做 feed-forward 3DGS（一次前向就从图片直接出高斯场景）一直有个麻烦：输出多少个高斯点，由分辨率和视角数定死，想要少一点只能重训。

后来 EcoSplat、F4Splat 能按预算调点数了，但它们都是先预测一大堆候选，再剪枝或者挑出 B 个。存下来的东西是小了，推理时的延迟和峰值显存几乎不随预算变。真要往显存紧的设备上放，卡住的往往是这一步吧。

RLSplat 把顺序倒过来，先决定每个局部区域分几个点，总数正好是 B，再只解码这 B 个。分配是离散的、不可导，作者就把它当策略，用 GSPO 训，reward 是渲染质量。解码时每个点只跟附近 16 个点做 cross-attention，开销随 B 线性往下走。2K 预算下，PSNR 比 F4Splat 高 0.9 dB，峰值显存少 9.6 倍，快 4.1 倍。

找邻居那步藏着个前提。它先找离得近的 16 个 anchor，再只在这些 anchor 名下的点里找邻居，比全量精确搜索快 27 倍，可前提是点别跑出自己 anchor 的格子。加了 Voronoi loss，99.0% 的点找到的邻居和精确搜索完全一样；去掉这个 loss，只剩 60.2%。

论文：https://arxiv.org/pdf/2610.27712
代码：https://github.com/mlvlab/RLSplat

#计算机视觉 #三维重建 #深度学习 #论文 #人工智能