摩尔线程斩获3DGS银奖，LiteGS技术全面开源

12月17日获悉，在港举行的全球计算机图形学领域最具影响力的学术盛会——SIGGRAPH Asia 2025上，摩尔线程凭借自主研发的LiteGS技术，在3DGS重建挑战赛中展现出卓越的算法创新能力与软硬协同优化实力，成功摘得银奖。

这一成绩再次印证了摩尔线程在新一代实时图形渲染技术方向上的深厚积淀，也获得了国际顶尖学术共同体的权威认可。

这也生动诠释了摩尔线程所坚持的“全功能GPU”理念的实践价值——这正是其区别于其他国产GPU厂商的核心竞争力所在。

所谓3DGS，即3D Gaussian Splatting（三维高斯溅射），是2023年问世的一项突破性三维场景表征与神经渲染技术。

该技术以可学习、可微分的三维高斯分布为基本单元，在图像质量、计算效率与显存占用之间实现了前所未有的均衡。

相较于传统NeRF方法，3DGS不仅维持了同等水准的真实感渲染效果，更将推理速度提升数百至千倍量级，并在光线追踪、VR/AR实时交互、多模态内容生成等前沿应用中展现出极强的通用性与延展潜力。

除三维重建与实时渲染外，3DGS在更广阔的AI应用场景中亦具备巨大潜力，尤其在具身智能（Embodied AI）等需智能体深度感知、理解并动态响应物理环境的新兴领域，高质量、低时延的三维场景建模能力尤为关键。

正因其对图形学未来演进路径的重要引领作用，3DGS已成为全球高校、研究机构与科技企业重点布局的技术高地，亦受到SIGGRAPH Asia等国际权威平台的高度聚焦。

本届赛事设置了极具实战难度的任务要求：

参赛队伍须在60秒内，仅依据主办方提供的真实移动终端拍摄视频（时长10–30秒）、存在噪声的相机位姿轨迹，以及带有误差的SLAM点云数据，完成端到端的高质量3DGS重建。

评测体系采用PSNR（峰值信噪比）与重建耗时双指标加权综合评分，全程公开透明，确保结果客观公正。

进入决赛后，摩尔线程AI团队（MT-AI）在两项核心维度均表现突出：

平均PSNR达27.58，稳居前三；整体重建仅用34秒，大幅领先多数竞品方案。

最终，摩尔线程荣获二等奖（银牌）。

目前，本次3DGS重建挑战赛全部评测数据集、任务规范及最终排名已面向全球开放，相关资源可通过SIGGRAPH Asia官网获取：

https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025/

针对当前3DGS训练普遍耗时数十分钟乃至数小时的瓶颈，摩尔线程推出自研轻量级基础库LiteGS，首次实现从底层GPU架构、中层数据组织到上层算法逻辑的全栈式协同优化：

在GPU系统层，创新提出基于“One Warp Per Tile”原则的“Warp-Based Raster”光栅化新范式，将梯度聚合压缩至单Warp内归约操作，并融合扫描线调度与混合精度计算策略，显著削减梯度计算负载，同时支持高效像素级统计分析。

在数据管理层，构建“聚类-剔除-压缩”三级流水线，借助Morton编码实现高斯基元的低成本动态空间重排，大幅提升内存访问局部性，有效抑制缓存未命中与Warp分支发散。

在算法设计层，摒弃传统模糊的质量评估标准，转而采用像素不透明度梯度方差作为致密化判定依据，精准定位欠拟合区域；其轻量化计算过程直接受益于底层光栅化器提供的高效统计能力支撑。

通过软硬一体化深度协同，LiteGS在训练效率与重建保真度两方面均实现跨越式提升。

相较当前SOTA方案，LiteGS在同等重建质量下，训练加速最高达10.8倍，模型参数量减少超50%；

在参数量一致前提下，LiteGS PSNR指标高出主流方案0.2–0.4dB，训练时间缩短3.8–7倍；

对于轻量部署场景，LiteGS仅需原始3DGS约10%的训练耗时与20%的参数规模，即可达成相同视觉质量。

目前，LiteGS已在GitHub平台全面开源：

https://github.com/MooreThreads/LiteGS

值得一提的是，摩尔线程将于12月20日至21日举办首届MUSA开发者大会，期间特别设立图形智能技术专场，深入解析包括3DGS在内的多项前沿渲染与AI融合技术。