Optimizing 3D Gaussian Splattering for Mobile GPUs

📄 arXiv: 2511.16298v1 📥 PDF

作者: Md Musfiqur Rahman Sanim, Zhihao Shu, Bahram Afsharmanesh, AmirAli Mirian, Jiexiong Guan, Wei Niu, Bin Ren, Gagan Agrawal

分类: cs.CV, cs.GR

发布日期: 2025-11-20

💡 一句话要点

Texture3dgs：针对移动GPU优化的3D高斯溅射算法，提升排序效率与整体性能。

🎯 匹配领域: 支柱三：空间感知 (Perception & SLAM)

关键词: 3D高斯溅射 移动GPU 纹理缓存优化 排序算法 3D场景重建

📋 核心要点

  1. 现有3D高斯溅射在移动GPU上效率受限，主要瓶颈在于对二维纹理缓存的利用不足，导致排序算法成为性能瓶颈。
  2. Texture3dgs通过优化排序算法，使其处理、数据移动和放置高度适配二维内存，从而更有效地利用纹理缓存。
  3. 实验结果表明，Texture3dgs在排序速度上提升高达4.1倍，整体3D场景重建速度提升1.7倍，并降低了内存占用。

📝 摘要（中文）

本文提出Texture3dgs，一种针对移动GPU优化的3D高斯溅射(3DGS)算法实现。3DGS是一种将多视角图像转换为结构化3D环境表示的新方法，相比现有方法具有更高的效率。针对移动设备部署的优势（数据隐私、离线操作、潜在的快速响应），本文的关键在于优化二维(2D)纹理缓存，以加速移动GPU上的执行。由于排序方法在移动平台上的3DGS计算中占据主导地位，Texture3dgs的核心是一种新颖的排序算法，该算法在处理、数据移动和放置方面针对2D内存进行了高度优化。通过纹理缓存的成本模型分析了该算法的特性。此外，通过改进变量布局设计和其他优化措施，加速了3DGS算法的其他步骤。端到端评估表明，Texture3dgs在排序和整体3D场景重建方面分别实现了高达4.1倍和1.7倍的加速，同时还将内存使用量减少了高达1.6倍，证明了该设计在高效移动3D场景重建方面的有效性。

🔬 方法详解

问题定义：论文旨在解决在移动GPU上进行3D高斯溅射(3DGS)时效率低下的问题。现有的3DGS方法在移动平台上，由于内存带宽和计算资源的限制，尤其是对2D纹理缓存的利用率不高，导致排序算法成为性能瓶颈，严重影响了整体的渲染速度。

核心思路：论文的核心思路是设计一种针对移动GPU架构特点优化的排序算法，该算法能够充分利用2D纹理缓存，减少数据移动和内存访问的开销。通过优化数据布局和访问模式，提高缓存命中率，从而加速排序过程。

技术框架：Texture3dgs的整体框架包括以下几个主要阶段：1) 数据预处理：将3D高斯参数转换为适合移动GPU处理的格式，并进行合理的内存布局；2) 排序：使用优化的排序算法对高斯粒子进行排序，以确定渲染顺序；3) 渲染：根据排序结果，将高斯粒子投影到屏幕上，并进行颜色混合；4) 后处理：对渲染结果进行优化，例如进行抗锯齿处理。

关键创新：Texture3dgs的关键创新在于其排序算法的设计。该算法针对移动GPU的2D纹理缓存进行了优化，通过将数据以适合缓存访问的格式存储，并采用优化的数据访问模式，减少了缓存未命中率。此外，该算法还考虑了移动GPU的并行计算能力，采用了并行排序策略，进一步提高了排序速度。

关键设计：Texture3dgs的关键设计包括：1) 优化的数据布局：将高斯粒子的参数以结构体数组(Array of Structures, AoS)的形式存储，并根据纹理缓存的特性进行对齐，以提高缓存命中率；2) 并行排序算法：采用基于比较和交换的并行排序算法，例如Bitonic排序或Radix排序，并根据移动GPU的计算资源进行调整；3) 纹理缓存成本模型：建立纹理缓存的成本模型，用于指导排序算法的设计和参数调整，以最小化缓存未命中带来的性能损失。

📊 实验亮点

Texture3dgs在移动GPU上进行了端到端评估，实验结果表明，相比于未优化的3DGS实现，Texture3dgs在排序速度上提升了高达4.1倍，整体3D场景重建速度提升了1.7倍。此外，Texture3dgs还将内存使用量减少了高达1.6倍。这些结果充分证明了Texture3dgs在高效移动3D场景重建方面的有效性。

🎯 应用场景

Texture3dgs在移动设备上进行3D场景重建和渲染方面具有广泛的应用前景，例如增强现实(AR)应用、虚拟现实(VR)应用、移动游戏、以及需要离线3D场景理解的应用。该技术可以实现更快速、更高效的3D场景重建，从而提升用户体验，并降低移动设备的功耗。未来，该技术有望应用于自动驾驶、机器人导航等领域。

📄 摘要（原文）

Image-based 3D scene reconstruction, which transforms multi-view images into a structured 3D representation of the surrounding environment, is a common task across many modern applications. 3D Gaussian Splatting (3DGS) is a new paradigm to address this problem and offers considerable efficiency as compared to the previous methods. Motivated by this, and considering various benefits of mobile device deployment (data privacy, operating without internet connectivity, and potentially faster responses), this paper develops Texture3dgs, an optimized mapping of 3DGS for a mobile GPU. A critical challenge in this area turns out to be optimizing for the two-dimensional (2D) texture cache, which needs to be exploited for faster executions on mobile GPUs. As a sorting method dominates the computations in 3DGS on mobile platforms, the core of Texture3dgs is a novel sorting algorithm where the processing, data movement, and placement are highly optimized for 2D memory. The properties of this algorithm are analyzed in view of a cost model for the texture cache. In addition, we accelerate other steps of the 3DGS algorithm through improved variable layout design and other optimizations. End-to-end evaluation shows that Texture3dgs delivers up to 4.1$\times$ and 1.7$\times$ speedup for the sorting and overall 3D scene reconstruction, respectively -- while also reducing memory usage by up to 1.6$\times$ -- demonstrating the effectiveness of our design for efficient mobile 3D scene reconstruction.