ABCD：恒定显存训练大规模高斯泼溅场景

ABCD 用恒定 VRAM 训练任意大的高斯泼溅场景，把"场景太大装不下"这个卡了神经渲染落地的核心瓶颈，从"换更贵的卡"变成了"换一种训练顺序"。

这是 Ka Heng Shiu 与 Kartic Subr 合作、在 SIGGRAPH 上发表的 Alpha-Composited Block Coordinate Descent（ABCD） 框架要解决的问题。它的出发点极其朴素：Shiu 在做香港城市遗产归档项目 The Lost Metropolis 时，用摄影测量扫描了整座村庄、连同建筑的内外结构，然后试图把这些扫描重建为 3D 高斯泼溅——结果反复爆显存。这个问题后来变成了他的本科毕业论文，被搁置约一年半，最终回到手中继续推进并发表。一个从"我自己的卡跑不动"长出来的方法，往往比从理论优雅性出发的方法更清楚真实世界的约束在哪里。

分区训练的老问题：切开的场景互相不知道对方存在

要理解 ABCD 的价值，必须先理解它反对什么。训练一个超出显存的大场景，最直觉的做法是切成若干区域，各自独立训练，最后合并。这个做法有一个致命缺陷：每个区域在优化时完全不知道场景的其余部分长什么样。

Shiu 举的例子非常具体：把一个房间切成左右两半，训练左半边时，某些相机图像里仍然包含右半边的物体。如果优化器手里只有左半边的高斯，它就会为了让渲染结果匹配图像，错误地把这些高斯放到本不该在的位置去"解释"画面右侧的内容。等到两半各自训练完再合并，这些错误就表现为漂浮几何体、接缝和其他不一致。

每个区域被优化时都不知道场景其余部分长什么样——这是所有"切块独立训练再合并"路线的原罪。

这不是工程调参能解决的，而是信息缺失导致的结构性问题。分区越细、场景越大，这种跨区域的解释错误就越难在合并阶段修补。

ABCD 的核心机制：把不活跃的部分压成图像，而不是删掉

ABCD 的关键判断是：把东西从显存里移除，不等于把它从渲染图像里移除。

具体做法是，每次只训练一个空间分块，其余部分保持可见但冻结。对每一个相机视角，不活跃的高斯被预渲染成一张前景 RGBA 图像和一张背景 RGBA 图像。活跃分块在这两层之间渲染，三者通过 alpha 合成（alpha compositing） 叠加成最终图像。整个过程中，只有活跃分块需要驻留显存。

这里最关键的性质是：其余场景被"坍缩"成了图像，而图像的大小不取决于它代表了多少个高斯。无论背景里塞了几百万还是几千万个高斯，压出来就是一张固定分辨率的图。于是峰值显存只由活跃分块的大小和渲染分辨率决定，与场景总规模解耦。

峰值 VRAM 不随场景增大而增长，你可以把活跃分块固定在一个尺寸上。

这同时解决了上下文问题。优化器看到的仍然是完整场景的渲染结果，它能学到这个分块应该如何遮挡、如何与周围几何混合、应该待在谁的前面谁的后面。ABCD 不是训练完再缝合，而是在整个训练过程中始终维持各部分之间的空间关系。

代价被转移了，而不是消失了

ABCD 并没有让成本凭空消失，它做的是资源置换：用系统内存、磁盘存储和额外训练时间，去换稀缺的显存。

当前实现里，VRAM 由活跃分块大小和渲染分辨率决定；RAM 用来缓存可能观测到该分块的相机图像；磁盘则存放更大规模的一组"相机 × 分块"预渲染组合。场景越大，这套缓存体系的开销就越可观，而且目前用的是无损 PNG 存储。

Shiu 自己承认，当前的可见性测试相当保守——它只检查一个分块是否落在相机视锥体内，而不检查这个分块是否实际上被其他几何体挡住了。这意味着大量根本看不见的分块也被预渲染并缓存了。遮挡感知剔除（occlusion-aware culling） 可以直接砍掉这部分浪费。

这一点在超大场景里尤其关键，因为可见性本质上是局部的：站在某条街上的相机看不到一座城市的大部分区域。如果能充分利用这个性质，RAM 占用就有望收敛到一个"局部工作集"的量级，而不是随场景总量线性增长。此外，更激进的图像压缩、更好的缓存策略、降低分区刷新频率，都是尚未验证但明确有前途的方向。

所以这对行业意味着什么

对做数字孪生、城市级扫描、游戏场景重建的团队来说，ABCD 指出的方向比它当前的性能更重要：大场景重建的瓶颈不该由显存容量来定义。

过去，能重建多大的场景，直接取决于你能买到多贵的 GPU，这是一个硬天花板，而且成本曲线极陡。ABCD 把这个天花板换成了"系统内存 + 磁盘 + 训练时间"的组合，这三样东西的扩展成本远低于显存，而且可以水平扩展。对于分布式渲染工作流，这个性质尤其有价值——如果峰值显存与场景规模无关，那么把一个城市级场景拆到多台机器上训练，就变成了调度问题而不是可行性问题。

需要清醒的是，论文当前的实验用的是相对较小的场景，固定开销部分掩盖了方法本该体现的内存优势。Shiu 自己说得很直白：真正需要的是城市级数据集上的验证。而一旦走到那个尺度，新的问题会浮现——保守的可见性测试会变得不可接受，缓存策略必须重做，遮挡剔除从"优化项"变成"必需品"。

换句话说，ABCD 现在证明的是"这条路走得通"，还没证明"这条路走得快"。它把一个大场景训练问题，重新表述成了一个缓存管理和可见性计算问题——后者虽然也不简单，但至少不再受制于显存这根硬管子。