English translation pending — this page shows the Chinese original.
一句话结论
已知相机的静态多视RGB经过全局token融合,再解码固定数量高斯;作者版p.11 Table3在同一24视测得16K高斯、77.88ms、峰1.79GB。模型训练、相机预处理和渲染时间另计,质量须连同感知指标观察。
输入、方法与任务边界
输入内外参和射线,2048个512维场景token分别聚合几何/外观,以16候选逐级合并暴露最多8个/ token,即16K高斯,无需在每个测试场景更新权重;训练以RealEstate10K为主,在ACID域外评测。作者版pp.6–9 Fig.2/Eqs.3–15、附录pp.22–23 Table6;训练设13上下文+12目标,220k步,训练卡时未报。出版社正式章DOI 10.1007/978-3-032-37595-7_10对应此论文;保存的28页主原件为arXiv v2,另有官方补充14页,页码以各自原件为准。
结果、反证与比较条件
同24视RE10K,作者版p.10 Table1 16K版PSNR28.53/SSIM.883/LPIPS.140,对Zpressor6 28.51/.911/.097、393K高斯;32K版PSNR29.48/.901/.122,LPIPS仍较差。ACID p.11 Table2 24视16K为28.03/.813/.208,Zpressor为28.53/.860/.138。A100同24视p.11 Table3前馈77.88ms/峰1.79GB/模型3.8MB,对Zpressor194.20ms/3.70GB/134MB;这些数字属于作者设定的场景编码比较。p.13 Table4在32K相近预算4096×8为29.54 PSNR、2048×16仅28.58;p.14 Table5去一致性28.15、单分支28.02、直接全容量27.69,对完整28.57。官方补充p.3 Tables2–3指出512²输入原生重训出现分布外下降(原始输入26.16),其强项不自动扩展高分辨率、极稀视和动态场景。
成本、许可与复核
部分比较借用C3G数字,Zpressor6的六anchor与本法24视不一致;应固定场景/相机/视数/图元数及PSNR+LPIPS目标,再分账前向、渲染、相机估计和训练。代码仓库为PolyForm Noncommercial 1.0.0,商业使用须单独确认。未做GPU复现。逐页审计、版本冲突及补充见raw/ingest/2026-09-25-globalsplat/analysis.md;机制对照iLRM和EcoSplat,综合见3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes。