SwiftGS：GPU 上快速 3D 高斯分布的算法和系统协同优化（MLSys 2026）
原题：SWIFTGS: ALGORITHM AND SYSTEM CO-OPTIMIZATION FOR FAST 3D GAUSSIAN SPLATTING ON GPUS
一句话总结：SwiftGS 重组 3DGS sorting/rasterization。MipNeRF360 的 7 个场景中，RTX 3090 平均 1.20×、L40S 平均 1.24×，最高 1.41×；30k checkpoint PSNR 从 29.17 到 29.04，不是绝对无损。
问题与动机
3D-Gaussian-Splatting 百万级 Gaussian 并行，排序与 rasterization 是瓶颈。既有 pruning 减数量，少优化管线内冗余。论文 profiling 揭示三类浪费：跨 tile 重复深度排序、同列/同行线程重复 α 指令、被 threshold 滤掉 Gaussian 的前置无效计算。
关键观察 / 隐含假设
-
观察 1：每 Gaussian 多 tile 相交导致交集列表长度可达 Gaussian 计数 7.61×。
- 依赖假设：early sort（先深度序+lookup）再建 tile 列表可减复杂度；adaptive 在 coalescing 差时回退原排序。
- 可能失效场景：场景 tile 覆盖极均匀时 early sort 收益小。
-
观察 2：per-pixel rasterization 中 α-compute 66.67% SASS 指令在同列/行重复。
- 依赖假设：axis-shared shared-term 阶段可安全复用中间量。
- 可能失效场景：不同 GPU 架构 shared memory 压力变。
-
观察 3：被 α<1/255 滤掉的 Gaussian 仍做过 pixel-independent 计算；dynamic thresholding 将独立部分前移可再省 25% 相关 SASS。
- 依赖假设：分解 pixel-independent/dependent 保持正确性。
- 可能失效场景：极低阈值场景前移收益有限。
-
假设 1：算法+系统协同与多数现有 3DGS 加速正交可叠加。**
- 证据强度：中——claim 正交但未与所有 SOTA 联合测。
核心方法
Adaptive early sorting：两阶段深度+tile 交集；运行时选 early vs legacy。
GPU axis-shared rasterization：shared-term 复用降 α-compute 指令。
Dynamic thresholding：过滤前完成可共享计算，避免 waste。
设计取舍
- Early sort 自适应 vs 总是 early：避免 coalescing 退化拖慢。
- Shared raster vs 简单 per-pixel：增 shared memory 协调，换算力。
- 1.41× vs 极致画质：评测称 negligible quality drop。
- 边界条件：相对 gsplat baseline；机器人/数字孪生场景动机。
实验与结果
指标、基线与边界：rendering latency、PSNR accuracy、sorting/raster instructions；SwiftGS vs gsplat；MipNeRF360 7-scene workload、7k/30k checkpoints、RTX3090/L40S（§7）。
- RTX 3090 平均 1.20×（1.11–1.31×），L40S 平均 1.24×、最高 1.41×（§7.1–7.2，Table 1）。
- 30k checkpoint PSNR 29.17→29.04，7k 不变（§7.2，Table 1）。
- axis-shared rasterization 总 SASS instructions 减 19.79%；dynamic thresholding 对 skipped Gaussians 的 α-compute 额外减 25%（§5.3）。
论断—证据表
| 论断 | 证据 | 指标 / 基线 / 评测边界 | 定位 | 置信度 |
|---|---|---|---|---|
| E2E rendering 加速限于被测 GPU/场景 | RTX3090 1.20×、L40S 1.24×/最高1.41× | vs gsplat、7 MipNeRF360 scenes、7k/30k | §7.1–7.2，Table 1 | high |
| quality 有小而非零的代价 | PSNR 29.17→29.04；7k unchanged | vanilla gsplat、评测 checkpoints | §7.2，Table 1 | high |
| raster 优化指标不是端到端百分比 | SASS -19.79%；skipped α-compute -25% | original gsplat raster kernel；25%仅 skipped Gaussians | §5.3 | high |
| early sorting 可退化，adaptive 防回退 | RTX3090 outdoor +28.39%，L40S indoor -46.94% | plain early vs adaptive sorting、Fig.9 scenes/GPUs | §7.3.2，Fig.9 | high |
| 组合实验只覆盖 PUP-GS | 31.02→20.66ms；13.42→9.28ms | vanilla/PUP-GS 各自 baseline；PUP-GS pruning约90% | §7.4，Table 4 | high |
批判性分析
论证链条
Profiling 驱动三类冗余 → 针对性算法/内核优化 → 1.41×，co-design 范例。自适应切换增加分支，极端场景需更多 ablation。
假设压力测试
更大场景 million+ Gaussian 时 sort 仍可能主导；与 neural pruning 联合时 Gaussian 数变影响各优化占比。
实验可信度
相对 gsplat 公平；质量 negligible 需读者查 PSNR/SSIM 表。缺：多 GPU、实时 SLAM 闭环延迟。
系统性缺陷
论文未讨论移动端功耗、不同 tile size 迁移调参。
局限与后续工作
- 局限 1：收益随场景几何变化大。
- 局限 2：绑定 CUDA 实现细节。
- Future work 1：与 pruning/level-of-detail 正交叠加 benchmark。
- Future work 2：auto 选择 early sort 的 online profiler。
相关
- 相关概念：3D-Gaussian-Splatting、NeRF、GPU-Kernels
- 同类系统：gsplat
- 同会议：MLSys-2026