【深度学习新浪潮】近三年3DGS在大规模场景重建中的研究进展（2022-2025）
一、核心方法与技术突破
-
层次化3DGS与分治策略
-
Hierarchical 3DGS（2025，法国国家信息与自动化研究所）
- 方法：提出层次化3DGS框架，结合分治策略与细节层次（LOD）技术，将数公里级场景划分为独立区块并行训练，通过高斯合并构建层级结构，支持实时渲染与动态LOD切换。
- 数据：Wayve自动驾驶数据集（含450米至数公里轨迹）、自采城市街景数据（5800-28000张图像）。
- 开源：未明确开源，但与CityGaussian系列技术路线高度关联（CityGaussian V2已开源）。
- 性能：在450米轨迹数据上实现实时导航，显存占用降低60%，渲染速度提升3倍。
-
CityGaussian系列（2024-2025，清华大学/ETH Zurich）
- 方法：
- 方法：
-