SplatAnything: Gaussian Spacing Normalization for Feed-forward 3DGS across Arbitrary Scenes
Hao Yu, Zhenwei Wang, Yongzhen Hu, Yuning Gong, Junta Wu, Xiaowei Zhou, Hujun Bao, Tengfei Wang, Chunchao Guo, Sida Peng
cs.CV
2026-11-06
把前馈 3DGS 的归一化因子从径向距离换成中位高斯间距，七个数据集上领先全部对比方法，八视角推理 0.76 秒。
前馈 3DGS 冲的是传统 3DGS 最疼的地方：逐场景优化要几十分钟。网络一次前向直接吐出整场景的高斯参数，几秒出结果。主流路线先用几何基础模型(Depth Anything 3、WorldMirror 这类)估出多视角深度和相机位姿，再在这个坐标系里逐像素预测其余高斯属性。
麻烦出在坐标系本身。几何基础模型普遍做径向距离归一化(RDNorm):拿所有重建点到参考相机的平均距离当场景尺度，整体缩放。这管住了「点离相机多远」，没管「相邻高斯中心隔多远」，而后者才决定高斯该多大，想铺满表面，尺度必须匹配局部间距。论文实测，RDNorm 之后不同场景类型的中位高斯间距仍差 4.5 倍，同样的局部观测在不同场景里对应不同的尺度监督目标。偏小尺度，大间距区域出洞；偏大尺度，密集区域糊掉。跨场景泛化的瓶颈就在这。
GSNorm 一句话讲完：归一化因子别用径向统计量，用高斯间距的代表值。
系统上，frozen 的 WorldMirror 2.0 出深度、内参、位姿，经 GSNorm 换算后反投影出高斯中心并固定；Gaussian Backbone 从几何 backbone 初始化微调，轻量 GSHead 逐像素出不透明度、旋转、尺度、SH 系数。训练覆盖 14 个数据集约 2.3 万场景，64 张 H20 跑 2 万步，输入 432 视角、分辨率 5041024 动态采样，并用继承自 AnySplat 的体素合并处理多视重叠冗余。配套基准覆盖七个数据集，目标视角按对称共可视度筛到 0.20.6 重叠，专测常规插值协议测不到的外推视角。
七个数据集、464 视角平均：
| 设置 | 数据集 | 指标 | 最强基线 | SplatAnything |
| 无位姿 | DTU | DISTS↓ | 0.347(Mirror2-GS) | 0.229 |
| 无位姿 | ETH3D | DISTS↓ | 0.188(Mirror2-GS) | 0.156 |
| 带位姿 | DTU | DISTS↓ | 0.532(Mirror2-GS) | 0.364 |
| 单视角 | ETH3D | LPIPS↓ | 0.133(SHARP) | 0.104 |
消融把 GSNorm 的单独贡献拆干净了：同一架构同一训练，4 视角 LPIPS 从 RDNorm 的 0.278 降到 0.245,64 视角从 0.250 降到 0.229。换成相机距离归一化，单视角 DISTS 直接崩到 0.793;深度归一化 0.307,都不如 GSNorm 的 0.294。效率上，单张 H20 八视角前向 0.76 秒，64 视角约 11 秒，比 QuerySplat(39.6 秒)和 DA3-GS(35.9 秒)快三倍以上。
两个注脚：带位姿设置里 ReSplat 的 PSNR 全程最高，ETH3D 的 LPIPS(0.027 对 0.037)也归它，但其外推视角伪影严重，论文因此主报 LPIPS 和 DISTS;单视角设置与 SHARP 互有胜负，DISTS 七个数据集赢了四个。
坐标系归一化是基础设施，人人继承，没人审计。这篇证明它直接决定高斯尺度监督的跨场景一致性，修法只是换一个除数，几乎零成本，任何「几何基础模型 + 高斯头」的管线都能搬，这个可移植性比 SplatAnything 本身更值钱。对做重建产品的人，秒级出结果、1 到 64+ 视角、位姿可选、物体到室外通吃，前馈 3DGS 离通用工具又近一步；基准控制视角密度、显式设定外推难度，也有独立复用价值。
全系统的领先不全是 GSNorm 的功劳：强几何底座、2.3 万场景的数据规模、固定高斯中心等训练配方各贡献一块。消融里 GSNorm 单独带来约 10% 的 LPIPS 相对下降，小于系统对 Mirror2-GS 的整体领先幅度。
作者自述两条：几何模型在极稀疏或困难输入下估崩了它跟着崩；只重建可见区域，未观测处留洞，补全要等生成先验。
读下来另有几点。基准协议是自家定的，虽然对所有方法一视同仁，「最强」的判决毕竟出自自家场地。平均 PSNR 只有 1719 dB,说明外推视角下所有方法都离可用很远。单视角与 SHARP 打平手，谈不上压制。64 张 H20 的训练门槛摆在那，GSNorm 搬得走，整个系统不好搬。