandt_db.zip

python train.py -s /path/to/colmap_scene --eval
python render.py -m output/<model>
python metrics.py -m output/<model>

自己拍的照片

# 图片放到 <scene>/input/
python convert.py -s <scene>
python train.py -s <scene>

仓库位置

官方源码：当前工作区 /gaussian-splatting。迷你实验：/mini_3dgs/train.py。