3D Convex Splatting 精读：从小白到博士，彻底拆解 3D Smooth Convexes 如何重塑辐射场渲染

3D Convex Splatting 精读：从小白到博士，彻底拆解 3D Smooth Convexes 如何重塑辐射场渲染

论文标题：3D Convex Splatting: Radiance Field Rendering with 3D Smooth Convexes 论文链接：3D Convex Splatting 文章定位：论文精读 / 新视角合成 / 3DGS 进阶 / 计算机视觉 适合人群：零基础读者、CV/图形学研究生、准备复现论文的博士生与工程研究人员

文章目录

• 3D Convex Splatting 精读：从小白到博士，彻底拆解 3D Smooth Convexes 如何重塑辐射场渲染
• 一句提示词帮你速通论文
• 前言
• 一、小白阶段：把这篇论文讲到“是个傻子都能懂”
• • 1.1 这篇论文到底在解决什么问题？
• Novel View Synthesis（新视角合成）
• • 1.2 3DGS 为什么那么火？
  • 1.3 但 3DGS 的问题也非常明显
  • 1.4 作者提出了什么？
• 3D Convex Splatting（3DCS）
• • 1.5 为什么凸体比高斯更合适？
  • • （1）它更擅长表达平面
    • （2）它更擅长表达硬边
    • （3）它通常能用更少 primitive 达到更好表达
  • 1.6 什么叫 smooth convex？
  • 参数一：δ（delta）
  • 参数二：σ（sigma）
  • 1.7 它是怎么渲染到图像上的？
  • • 第一步：把 3D 里的块投影到 2D 图像平面
    • 第二步：算这个块在屏幕上覆盖了哪些像素
    • 第三步：把所有块按远近混合起来
  • 1.8 为什么它还能训练？
  • 1.9 这篇论文最直观的价值是什么？
  • 1.10 小白阶段总结
• 二、硕士阶段：从“看懂意思”到“能分析论文”
• • 2.1 论文的研究定位
  • • 脉络 A：Radiance Field / Novel View Synthesis
    • 脉络 B：Primitive-based Differentiable Rendering
  • 2.2 与 3DGS 的本质差异
  • • 3DGS 的 primitive
    • 3DCS 的 primitive
  • 2.3 smooth convex 的核心公式
  • • 这两个公式的意义
  • 2.4 为什么不用 plane-based，而改成 point-set based？
  • 2.5 渲染公式
  • 2.6 初始化策略
  • • （1）从 SfM 点云初始化
    • （2）每个 convex 的点集用 Fibonacci sphere 初始化
    • （3）初始尺度由邻近点距离决定
  • 2.7 Loss 设计
  • 2.8 densification 是这篇论文最关键的训练设计之一
  • • split 怎么做？
  • 2.9 实验结果怎么看？
  • • （1）在结构化强、硬边多的场景里，3DCS 更强
    • （2）在自然、杂乱、非规则场景里，优势没那么绝对
    • （3）3DCS 更强调结构 fidelity，不只是像素拟合
  • 2.10 室内为什么更强，室外为什么不一定？
  • • 室内场景常见特点
    • 室外自然场景常见特点
  • 2.11 硕士阶段总结
• 三、博士阶段：逐段拆解论文，按“可复现 + 可研究”的标准吃透
• • 3.1 论文的核心命题到底是什么？
  • 3.2 从 representation 的角度看，这篇论文做了什么？
  • • 第一层：primitive 替换
    • 第二层：footprint 替换
    • 第三层：densification 逻辑替换
  • 3.3 smooth convex 的本体论意义
  • • （1）几何角色
    • （2）渲染角色
    • （3）优化角色
  • 3.4 为什么 point-set based representation 很关键？
  • • 如果用 plane-based convex
    • 改成 point-set based 后
  • 3.5 这里有没有潜在的不光滑问题？
  • 3.6 δ 和 σ 的角色分离为什么高级？
  • • δ：控制几何边角近似
    • σ：控制 radiance field 边界陡峭度
    • 进一步研究方向
  • 3.7 渲染深度排序的近似性
  • 3.8 densification 机制的研究价值到底在哪里？
  • 3.9 参数效率为什么比“单看 primitive 数量”更重要？
  • 3.10 为什么作者说 3DCS 更“physically meaningful”？
  • 3.11 复现这篇论文，你应该怎么做？
  • • 3.11.1 第一阶段：搭建基础系统
    • 3.11.2 第二阶段：定义 convex primitive
    • 3.11.3 第三阶段：实现前向渲染
    • 3.11.4 第四阶段：实现反向传播与训练稳定性
    • 3.11.5 第五阶段：实现 densification 和 pruning
  • 3.12 复现中的隐藏坑
  • • 坑一：Graham Scan 不是你想的那么简单
    • 坑二：LogSumExp 数值稳定性
    • 坑三：primitive 排序与 blending
    • 坑四：densification schedule
  • 3.13 这篇论文有哪些明确局限？
  • • 局限一：对无规则自然场景未必最优
    • 局限二：训练和渲染一般比 3DGS 更慢
    • 局限三：表达单元仍然是 convex
    • 局限四：排序仍然是近似
    • 局限五：工程实现复杂度不低
  • 3.14 未来最值得做的研究方向
  • • 方向一：Hybrid Primitive
    • 方向二：Concave-aware 表示
    • 方向三：Geometry-supervised 3DCS
    • 方向四：Semantic-aware 3DCS
    • 方向五：可学习的 densification policy
  • 3.15 博士阶段总结
• 四、三层一句话总结
• • 小白一句话
  • 硕士一句话
  • 博士一句话
• 五、我的评价：这篇论文值不值得读？
• 六、写在最后
• 总结

一句提示词帮你速通论文

提示词

你现在是一位计算机视觉的博士，请你仔细阅读这篇论文，并将其拆解为小白阶段、硕士阶段、博士阶段。一定要引人入胜，客观具体，且极为详细。小白阶段你需要达到是个傻子都能懂的情况，在硕士阶段你需要达到正常使用一些专业数据，帮助小白从傻子到小专家的突破，在博士阶段你需要仔细拆解整篇论文，把各项细节全部记录，方便后期进行复现，同时促使小专家成为资深大拿

镜像地址，ChatGTP 5.4 Thinking助您深入解析、速通论文 邀请码地址，ChatGTP 5.4 Thinking助您深入解析、速通论文

前言

最近两年，NeRF 和 3D Gaussian Splatting（3DGS） 几乎成了新视角合成领域最热门的方向之一。 它们有一个共同目标：输入多张不同视角的图像，恢复一个可渲染的三维场景表示，并生成任意新视角下的逼真图像。

但是，3DGS 虽然快、效果也很强，却有一个天然缺陷：

它的基本表示单元是 Gaussian（高斯椭球），本质上更像“模糊的小云团”，这类表示天然适合光滑过渡，却不擅长表达平面、棱角、硬边、规整结构。

于是，这篇论文提出了一个非常有意思的想法：

既然高斯云团不够擅长表达硬边结构，那为什么不直接换一种 primitive（图元）？

作者给出的答案是： 用 3D Smooth Convex（3D 平滑凸体） 替代 Gaussian，构造一种全新的 3D Convex Splatting（3DCS） 渲染框架。

这篇文章我会把整篇论文拆成三个层次来讲：

• 小白阶段：用最直白的语言讲懂论文到底在做什么
• 硕士阶段：开始引入必要的数学、公式、实验和方法对比
• 博士阶段：按照“可复现、可推敲、可扩展”的标准，完整拆解论文细节

目标只有一个：

不只是让你“看过这篇论文”，而是让你真正“吃透这篇论文”。

一、小白阶段：把这篇论文讲到“是个傻子都能懂”

1.1 这篇论文到底在解决什么问题？

先别急着看公式，我们先看最本质的问题。

假设你拿着手机，围着一个房间拍了很多张照片。 现在你希望电脑可以做到下面这件事：

• 理解这个房间大概长什么样
• 记住桌子、墙、椅子、窗户的位置
• 然后站在一个你没有拍过的新位置
• 自动“脑补”出从那个角度看过去的图像

这个任务就叫做：

Novel View Synthesis（新视角合成）

也就是：

根据已有多视图图像，合成一个全新的、没拍过的视角。

NeRF、Mip-NeRF360、Zip-NeRF、3DGS，本质上都在做这件事。

1.2 3DGS 为什么那么火？

因为它快。

NeRF 虽然效果好，但过去最大的问题是：

• 训练慢
• 渲染慢
• 想实时看结果很难

后来 3D Gaussian Splatting（3DGS） 横空出世。 它不再用传统的神经网络慢慢推理，而是直接把场景表示成一堆 3D Gaussian。

你可以把一个 Gaussian 想成：

• 一个有位置的小气团
• 一个可以拉长、旋转的椭球
• 自带颜色、透明度
• 很多很多这样的气团叠起来，就能拼出整个场景

它最大的优点就是：

• 训练快
• 渲染快
• 可以实时

所以 3DGS 一出来就很炸。

1.3 但 3DGS 的问题也非常明显

问题就在它的 primitive 长这样：

一个高斯椭球，本质是一个“柔和扩散的小云团”。

这种形状有一个天然缺点：

• 它擅长表达柔和、连续、模糊过渡
• 但不擅长表达平面
• 不擅长表达硬边
• 不擅长表达尖角
• 不擅长表达规则几何结构

比如这些东西它就不太舒服：

• 墙角
• 车牌数字边缘
• 桌面平面
• 门框
• 建筑立面
• 铁轨、窗框、机械边界

为什么？

因为你在本质上是在拿一堆“棉花球”去堆一个“硬纸盒”。

能不能堆出来？ 能。

但是会有两个问题：

• 边缘容易糊
• 为了拟合方的、平的、硬的结构，你得用很多很多 Gaussian

所以论文作者的动机非常清楚：

既然 3DGS 的基本图元天然是圆润模糊的，那我们就换一种更有几何表达力的图元。

1.4 作者提出了什么？

作者提出的方法叫：

3D Convex Splatting（3DCS）

核心思想一句话概括就是：

用 3D Smooth Convexes（3D 平滑凸体） 替代 3D Gaussian，作为场景的基本表示单元。

你可以先把 convex 理解成“不会往里凹的形状”。

比如这些都属于凸的：

• 球
• 立方体
• 四面体
• 很多多面体
• 被轻微圆滑过的盒子

而像月牙、回字形、U 型这种有凹进去的，一般就不是凸的。

1.5 为什么凸体比高斯更合适？

因为它更像“几何块”，而不是“气团”。

你可以这么理解：

• Gaussian：更像一团柔软的棉花
• Smooth Convex：更像一个边角可以调节软硬程度的积木块

这意味着 convex 有几个天然优势：

（1）它更擅长表达平面

桌面、墙面、盒子面、窗户面，这些都更像“块状结构”，而不是“雾状结构”。

（2）它更擅长表达硬边

车牌、建筑边缘、门框轮廓，这些地方凸体更容易贴住边界。

（3）它通常能用更少 primitive 达到更好表达

不是说“单个 convex 更简单”，而是说：

单个 convex 的形状表达能力更强。

也就是说，一个 convex 往往顶得上多个 Gaussian 一起干活。

1.6 什么叫 smooth convex？

这里最容易把人看晕，所以我直接讲最直观版本。

论文里的 convex 不是一个特别死板、特别硬的多面体。 它是一个 smooth convex，也就是：

边界可以连续调节软硬程度的平滑凸体。

它有两个非常关键的参数：

参数一：δ（delta）

你可以把它理解成：

控制这个凸体的边角到底是圆一点，还是硬一点。

• δ 小：更圆、更软
• δ 大：更接近真正的硬凸包，边更硬、角更尖

参数二：σ（sigma）

你可以把它理解成：

控制边界过渡有多“实”，有多“陡”。

• σ 小：边缘过渡比较柔，像有点雾
• σ 大：边界更紧、更实、更像实体块

所以：

• δ 决定形状边角
• σ 决定边界密度和锐利程度

这个设计非常巧妙，因为作者把“形状是什么样”和“边界有多硬”拆成了两件事。

1.7 它是怎么渲染到图像上的？

还是先讲大白话版本。

假设空间里有很多 convex 块，每个块都有：

• 位置
• 形状
• 大小
• 颜色
• 透明度

那么渲染的时候会做什么？

第一步：把 3D 里的块投影到 2D 图像平面

也就是看看这个块在当前视角下投到屏幕上长什么样。

第二步：算这个块在屏幕上覆盖了哪些像素

如果某个像素被这个块覆盖，就让它对该像素颜色有贡献。

第三步：把所有块按远近混合起来

谁在前面，谁挡住后面，最后得到整张图。

这听起来和 3DGS 很像，对吧？

没错，整体渲染骨架和 3DGS 是很像的。 真正变化的是：

3DGS 用 Gaussian footprint 覆盖像素，3DCS 用 smooth convex 的 footprint 覆盖像素。

1.8 为什么它还能训练？

因为这整个过程是可微分的。

什么意思？

就是它不是瞎调，而是这样做：

被调整的参数包括：

• 点的位置
• 形状
• 大小
• 颜色
• 透明度
• δ
• σ

于是这些 convex 会慢慢从一个初始的小形状，变成能正确拟合场景的形状。

1.9 这篇论文最直观的价值是什么？

一句话：

它把“高斯云团”换成了“软凸积木块”，于是更适合表达硬边和平面。

你如果只记住这一句，也已经抓住论文 70% 的本质了。

1.10 小白阶段总结

把这篇论文压缩成最通俗的话：

以前 3DGS 用很多“模糊的小云团”拼出一个世界。 这篇论文改成用很多“边界可调的软凸块”去拼这个世界。 所以在建筑、室内、桌子、车牌、门框这些有明显平面和棱角的地方，它更容易拼得准，也更容易拼得清楚。

二、硕士阶段：从“看懂意思”到“能分析论文”

下面进入更专业的版本。

2.1 论文的研究定位

这篇论文位于两个研究脉络的交叉点：

脉络 A：Radiance Field / Novel View Synthesis

目标是：

• 从多张图像恢复场景表示
• 支持高质量新视角合成
• 在质量、训练速度、渲染速度之间找到平衡

脉络 B：Primitive-based Differentiable Rendering

目标是：

• 用显式图元（点、网格、高斯、几何块等）表示场景
• 通过可微渲染从图像监督中优化它们

3DCS 的真正创新就在于：

把 convex geometry representation 和 splatting-style real-time rendering 结合起来。

所以这并不是简单地“换个形状”，而是给出了一整套：

• 表示方式
• 投影方式
• footprint 构造方式
• 渲染方式
• densification 方式
• 训练策略

2.2 与 3DGS 的本质差异

3DGS 的 primitive

3DGS 的 primitive 一般包括：

• 位置
• 尺度
• 旋转
• 协方差
• opacity
• SH 颜色系数

它本质上是一个各向异性高斯椭球。

3DCS 的 primitive

3DCS 的 primitive 则是一个 由点集定义的 smooth convex，通常包含：

• 一组 3D 点
• δ（smoothness）
• σ（sharpness）
• opacity
• SH 颜色系数

所以两者最大的差别是：

• 3DGS：中心 + 协方差
• 3DCS：点集 + 凸包 + 平滑边界参数

本质上，3DCS 的 primitive 几何自由度更强。

2.3 smooth convex 的核心公式

这是整篇论文的数学核心之一。

假设一个 convex 由若干个平面定义。 对第 (j) 个平面，点 (p \\in \\mathbb{R}^3) 到它的 signed distance 表达为：

[ L_j§ = n_j \\cdot p + d_j ]

其中：

• (n_j)：平面外法向
• (d_j)：偏移量

如果我们直接用 hard max，那么点到整个 convex 的“外侧程度”可以写成所有平面距离的最大值。 但 hard max 不够平滑，不利于优化。

所以论文使用 LogSumExp 做平滑近似：

[ \\phi§ = \\log \\left(\\sum_{j=1}^{J} \\exp(\\delta L_j§)\\right) ]

这里的 δ 控制平滑程度：

• δ 越大，越接近 hard max，边更硬
• δ 越小，越平滑

然后再通过 sigmoid 构造 soft indicator：

[ I§ = \\mathrm{Sigmoid}(-\\sigma \\phi§) ]

这里的 σ 控制边界过渡陡峭程度：

• σ 越大，边界更锐利
• σ 越小，边界更柔和

这两个公式的意义

你可以把它们理解成：

• (\\phi§)：点离这个凸体边界“有多近”
• (I§)：这个点“有多属于这个凸体”

也就是说，作者把一个本来边界很硬的几何体，变成了一个：

连续、可微、可优化的 soft occupancy primitive

这就是 3DCS 能够被端到端训练的关键。

2.4 为什么不用 plane-based，而改成 point-set based？

这是论文非常关键的一步。

如果直接用一堆平面参数定义 3D convex，那么做 camera projection 会很麻烦。 因为你要处理：

• 平面与平面的交
• 投影后轮廓更新
• 当前视角下的可见边界

这些都不够工程友好。

于是作者做了一个很聪明的设计：

不直接优化平面，而是优化一组 3D 点。

然后：

这样做的好处非常大：

• 投影天然可微
• 2D hull 计算更简单
• 更适合 GPU 并行实现
• 更适合 splatting 框架

所以你可以理解为：

3DCS 不是在 3D 里硬算一个复杂多面体再去投影，而是先把点投到 2D，再在图像平面上构出这个图元的轮廓。

2.5 渲染公式

论文在像素层面仍然采用 alpha compositing。

对于像素 (q)，按深度排序后进行累积混合：

[ C(q) = \\sum_{n=1}^{N} c_n o_n I_n(q)\\prod_{i=1}^{n-1}(1-o_i I_i(q)) ]

其中：

• (c_n)：第 (n) 个 convex 的颜色
• (o_n)：opacity
• (I_n(q))：这个 convex 在像素 (q) 上的 indicator 值
• 前面的乘积项表示前面图元留下来的透射率

这和 3DGS 非常像，只不过：

• 3DGS 用 Gaussian footprint
• 3DCS 用 smooth convex footprint

也就是说，渲染骨架继承了 3DGS 的速度优势，而图元覆盖函数发生了本质变化。

2.6 初始化策略

论文初始化非常讲究。

（1）从 SfM 点云初始化

和 3DGS 类似，作者使用 Structure-from-Motion 得到的点云作为初始位置基础。

（2）每个 convex 的点集用 Fibonacci sphere 初始化

这意味着：

• 初始点不是乱放的
• 而是在球面上近似均匀分布

这样初始时每个 convex 更像一个小型球壳，方便后续逐步变形。

（3）初始尺度由邻近点距离决定

作者根据最近几个 convex 的平均距离，给每个 primitive 设置初始大小。

直觉上就是：

• 稠密区域 -> 小一些
• 稀疏区域 -> 大一些

这让初始化更自适应。

2.7 Loss 设计

论文总损失写成：

[ L = (1-\\lambda)L_1 + \\lambda L_{D\\text{-}SSIM} + \\beta L_m ]

其中：

• (L_1)：像素级误差
• (L_{D\\text{-}SSIM})：结构相似性相关损失
• (L_m)：紧凑表示相关正则项
• (\\lambda = 0.2)
• (\\beta = 0.0005)

这个设计表明作者不是只想追像素数值，还在追求：

• 结构一致性
• 表示紧凑性

换句话说，作者希望模型不仅“画得对”，还要“用更少的图元画得对”。

2.8 densification 是这篇论文最关键的训练设计之一

3DGS 大家都知道有一个核心机制：densification（增密）。 哪里拟合不好，就往哪里加更多 primitive。

但 3DCS 这里有一个重要差异：

作者没有沿用 3DGS 里基于 position gradient 的 densification 方式。

为什么？

因为 convex primitive 的几何结构更复杂。 对它来说：

• 位置梯度不一定能反映哪里欠拟合
• 有时候问题不是中心不对，而是形状不对
• 欠拟合和过拟合往往更体现在边界 sharpness 上

于是作者观察到：

在 under-reconstruction 和 over-reconstruction 区域，sharpness (\\sigma) 的 loss 往往都会比较大。

所以他们基于这个信号来做 split。

split 怎么做？

如果一个 convex 是由 (K) 个点定义的，作者会把它拆成 (K) 个更小的 convex：

• 新 convex 更小
• 每个新 convex 的中心落在原来某个点附近
• 适当调整 opacity
• 提高 (\\sigma)，保持 (\\delta) 不变

这个设计的直觉非常强：

一个大块不够精细，那就沿着它自己的几何支撑点，把它拆成多个更小的几何块。

这比简单复制 primitive 更符合几何意义。

2.9 实验结果怎么看？

这部分是很多人最容易“看表不看门道”的地方。

论文在多个数据集上做了实验，包括：

• Tanks and Temples
• Deep Blending
• Mip-NeRF360

总体结果可以总结成三句话：

（1）在结构化强、硬边多的场景里，3DCS 更强

尤其是室内、人造物体、平面丰富的场景。

（2）在自然、杂乱、非规则场景里，优势没那么绝对

例如树叶、草地、灌木等复杂自然纹理区域，Gaussian 往往不一定吃亏。

（3）3DCS 更强调结构 fidelity，不只是像素拟合

有些场景里它视觉更自然，但 PSNR 不一定最高，因为 PSNR 常常偏好更模糊的结果。

这其实恰恰说明：

3DCS 的优势不只是“数值更高”，而是它在几何边界和结构表达上更有潜力。

2.10 室内为什么更强，室外为什么不一定？

论文的室内/室外对比非常有洞察力。

室内场景常见特点

• 墙面
• 地板
• 桌面
• 柜子
• 门框
• 规则边缘
• 平整结构

这些都非常适合 convex 去表达。

室外自然场景常见特点

• 树叶
• 草丛
• 灌木
• 不规则遮挡
• 高频但无明显刚性边界的纹理

这些内容用 Gaussian 这种“柔和覆盖核”去拟合，有时反而更自然。

所以 3DCS 并不是“全场景无脑吊打 3DGS”，而是：

在几何结构更明确的场景中，它更有优势。

这才是一个成熟的论文应该有的结论边界。

2.11 硕士阶段总结

如果你要用一段比较专业、但又不至于太学究气的话来总结这篇论文，可以这样说：

3D Convex Splatting 提出了一种基于 smooth convex primitive 的显式辐射场表示方法。 它通过点集定义 convex、在图像平面构造可微 convex footprint，并沿用 splatting 风格的快速 alpha compositing，实现了兼顾几何表达力与实时渲染效率的新视角合成框架。 相较 3DGS，它在室内和结构化场景中更擅长表达平面、硬边和规则几何，并能以更少 primitive 获得更优感知质量。

三、博士阶段：逐段拆解论文，按“可复现 + 可研究”的标准吃透

下面进入最细的一层。 如果你准备复现、做组会汇报、写 related work，甚至把这篇论文继续做成自己的研究方向，这一部分最关键。

3.1 论文的核心命题到底是什么？

很多人读完论文会说：

这篇文章就是把 Gaussian 换成 Convex。

这句话不算错，但太浅了。

更准确的说法是：

这篇论文重新定义了 radiance field 中 primitive 的设计空间。 它证明：只要 primitive 具备更强的几何表达能力，同时仍能高效、可微、可光栅化，那么就可以在结构化场景中突破 Gaussian 的表达上限。

所以这篇论文真正挑战的不是某个小技巧，而是一个默认假设：

为什么 radiance field 一定要用 Gaussian 作为基本图元？

作者给出的答案是： 不一定。

3.2 从 representation 的角度看，这篇论文做了什么？

它做了三层替换：

第一层：primitive 替换

把 3D Gaussian 替换成 3D Smooth Convex。

第二层：footprint 替换

把 Gaussian 在图像上的二维 footprint，替换成 convex hull 对应的 soft indicator footprint。

第三层：densification 逻辑替换

把基于位置梯度的 split/clone 逻辑，替换成更适用于凸体的几何式细分策略。

所以 3DCS 并不是某个单点 trick，而是：

从 primitive、渲染、优化三层同时重做。

3.3 smooth convex 的本体论意义

从研究角度看，smooth convex 不是简单的 SDF，也不是标准 density field。 它更像是一种：

soft occupancy primitive

它兼具三种角色：

（1）几何角色

它代表一个可变形的局部凸体。

（2）渲染角色

它在图像平面上产生一个可微的覆盖区域。

（3）优化角色

它的形状边界、过渡强度都可通过参数学习。

这使得它和 Gaussian 有根本不同：

• Gaussian 更像一个局部的模糊核
• Convex 更像一个局部的几何部件

这也是为什么作者会强调：

3DCS 学到的不只是“能渲染图像的粒子”，而是更有物理含义的三维部件式表示。

3.4 为什么 point-set based representation 很关键？

这一步是整篇论文能否落地的工程核心。

如果用 plane-based convex

你需要处理：

• 3D 平面与平面的交
• 投影后可见轮廓
• 视角变化时轮廓重组
• 更复杂的几何约束

这对实时系统非常不友好。

改成 point-set based 后

流程立刻清晰很多：

换句话说，作者做了一次非常成功的问题重构：

把“3D 凸体投影问题”转化成了“2D 点集凸包问题”。

这不仅让计算更高效，也让 GPU 并行实现更自然。

3.5 这里有没有潜在的不光滑问题？

有，而且这个问题非常值得博士阶段注意。

因为 convex hull 的顶点集合不是固定的。 随着训练过程点的位置变化，谁是 hull vertex、谁不是 hull vertex，可能会发生离散切换。

这意味着什么？

整个系统虽然总体是“可微”的，但严格来说，它更接近 piecewise differentiable，而不是全局严格光滑。

也就是说：

• 在大多数时候梯度是稳定可传的
• 但在 hull 拓扑发生变化的瞬间，可能会出现不连续性或不稳定性

论文把这套流程实现成了可训练的 CUDA 管线，这说明工程上是能跑通的。 但从理论上，这里依然是一个潜在研究点。

3.6 δ 和 σ 的角色分离为什么高级？

这是我个人认为这篇论文非常漂亮的设计之一。

很多几何表示方法只用一个参数控制“边界软硬”，但这篇论文明确分成两个维度：

δ：控制几何边角近似

它决定的是：

• convex 的边是不是更像直边
• 顶点是不是更尖
• 形状是不是更接近真实凸包

σ：控制 radiance field 边界陡峭度

它决定的是：

• 边界过渡是柔还是硬
• 体是“软雾感”还是“实心感”

这两个维度分开后，primitive 的建模自由度大大提高。

比如你可以做到：

• 几何上很方，但边界有一点柔和过渡
• 几何上偏圆，但边界仍然很“实”

这在单参数系统里很难兼顾。

进一步研究方向

这也自然引出很多研究问题：

• δ 是否可以变成 per-edge
• σ 是否可以变成 spatially varying
• 能否让 δ / σ 和材质、视角依赖关联起来
• 能否学出不同 semantic region 的不同边界风格

所以这两个参数不只是“调得好不好看”，而是很可能构成一个新研究方向的接口。

3.7 渲染深度排序的近似性

论文在渲染时通常会按 primitive 中心的深度做排序，然后 alpha compositing。 这和 3DGS 非常接近，优点是：

• 快
• 容易并行
• 工程上成熟

但从复现和研究角度，你必须意识到这里有近似。

因为一个 convex 可能：

• 很长
• 很扁
• 横跨较大的深度范围

这时如果只按中心排序，可能会出现：

• 局部遮挡不精确
• 交错几何处混合错误
• 复杂边缘处的 compositing bias

论文的目标是实时渲染，因此这种近似完全合理。 但如果你之后想把 3DCS 做到更高质量、更强几何一致性，这一块是可挖的。

3.8 densification 机制的研究价值到底在哪里？

这是我认为整篇论文最值得继续研究的一块。

作者发现：

对 convex primitive 来说，position gradients 并不能可靠地告诉系统哪里该增密。

为什么？

因为 convex 的误差往往不是“你中心偏了”，而是：

• 你形状不对
• 你边界不对
• 你覆盖范围不对
• 你太大了，或者太粗了

于是他们观察 sharpness 相关信号，并让 primitive 沿着自己的点集支撑结构被拆分。

这意味着 densification 的逻辑从：

• 位置驱动

变成了：

• 几何表达不足驱动

这是一种很深的变化。

你甚至可以把它理解为：

3DGS 的增密更像局部采样细化； 3DCS 的增密更像几何部件递归分解。

这个思想非常有研究潜力。

3.9 参数效率为什么比“单看 primitive 数量”更重要？

很多人容易被“更少 primitive”吸引，但真正更重要的是：

在相似参数预算下，谁的表达能力更强。

因为一个 convex 的参数其实并不一定比一个 Gaussian 少。 它有多个点，还有 δ、σ、opacity、SH 系数。

所以论文真正想证明的不是：

我每个 primitive 更便宜。

而是：

我每个 primitive 更有表达力。

这意味着 3DCS 在参数效率上的提升，本质上是：

更高质量的 basis element（基函数/基图元）

这对后续很多方向都非常重要，例如：

• hybrid primitive 系统
• learned primitive selection
• scene-adaptive representation
• geometry-aware radiance basis design

3.10 为什么作者说 3DCS 更“physically meaningful”？

这是这篇论文很有野心的一句话。

因为 Gaussian 在很多时候更像一种“图像拟合粒子”， 你可以用它把图像凑出来，但它未必让人感觉：

“这真是世界里的一个有意义的局部几何块。”

而 convex 不一样。 一个局部凸块天然更容易对应：

• 桌角
• 柜体边缘
• 一块平面
• 某个刚性部件
• 某个物体的局部体积

所以 3DCS 的潜在价值不止在 novel view synthesis，还在于：

• 更易解释的 3D scene representation
• 更适合编辑的三维表示
• 更适合物体级分解
• 更适合几何先验融合
• 更可能服务机器人、仿真、交互式编辑

这也是为什么我会说：

3DCS 不是一个单纯提指标的论文，它其实是在往“结构化三维表示”方向走。

3.11 复现这篇论文，你应该怎么做？

下面给一个非常实战化的路线。

3.11.1 第一阶段：搭建基础系统

你需要先有一个类似 3DGS 的框架，包括：

• 数据读取
• 相机参数处理
• SfM 点云初始化
• primitive 参数管理
• CUDA rasterizer
• SH 颜色计算
• alpha compositing
• 优化器与训练循环

如果这些都没有，直接从零复现难度会很高。

3.11.2 第二阶段：定义 convex primitive

你需要为每个 primitive 存这些信息：

• (K) 个 3D 点
• (\\delta)
• (\\sigma)
• opacity
• SH 系数

如果走论文默认设置，通常可以先用：

• (K = 6)
• SH degree = 3

因为论文里 K=6 基本已经是一个比较稳妥的 sweet spot。

3.11.3 第三阶段：实现前向渲染

每个 iteration 里，对每个 primitive 大致做：

这里最耗工程的部分不是公式，而是：

• hull 计算
• tile culling
• per-pixel line distance 评估
• sorting 和 blend 的 CUDA 优化

3.11.4 第四阶段：实现反向传播与训练稳定性

你需要重点检查这些梯度链条：

• 3D 点 -> 2D 投影
• hull 边界 -> signed distance
• (\\delta) 对 LogSumExp 的影响
• (\\sigma) 对 sigmoid 的影响
• opacity 的数值范围
• SH 系数对颜色的影响

比较容易出问题的地方包括：

• 数值爆炸
• 边界梯度抖动
• hull vertex 切换导致的不稳定
• mixed precision 下 exponent 溢出

3.11.5 第五阶段：实现 densification 和 pruning

这个阶段是复现成败的关键之一。

你需要：

• 设计 split 触发标准
• 实现一个 convex -> (K) 个 smaller convex
• 处理新 primitive 的初始化
• 重新分配 opacity / sharpness
• 做低贡献 primitive 的剪枝

这里如果实现得粗糙，模型很可能会：

• primitive 爆炸
• 内存失控
• 收敛很慢
• 或者拟合效果不稳定

3.12 复现中的隐藏坑

坑一：Graham Scan 不是你想的那么简单

理论上 convex hull 很简单， 但放到训练里，你还要面对：

• 批量处理
• 不同点数
• 顶点重排
• 可微性边界
• GPU 并发

这不是一个“调个库函数就结束”的问题。

坑二：LogSumExp 数值稳定性

如果 δ 或 σ 太大，指数项很容易炸。 你一定要做：

• 稳定版 log-sum-exp
• 参数初始化控制
• 必要的裁剪或 reparameterization

坑三：primitive 排序与 blending

convex footprint 不是 Gaussian footprint， 其 bbox 和真实覆盖区域差别可能更大， 这会影响 tile-based culling 的效率。

坑四：densification schedule

很多时候论文主文不会把全部阈值写全。 实际复现时，split 频率、阈值、何时 stop densification，往往决定最终效果。

3.13 这篇论文有哪些明确局限？

任何值得认真读的论文，都不能只讲优点。

局限一：对无规则自然场景未必最优

树叶、草丛、灌木这种复杂自然结构，convex 不一定占优。

局限二：训练和渲染一般比 3DGS 更慢

因为 primitive 更复杂，footprint 计算也更复杂。

局限三：表达单元仍然是 convex

而现实世界有很多凹形结构。 3DCS 要表达凹形，只能靠多个 convex 去拼。

局限四：排序仍然是近似

对于大范围跨深度图元，中心排序并不总是完美。

局限五：工程实现复杂度不低

比起标准 3DGS，3DCS 的 kernel 和渲染逻辑更复杂，复现门槛更高。

3.14 未来最值得做的研究方向

如果你想基于这篇论文继续往前走，我认为至少有五个方向特别值得做。

方向一：Hybrid Primitive

把 Gaussian 和 Convex 混在一起：

• Gaussian 负责树叶、草地、柔和纹理
• Convex 负责建筑、平面、硬边、规则结构

这可能比纯 3DGS 或纯 3DCS 都更强。

方向二：Concave-aware 表示

不再局限于 convex，考虑：

• convex union
• differentiable concave decomposition
• BSP 风格图元

方向三：Geometry-supervised 3DCS

引入：

• 深度监督
• 法线监督
• 多视图几何一致性
• 平面先验

让 3DCS 不只是图像拟合强，而且几何更准。

方向四：Semantic-aware 3DCS

让每个 primitive 同时带：

• 几何
• 外观
• 语义标签
• instance id

这样就能直接用于场景理解和编辑。

方向五：可学习的 densification policy

当前 split 规则仍偏经验式。 未来完全可以把它做成：

• uncertainty aware
• residual aware
• geometry aware
• reinforcement 或 meta-learned 的策略

3.15 博士阶段总结

如果你已经读到这里，那么你应该能意识到：

这篇论文的真正意义，不只是把结果做得更清晰一点。 它更重要的贡献是：重新打开了 radiance field 中“primitive 应该长什么样”的问题。

它告诉我们：

• primitive 不必总是 Gaussian
• geometry-aware primitive 很有价值
• 结构化场景需要更有几何表达力的图元
• real-time rendering 与几何表达力并不是天然矛盾的

所以从研究视角来看，这篇论文最值得记住的一句话是：

3D Convex Splatting 不是对 3DGS 的小修小补，而是对显式辐射场 primitive 设计范式的一次实质推进。

四、三层一句话总结

小白一句话

它把 3DGS 里的“模糊小云团”换成了“形状可调的软凸块”，所以更擅长还原平面和硬边。

硕士一句话

它提出了一个基于 smooth convex primitive 的可微 splatting 渲染框架，在结构化场景中比 3DGS 更有几何表达力，并能以更少 primitive 获得更优感知质量。

博士一句话

它把 convex geometry representation、2D hull-based differentiable footprint construction 与 tile-based real-time rasterization 融合起来，重新定义了 radiance field primitive 的设计空间，并为后续 geometry-aware explicit rendering 提供了新的方向。

五、我的评价：这篇论文值不值得读？

非常值得。

原因不是因为它“比 3DGS 高了几点指标”这么简单， 而是因为它提出了一个非常重要的研究问题：

当我们做显式辐射场时，primitive 的设计空间到底有多大？

3DGS 证明了 Gaussian 很强。 3DCS 则进一步证明：

Gaussian 不是唯一合理答案。

如果你是以下人群，我会非常建议你认真读这篇论文：

• 想进入 NeRF / 3DGS 方向的研究生
• 想找 3DGS 新改进点的同学
• 想做结构化几何表示的博士生
• 想做实时三维重建 / 新视角合成系统的工程研究人员

六、写在最后

很多论文看起来只是在“换个表示”， 但真正好的论文，往往是通过“换个表示”，改写了整个问题的解法。

3D Convex Splatting 就属于这一类。

它提醒我们：

• 表示方式会决定优化方式
• 优化方式会决定渲染方式
• 渲染方式会反过来影响最终的视觉质量与几何可解释性

所以它不是一篇“改一点点参数”的论文， 而是一篇很值得细读的、带有范式意味的工作。

总结

本文我们把 《3D Convex Splatting: Radiance Field Rendering with 3D Smooth Convexes》 这篇论文拆成了三个层次：

• 小白阶段：讲清它到底在解决什么问题
• 硕士阶段：讲清它的方法、公式、实验和适用场景
• 博士阶段：讲清它的研究意义、复现要点、隐藏难点和未来方向

如果把全文再压缩成最后一句话，那就是：

3DCS 的本质，是用更有几何表达力的 smooth convex primitive，替代 3DGS 中天然偏模糊的 Gaussian primitive，从而在结构化场景中实现更优的新视角合成。

愿你下次再看到这篇论文时，不只是“眼熟”，而是真正“吃透”。