三維高斯濺射（3DGS）作為一種高保真渲染技術，近年來在計算機視覺領域獲得了廣泛關注。然而，現有的3DGS資產往往存在細節缺失和紋理噪聲等質量問題。過去的研究嘗試透過二維影像處理來增強這些資產，但這種方法不僅計算成本高昂，還會引入多視角不一致的問題，限制了其實際應用。
針對這一挑戰，ECCV2026接收的論文《AnchorSplat: Fast and Structure Consistent Detail Synthesis for Gaussian Splatting》提出了一種全新的三維原生細化正規化——AnchorSplat。與傳統的三維-二維-三維處理管線不同，AnchorSplat是一個端到端的深度網路，直接作用於三維結構，從而避免了傳統方法中昂貴的最佳化開銷。更重要的是，AnchorSplat是一種嚴格的“免源”解決方案，無需原始的該物體多視角影像即可進行細化。
AnchorSplat的核心創新在於其點錨機制（Point Anchor Mechanism）。該機制透過區域性偏移約束來強制幾何一致性，有效緩解了不適定對映和梯度混淆問題。具體而言，每個高斯點對應一個錨點，網路預測錨點的區域性偏移來調整高斯點的位置和屬性，從而在保持整體結構一致性的同時增強細節。此外，AnchorSplat用單次乘法機制替代了傳統方法中的迭代密化過程，一次前向傳播即可計算所有高斯點的更新，大幅提升了處理速度。
為了推動該領域的研究，作者團隊還構建了3DGS-SR，這是首個針對該任務的大規模基準資料集。實驗結果表明，在3DGS-SR資料集上，AnchorSplat達到了最先進的效能，其吞吐量比傳統的最佳化方法快了高達10^5倍。值得注意的是，AnchorSplat表現出強大的零樣本泛化能力，能夠適用於多種資料分佈，包括生成模型的輸出和真實世界的掃描資料。
作者團隊指出，AnchorSplat可以無縫整合到現有的3DGS流水線中，作為後處理步驟使用。由於無需原始多視角影像，該方法特別適用於那些只有預訓練3DGS資產而沒有原始訓練資料的場景。未來工作可以探索將AnchorSplat擴充套件到動態場景或多解析度細節合成。這一工作為3DGS資產的高質量細化提供了一種高效且一致的解決方案，有望推動該技術在自動駕駛、虛擬現實等領域的應用。