Extreme Views 的3DGS！
论文来源：arXiv 2025.10
标题：Extreme Views: 3DGS Filter for Novel View Synthesis from Out-of-Distribution Camera Poses
作者：Damian Bowness, Charalambos Poullis（Concordia University, 加拿大）
原文链接：arXiv:2510.20027
代码与结果：项目主页
摘要
在训练3DGS时（后），当相机移动到一个训练时从未见过的极端位置的时候，往往会出现漂浮、闪烁、拉丝、伪影等奇怪的画面，这当然是因为3DGS overfitting于训练视角导致的，这篇文章提出了一种纯渲染-侧实时滤波器，无需重训模型，只用两步梯度分析就能“掐掉”方向不稳定的3D高斯，从而显著提升极端视角下的视觉一致性。
到底解决了什么问题？
| 场景 | 痛点 |
| VR 漫游、无人机巡检、自动驾驶 | 用户常会跑到训练数据采集区域之外（OOD） |
| 传统 3DGS | 在这些区域出现大量“悬浮高斯”、颜色溢散、几何断层 |
| 现有后处理 | 要么要重训（BayesRays 1k 迭代），要么只能处理各向同性噪声，对“细长/歪”高斯无效 |
| 工业落地 | 不能接受每次换新轨迹就重训模型，必须“即插即用“ |
核心贡献
-
旋转对齐的梯度敏感度度量
把高斯协方差里的 R 与 S 解耦，只在旋转空间算梯度，精准捕捉“方向一点点歪就导致颜色剧变”的高斯。 -
两步过滤管线（Two-Pass Filter）
-
Pass-1：逐 ray 计算像素颜色对高斯位置/方向的梯度，超过阈值 τ_grad 的交集标记为“可疑”。
-
Pass-2：统计每个高斯“可疑交集/总交集”的比例，超过 τ_ratio 直接踢掉。
整个流程跑在 实时渲染管线里，单张 RTX 2080Ti 1500×700 分辨率无压力。
-
-
零重训、零额外数据
滤波器作为可微渲染的后处理算子，与任何 3DGS 框架（Splatfacto, Nerfstudio…）直接拼积木。 -
实验碾压
在 Deep Blending、NeRF-On-the-Go 上对比 BayesRays 三种置信度阈值，NIQE↓62%、BRISQUE↓25%、PIQE↓30%，且不会过平滑。
方法
1. 旋转--only 梯度敏感度
-
对每条射线 r，先把它变换到高斯 k 的旋转对齐坐标系：
此时只保留旋转
，把尺度
扔掉，避免“细长”高斯被误判为各向同性。
-
在该坐标系下，颜色 C 对位置 x 的梯度退化.
-
梯度模长越大 ⇒ 该高斯方向稍有扰动，像素颜色就剧烈变化 ⇒ 标记为“不稳定”。
2. Two-Pass 过滤
Pass-1：逐交集打分
对每条 ray-高斯交集计算上述梯度模长，大于 τ_grad 的记为 rejected，否则 accepted。
Pass-2：逐高斯投票
rejection_ratio = rejected / (accepted + rejected)
若 rejection_ratio > τ_ratio，则该高斯在当前视角下被完全剔除；否则保留。
两步均在 CUDA / OpenGL 片段着色器里并行完成，零 CPU 回读，维持 60 FPS+。
3. 参数选择
-
τ_grad：控制“多敏感算可疑”，默认 1e-4（越大越宽松）。
-
τ_ratio：控制“多可疑才枪毙”，默认 0.5（>50% 交集可疑才剔除）。
文中给出单场景 heuristic 调参表，实际产品可再做自动搜索或 Bayesian Optimization。
结果
| 场景 | BayesRays 最佳 | Ours | 降幅 |
| Playroom NIQE | 9.18 | 3.41 | -63 % |
| Creepy Attic BRISQUE | 45.26 | 42.30 | -7 % |
| Dr. Johnson PIQE | 59.58 | 51.60 | -13 % |
单从论文中给出的图来说，这个效果无疑是让人惊喜的。
六、总结 & 个人碎碎念
-
学术价值：首次把“旋转--only 梯度”引入 3DGS 不确定性分析，补上了“各向异性方向不稳定”这一空白。
-
工程价值：代码量小（核心 CUDA Kernel <200 行），推理零开销，适合直接塞进商业级渲染引擎。