IT之家 12 月 17 日消息，在香港举办的全球图形学领域学术盛会 SIGGRAPH Asia 2025 上，摩尔线程今日在 3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑战赛）中凭借自研技术 LiteGS 斩获银奖。
3D Gaussian Splatting（3DGS，三维高斯溅射）是 2023 年提出的一项 3D 场景表示与渲染技术，以可参数化的 3D 高斯分布为核心，实现了画质、效率与资源占用之间的平衡。与传统 NeRF 相比，3DGS 在保持逼真渲染质量的前提下，将渲染效率提升数百至上千倍，并在光线追踪、VR / AR 实时渲染、多模态融合等方向展现出极强的适应性与扩展性。
本次竞赛为参赛团队设置的任务为：参赛者需在 60 秒内，基于主办方提供的真实终端视频序列（10–30 秒）、存在误差的相机轨迹以及终端 SLAM 点云，在极短时间内完成完整的 3DGS 高质量重建。
摩尔线程 AI 团队以参赛编号“MT-AI”进入决赛阶段，在重建精度与效率两项指标上取得亮眼表现：
凭借 3DGS 算法构建能力与软硬件协同优化优势，摩尔线程最终获得二等奖（银牌）的成绩。
作为一种新兴的场景表示与新视角合成技术，3DGS 凭借高渲染质量与实时渲染速度，在计算机图形学与视觉领域实现了显著突破。该技术通过数以百万计的各向异性三维高斯基元来表示三维场景，以实现逼真的渲染效果，并在自动驾驶、虚拟现实、数字孪生等领域展现出巨大潜力。
然而，尽管 3DGS 的渲染速度极快，其训练过程却往往需要数十分钟甚至数小时，成为制约其广泛应用的主要瓶颈。现有优化方案往往仅从单一层面入手，难以系统性地解决训练过程中的性能制约。
为此，摩尔线程自主研发了 3DGS 基础库 LiteGS，首次实现了从底层 GPU 系统、中层数据管理到高层算法设计的全链路协同优化：
通过系统与算法的协同优化，LiteGS 在训练效率与重建质量上均实现显著领先。
针对轻量化模型，LiteGS 仅需原版 3DGS 约 10% 的训练时间与 20% 的参数量，即可实现同等质量。
目前，LiteGS 已在 GitHub 平台全面开源，IT之家附开源地址如下：