3D Gaussian Splatting 上網頁的瓶頸與分級策略

3D Gaussian Splatting 是什麼，和網格、NeRF 的差別

3D Gaussian Splatting（以下簡稱 3DGS）把場景表示成大量的三維高斯，每個高斯帶有位置、大小、方向、不透明度與顏色。渲染時，這些高斯依深度排序，投影到螢幕上，再逐一疊合成畫面。原始論文是 Kerbl 等人發表於 ACM Transactions on Graphics 的《3D Gaussian Splatting for Real-Time Radiance Field Rendering》（Kerbl 等，2023）。

與網格相比，3DGS 沒有明確的表面與拓樸，而是直接從多視角影像重建外觀，所以細碎的細節與隨視角變化的光澤容易保留；代價是場景裡的物件沒有被分開，無法像網格那樣逐件替換或編輯。與 NeRF 相比，NeRF 以神經網路隱式表示場景，渲染時要沿每條光線大量取樣查詢；3DGS 是顯式的資料，可以走接近光柵化的渲染路徑，這是 3DGS 有機會在瀏覽器裡執行的原因。

數位孿生裡的位置：有外觀，沒有語意

NIST IR 8356 把數位孿生定義為現實實體的電子化表示，讓使用者能檢視實體的狀態，以及狀態之間的轉換（Voas 等，2025）。ISO 23247 是製造業數位孿生框架的一組標準，依 NIST 的摘要，目的是提供製造業的術語與實作指引（ISO 23247 系列，經 NIST 摘要確認）。

在這個框架裡，3DGS 負責的是外觀：貼近真實物件的樣子。物件邊界、構件之間的關係、狀態與感測資料，不在掃描裡，必須由其餘資料層補上。3DGS 也不提供量測精度與語意，所以把掃描放上網頁，得到的是可以走進去看的場景，而不是可以查詢的模型。這個定位決定了後面所有取捨的方向。

網頁上的瓶頸：同一個像素疊了太多層

以一份約 800 MB 的 ply 掃描為例，內含約 1,500 萬個高斯，目標是在桌機與手機的瀏覽器上漫遊。直覺會把問題歸咎於數量太多，但量測的結果指向別處。

量測之前，先確認資料的編碼慣例。3DGS 的 ply 常以對數儲存尺寸、以 sigmoid 之前的值儲存不透明度；而部分統計指令（例如 splat-transform --stats）印出的是解碼後的值，若把這些值當成檔案內的原始數值，很容易誤判。所以這份資料先用原始位元組確認慣例，數字才有意義。

慣例確認後，再量填充率，也就是每個像素平均被多少個高斯覆蓋。結果是平均約 180 層重疊，中位數的高斯只有約 5 mm。畫面上每個像素都要混合這麼多層細小的高斯，成本主要花在這裡，高斯的總數反而不是主因。這種瓶頸稱為重複繪製（overdraw）。

這個差別決定後續的做法。減少高斯總數，不等於減少每個像素上的層數；只要高斯仍沿著視線方向層層堆疊，繪製時就仍要逐一排序並混合。反過來，總數不大但疊層很深的場景，成本一樣高。網頁 3D 效能的一般做法，可參考Web 3D 效能工程。

硬剪枝收不掉疊層，合併抽稀才收得掉

最直接的做法是依不透明度硬剪枝。這份資料的不透明度中位數約 0.24，門檻設在 0.10 時剩約 1,200 萬個高斯，設在 0.20 時剩約 840 萬個。數量確實下降，但這份資料的分析結論是：硬性的不透明度剪枝不會降低重疊層數。

原因在操作本身。硬剪枝只依單一屬性逐個丟棄高斯，不看這些高斯是否落在同一條視線上；留下來的高斯仍然彼此重疊。合併式抽稀則把相鄰的高斯合併，用較少的高斯表示同一塊區域，在這份資料上，是唯一能在離線階段收掉深度堆疊的操作。

實際流程是母檔先裁切，再合併抽稀到約 800 萬個高斯，然後才建立 LoD 樹並分塊串流。裁切與抽稀放在建樹之前，因為後面所有的分級與串流，都以這份母檔為基礎。

研究現況：修剪、壓縮、結構化三條路線

3DGS 的後續研究，有相當一部分圍繞著高斯數量、檔案大小與記憶體占用。以下依各篇論文的摘要整理三條路線，本文對這些論文的描述僅限於摘要。

修剪

第一條路線是修剪。LightGaussian 的摘要指出，方法會移除全域重要性較低的高斯，並做恢復處理（Fan 等，2024）。Papantonakis 等人的方法採用解析度感知的高斯修剪（Papantonakis 等，2024）。兩者都不是用單一的不透明度門檻切，而是以重要性或解析度為依據。兩篇摘要的重點是模型大小與記憶體占用，沒有談到像素上的疊層深度，是否有同樣的效果，要在實際資料上量測。

壓縮

第二條路線是壓縮屬性。LightGaussian 的摘要提到把球諧係數降階，並以高斯向量量化降低位元寬度；Papantonakis 等人的摘要提到依需要調整球諧階數，並使用碼本量化加半精度。球諧係數負責顏色隨視角的變化，降階等於用較少的參數描述這種變化。後者的摘要另外指出，磁碟大小與渲染速度都有改善。

結構化

第三條路線是改變資料的組織方式。Morgenstern 等人把 3DGS 的參數以平行排序放到二維網格上，使相鄰參數的數值相近，訓練時再加上局部平滑的約束，讓網格適合壓縮，同時保留 3DGS 的原始格式（Morgenstern 等，2024）。Scaffold-GS 則以錨點組織局部高斯，屬性依視角方向與距離即時預測，並依貢獻增刪錨點；摘要指出 3DGS 常產生大量冗餘的高斯，結構化的錨點用來減少這種冗餘（Lu 等，2024）。

這些論文自報的壓縮倍數與幀率，各自建立在特定的資料集與測試硬體上，而摘要多半沒有交代完整條件：Papantonakis 等人的摘要只寫標準資料集而未具名，Morgenstern 等人的摘要沒有列出資料集，LightGaussian 的摘要沒有寫測試硬體，Scaffold-GS 的摘要則不含任何數字。因此本文不引用這些倍數，也不把這些倍數換算成瀏覽器裡的結果。網頁部署還有傳輸量、手機的記憶體上限與依視角分塊載入等條件，這些不是上述摘要的主題。

分級與串流：檔位由使用者選

母檔處理完成後，建立 LoD 樹並切成分塊，瀏覽器依視角載入需要的部分。畫質分成三檔，三檔只調整高斯預算，渲染解析度固定在 1.0。預算的用法是以螢幕上的最小尺寸篩選高斯：小於一個像素的高斯被篩掉，畫面反而更少閃爍。

三檔的常駐高斯數約為 110 萬、220 萬與 375 萬，手機與桌機的預設預算也不同。檔位由使用者選，畫質與流暢度的取捨交給使用者。

分塊的磁碟量也調整過：LoD 樹的前後兩版，磁碟總量由約 280 MB 降到約 200 MB（約降 30%），分塊數由約 240 塊降到約 170 塊。200 MB 是磁碟總量，不是首次載入量；實際串流的量取決於視角與檔位。

離線建置的時間不是門檻。以約 1,100 萬個高斯的輸入測試，在 M1 Pro 上建置 LoD 樹，快速模式約 30 秒，品質模式約 4 分鐘。

不報錯的地雷：入口要有預檢

新技術最危險的失敗，是沒有錯誤訊息的失敗。以 Spark 2.1.0 檢視器為例，常見三種畫面全黑、主控台乾淨或只有難懂訊息的情況，原因如下。

1. 執行期 LoD 會空轉約 6 秒，回傳 0 個高斯，而且不丟錯。對同一份 .sog 資料，不啟用 LoD 時約 0.9 秒載入約 300 萬個高斯，啟用後卻得到 0 個。解法是改用預先建好的分塊檔。
2. 渲染器的 LoD 開關預設為開，會靜默忽略未建 LoD 的資料，已繪高斯數停在 0，畫面全黑。資料端與渲染端的設定必須一致。
3. 資產路徑錯誤時，靜態主機回應 200 並附上首頁 HTML，檢視器把回傳的 HTML 開頭當成資料解析，只在主控台留下難懂的 magic number 錯誤。解法是入口用 4 byte 的 Range 請求先預檢，把「資產沒載到」轉成看得懂的提示。

另一個小坑是格式。新版 SPZ 的預設格式在這版檢視器讀不了；而且在這份資料上，SPZ 約 46 MB，比 SOG 的約 36 MB 還大，因此沒有採用。格式的選擇以實際資料的大小為準。.sog 與 .spz 是實務上常見的壓縮封裝格式，與前述論文方法的對應關係，本文不做推論。

這三個情況的共同點，是失敗時沒有任何明確的訊息。預檢把失敗提前到載入入口，讓排查的人看到一句可讀的原因，而不是一張黑畫面。

理論上有效、實際行不通的做法也要記錄

深度預通過（depth pre-pass）的想法，是先用一份遮擋用的 mesh 寫入深度，剔除被遮住的高斯。理論上，這是改善中距離視角的槓桿中最大的一個，所以常被優先考慮。

實作上有幾個陷阱。用約 4 萬面的 mesh 加 polygonOffset，全畫面會出現破洞：polygonOffset 的單位是深度緩衝單位，在透視投影下，近處幾乎無效，遠處則偏移過量。改用約 50 萬面的 mesh 與世界單位的偏移，俯視角度下畫面乾淨；但沿用同一組設定，換到人眼高度的漫遊視角，仍然大面積破洞，偏移加到 2.5 m 也沒有改善。

真因不是面數，也不是偏移量。遮擋模型與掃描資料在大面積的結構面上對得上，但場景內物件的位置對不上；眼高視角下近物占畫面的比例大，位置誤差被放大成大片破洞。

結論是這類資產上，深度預通過行不通。要補救，得從高斯本身生成遮擋幾何、逐物件對位，或只用大面積結構面當遮擋體，這些都是另外的專案。預設不下載遮擋模型，成本為零。對評估的人來說，理論上最大的優化槓桿不一定做得出來，效能目標要和可行性一併評估。

不適合的情況

以下三種情況，建議先評估其餘路線，而不是直接採用 3DGS。

• 需要量測精度或 BIM 這類帶語意的模型資料。3DGS 不提供，這類需求要走網格或原始設計資料。
• 內容需要頻繁改動。掃描是某個時間點的外觀，內容一變就過時，而且 3DGS 無法像網格那樣逐件替換。
• 主要讀者使用低階手機，又不能接受分級。分級是用畫質換流暢，不接受分級的話，影片或預錄導覽比較穩。

工業設備這類以結構與零組件為展示重點的內容，通常先評估網格路線；磨人另有工業 3D 展示案例，可看工業題材在網頁上的呈現。3DGS 較適合重點在真實外觀、內容相對固定的場景。模型端的優化前後對照，可參考3D 模型優化前後對照。

評估掃描資料前，要準備什麼

要判斷一份掃描資料能不能放上網頁、放到什麼程度，需要先備齊三項資訊。磨人的網頁 3D 開發服務會從這三項開始評估。

• 資料的規模與取得方式：檔案大小、高斯或點的數量、格式，以及是自行拍攝重建還是外部提供。
• 用途：行銷展示，或需要量測。這決定 3DGS 是否適用。
• 目標裝置：桌機與手機的比例，以及最低要支援到哪一級的手機。

資料備齊後，歡迎聯絡磨人開發團隊，先確認這份掃描適合哪一條路線。