AnySplat模型解析：预训练权重如何实现跨场景的3D高斯参数预测

【免费下载链接】AnySplat[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: Feed-forward 3D Gaussian Splatting from Unconstrained Views项目地址: https://gitcode.com/gh_mirrors/an/AnySplat

AnySplat是SIGGRAPH Asia 2025（ACM TOG）收录的创新项目，它通过预训练权重实现了从非约束视角输入到3D高斯参数的端到端预测，彻底改变了传统3D重建需要逐场景优化的繁琐流程。本文将深入解析其预训练机制如何突破场景限制，实现跨场景的3D高斯参数精准预测。

核心突破：预训练权重如何赋能跨场景预测？

传统3D高斯渲染依赖于对每个场景的耗时优化，而AnySplat通过预训练模型将几何先验知识编码到权重中，实现了真正的前馈式推理。其核心优势在于：

• 无需逐场景优化：预训练权重已学习通用3D结构规律
• 非约束视角输入：支持任意拍摄角度的图片/视频输入
• 实时推理速度：相比传统方法提速100倍以上

图：AnySplat的预训练模型架构，展示了从多视角输入到3D高斯参数预测的完整流程

预训练权重的核心构成

AnySplat的预训练权重包含三大关键组件，共同实现跨场景的泛化能力：

1. 几何Transformer模块

位于src/model/encoder/anysplat.py的几何Transformer是预训练的核心，它通过：

• 多尺度特征融合网络
• 自注意力几何推理
• 跨视角特征对齐

将输入图像编码为结构化的3D特征表示，这部分权重占模型总量的65%，是跨场景泛化的基础。

2. 高斯参数预测头

在src/model/encoder/heads/linear_gs_head.py中实现，预训练权重通过：

• 位置编码权重（μ）
• 尺度参数（σ）
• 旋转矩阵（R）
• 不透明度（α）

四大参数的联合预测，将2D图像特征转化为3D高斯分布。

3. 相机姿态估计器

src/model/encoder/vggt/heads/camera_head.py中的预训练权重能够：

• 从单张图像估计相机内参
• 预测相对姿态关系
• 优化多视图一致性

这解决了非约束拍摄条件下的位姿估计难题。

预训练流程：如何让模型"看懂"3D世界？

AnySplat的预训练过程分为三个阶段，每个阶段都为跨场景能力奠定基础：

阶段一：大规模数据集预训练

在包含1000+场景的混合数据集上（包括CO3D、ScanNet++等），模型通过：

• RGB损失（L_RGB）
• 深度损失（L_depth）
• 相机姿态损失（L_pose）

联合优化，学习通用3D几何规律。配置文件位于config/experiment/multi-dataset.yaml。

阶段二：几何先验蒸馏

通过src/loss/loss_distill.py实现知识蒸馏，将传统3D重建方法的几何先验：

• 伪深度图（$\tilde{D}$）
• 伪相机姿态（$\tilde{p}$）

融入预训练权重，增强模型对复杂场景的适应能力。

阶段三：跨场景微调

使用src/model/encoder/backbone/backbone_croco_multiview.py中的多视图融合模块，在多样化场景上进行微调，确保权重在不同环境下的稳定性。

实战应用：预训练权重的使用方法

普通用户无需重新训练，可直接使用预训练权重进行3D重建：

1. 环境准备

git clone https://gitcode.com/gh_mirrors/an/AnySplat cd AnySplat pip install -r requirements.txt

2. 快速推理

通过inference.py脚本加载预训练权重：

python inference.py --config config/experiment/multi-dataset.yaml \ --input examples/vrnerf/riverview/ \ --output results/riverview_3d

3. 可视化界面

运行Gradio demo直观体验预训练模型效果：

python demo_gradio.py

图：使用预训练权重的Gradio交互界面，支持图片/视频输入与3D结果实时可视化

预训练权重的优势与局限

核心优势

• 泛化能力：在室内、室外、物体等多种场景均表现稳定
• 效率提升：从几小时/场景缩短到秒级推理
• 部署便捷：预训练权重仅需500MB存储空间

当前局限

• 对极端光照条件适应性有限
• 超高分辨率细节重建仍需优化
• 动态场景处理能力待增强

未来展望：预训练权重的进化方向

AnySplat团队计划通过以下方式持续优化预训练权重：

1. 多模态数据融合：加入LiDAR点云数据增强几何感知
2. 动态场景建模：新增时序一致性损失函数
3. 轻量化版本：针对边缘设备优化权重大小

通过不断迭代的预训练策略，AnySplat有望成为3D内容创作的基础设施工具。

提示：所有预训练相关配置文件位于config/model/目录下，核心实现代码可参考src/model/encoder/anysplat.py。

【免费下载链接】AnySplat[SIGGRAPH Asia 2025 (ACM TOG)] AnySplat: Feed-forward 3D Gaussian Splatting from Unconstrained Views项目地址: https://gitcode.com/gh_mirrors/an/AnySplat