近日，苹果公司研究团队联合香港大学发表了名为《少用高斯函数，多用纹理:4K 前馈纹理飞溅》（Less Gaussians， More Textures:4K Feedforward Texture Splatting）的最新研究成果，推出了一项名为 LGTM 的全新技术框架。该技术旨在解决当前3D 高斯喷溅（3D Gaussian Splatting）在高分辨率下的计算瓶颈，为 Apple Vision Pro 等高像素显示设备的图形渲染开辟了新路径。
一、技术突破：几何与分辨率的“解耦”
目前主流的前馈3D 高斯喷溅技术虽然能快速将2D 图像转换为3D 场景，但随着渲染分辨率的提升，计算需求呈二次方爆炸式增长，导致4K 级别的实时渲染难以实现。
LGTM 框架的核心创新在于将几何复杂性与渲染分辨率解耦。它不再盲目增加高斯函数的数量，而是通过以下两步法提升画质:
几何学习: 模型先从低分辨率图像中学习场景的基础结构，并与高分辨率真实图像（GT）对比，确保几何骨架在2K/4K 下无缝隙或瑕疵。
纹理叠加: 引入专门的外观网络，将高分辨率图像中的精细细节转化为纹理，叠加在简单的几何形状之上。
二、赋能 Apple Vision Pro
Apple Vision Pro 的双眼显示屏拥有约2300万像素，单眼分辨率超过4K。传统的SPLAT等前馈模型在处理如此高密度的像素时往往性能受限。而 LGTM 能够升级现有系统（如 NoPoSplat、DepthSplat 等），使设备在保持低计算负载的同时，生成纹理更清晰、文本更锐利且更接近真实场景的沉浸式环境。
通过项目演示页面可以观察到，相比传统方法，LGTM 显著提升了前馈3D 重建的视觉上限，这预示着未来的 visionOS 用户有望在实时生成的虚拟空间中获得前所未有的逼真体验。
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
本文由数智化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数智化转型网（Professionalism Achieves Leadership 专业造就领导者）邵敏
