做了几年3DGS研究，我把踩过的坑做成了AI Agent技能包

做三维重建方向的各位应该都感受到了——3DGS这个领域从2023年到现在，arXiv上已经涌了500多篇论文，光看标题都看不过来。我之前每读一篇新论文，都要花半小时以上手动翻方法架构、找代码链接、和已有方法做对比表。自己写CUDA kernel的时候，不知道踩了多少已知bug的坑。后来想明白了：这些重复性的活，完全可以让AI Agent来做。

先说痛点

搞3DGS研究的日常，大概是这几件重复劳动：

  1. 读论文：每篇30-60分钟手动翻，最后只为了找"这个方法的核心创新是什么"
  2. 对比方法：想比较两个GS变体的差异，得自己建表，从10多个维度一条条填
  3. 审代码：CUDA kernel写完一跑，报错到怀疑人生——alpha blending顺序、tile渲染边界、梯度计算，这些坑前人都踩过，但没人帮你汇总
  4. 设计实验：选数据集、选baseline、设计消融实验……每篇论文都要重来一遍
  5. 从NeRF迁移：老方法迁移到3DGS，试错成本高，没人告诉你每一步怎么做

这些事情有一个共同点：有明确的范式，但每次都要从零开始。既然AI Agent已经是日常工具了，为什么不让它自带3DGS的领域知识？

所以我做了什么

Awesome Gaussian Skills——一个3DGS领域的AI Agent技能包 + 方法知识库。

GitHub地址：https://github.com/jaccen/Awesome-Gaussian-Skills

在线Demo（不用装任何东西，点开就能搜方法）：https://jaccen.github.io/Awesome-Gaussian-Skills/

用一句话总结：复制技能文件到你的AI Agent，它就变成了一个懂268+种3DGS方法的科研助手。

知识库：268+方法，21个类别

先说知识库，这是90%用户会star的原因。

目前收录了268+个3DGS方法，涵盖21个类别：

方向 包含类别 代表方法
核心表示 基础、抗锯齿、优化、表面/渲染 3DGS, 2DGS, Scaffold-GS, Mip-Splatting, SparseOIT
效率与规模 压缩/流式、加速、大规模、前馈 Compact-3DGS, LightGS, Z-Order GS, BlitzGS
理解与语义 语言/语义、生成、自动驾驶 LangSplat, Feature 3DGS, SCOUP, ConFixGS
动态与空间 动态、HDR、SLAM、稀疏视角 ParticleGS, 3DGS³, 2DGS-SLAM, VidSplat
应用与跨领域 人体/编辑/CAD/仿真/具身智能/安全等 GaussianAvatar, GaussianEditor, GuardMarkGS, RoboSplat

每个方法都有：arXiv ID、发表venue、核心创新点、代码链接。

知识库每日跟踪arXiv更新，过去30天就新增了21个方法。下面是5月份新增的一些亮点：

  • SNS——Skew-Normal非对称基元，连续插值高斯到半高斯
  • Z-Order GS——Z序空间连贯排列（CVPR 2026 Oral）
  • MGS——Matryoshka连续LoD，单次训练出任意精度
  • GuardMarkGS——首个统一水印+编辑阻止框架
  • AV1-3DGS——借AV1运动向量，训练提速63%
  • Real2Sim——4DGS + 可微MPM，物理感知自动驾驶仿真

不想装任何东西？直接打开在线Demo，搜索、按类别筛选、点击方法卡片看详情：

在线Demo传送门

还有CSV文件可以直接下载做数据分析：3dgs-methods-overview.csv

10个AI Agent技能：让Agent替你干活

知识库是"查资料"用的，技能才是让AI Agent真正干活的关键。目前提供了10个科研级技能：

1. 论文阅读：3dgs-paper-reader

扔一个arXiv ID，几秒出结构化摘要——方法名称、核心创新、架构设计、训练策略、实验结果、局限性。

你: "帮我读一下 2401.01345，总结核心方法和实验结果"
Agent: [提取方法架构、损失函数、训练细节、关键发现]

2. 方法对比：3dgs-method-compare

输入任意两个（或多个）3DGS方法名，自动从10+维度生成对比表——基元表示、不透明度处理、颜色机制、频率建模、几何边界、训练策略等。

你: "对比3DGS和2DGS的渲染公式"
Agent: [输出渲染方程对比、基元维度分析、适用场景差异]

内置268+方法的知识，不需要你自己填表。

3. 代码审查：3dgs-code-reviewer

投稿之前让Agent先过一遍你的CUDA kernel，检测62+种已知bug模式——alpha混合顺序、tile渲染边界、CUDA显存合并、梯度计算等等。

你: "审查我的3DGS CUDA渲染kernel，看看有没有性能问题"
Agent: [检查compositing顺序、内存访问模式、梯度正确性...]

4. 实验设计：3dgs-experiment-planner

告诉Agent你的方法方向，它帮你推荐数据集、基线方法、消融矩阵、评估指标组合，而且是针对目标会议（CVPR/SIGGRAPH/TVCG等）定制的。

你: "我要写一篇关于高频边界建模的3DGS论文，帮我设计实验"
Agent: [推荐Mip-BlenDavid/DTU数据集、3DGS/2DGS/Scaffold-GS基线、
        PSNR+SSIM+LPIPS+FID+CHF指标组合、完整消融矩阵]

5. NeRF迁移：nerf-to-3dgs-migrator

从NeRF方法迁移到3DGS，给出每一步的具体指南和代码模板。比如hash encoding怎么转成per-Gaussian属性，deformable field怎么变成位置/旋转偏移。

6. CAD/Mesh桥接：cad-mesh-3dgs

Mesh和3DGS之间的双向转换——SuGaR/2DGS管线提取mesh、TSDF+Marching Cubes参数、CAD逆向工程、几何质量评估。还支持STEP格式CAD模型转3DGS。

7. 论文写作：cg-paper-writing

针对CVPR/ICCV/ECCV/SIGGRAPH/TVCG的论文写作助手。内置领域术语库、会议写作规范、数学符号约定，还会做去AI痕迹处理。

8. 研究可视化：3dgs-visualizer

一键生成出版级图表——雷达图（7维方法对比）、分组柱状图（PSNR/SSIM/LPIPS）、质量-速度散点图、指标热力图、方法演进时间线。静态输出PDF/PNG，交互式输出HTML。

9. 工程化部署：3dgs-engineering-guide

从论文到产品落地——10大行业赛道分析（自动驾驶、数字孪生、文博、电商、AR/VR等），工具选型决策树，跨平台部署指南（CUDA/Vulkan/WebGPU/移动端）。

10. 专利与软著：patent-software-ip

从项目代码/设计文档直接生成专利申请文件（权利要求书+说明书+摘要）或软著登记材料（说明书+源代码文档），支持查新检索和脱敏处理。

怎么用？3条命令

每个技能就是一个SKILL.md文件，复制到AI Agent的技能目录就行，零依赖零配置：

git clone https://github.com/jaccen/Awesome-Gaussian-Skills.git
cp -r Awesome-Gaussian-Skills/skills/* ~/.openclaw/skills/
openclaw restart   # 然后就可以对话了

支持的平台：

  • OpenClaw（ClawHub生态）——复制到 ~/.openclaw/skills/
  • Claude Code——复制到 .claude/ 目录
  • Cursor——复制到 .cursor/rules/
  • Windsurf及其他AI Agent框架

也可以只装你需要的技能：

cp skills/3dgs-paper-reader/SKILL.md .claude/
cp skills/3dgs-code-reviewer/SKILL.md .claude/

或者一键安装：

curl -sSL https://raw.githubusercontent.com/jaccen/Awesome-Gaussian-Skills/main/scripts/setup.sh | bash

可视化效果预览

3dgs-visualizer技能生成的图表样例：

雷达图——3DGS vs 2DGS vs Mip-Splatting vs Scaffold-GS 七维对比：

指标热力图——多方法、多指标归一化对比：

交互式版本支持悬停查看详情，适合论文投稿和汇报演示。

一点设计思路

做这个项目的时候有几点考虑：

  1. 知识库比技能重要——大部分人需要的只是一个好搜的方法库，技能是进阶用法
  2. 零摩擦安装——不想让任何人因为"装不上"而放弃，所以用纯Markdown，复制即用
  3. 每日更新而非手动维护——知识库通过每日arXiv跟踪自动更新，不用靠人力一条条追
  4. Apache-2.0许可证——含明确专利授权条款，企业用户可以放心用，Fork/发布/销售都行

写在最后

如果你在做3DGS相关的研究，这个项目至少能帮你：

  • 不用再手动翻30分钟论文找核心创新点
  • 不用再对着20个方法自己拼对比表
  • 不用再踩那些前人踩过的CUDA kernel坑
  • 不用再纠结"该选什么baseline和消融实验"

项目地址：https://github.com/jaccen/Awesome-Gaussian-Skills

在线Demo（点开就能用）：https://jaccen.github.io/Awesome-Gaussian-Skills/

觉得有用的话，给个star，这是对开源项目最直接的支持。

标签：3DGS | 三维重建 | AI Agent | Gaussian Splatting | 计算机图形学 | 开源工具

# 3d
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

RAG技术怎么让AI笔记工具读懂你的知识库？

avatar AtomGit开源社区

从 NVIDIA 驱动到 CUDA + cuDNN 完全配置指南（附避坑）

恭喜你！走到这一步，你的电脑已经是一台名副其实的深度学习工作站了。用 GPU 加速训练神经网络（速度提升几十到上百倍）跑 LLM（大语言模型）、Stable Diffusion（AI 绘画）等前沿项目课后作业运行一个 MNIST 手写数字识别的 PyTorch 示例，观察 GPU 使用率（在任务管理器性能选项卡查看）。尝试用nvidia-smi实时监控显存占用。有任何问题请在评论区留言，我会尽量解

avatar AtomGit开源社区
cover

【AI大模型应用开发工程师特训笔记】第04讲（第四章）：运算符

avatar AtomGit开源社区