English translation pending — this page shows the Chinese original.
一句话结论
七sigma点的无迹变换估计任意已实现相机投影的高斯二维范围，栅格化主射线和三维响应近似排序；借3DGRT可混合追踪次级反射/折射。Mip九场作者表的Ours 265FPS、LPIPS .218，对原3DGS 347FPS、.240，速度与场景输入协议分开评估（CVF主文pp.4–8 Eqs.6–11/Tables1–3）。
问题与方法
输入已标定多视RGB、相机畸变参数及滚动快门时序位姿；3DGS图元的3D中心加六个轴向sigma点逐一投影，再计算二维高斯均值/协方差用于tile候选，免逐种相机推导EWA Jacobian。高斯响应在每像素主射线的3D极大密度处计算；Ours(sorted)额外用16槽近似per-ray排序，便于对齐3DGRT（主文pp.3–5 Fig.2–3/Eqs.6–11）。次级光线效果需要同资产上栅格化主射线及3DGRT追踪，原论文仅图示反射/折射案例（p.8 §6.2 Fig.9）。
结果、分母和反证
Mip九场及T&T两场在rectified相机上比较作者复跑基线；RTX6000 Ada单卡测每图纯渲染。主文p.6 Table1：Mip原3DGS为PSNR 27.26、SSIM .803、LPIPS .240、347 FPS；Ours为27.26、.810、.218、265 FPS；Ours(sorted)为27.26、.812、.215、200 FPS。T&T原3DGS为23.64、.837、.196、476 FPS；Ours为23.21、.841、.178、277 FPS；sorted为22.90、.844、.172、272 FPS（顺序均为PSNR、SSIM、LPIPS、渲染FPS）。主文Table2 Mip每图3DGS2.88ms、Ours3.77ms、sorted4.98ms；3DGRT19.24ms。ScanNet++六场鱼眼转换为等距模型匹配对照：sorted29.11PSNR、.910SSIM、.252LPIPS与.38M高斯，对复跑FisheyeGS28.15/.901/.261及1.07M；旧3DGS†22.76系去畸变裁图的外部数字，覆盖不等（p.7 Table3）。Waymo选九个静态驾驶场景，补充p.2 Table5 sorted30.16PSNR/.900SSIM、3DGRT29.99/.897；3DGS经rectified且忽略滚动快门29.83/.917，后者SSIM反胜而相机协议异质。
成本、局限与相关页面
主文30k步、L2及0.2 SSIM，Waymo另外加LiDAR深度/opacity损失、点云初始化（补充p.2 §D）；构图总时长、峰VRAM与LiDAR成本未同账。补充pp.1–3 Figs.12–14以500 Monte Carlo参考点比较投影KL，UT在鱼眼和RS条件下稳定；强畸变时真实屏幕足迹仍偏离二维高斯，单取3D最大响应点也不能准确积分重叠高斯（主文p.8 §7）。代码仓库存在且标Apache-2.0，依赖/模型另核；没有GPU复现。原清单Oral标签尚无官方独立证明，正式CVPR2025身份已核。与原3DGS针孔/EWA、Mip-Splatting频率滤波分别比较；次级渲染的3DGRT是外部依赖。完整主文、补充及逐页分析在raw/ingest/2026-09-25-3dgut/；专题3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes。published_at月初占位。