行业需求与岗位分析 - 有企业在2026年需要在重建方向投入招聘名额(HC) [2] - 重建技术主要用于自动驾驶测试的闭环仿真 具体流程是对离线片段(clip)数据用3D高斯泼溅(3DGS)重建动静态元素 以验证新模型能否预测合理新轨迹并正常行驶 [2] - 支撑闭环仿真中重建优化一般需要5至20人的算法团队 [3] - 云端数据生产也存在需求 例如BEV视角下的静态路面重建(2DGS)可应用于静态真值生产 [3] - 小米的ParkGaussian将GS技术应用到泊车场景中 [3] - 每个技术方向至少需要10人左右的算法团队规模来支撑最基本功能需求 [3] 技术发展路线与学习资源 - 3D高斯泼溅(3DGS)领域较新 缺乏有效学习资料 对初学者存在困难 [3] - 梳理出的明确技术发展路线为：静态重建3DGS → 动态重建4DGS → 表面重建2DGS → 场景重建混合GS → 前馈GS [3] - 为应对学习需求 推出了《3DGS理论与算法实战教程》 花费两个月时间设计了一套从原理到实战的学习路线图 [3] 课程内容与结构 - 课程第一章讲解3DGS背景知识 包括计算机图形学基础、三维空间表达、渲染管线、光线追踪、辐射场渲染 并介绍SuperSplat、COLMAP、Gsplat等开发工具 附带基于3D Real Car训练模型及使用SuperSplat移除杂点的作业 [8] - 第二章深入讲解3DGS原理和算法 包括核心伪代码 以及动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法 实战选用英伟达开源的3DGRUT框架 [9] - 第三章聚焦自动驾驶仿真重建 重点讲解浙大Street Gaussian、上交OmniRe和浙大Hierarchy UGP三篇工作 实战选用学术界和工业界使用较多的DriveStudio [10] - 第四章探讨3DGS重要研究方向 包括COLMAP扩展、深度估计及重光照(Relighting) 并分享这些方向如何服务工业界及未来走势 [11] - 第五章讲解前馈3DGS(Feed-Forward 3DGS) 梳理其发展历程和算法原理 并讲解最新的AnySplat和WorldSplat算法工作 [12] - 第六章为线上答疑讨论 内容涉及3DGS岗位需求、行业痛点及开放性问题 [13] 课程安排与面向人群 - 课程于12月1日开课 预计两个半月结课 采用离线视频教学 辅以VIP群答疑及三次线上答疑 [15] - 课程章节解锁时间安排如下：第一章12月1日 第二章12月7日 第三章1月7日 第四章1月21日 第五章2月4日 [15] - 学习本课程需要自备GPU 推荐算力在RTX 4090及以上 并需具备一定的计算机图形学基础、对视觉重建/NeRF/3DGS等技术的了解、概率论与线性代数基础、以及Python和PyTorch语言基础 [17] - 课程目标使学员掌握3DGS完善的理论知识及相关技术栈、掌握算法开发框架并能训练开源模型、与学术界及工业界同行持续交流 对实习、校招、社招均有助益 [17]

特斯拉自动驾驶技术方向 - 特斯拉在ICCV的分享指明了智能驾驶下一阶段发展方向为端到端+生成式3D高斯泼溅[2] - 特斯拉的实践基本可以判断是基于前馈式3D高斯泼溅算法实现的[2] 3D高斯泼溅技术演进路线 - 技术发展路线明确：从静态重建3DGS演进至动态重建4DGS，再到表面重建2DGS、场景重建混合GS，最终到前馈GS[3] - 前馈式3D高斯泼溅因能摆脱以往单场景优化的弊端，训练、推理、测试在一个统一架构内而受到国内重视[3][6] - 该技术可实现百毫秒级别的实时性，这是以往重建算法难以达到的水平[6] - 该技术可与世界模型结合，通过生成+重建打造更优的闭环仿真能力[6] 行业培训课程核心内容 - 课程旨在全面讲解3D高斯泼溅技术栈，从原理到实战细致展开[3] - 课程第一章涵盖计算机图形学基础，包括三维空间的隐式/显式表达、渲染管线、光线追踪、辐射场渲染，并介绍COLMAP、Gsplat等主流工具，附带基于3D Real Car训练模型的小作业[8] - 课程第二章深入3D高斯泼溅原理与算法，涵盖动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法，实战选用英伟达开源的3DGRUT框架[9] - 课程第三章聚焦自动驾驶仿真重建，解析Street Gaussian、OmniRe和Hierarchy UGP三篇核心工作，实战选用DriveStudio框架[10] - 课程第四章探讨3D高斯泼溅重要研究方向，包括COLMAP扩展、深度估计及Relighting，并分析其工业界应用与学术前景[11] - 课程第五章专讲前馈式3D高斯泼溅，梳理其发展历程与原理，并讲解AnySplat和WorldSplat两篇最新算法工作[12] - 课程第六章为线上答疑讨论，涉及3D高斯泼溅岗位需求、行业痛点及开放性问题[13] 课程安排与面向人群 - 课程开课时间为12月1日，预计两个半月结课，采用离线视频教学与VIP群答疑结合模式[15] - 课程章节按计划解锁：第一章于12月1日解锁，第二章于12月7日解锁，第三章于1月7日解锁，第四章于1月21日解锁，第五章于2月4日解锁[15] - 课程面向具备一定计算机图形学、视觉重建、NeRF、3D高斯泼溅基础知识，以及概率论、线性代数、Python和PyTorch基础的学习者[17] - 学习者需自备GPU，推荐算力在RTX 4090及以上[17] - 完成课程可掌握3D高斯泼溅完善的理论知识及相关技术栈、算法开发框架，并能与学术界及工业界同行持续交流[17]

3DGS技术趋势与行业应用 - 特斯拉在ICCV的分享中引入3D Gaussian Splatting技术，表明其可能基于前馈式GS算法实现，该技术正在自动驾驶领域焕发新一轮生机[1] - 行业普遍共识是通过前馈式GS重建场景并利用生成技术生成新视角，多家公司正开放HC招聘相关人才[1] - 3DGS技术迭代迅速，已从静态重建3DGS、动态重建4DGS、表面重建2DGS发展到前馈式3DGS[3] 3DGS技术课程内容 - 课程第一章涵盖计算机图形学基础，包括三维空间的隐式与显式表达、渲染管线、光线追踪、辐射场渲染，并介绍COLMAP、Gsplat等开发工具，设置基于3D Real Car训练模型及使用SuperSplat移除杂点的作业[7] - 第二章深入讲解3DGS原理、核心伪代码及动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法，实战选用英伟达开源的3DGRUT框架[8] - 第三章聚焦自动驾驶仿真重建，解析浙大Street Gaussian、上交OmniRe和浙大Hierarchy UGP三篇工作，实战选用学术界与工业界广泛使用的DriveStudio[9] - 第四章探讨3DGS重要研究方向，包括COLMAP扩展、深度估计及Relighting，并分析其在工业界的应用与学术界的探索价值[10] - 第五章讲解前馈式3DGS的发展历程、算法原理，并解析最新的AnySplat和WorldSplat算法工作[11] 课程结构与安排 - 课程由工业界算法专家Chris主讲，其为QS20硕士，现任某Tier1厂算法专家，从事端到端仿真、多模态大模型、世界模型等前沿算法预研与量产，拥有丰富的三维重建经验[4] - 课程为离线视频教学，辅以VIP群内答疑及三次线上答疑，开课时间为12月1日，预计两个半月结课[14] - 课程章节解锁时间安排如下：第一章12月1日，第二章12月7日，第三章1月7日，第四章1月21日，第五章2月4日[14] 课程目标人群与要求 - 课程面向具备一定计算机图形学基础，了解视觉重建、NeRF、3DGS等技术，拥有概率论、线性代数基础及Python和PyTorch语言能力的学员[16] - 学员需自备GPU，推荐算力在4090及以上[16] - 学员通过学习将掌握3DGS完善的理论知识及相关技术栈、算法开发框架，并能训练开源模型，有助于实习、校招和社招[16]