把照片变成可旋转的 3D 场景LichtFeld Studio 的 3DGS 训练管线完整指南【免费下载链接】LichtFeld-StudioTrain, inspect, edit, automate, and export 3D Gaussian Splatting scenes from a single native application.项目地址: https://gitcode.com/gh_mirrors/ga/LichtFeld-StudioLichtFeld Studio 是一个把 3D Gaussian Splatting把场景建模成海量半透明三维椭球、直接投影上屏的渲染方法的训练、交互检视、编辑与导出全部收进同一个原生应用的工程。它用 C23 和 CUDA 12.8 构建既适合想迭代重建质量的研究者也适合想把工作流自动化的开发者。一次运行怎么跑从照片到实时 3DGS 场景把整个过程理解成一条传送带输入是 COLMAP 处理好的一批照片和相机参数src/io/loader_service.cpp 负责载入并做去畸变等预处理初始点云被初始化成大量高斯每个高斯带着位置、协方差、不透明度和球谐系数。 核心是训练循环反复做的事src/training/rasterization/gsplat_rasterizer.cpp 里的 GPU 内核把所有高斯投影到目标视角、按透明度混合出一张渲染图光度损失把它和真实照片比对并回传梯度优化器更新一步参数。检查点定期落盘中断了也能从断点接着跑。训练结束后模型可以导出为 PLY、SPZ 或独立的 HTML 查看器窗口里的视口则始终实时显示当前状态随时可以绕着场景转。训练循环里的 densification 策略在做什么3DGS 重建质量很大程度取决于高斯放在哪、有多少、怎么删这正是策略层的职责你可以把它理解为管理椭球人口的负责人。机制分三步其一src/training/strategies/strategy_factory.cpp 支持 MCMC 重采样、Improved GS 和 MRNF 三种策略其中 MCMC 不靠分裂克隆而是把现有高斯搬到梯度大的位置、保持点数恒定其二src/training/optimizer/adam_optimizer.cpp 按位置、尺度、旋转、不透明度、球谐系数分组套用不同学习率再由调度器控制衰减其三损失不只是光度误差还叠了抑制过透明高斯的正则项和可圈定优化区域的 mask 损失。效果是训练全程点数稳定细节逐步长出来显存也不会中途爆掉。显示管线如何让训练中的场景实时可见训练跑在 CUDA 流上视口却是另一套 Vulkan 渲染器两边要实时看同一份 tensor这个跨界问题在三个环节解决一是训练侧的 splat_data 放在外部显存里查看端用 CUDA 异步拷贝搬进 VkBuffer靠 timeline 信号量同步绕开了传统回读 CPU 再传回去的路径。二是渲染管线文档记录的帧流程光栅化用 12 次 dispatch 完成投影、排序和混合双缓冲帧环kFramesInFlight 2把同步延迟藏起来。三是合成环节场景图在视口通道里与网格、锚点等覆盖层叠画UI 直接画在交换链上不落中间帧缓冲。也就是说训练进行到一半你能同时环绕、缩放、选中一批高斯查看互不阻塞。想扩展自己Python 插件与 MCP 自动化内置功能不贴合工作流时不必 fork 整个仓库。插件系统让你用 Python 脚本加入自定义面板、算子和工具每个插件还能声明自己的本地依赖不污染宿主环境。入口建议先读插件系统总览再按上手指南写第一个插件。另外应用对外暴露了一组 MCPModel Context Protocol资源与工具本地脚本或 agent 流程可以查询训练状态、操作场景、抓取渲染结果——等于把这个工作站当成一个可被外部驱动的控制对象嵌进更大的管线。上手克隆、构建、跑起来⚠️ 先确认机器有计算能力 7.5 的 NVIDIA GPURTX 20 系起并装好 CUDA 12.8、CMake 3.30 与 vcpkg。git clone https://gitcode.com/gh_mirrors/ga/LichtFeld-Studio cd LichtFeld-Studio cmake -B build cmake --build build -j 16 ./build/LichtFeld-Studio -d /path/to/colmap_data -o /path/to/output-d指向 COLMAP 数据集-o是输出目录其余不加就是带交互窗口的完整运行。从一组照片到能环绕查看的场景训练管线的数据底座、CUDA 到 Vulkan 的出图路径、Python 扩展面都在这一套工程里铺好了。如果你正在评估 3DGS 研究管线或者想把重建、检视、交付串成自动化流程值得先跑通它的示例数据集。【免费下载链接】LichtFeld-StudioTrain, inspect, edit, automate, and export 3D Gaussian Splatting scenes from a single native application.项目地址: https://gitcode.com/gh_mirrors/ga/LichtFeld-Studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 把照片变成可旋转的 3D 场景：LichtFeld Studio 的 3DGS 训练管线完整指南
把照片变成可旋转的 3D 场景LichtFeld Studio 的 3DGS 训练管线完整指南【免费下载链接】LichtFeld-StudioTrain, inspect, edit, automate, and export 3D Gaussian Splatting scenes from a single native application.项目地址: https://gitcode.com/gh_mirrors/ga/LichtFeld-StudioLichtFeld Studio 是一个把 3D Gaussian Splatting把场景建模成海量半透明三维椭球、直接投影上屏的渲染方法的训练、交互检视、编辑与导出全部收进同一个原生应用的工程。它用 C23 和 CUDA 12.8 构建既适合想迭代重建质量的研究者也适合想把工作流自动化的开发者。一次运行怎么跑从照片到实时 3DGS 场景把整个过程理解成一条传送带输入是 COLMAP 处理好的一批照片和相机参数src/io/loader_service.cpp 负责载入并做去畸变等预处理初始点云被初始化成大量高斯每个高斯带着位置、协方差、不透明度和球谐系数。 核心是训练循环反复做的事src/training/rasterization/gsplat_rasterizer.cpp 里的 GPU 内核把所有高斯投影到目标视角、按透明度混合出一张渲染图光度损失把它和真实照片比对并回传梯度优化器更新一步参数。检查点定期落盘中断了也能从断点接着跑。训练结束后模型可以导出为 PLY、SPZ 或独立的 HTML 查看器窗口里的视口则始终实时显示当前状态随时可以绕着场景转。训练循环里的 densification 策略在做什么3DGS 重建质量很大程度取决于高斯放在哪、有多少、怎么删这正是策略层的职责你可以把它理解为管理椭球人口的负责人。机制分三步其一src/training/strategies/strategy_factory.cpp 支持 MCMC 重采样、Improved GS 和 MRNF 三种策略其中 MCMC 不靠分裂克隆而是把现有高斯搬到梯度大的位置、保持点数恒定其二src/training/optimizer/adam_optimizer.cpp 按位置、尺度、旋转、不透明度、球谐系数分组套用不同学习率再由调度器控制衰减其三损失不只是光度误差还叠了抑制过透明高斯的正则项和可圈定优化区域的 mask 损失。效果是训练全程点数稳定细节逐步长出来显存也不会中途爆掉。显示管线如何让训练中的场景实时可见训练跑在 CUDA 流上视口却是另一套 Vulkan 渲染器两边要实时看同一份 tensor这个跨界问题在三个环节解决一是训练侧的 splat_data 放在外部显存里查看端用 CUDA 异步拷贝搬进 VkBuffer靠 timeline 信号量同步绕开了传统回读 CPU 再传回去的路径。二是渲染管线文档记录的帧流程光栅化用 12 次 dispatch 完成投影、排序和混合双缓冲帧环kFramesInFlight 2把同步延迟藏起来。三是合成环节场景图在视口通道里与网格、锚点等覆盖层叠画UI 直接画在交换链上不落中间帧缓冲。也就是说训练进行到一半你能同时环绕、缩放、选中一批高斯查看互不阻塞。想扩展自己Python 插件与 MCP 自动化内置功能不贴合工作流时不必 fork 整个仓库。插件系统让你用 Python 脚本加入自定义面板、算子和工具每个插件还能声明自己的本地依赖不污染宿主环境。入口建议先读插件系统总览再按上手指南写第一个插件。另外应用对外暴露了一组 MCPModel Context Protocol资源与工具本地脚本或 agent 流程可以查询训练状态、操作场景、抓取渲染结果——等于把这个工作站当成一个可被外部驱动的控制对象嵌进更大的管线。上手克隆、构建、跑起来⚠️ 先确认机器有计算能力 7.5 的 NVIDIA GPURTX 20 系起并装好 CUDA 12.8、CMake 3.30 与 vcpkg。git clone https://gitcode.com/gh_mirrors/ga/LichtFeld-Studio cd LichtFeld-Studio cmake -B build cmake --build build -j 16 ./build/LichtFeld-Studio -d /path/to/colmap_data -o /path/to/output-d指向 COLMAP 数据集-o是输出目录其余不加就是带交互窗口的完整运行。从一组照片到能环绕查看的场景训练管线的数据底座、CUDA 到 Vulkan 的出图路径、Python 扩展面都在这一套工程里铺好了。如果你正在评估 3DGS 研究管线或者想把重建、检视、交付串成自动化流程值得先跑通它的示例数据集。【免费下载链接】LichtFeld-StudioTrain, inspect, edit, automate, and export 3D Gaussian Splatting scenes from a single native application.项目地址: https://gitcode.com/gh_mirrors/ga/LichtFeld-Studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考