知识卡片：ATSplat: Compact Feed-forward 3D Gaussian Splatting with Adaptive Token Expansion

一句话结论

ATSplat 通过引入自适应 3D 令牌（Adaptive 3D Tokens）和令牌级不确定性驱动的扩展机制，在保持前馈式 3D 高斯泼溅（3DGS）实时渲染速度的同时，将高斯数量减少 5.7 倍以上，达到与优化式方法相媲美的渲染质量。

事件概述或研究问题

现有前馈式 3DGS 方法大多将高斯回归在输入像素上并沿相机射线提升，导致图元数量与图像分辨率和输入视角数量强相关，而非场景复杂度。这造成了大量冗余高斯，浪费计算和存储资源。ATSplat 旨在恢复 3DGS 优化中场景自适应容量分配的能力，使前馈方法也能将高斯集中在重建困难区域。

方法/产品要点

• 稀疏骨架构建：从输入图像中提取粗略的块级深度和相机线索，提升为稀疏的 3D 锚点令牌（anchor tokens），形成场景的紧凑骨架。
• 可学习偏移解耦：每个锚点令牌通过可学习的 3D 偏移回归出局部高斯，使图元放置不再依赖输入图像网格。
• 自适应令牌扩展：一个预测模块输出每个令牌的不确定性分数，由渲染误差图监督，对高不确定性令牌通过可学习扩展层选择性增密，形成稀疏到自适应的流程。
• 任意分辨率输入：图元数量不再被图像尺寸或视角数量锁定，而是根据场景需求动态分配。

主要结果或产业意义

• 在 RealEstate10K 和 DL3DV 数据集上达到当前最佳的渲染质量（PSNR/SSIM/LPIPS）。
• 与密集像素对齐的前馈 3DGS 方法相比，高斯数量减少 5.7 倍以上。
• 输入 12 张 512×960 图像时，单张商用 GPU 上重建耗时 <1 秒，渲染速度达 1136 FPS（512×960 分辨率），仅使用 311K 个高斯。
• 极低的显存占用和高帧率使其适合移动端或实时交互应用。

为什么重要

• 首次在前馈式 3DGS 中实现了与优化式方法类似的场景自适应容量分配，解决了像素对齐范式固有的冗余问题。
• 与已有的 WildSplat（面向无位姿野外图像）不同，ATSplat 聚焦于有标定输入下的高效紧凑表示，在渲染速度和模型大小上显著优于同类前馈方法。
• 为将 3DGS 部署到资源受限设备（如手机、AR/VR 头显）提供了可行的紧凑方案。

局限与不确定性

• 方法依赖于粗略的深度和相机线索输入，对于无位姿或深度不可靠的场景，性能有待验证（待核实）。
• 当前实验仅在两个合成/标定较完备的数据集上进行，在真实复杂光照或遮挡场景下的泛化能力未在摘要中说明（待核实）。
• 自适应扩展模块的额外推理开销未与基线方法进行端到端延迟对比（待核实）。

可用于图书/PPT/简报的角度

• 从“自适应的稀疏性”入手，类比于注意力机制中的稀疏注意力，展示如何用极少图元表达精细场景。
• 对比传统像素对齐前馈 3DGS 与 ATSplat 的图元分布图（想象中应显示后者在纹理丰富边缘集中更多高斯）。
• 在“实时 3D 重建与渲染”专题中作为紧凑高效的典型案例。

原始材料

• 英文标题：ATSplat: Compact Feed-forward 3D Gaussian Splatting with Adaptive Token Expansion
• 英文关键词：Feed-forward 3D Gaussian Splatting, Adaptive Token Expansion, Novel-view Synthesis, Compact Representation.
• 来源：arXiv:2607.20417v1，https://arxiv.org/abs/2607.20417v1