3DGS (3D Gaussian Splatting) 技术凭借在新视角合成与 3D 重建中实现的实时照片级真实感渲染，已成为研 究热点。然而，现有方法在建模含动态物体的场景时精度不足，常导致渲染图像出现伪影。 在最近的一项研究中，来自中山大学、深圳市未来智联网络研究院、港中深的研究者提出鲁棒性解决方案 RobustSplat，其核心设计包含两点：一是首创延迟高斯生长策略，在允许高斯分裂 / 克隆前优先优化静态场 景结构，从而减少优化初期对动态物体的过拟合；二是设计尺度级联掩码引导方法，先利用低分辨率特征 相似度监督进行可靠的初始动态掩码估计（借助其更强的语义一致性与抗噪声特性），再逐步过渡到高分 辨率监督，以实现更精准的掩码预测。 论文标题 ：RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS 论文链接 ： https://arxiv.org/abs/2506.02751 论文主页 ： https://fcyycf.github.io/RobustSplat 代码链接 ： https://github.com ...