三维高斯溅射（3DGS）作为一种高保真渲染技术，近年来在计算机视觉领域获得了广泛关注。然而，现有的3DGS资产往往存在细节缺失和纹理噪声等质量问题。过去的研究尝试通过二维图像处理来增强这些资产，但这种方法不仅计算成本高昂，还会引入多视角不一致的问题，限制了其实际应用。
针对这一挑战，ECCV2026接收的论文《AnchorSplat: Fast and Structure Consistent Detail Synthesis for Gaussian Splatting》提出了一种全新的三维原生细化范式——AnchorSplat。与传统的三维-二维-三维处理管线不同，AnchorSplat是一个端到端的深度网络，直接作用于三维结构，从而避免了传统方法中昂贵的优化开销。更重要的是，AnchorSplat是一种严格的“免源”解决方案，无需原始的该物体多视角图像即可进行细化。
AnchorSplat的核心创新在于其点锚机制（Point Anchor Mechanism）。该机制通过局部偏移约束来强制几何一致性，有效缓解了不适定映射和梯度混淆问题。具体而言，每个高斯点对应一个锚点，网络预测锚点的局部偏移来调整高斯点的位置和属性，从而在保持整体结构一致性的同时增强细节。此外，AnchorSplat用单次乘法机制替代了传统方法中的迭代密化过程，一次前向传播即可计算所有高斯点的更新，大幅提升了处理速度。
为了推动该领域的研究，作者团队还构建了3DGS-SR，这是首个针对该任务的大规模基准数据集。实验结果表明，在3DGS-SR数据集上，AnchorSplat达到了最先进的性能，其吞吐量比传统的优化方法快了高达10^5倍。值得注意的是，AnchorSplat表现出强大的零样本泛化能力，能够适用于多种数据分布，包括生成模型的输出和真实世界的扫描数据。
作者团队指出，AnchorSplat可以无缝集成到现有的3DGS流水线中，作为后处理步骤使用。由于无需原始多视角图像，该方法特别适用于那些只有预训练3DGS资产而没有原始训练数据的场景。未来工作可以探索将AnchorSplat扩展到动态场景或多分辨率细节合成。这一工作为3DGS资产的高质量细化提供了一种高效且一致的解决方案，有望推动该技术在自动驾驶、虚拟现实等领域的应用。