剛剛，李飛飛世界模型開源了個渲染神器

編輯｜杜偉

剛剛，李飛飛世界模型新成果來了，還是開源的！

就在今天凌晨，李飛飛空間智能獨角獸公司 World Labs 官宣推出「Spark 2.0」，將最具野心的 3DGS（3D 高斯潑濺）世界帶入到 Web

這意味著，原本只有專業設備才能運行的超大規模、高保真 3D 場景，現在變成任何人都可以在瀏覽器中訪問的內容。

而隨著高保真 3D 內容可以在任意設備上進行訪問，包括手機、VR 設備等，空間敘事能力向前邁進了一大步。

這個專為 3DGS 打造的渲染器還是開源的，可以流式加載 1 億 + 的 3DGS 數據，將構建一個全新的 3D 物理世界。

3D 高斯潑濺渲染神器，Spark 2.0 來了

作為一個面向 Web 的動態 3D 高斯潑濺（3DGS）渲染器，Spark 與當前最流行的 Web 3D 框架 Three.js 集成，并基于 WebGL2 運行，因此只要有瀏覽器，無論是桌面端、iOS、Android，還是 VR 設備，都可以使用。

在去年發布時，Spark 就帶來了不少其他渲染器沒有的能力：比如在同一場景中渲染多個 3DGS 對象、實時編輯與重光照，以及一個著色器圖系統讓用戶可以基于 splat 創建完全動態的特效和動畫。

而在 Spark 2.0 中，團隊加入了一個細節層級（LoD）系統，可以在任意設備上流式加載并渲染超大規模的 3DGS 世界。當你在場景中移動時，Spark 會根據當前視角自動調整 3DGS 的細節等級，并通過網絡按需加載所需數據。我們先來看以下幾個場景的展示圖：

接著來看技術細節。

Spark 2.0 提供了一整套解決方案，用來在 Web 上為各類設備準備、傳輸并渲染超大規模的 3DGS 場景。為了解決規?；瘞淼奶魬穑饕昧巳悎D形學和系統層面的技術：

• Level-of-Detail（細節層級）：為 splat 生成不同分辨率的版本，并根據當前相機視角決定實際渲染哪一部分。當對象距離較遠、細節難以分辨時，就減少渲染的 splat 數量，從而提升性能。
• 漸進式流加載（Progressive Streaming）：隨著數據下載，從粗到細逐步加載 3DGS 的細節內容，并優先加載那些最能提升當前視角清晰度的數據。
• 虛擬內存（Virtual Memory）：在 GPU 中分配一塊固定大小的內存池，用作 splat 的頁表，根據場景中的位置，自動換入和換出所需的 3DGS 數據塊。這樣一來，就能訪問跨多個 3DGS 對象、通過網絡獲取的海量數據。

細節層級（LoD）高斯 splat 樹

Spark 的 LoD 設計采用的是連續 LoD 方法，即所有 splat 都被組織在一個層級結構中，也就是一棵 LoD splat 樹。Spark 會在這棵樹上選擇一條「切面」，從中逐個挑選 splat，使當前視口中的細節達到最優。

在這棵樹里，每一個內部節點，都是由其子節點合并得到的低分辨率版本：通過把多個子 splat 合成為一個新的 splat，用來近似它們整體的形狀和顏色。這個過程不斷向上遞歸，直到樹的根節點，也就是：一個單一的大 splat 匯總了整個對象中所有 splat 的整體形狀與顏色。

Spark 2.0 提供了兩種用于生成 LoD splat 樹的算法：

• 一種輕量且速度更快的算法，叫做 Tiny-LoD，在 Web 端默認使用；
• 一種質量更高的算法，叫做 Bhatt-LoD，在命令行環境中默認使用。

這兩種方法都「無需訓練」，不依賴參考圖像或其他輸入數據，而是直接基于 3DGS 數據本身進行處理。

漸進式流

Spark 2.0 定義了一種新的文件格式 .RAD（Radiance fields），用于壓縮 3DGS 數據，并支持在網絡傳輸過程中進行隨機訪問，實現逐步細化的流式加載。

在加載初期，3DGS 對象會以一個大約 6.4 萬 splat 的粗略版本幾乎瞬間呈現出來。隨后系統會分塊獲取數據，優先細化當前畫面中最粗糙、最需要提升細節的 LoD splat，并隨著用戶在場景中的移動動態調整加載優先級。

虛擬內存

虛擬內存是一種內存管理技術，通過一小塊固定的「物理內存」，來提供對海量虛擬內存的訪問能力。系統通過頁表，將虛擬地址與物理內存中的固定大小頁進行映射。

Spark 2.0 將這一機制引入到 3DGS 中，在 GPU 上分配一個固定容量（約 1600 萬 splat）的內存池，并自動管理 GPU 中 64K splat 的「頁」與 .RAD 文件中對應的 64K 數據塊之間的映射關系。

數據塊會按照 LoD 遍歷順序加載進空閑頁中；當頁表已滿時，如果有新的、更高優先級的數據需要加載，就會按照「最近最少使用」（LRU）的策略，把優先級較低的舊數據塊替換出去。

更多技術細節請參考博客原文。

博客地址：https://www.worldlabs.ai/blog/spark-2.0