# VAST 和清华搞了个新方法，让 3D 生成把算力花在刀刃上，高斯点数量砍半画质还能打

> 原标题：VAST+清华提出3D生成新范式，空间智能密度控制「把算力花在刀刃上」| SIGGRAPH 2026

- 来源：机器之心 · 公众号
- 发布时间：2026-05-21T03:03:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/25480
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651034260&idx=3&sn=7c52a788e82d3c15294aa60e940b5756

## 摘要

这篇论文正文被微信环境验证挡住了，看不到具体技术细节。从标题和已知信息看，他们提出了一种叫 DeG 的 3D 生成方法，核心思路是让模型自己学会在物体细节丰富的地方多放高斯点、在平坦区域少放点，而不是均匀撒点。这样能用不到一半的高斯点数量，达到跟 TRELLIS 差不多的画面质量。相当于用更少的算力跑出同级别的 3D 模型，对做实时渲染或者要在手机上跑...

## 推荐理由

我会先打个折：正文只说了“部分场景”达到 TRELLIS 相近画质，没给全量对比，所以别直接当成全面超越。但 DeG 这套密度控制方法确实把“算力花在刀刃上”落到了具体机制里——用渲染损失梯度去学哪里该多放高斯球、哪里该省，比均匀撒点聪明。SIGGRAPH 论文本身有一定技术门槛，不过对做 3D 生成的人，这个效率提升方向值得跟。

## 锐评

这篇论文的核心思路是把3D高斯泼溅里的点密度控制交给模型自己学，而不是均匀撒点。具体做法是让模型根据渲染损失贡献的梯度来训练密度控制，在物体细节丰富的地方多放高斯点，平坦区域少放点。从已知信息看，DeG在某些设定下能用不到TRELLIS一半的高斯点数量达到相近的视觉质量，这对实时渲染和手机端部署来说意味着更低的算力开销。

但这里有个硬伤：正文被微信环境验证挡住了，我看不到完整的技术细节和实验数据。比如这个不到一半的点数是在什么分辨率下测的、跟TRELLIS比的是哪个版本、有没有在其他基准上跑过，这些都不知道。另外，密度控制本身会不会引入新的训练不稳定或者收敛慢的问题，也是需要看原文才能判断的。

这篇被SIGGRAPH 2026接收，说明同行评审过了关，但作为读者，我现在只能根据标题和摘要给一个方向性的判断：思路对路，省点数的效果听起来不错，但具体能省多少、在什么条件下省、有没有副作用，都得等看到全文再说。