3DGART:粒子中心反向传播让高斯光追训练提速 3 倍以上
zhenjun_zhao · x · 2026-08-19
arXiv 论文《3D Gaussian Accelerated Ray Tracing》(3DGART),来自 Canterbury 的 Laurent Vit、Oliver Batchelor 与 Richard Green。
- 瓶颈分析：高斯泼溅的光栅化公式依赖屏幕空间近似，难以处理反射、折射与阴影；高斯光追虽精确但训练昂贵——主要瓶颈不是光追遍历本身，而是以像素为中心的反向传播，大量线程向同一图元参数累加梯度，造成严重的原子竞争与线程串行化。
- 方法：3DGART 把反向传播重组为以图元为中心：利用保守的透视正确屏幕空间边界构建紧凑中间缓冲与 tile-图元映射，让每个线程在一个 tile 内累加单个图元对所有覆盖像素的贡献，把梯度计算从竞争激烈的 scatter 变成结构化的 gather 过程。
- 效果：在 Mip-NeRF 360 上，相比逐像素基线获得约 3-3.5 倍原始训练加速，相比 3DGRT 约 4 倍。
「研究」频道最新
- 作者以「Q* 已破解」自嘲式发帖,推出免 Critic 智能体 RL 方法 KLPO — inductionheads · 2026-09-21
- FutureHouse 发布「生物学千禧年问题」:给 AI 出没法刷的湿实验室考题 — burny_tech · 2026-09-21
- 人类意识尚无实证检验,AI 意识判定从何谈起 — burny_tech · 2026-09-21
- PyTorch 联合创始人 Song 客座弗吉尼亚理工,讲形式推理与可验证 Agent — wellecks · 2026-09-21
- 生物学家泼冷水：这份「生物学难题榜」太窄，只算合成生物学 — burny_tech · 2026-09-21
- PPO 曾被 NeurIPS 拒稿，如今成最常用 RL 算法引用超 4.5 万 — IanArawjo · 2026-09-21