SplatAtlas：31种三维高斯场方法统一评测与反事实分析平台

技术信息

语言技术
Python、Torch系统类型
算法模型行业分类
人工智能、科学研究

作品详情

行业场景

适用于需要对多种三维高斯场（3DGS）方法进行横向对比、选型或质量审计的研究机构、企业研发团队及算法工程师。平台覆盖31种主流3DGS方法，在统一协议下完成训练、评测与分析，输出PSNR/SSIM/LPIPS等标准指标及六通道反事实诊断报告。用户无需逐一配置各方法环境，输入图像序列即可批量运行全部方法并获得结构化对比结果，支持快速定位适合特定任务（新视角合成、表面重建、压缩部署）的最优方法。

功能介绍

一键运行31种3DGS方法：per-method独立Conda环境隔离依赖，Python统一入口标准化各方法接口，YAML配置声明超参数与随机种子，新增方法仅需约300行wrapper代码
四大标准数据集覆盖：Tanks&Temples、Mip-NeRF 360、NeRF-Synthetic、Deep Blending共31个场景，自动完成训练/测试分割与分辨率适配
完整训练轨迹记录：每次运行保存5k/10k/20k/30k检查点及末态Gaussian场，支持训练动态分析
六通道反事实诊断：在单张RTX 4080 Super上不到1小时完成279-cell扫描，输出SH贡献、透明度病理率、覆盖误差等方法级结构性指标，区分度最高达PSNR的22.8倍
统计分析自动化：双因素ANOVA分解方差来源、Kendall τ排名稳定性、Wilcoxon显著性检验，结果导出为CSV及Croissant格式

项目实现

复现框架：Shell + Python多进程管理31个方法的并行训练，git commit + 超参数 + 硬件信息全程audit log
渲染后端：统一使用gsplat库（CUDA加速），跨方法rank-order一致性中位Spearman ρ=1.000
反事实算子：直接在渲染方程上推导——SH置零算子、透明度钳位算子、透射率读取算子，实现与训练pipeline完全解耦的post-hoc诊断
数据发布：HuggingFace双bundle（core: CSV+审计日志；runs: 轨迹+检查点），Croissant元数据格式
运行环境：AutoDL RTX 4080 Super，支持任意NVIDIA GPU云平台