3DGS 的高斯渲染原理简介

3D 空间数字化表达近几年随着 AI 空间计算发展演进速度非常快，除了传统的离散点云，三角网格之外，出现了一种广受欢迎的 3D 空间表达方式，这就是 3D Gaussian Splatting（3DGS），3D 高斯在短短的两三年内已经演进成一种事实上的业内 3D 表达标准，得到了众多厂家的支持，例如国外的英伟达、李飞飞Marble，国内的众趣（字节投资企业）、赛尔、齐域等。

下面我们就对这种技术做一个简单介绍。

3D Gaussian Splatting 作为神经渲染领域的突破性技术，通过引入三维高斯分布的椭球表示方法，实现了场景细节与渲染效率的双重突破。其核心创新在于将传统点云的离散采样升级为具有方向、尺度和旋转属性的椭球基元，使单个基元能够覆盖更大空间范围并编码更丰富的几何信息，从而在保持毫米级细节的同时，将渲染速度提升至传统神经辐射场（NeRF）的 100 倍以上。

这种椭球表示不仅解决了点云渲染中的空洞问题，还通过各向异性缩放实现了对复杂表面结构的精准建模，成为当前高质量实时渲染的主流技术路径。其核心原理围绕场景参数化-优化-渲染三阶段展开，下图为其绘制原理：

在 3D Gaussian Splatting 技术中，椭球作为高斯分布在三维空间的几何载体，是描述空间信息的基本单元。从数学上说，三维高斯函数的空间分布特性由公式 G(x) = exp(-0.5(x-μ)ᵀΣ⁻¹(x-μ)) 描述，其中 μ 为椭球中心坐标，Σ 为协方差矩阵。

该公式表明，高斯分布在空间中呈现以 μ 为中心的椭球形态，协方差矩阵 Σ 与椭球形状的关系是 3DGS 几何表示的关键。Σ 的对角元素控制椭球在 x、y、z 轴上的伸展程度，非对角元素则决定椭球的旋转角度。

例如，当 Σ 为对角矩阵时，椭球主轴与坐标轴平行；当非对角元素不为零时，椭球发生倾斜，从而能够更灵活地拟合复杂场景表面的几何细节。这种参数化方式使得 3DGS 在保持高精度表示的同时，避免了 NeRF 中体素采样的计算开销，为实时渲染提供了可能。

在优化阶段，3DGS 就是通过迭代计算，调整高斯椭球的参数（位置、形状、颜色、不透明度），最小化渲染图像与参考图像的光度误差；而在渲染阶段，通过将高斯椭球投影到图像平面并进行混合，快速生成高质量视图。

这种"显式表示-高效优化-直接投影"的技术路径，使 3DGS 在场景重建质量与渲染速度上均超越传统隐式方法，成为当前三维重建领域的研究热点。

PLY 文件格式在3D Gaussian Splatting（3DGS）技术中展现出与传统应用显著不同的结构特征。

传统 PLY 文件主要用于存储三维模型的几何信息，包含顶点坐标、法向量、颜色等基础属性，同时通过面（face）定义顶点间的拓扑连接关系，适用于网格模型的表示。而 3DGS 专用 PLY 文件则完全聚焦于高斯椭球参数的存储，不包含任何拓扑信息，其本质是通过海量离散点云来描述三维场景，每个点对应一个高斯分布的参数集合。

这种设计使其能够高效存储 3DGS 所需的高保真场景表示，典型场景下的顶点数量可达数百万甚至数千万级，形成“海量点云”特性。 PLY 文件由头部（Header）和元素数据列表组成。对于 3DGS，文件通常采用二进制小端格式以节省空间和加速读写。一个典型的 3DGS PLY 文件头部示例如下：

每个高斯点对应一个椭球体，其属性定义了它的几何形状和外观。主要属性包括。

虽然高斯在场景渲染方面有明显的优势，并且也得到了广大的认可，但当前 3DGS 在工程方面的应用还是有明显的短板，例如在工程领域对 3D 数据的尺寸精度是有要求的，但现有的高斯球也无法准确表达物体表面边界和力学方面的物理属性，这就限制了高斯数据在众多领域的应用。

好消息是，我们看到当前业内有很多公司已经在这方面开始做开拓工作，例如国外的李飞飞 Marble，国内的众趣科技，他们正在积极解决 3DGS 在除了营销外的其他物理工程方面的能力，相信在这些机构和企业的努力下，高斯的这些能力短板会很快得到解决。