梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 随着3D Gaussian Splatting（3DGS）成为新一代高效三维建模技术，它的自适应特性却悄然埋下了安全隐患。在本篇 ICLR 2025 Spotlight 论文中，研究者们提出首个专门针对3DGS的攻击方法——Poison-Splat，通过对输入图像加入扰动，即可显著拖慢训练速度、暴 涨显存占用，甚至导致系统宕机。这一攻击不仅隐蔽、可迁移，还在现实平台中具备可行性，揭示了当前主流3D重建系统中一个未被重视的 安全盲区。 引言：3D视觉的新时代与未设防的后门隐患 过去两年，3D视觉技术经历了飞跃式发展，尤其是由 Kerbi等人在2023年提出的 3D Gaussian Splatting (3DGS) ，以其超高的渲染效率 和拟真度，一跃成为 替代NeRF的3D视觉主力军 。 你是否用过 LumaAI、Spline 或者 Polycam 之类的应用上传图片生成三维模型？它们背后很多就用到了3DGS技术。3D高斯泼溅无需繁重 的神经网络，仅靠一团团显式的、不固定数量的3D高斯点即可构建逼真的三维世界。 但你知道吗？这个看起来高效又灵活的"新王者" ...