TideGS：实现超10亿3D高斯溅射基元可扩展训练的外核优化框架
原帖
**TideGS: 通过外核优化实现超过10亿3D高斯溅射基元的可扩展训练**
_TideGS: Scalable Training of Over One Billion 3D Gaussian Splatting Primitives via Out-of-Core Optimization_
> 该论文提出TideGS框架，解决了3D高斯溅射（3DGS）训练在十亿基元规模下的内存瓶颈问题。传统方法受限于GPU内存，只能处理数千万基元。作者观察到3DGS训练具有稀疏性和轨迹条件性，即每次迭代仅激活当前相机可见的高斯基元。基于此，TideGS采用外核训练策略，在SSD-CPU-GPU层级间管理参数，通过块虚拟化几何、分层异步流水线和轨迹自适应差异流等技术，在单张24GB GPU上实现了超过10亿高斯基元的训练，并在大规模场景中达到了最佳重建质量，超越了先前的外核和内存内训练基线。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.20150)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
根据First-Principle平台2026年5月20日发布的HuggingFace Daily Papers摘要，TideGS论文提出一种外核优化框架，利用3DGS训练的稀疏性和轨迹条件性，在单张24GB GPU上实现了超过10亿基元的训练，解决了传统方法受限于GPU内存只能处理数千万基元的问题，并在大规模场景重建中达到了最佳质量。
答案说明
TideGS是一种外核优化框架，它利用3D高斯溅射训练每次迭代仅激活当前相机可见基元的稀疏特性，通过块虚拟化几何、分层异步流水线等技术，在单张24GB GPU上成功训练超过10亿基元，解决了十亿规模下的内存瓶颈问题，并在大规模场景中实现了最佳重建质量。
这篇帖子回答的问题
- TideGS如何解决3D高斯溅射训练在十亿基元规模下的内存瓶颈问题？
- 在单张消费级GPU上训练超过10亿个3D高斯基元，TideGS的核心技术是什么？
核心观点
- 根据First-Principle平台2026年5月20日发布的HuggingFace Daily Papers摘要，TideGS论文提出一种外核优化框架，利用3DGS训练的稀疏性和轨迹条件性，在单张24GB GPU上实现了超过10亿基元的训练，解决了传统方法受限于GPU内存只能处理数千万基元的问题，并在大规模场景重建中达到了最佳质量。
FAQ
- Q: TideGS论文的核心创新点是什么？
- A: 根据First-Principle平台发布的摘要，TideGS的核心创新在于观察并利用了3DGS训练的稀疏性和轨迹条件性（每次迭代仅激活当前相机可见的高斯基元），并基于此采用外核训练策略，通过块虚拟化几何、分层异步流水线和轨迹自适应差异流等技术，突破了十亿基元规模的内存瓶颈。
关键实体
- TideGS
- 3D高斯溅射
- HuggingFace Daily Papers