编辑｜杜伟

刚刚，李飞飞世界模型新成果来了，还是开源的！

就在今天凌晨，李飞飞空间智能独角兽公司 World Labs 官宣推出「Spark 2.0」，将最具野心的 3DGS（3D 高斯泼溅）世界带入到 Web

这意味着，原本只有专业设备才能运行的超大规模、高保真 3D 场景，现在变成任何人都可以在浏览器中访问的内容。

而随着高保真 3D 内容可以在任意设备上进行访问，包括手机、VR 设备等，空间叙事能力向前迈进了一大步。

这个专为 3DGS 打造的渲染器还是开源的，可以流式加载 1 亿 + 的 3DGS 数据，将构建一个全新的 3D 物理世界。

3D 高斯泼溅渲染神器，Spark 2.0 来了

作为一个面向 Web 的动态 3D 高斯泼溅（3DGS）渲染器，Spark 与当前最流行的 Web 3D 框架 Three.js 集成，并基于 WebGL2 运行，因此只要有浏览器，无论是桌面端、iOS、Android，还是 VR 设备，都可以使用。

在去年发布时，Spark 就带来了不少其他渲染器没有的能力：比如在同一场景中渲染多个 3DGS 对象、实时编辑与重光照，以及一个着色器图系统让用户可以基于 splat 创建完全动态的特效和动画。

而在 Spark 2.0 中，团队加入了一个细节层级（LoD）系统，可以在任意设备上流式加载并渲染超大规模的 3DGS 世界。当你在场景中移动时，Spark 会根据当前视角自动调整 3DGS 的细节等级，并通过网络按需加载所需数据。我们先来看以下几个场景的展示图：

接着来看技术细节。

Spark 2.0 提供了一整套解决方案，用来在 Web 上为各类设备准备、传输并渲染超大规模的 3DGS 场景。为了解决规模化带来的挑战，它主要用了三类图形学和系统层面的技术：

Level-of-Detail（细节层级）：为 splat 生成不同分辨率的版本，并根据当前相机视角决定实际渲染哪一部分。当对象距离较远、细节难以分辨时，就减少渲染的 splat 数量，从而提升性能。 渐进式流加载（Progressive Streaming）：随着数据下载，从粗到细逐步加载 3DGS 的细节内容，并优先加载那些最能提升当前视角清晰度的数据。 虚拟内存（Virtual Memory）：在 GPU 中分配一块固定大小的内存池，用作 splat 的页表，根据场景中的位置，自动换入和换出所需的 3DGS 数据块。这样一来，就能访问跨多个 3DGS 对象、通过网络获取的海量数据。

细节层级（LoD）高斯 splat 树

Spark 的 LoD 设计采用的是连续 LoD 方法，即所有 splat 都被组织在一个层级结构中，也就是一棵 LoD splat 树。Spark 会在这棵树上选择一条「切面」，从中逐个挑选 splat，使当前视口中的细节达到最优。

在这棵树里，每一个内部节点，都是由其子节点合并得到的低分辨率版本：通过把多个子 splat 合成为一个新的 splat，用来近似它们整体的形状和颜色。这个过程不断向上递归，直到树的根节点，也就是：一个单一的大 splat 汇总了整个对象中所有 splat 的整体形状与颜色。

Spark 2.0 提供了两种用于生成 LoD splat 树的算法：

一种轻量且速度更快的算法，叫做 Tiny-LoD，在 Web 端默认使用； 一种质量更高的算法，叫做 Bhatt-LoD，在命令行环境中默认使用。

这两种方法都「无需训练」，不依赖参考图像或其他输入数据，而是直接基于 3DGS 数据本身进行处理。

渐进式流

Spark 2.0 定义了一种新的文件格式 .RAD（Radiance fields），用于压缩 3DGS 数据，并支持在网络传输过程中进行随机访问，实现逐步细化的流式加载。

在加载初期，3DGS 对象会以一个大约 6.4 万 splat 的粗略版本几乎瞬间呈现出来。随后系统会分块获取数据，优先细化当前画面中最粗糙、最需要提升细节的 LoD splat，并随着用户在场景中的移动动态调整加载优先级。

虚拟内存

虚拟内存是一种内存管理技术，通过一小块固定的「物理内存」，来提供对海量虚拟内存的访问能力。系统通过页表，将虚拟地址与物理内存中的固定大小页进行映射。

Spark 2.0 将这一机制引入到 3DGS 中，在 GPU 上分配一个固定容量（约 1600 万 splat）的内存池，并自动管理 GPU 中 64K splat 的「页」与 .RAD 文件中对应的 64K 数据块之间的映射关系。

数据块会按照 LoD 遍历顺序加载进空闲页中；当页表已满时，如果有新的、更高优先级的数据需要加载，就会按照「最近最少使用」（LRU）的策略，把优先级较低的旧数据块替换出去。

更多技术细节请参考博客原文。

博客地址：https://www.worldlabs.ai/blog/spark-2.0