关于JGaussian
近年来，高斯泼溅（3D Gaussian Splatting）作为一种新兴的高效可微三维表示方法，在三维重建、数字人建模、智能驾驶、虚拟现实等领域展现出强大潜力。相比传统体渲染与网格建模方式，高斯表示具备渲染速度快、表达能力强、硬件友好等优势，适用于多视角合成、场景建模等任务。
然而，高斯泼溅在以下几个关键问题上仍面临挑战：大尺度非刚性变形难以保持结构连贯性与几何一致性，缺乏稳定的几何约束机制；光照与材质属性难以解耦，在交互编辑或重光照任务中易出现伪影或模糊失真；高斯泼溅的分布缺乏优化，在遮挡区域渲染模糊失真。
针对上述问题，本项目在国产深度学习框架计图Jittor上整合了系列高斯表示相关方法，研发并开源了计图高斯库JGaussian。JGaussian旨在提供统一的算法接口与高效的训练框架，降低高斯方法的复用门槛，推动该领域关键技术的落地应用。