3D 高斯泼溅把「点」换成了「线」：SFU 团队让重建结果长出连续的细丝，头发 PSNR 直接高 2.7 dB

3分钟看懂

一句话结论：SFU、多伦多大学这批做图形学的人，把 3D 高斯泼溅（3DGS）里最基本的积木——一个"点"——换成了"一小段线"，再把许多小段连成折线。论文 11 月 9 日挂上 arXiv，方法叫 Spaghetti Splatting（意大利面泼溅，名字来自它能把细长结构拉成一根根面条）。

• 谁做的：George Shramko、Shrisudhan Govindarajan、Rudy Lam、Yizheng Xie、Daniel Rebain、David B. Lindell、Andrea Tagliasacchi，单位是西蒙弗雷泽大学（SFU）、Wayve Labs、英属哥伦比亚大学、多伦多大学。
• 解决什么：3DGS 用一堆散点表示场景，遇到电线、网兜、头发这种"又细又连续"的东西，只能靠密集的碎点去凑，凑出来的东西放大看是断续的、抖的。
• 唯一的新意：不是在点的基础上加参数，而是把积木本身换了。点变成线段之后，线段可以首尾相连成一根完整的丝，而且从数学上说，这个表示把 3DGS 完整包含在内。
• 现在能用吗：还不能。官方项目页写得很直白——代码 11 月 23 日才放出来。今天能看的是论文全文和网页上的三个在线场景。

先说清楚：3DGS 的"点"哪里不够用

3D 高斯泼溅这两年是三维重建里最热的一条线：拍一圈照片，算法吐出几百万个"高斯点"，每个点有自己的位置、大小、朝向和透明度，渲染时把它们从近到远叠起来，就得到一张照片级别的画面。快、可编辑、能进浏览器，所以被 Blender、UE、各种扫描 App 一路接了进去。

问题出在"点"这个前提上。一个高斯点在空间里是个小小的椭球，它擅长表达"一团东西"——墙面、桌面、皮肤。但它不擅长表达"一条东西"。

一根电线在真实世界里是一根连续的细管，到了 3DGS 里就变成沿着电线撒的一串小椭球。要让这根电线看起来不断，就得撒得足够密；撒密了，点的数量暴涨，而且每个点的形状、朝向都要各自去拟合，稍微换个角度看，接缝处就开始闪烁、变糊。头发更是极端例子：几万根发丝，每一根都要连续，散点表示几乎不可能做到。

论文里的对照图说得很清楚：同样是排水格栅的钢筋、洋葱网兜的网线，3DGS 类方法给出的是"沿着一根线的散点"，Spaghetti Splatting 给出的是"跟着线走的一整段"。

做法：把点拉成线，再把线接成折线

论文用了一个很漂亮的视角来组织这件事。

传统 3DGS 里的一个高斯点，本质上是两个东西卷在一起：一个"零尺寸的点"（数学上叫狄拉克质量），加一个"高斯形状的模糊核"。卷积之后，那个无限小的点在画面上变成了一小团柔和的斑。

既然"点"和"核"是两个独立的零件，那就可以分别换：

• 换核：高斯核换成 Beta 核，就是另一篇工作（Deformable Beta Splatting）做的事。
• 换点：把那个"零尺寸的点"换成一截有长度的线段，核保持高斯——这就是 Spaghetti Splatting。

再往前一步：把一截截线段首尾连起来，就是一根折线。而折线可以逼近任意曲线。所以场景的表示从"一堆散点"变成了"一堆可学习的折线"。

这里有个数学上的小甜头：一个点，就是长度为零的线段。所以这个表示天然把 3DGS 包在里面，作者称它是 3DGS 的严格超集。换句话说，它不是"另一个流派"，而是把原来的流派当成一个特例收编了。

一个巧劲：线段可以无限劈开，画面不变

实时渲染最怕的是"贵"。线段比点复杂，怎么保证速度？

论文的答案是给线段找一个闭式解：在高斯核下，一截线段沿着某条相机光线的"光学厚度"，可以用误差函数（erf）直接算出来，不需要采样积分。但闭式解要求每一对"线段—像素"都单独算，太慢。

于是他们做了一个近似：对每一帧，在每条线段的中点把透视投影线性化一次（这就是经典 EWA 泼溅的老办法），然后按深度缩放投影出来的核。这样既快，又顺手把 Beta 核也一起支持了。

更关键的是合成规则。渲染时线段是前后叠起来的，透明度 α = 1 − e^(−τ)。如果一截长线段被劈成两半、密度不变，那么 τ 被拆成 τ₁ 和 τ₂，两半叠起来的透射率是

(1 − α₁)(1 − α₂) = e^(−τ₁−τ₂) = 1 − α

结果和原来那一整段完全一样。这意味着优化过程中可以随手把一截长线段劈成两截，渲染出来的图一个像素都不变，密度场和透明度都被严格保留。这个性质在工程上很值钱：细长结构需要"短段"来贴合弯曲，粗大区域需要"长段"来省开销，而算法可以在训练中自由地在两者之间切换。

数字：赢是赢了，但赢得很客气

评测铺在三个数据集上：Mip-NeRF 360（通用真实场景）、Shelly（细长结构多）、Fuzzy（毛发、绒状物）。FPS 在 RTX 4090 上测，测试分辨率下统计。

PSNR 越高越好、FPS 越高越好：

• Mip-NeRF 360：Spaghetti（Beta 核）28.78，DBS+SV8 28.71，3DGS-MCMC+SV8 28.39
• Shelly：Spaghetti（高斯核）37.38，DBS+SV8 37.22，3DGS-MCMC+SV8 37.10
• Fuzzy：Spaghetti（高斯核）35.03，3DGS-MCMC+SV8 35.00，DBS+SV8 34.98

看出问题了吗——在通用场景上它只是"险胜"，差距在 0.03 到 0.39 dB 这个量级。这不是那种"全面吊打"的论文，作者自己也没这么写，摘要里用的词是 "remains competitive with the state-of-the-art on general scenes"（在通用场景上与当前最优保持竞争力）。

速度上要诚实：

• Mip-NeRF 360：Spaghetti（Beta）129 FPS，3DGS-MCMC+SV8 198 FPS，Spaghetti（高斯）177 FPS
• Shelly：Spaghetti（高斯）452 FPS，3DGS-MCMC+SV8 464 FPS
• Fuzzy：Spaghetti（高斯）415 FPS，3DGS-MCMC+SV8 422 FPS

也就是说，在细长结构多的数据集上，速度基本追平；在通用大场景上，用 Beta 核会明显变慢。如果你要的是"通用场景又快又好"，这篇现在还不是那个答案。

真正亮的地方：头发

论文最有说服力的数字不在通用场景，在头发。

数据集是 GeomHair 里挑的 8 款发型，加上 Yuksel 的卷发模型，每款放在头部网格上渲染 100 个视角。对比对象是 Gaussian Haircut（专门做头发的高斯方法）：

• PSNR：32.25 vs 29.56，高 2.7 dB
• SSIM：0.940 vs 0.923
• LPIPS：0.043 vs 0.064（越低越好）
• 发丝 F1（2mm 阈值）：61.2 vs 46.9，高 14.3 点
• 发丝 F1（3mm / 4mm）：80.3 / 88.9 vs 63.5 / 72.7

F1 这个指标在这类任务里比 PSNR 更能说明问题——它衡量的是"重建出来的发丝和真实发丝在几何上对不对得上"。高 14 个点，意味着很多原来糊成一团或者断掉的地方，现在真的接上了。

而且因为线段是连着的，输出的发丝可以直接拿去做物理模拟。这是散点表示给不了的东西：一串互不相干的椭球，你不知道哪几个属于同一根头发；一根折线，拓扑关系是现成的。

消融：哪一块真的在起作用

三数据集平均，PSNR / 连通段的平均长度（段数）：

• 完整模型：33.54 / 3.50
• 去掉中点分裂：33.13 / 3.26
• 去掉段克隆：32.54 / 4.00 —— PSNR 掉整整 1 dB，最伤的一块
• 去掉折线合并：33.59 / 1.00 —— 画面指标没掉，但连通段长度从 3.50 崩到 1.00
• 去掉吸引正则：33.57 / 2.77

这张表藏着一个容易误读的地方：去掉折线合并之后，PSNR 反而略升（33.59），但"每根丝有多长"从 3.50 掉到 1.00——也就是每段都变成了孤立的一小截。

这恰恰是这篇论文的要害：它的卖点不是画质分数，是"结构连不连"。如果你的评价标准只有 PSNR，你会得出"折线合并没用"的错误结论；而如果你要的是能拉出一根完整头发、能直接丢进物理解算器，这个模块就是全部意义所在。

怎么用 / 现在能不能用

现在不能。 官方项目页写得很清楚：

• 论文：arXiv 2611.12716，已公开
• 补充材料：预计 11 月 13 日
• 代码：预计 11 月 23 日

GitHub 上的仓库 theialab/spaghetti-splatting 是 11 月 9 日建的，README 目前只有一句 "Code coming on November 23rd, 2026"。

今天能上手体验的只有项目页上的三个在线场景：room_300k、room_full、sauce（对，就是那盘意面）。需要说明的是，这些是预渲染好的 viewer，不是让你自己传照片去跑。

等到代码放开，从论文的描述看，训练流程和 3DGS 系的方法是一致的：30k 迭代（Mip-NeRF 360 的室外场景 20k），Shelly 和 Fuzzy 上把 primitive 上限压到 50 万，外观模型统一用 Spherical Voronoi 的 8 站点版本（SV8）。也就是说，复现的门槛主要在算力，不在奇怪的依赖。

适合谁，不适合谁

适合：

• 做头发、毛发、植被、线缆、网格、织物重建的人——这是它的主场，也是它相对现有方法领先最明显的地方。
• 需要"重建完还能做物理仿真"的管线。连通的折线能直接算，散点不行。
• 研究型团队，想在一个干净的数学框架上继续改（作者明确留了"段间插值核""接纹理贴图""用前馈模型预测这种表示"三个口子）。

不适合：

• 只想找个"今天就能跑、通用场景更强"的工具的人。代码还没放，通用场景也没明显优势。
• 对帧率敏感的大场景 Web/移动端应用。Mip-NeRF 360 上 129 FPS 对 198 FPS，差距是实打实的。
• 指望它自动恢复出正确的拓扑结构的人。论文结论里自己留了一句：关于"自动恢复拓扑"的更宽泛主张，还需要进一步评估。

几个要留意的坑

• 别把"严格超集"读成"全面更强"。超集是表示能力上的包含关系，不是指标上的支配关系。
• PSNR 单位是 dB，差 0.1 已经算可分辨。这篇在通用场景上的 0.03–0.39 dB，属于"同一档次内的波动"，不要当成代际领先。
• 头发那 2.7 dB 是特定数据集（8 款发型 + 1 个卷发模型）上的结果，不是"任意头发都高 2.7 dB"。
• 高频颜色仍然靠堆短段。作者自己承认，要还原细密纹理，现在还得撒很多短线段，这会把 primitive 数量顶上去。
• 代码 11-23 才放，补充材料 11-13。在那之前，所有"实测"都只能引用论文自己的数字。

参考来源

本文依据 arXiv 论文全文（含表格与消融数据）、官方项目页与代码仓库整理，未采用二手转述。

• arXiv 摘要：https://arxiv.org/abs/2611.12716
• 论文全文（HTML）：https://arxiv.org/html/2611.12716v1
• 官方项目页（含在线 viewer）：https://spaghetti-splatting.github.io/
• 代码仓库（README 标注 11-23 放代码）：https://github.com/theialab/spaghetti-splatting