摩尔线程自研LiteGS技术并全面开源，斩获顶级图形大会3DGS挑战赛银奖

12月17日消息，在香港举办的全球图形学领域顶级学术盛会SIGGRAPH Asia 2025上，摩尔线程依托自研技术LiteGS卓越的算法实力与软硬件协同优化能力，在3DGS重建挑战赛中荣获银奖。

这再次证明了摩尔线程在新一代图形渲染技术上的深度积累，以及学术界的高度认可。

这也诠释了摩尔线程“全功能GPU”的真正价值，正是摩尔线程在一众国产GPU中的独特价值。

3DGS也就是3D Gaussian Splatting（三维高斯溅射），是2023年提出的一项革命性3D场景表示与神经网络渲染技术。

它以可参数化的3D高斯分布为核心，实现了画质、效率与资源占用之间的卓越平衡。

相较于传统NeRF方案，3DGS既保留了同等逼真的渲染质量，又能将渲染效率提升数百甚至上千倍，并且在光线追踪、VR/AR实时渲染、多模态融合等领域表现出极强的适应性与扩展性。

3DGS不仅适用于三维重建、实时渲染等场景，在更广阔的AI领域同样具备极高的潜在价值，特别是在具身智能（Embodied AI）这类需要智能体理解并与真实环境交互的前沿方向上，高质量、低延迟的三维环境建模起着关键作用。

鉴于3DGS对图形学未来技术发展的关键意义，它已成为全球学术界与产业界竞相布局的研究领域，受到SIGGRAPH Asia等权威机构的高度重视。

本次竞赛，大会为参赛团队设置了极具挑战性的任务：

参赛者需在60秒内，依托主办方提供的真实终端视频序列（时长10至30秒）、存在偏差的相机轨迹以及终端SLAM点云，快速实现完整的3DGS高质量重建。

主办方以 PSNR（重建质量）与重建速度为综合评价指标，力求在完全公开、公正的条件下得出权威排名。

进入决赛阶段后，摩尔线程AI团队(MT-AI)在重建精度、效率两项指标上取得了非常亮眼的表现：

平均 PSNR(峰值信噪比)仅为27.58，位列前三；重建耗时仅为34秒，显著领先多数队伍。

最终，摩尔线程获得了二等奖（银牌）的优秀成绩。

目前， 3DGS重建挑战赛的结果、数据集已向全球公开，相关资料可在 SIGGRAPH Asia 官方网站获取：

https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025/

针对3DGS训练耗时数十分钟乃至数小时的瓶颈，摩尔线程自主打造了3DGS基础库LiteGS，首次达成从底层GPU系统、中层数据管理到高层算法设计的全链路协同优化。

在GPU系统层面，摩尔线程创新性地提出了基于“One Warp Per Tile”原则的“Warp-Based Raster”新范式，该范式将梯度聚合简化为单次Warp内的归约操作，同时融合扫描线算法与混合精度策略，不仅显著降低了梯度计算的开销，还实现了高效的像素级统计能力。

在数据管理层，采用“聚类-剔除-压缩”处理流程，通过Morton编码以极小的开销对高斯基元实施动态空间重排，有效增强数据局部性，降低缓存失效与Warp分支现象的发生。

在算法设计层面，我们不再使用过去模糊的度量指标，转而采用鲁棒性更强的像素不透明度梯度方差作为致密化的核心判断依据，以此精准定位欠拟合区域。这种轻量化的计算方式，能够直接借助底层光栅化器的高效统计能力来提升效率。

通过系统与算法的协同优化，LiteGS在训练效率与重建质量上均实现显著领先。

对比当前质量最优方案，LiteGS在达到同等水平时，训练加速最高达10.8倍，而且参数量减少一半以上。

在相同参数量下，LiteGS PSNR指标超出主流方案0.2–0.4dB，训练时间缩短3.8-7倍。

针对轻量化模型，LiteGS仅需原版3DGS约10%的训练时间与20%的参数量，即可实现同等质量。

目前，LiteGS已在GitHub平台全面开源：

https://github.com/MooreThreads/LiteGS

值得一提的是，12月20日-21日，摩尔线程将举办首届MUSA开发者大会，期间就设立了技术专题，深入探讨3DGS等图形智能技术。