中国科学院计算技术研究所与摩尔线程近日宣布，在三维重建与渲染技术领域取得关键进展，双方联合完成高斯泼溅解耦表示与重光照方法DeferredGs的全栈国产化适配。该成果基于摩尔线程旗舰级AI训推一体智算卡MTT S5000的算力支持，通过国产深度学习框架与自主GPU生态的深度协同，为三维生成技术提供了完全自主可控的解决方案。
高斯泼溅作为新兴的可微三维表示方法，凭借其高效训练特性与实时渲染能力，已在数字孪生、虚拟现实等领域广泛应用。研究团队提出的DeferredGs方法通过引入延迟渲染管线，创新性地将场景几何属性与材质属性解耦，有效解决了传统方法中光照过拟合导致的渲染失真问题。该方法在保持高精度重建的同时，实现了动态光照条件下的实时渲染效果，其核心代码已集成至计图高斯库中。
计图（Jittor）框架由清华大学计算机系图形学实验室自主研发，其元算子设计与统一计算图架构在异构计算优化方面具有显著优势。研究团队基于该框架开发的计图高斯库，不仅扩展了高斯泼溅技术在几何变形、风格迁移等任务中的应用范围，更通过标准化接口设计大幅降低了技术复用门槛。此次适配的DeferredGs方法作为库中核心技术，标志着我国在三维材质解耦领域达到国际前沿水平。
在硬件适配层面，研究团队依托摩尔线程MUSA软件栈，成功将计图框架及高斯泼溅渲染管线迁移至国产GPU环境。通过针对性优化GPU算子库，团队在MTT S5000上完整复现了DeferredGs的训练推理流程，渲染效果与海外生态实现等效替代。这项突破打破了复杂三维算法对进口GPU生态的依赖，验证了国产软硬件协同方案在科研级应用中的可行性。
该解决方案覆盖从底层算力到上层算法的全技术链条，为智能驾驶、工业仿真等高精度三维建模场景提供了自主技术路径。目前，基于MUSA架构的计图框架开发包已在GitHub开源，开发者可通过标准Python环境直接调用，其配套的中文开发教程详细覆盖了从环境配置到算法部署的全流程指导。
