Fast Converging 3D Gaussian Splatting for 1-Minute Reconstruction
作者: Ziyu Zhang, Tianle Liu, Diantao Tu, Shuhan Shen
分类: cs.CV
发布日期: 2026-01-27
备注: First Rank of SIGGRAPH Asia 2025 3DGS Challenge. Code available at
💡 一句话要点
提出快速收敛的3D高斯溅射重建方法，实现1分钟内重建
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 3D高斯溅射 快速重建 神经渲染 SLAM COLMAP 多视图一致性 深度估计
📋 核心要点
- 现有3DGS重建方法在处理噪声轨迹和计算资源受限的情况下，难以实现快速高保真重建。
- 该论文提出一种两阶段方案，结合神经高斯表示、多视图一致性引导的高斯分裂等技术，加速收敛并提高重建质量。
- 实验结果表明，该方法在1分钟内实现了高保真重建，并在SIGGRAPH Asia 3DGS快速重建挑战赛中获得第一名，PSNR达到28.43。
📝 摘要（中文）
本文提出了一种快速的3D高斯溅射（3DGS）重建流程，旨在1分钟内收敛，专为SIGGRAPH Asia 3DGS快速重建挑战赛而设计。该挑战赛包括一个使用SLAM生成的相机姿态（具有噪声轨迹）的初始轮次和一个使用COLMAP姿态（高度准确）的最终轮次。为了稳健地处理这些异构设置，我们开发了一个两阶段解决方案。在第一轮中，我们使用基于Taming-GS和Speedy-splat的反向高斯并行优化和紧凑前向溅射、负载均衡平铺、基于锚点的神经高斯表示（能够以更少的学习参数实现快速收敛）、从单目深度和部分前馈3DGS模型初始化，以及用于噪声SLAM轨迹的全局姿态细化模块。在最终轮次中，精确的COLMAP姿态改变了优化格局；我们禁用姿态细化，从神经高斯恢复到标准3DGS以消除MLP推理开销，引入受Fast-GS启发的、多视图一致性引导的高斯分裂，并引入深度估计器来监督渲染的深度。总之，这些技术能够在严格的一分钟预算下实现高保真重建。我们的方法取得了最佳性能，PSNR为28.43，并在比赛中名列第一。
🔬 方法详解
问题定义：论文旨在解决在计算资源和时间受限的情况下，如何快速且高质量地重建3D场景的问题。现有的3DGS方法在处理SLAM等方法产生的带有噪声的相机轨迹时，收敛速度慢，重建质量不高，难以满足快速重建的需求。
核心思路：论文的核心思路是针对不同精度的相机姿态，采用不同的优化策略。对于噪声较大的SLAM姿态，采用基于神经高斯表示的快速收敛方法和全局姿态优化；对于精确的COLMAP姿态，则采用多视图一致性引导的高斯分裂和深度监督，以提高重建质量。通过分阶段优化，充分利用不同姿态信息的优势，实现快速高保真重建。
技术框架：该方法采用两阶段重建流程。第一阶段，针对SLAM生成的噪声相机姿态，使用反向高斯并行优化、紧凑前向溅射、负载均衡平铺、基于锚点的神经高斯表示和全局姿态细化。第二阶段，针对COLMAP生成的精确相机姿态，禁用姿态细化，恢复到标准3DGS，引入多视图一致性引导的高斯分裂和深度估计器。
关键创新：该方法的主要创新点在于：1) 提出了一种基于锚点的神经高斯表示，能够以更少的学习参数实现快速收敛；2) 针对精确的COLMAP姿态，引入了多视图一致性引导的高斯分裂，提高了重建质量；3) 针对不同精度的相机姿态，设计了不同的优化策略，提高了重建的鲁棒性和效率。
关键设计：在第一阶段，使用MLP来预测高斯参数的偏移量，从而减少了需要学习的参数数量。在第二阶段，使用深度估计器来监督渲染的深度，从而提高了重建的几何精度。此外，还采用了负载均衡平铺技术，以提高并行优化的效率。
🖼️ 关键图片
📊 实验亮点
该方法在SIGGRAPH Asia 3DGS快速重建挑战赛中取得了最佳性能，PSNR达到了28.43，并在比赛中排名第一。实验结果表明，该方法能够在1分钟内实现高保真重建，显著优于现有的3DGS重建方法。该方法在快速重建速度和重建质量之间取得了良好的平衡。
🎯 应用场景
该研究成果可应用于快速三维场景重建、增强现实、虚拟现实、机器人导航等领域。例如，在AR/VR应用中，可以快速重建用户周围的环境，提供更逼真的沉浸式体验。在机器人导航中，可以快速构建环境地图，帮助机器人进行路径规划和避障。
📄 摘要（原文）
We present a fast 3DGS reconstruction pipeline designed to converge within one minute, developed for the SIGGRAPH Asia 3DGS Fast Reconstruction Challenge. The challenge consists of an initial round using SLAM-generated camera poses (with noisy trajectories) and a final round using COLMAP poses (highly accurate). To robustly handle these heterogeneous settings, we develop a two-stage solution. In the first round, we use reverse per-Gaussian parallel optimization and compact forward splatting based on Taming-GS and Speedy-splat, load-balanced tiling, an anchor-based Neural-Gaussian representation enabling rapid convergence with fewer learnable parameters, initialization from monocular depth and partially from feed-forward 3DGS models, and a global pose refinement module for noisy SLAM trajectories. In the final round, the accurate COLMAP poses change the optimization landscape; we disable pose refinement, revert from Neural-Gaussians back to standard 3DGS to eliminate MLP inference overhead, introduce multi-view consistency-guided Gaussian splitting inspired by Fast-GS, and introduce a depth estimator to supervise the rendered depth. Together, these techniques enable high-fidelity reconstruction under a strict one-minute budget. Our method achieved the top performance with a PSNR of 28.43 and ranked first in the competition.