3D 高斯溅射（3DGS）虽然比 NeRF 快很多，但训练依然要十几分钟，瓶颈在冗余高斯太多、密度控制不合理。现有加速方法要么靠 “预算限制”，要么剪枝太狠掉画质，多视角信息用得很粗糙。本篇文章提出FastGS：一套简单通用的 3DGS 加速框架，基于多视角一致性设计稠密化与剪枝策略，不需要预算机制。在多个数据集上实现3.29×~15.45× 加速，静态场景最快77 秒训完，还能无缝适配动态重建、

基于文本的 3D 场景生成与编辑，在 VR/AR、游戏、数字内容创作中价值巨大。尽管 3D 高斯溅射（3DGS）已实现高保真 + 实时渲染，但现有方法普遍任务专一、框架割裂：生成要逐场景优化、编辑要复杂后处理，缺少一套同时支持生成与编辑的统一方案。为此，本文提出SplatFlow框架：用多视图校正流（RF）模型在潜在空间联合生成多视图图像、深度、相机姿态；用高斯溅射解码器（GSDecoder） 前

现有 3D 高斯溅射在稀疏视图下极易过拟合，主流 Dropout 方法随机丢弃单个高斯，但存在邻居补偿效应—— 被丢弃的高斯会被附近相似高斯 “补回去”，正则化失效。同时，高阶球谐系数（SH）也是过拟合与模型变大的重要原因。本文提出DropAnSH-GS：基于锚点的结构化 Dropout，一次性丢弃锚点 + 邻域高斯，破坏局部冗余；对高阶球谐系数做按阶丢弃，缓解外观过拟合并支持后训练压缩。

3D 高斯泼溅（3DGS）是当前最先进的三维重建技术，兼具高质量、快训练、快渲染优势，但存在明显局限：同一高斯覆盖的像素共享单一颜色（仅含高斯衰减缩放因子），且单个高斯仅能表示简单椭球体。为突破这些限制，该研究将传统图形学的纹理与阿尔法映射融入 3DGS，为每个高斯增加阿尔法、RGB 或 RGBA 纹理图，实现空间变化的颜色与不透明度建模。