Web3D场景AI轻量化：高斯泼溅压缩与流式加载

Web3D交互实验室近期把研究重点放在「实景重建资产的网页端可用性」上。用3D Gaussian Splatting重建的室内外场景观感接近实拍，但原始资产常在数百MB量级，直接放进浏览器首帧要等近十秒，移动端还容易爆显存。

本阶段实验做了三件事：其一，对高斯点云做重要性剪枝，按训练时累计不透明度与视点覆盖率保留主干点，剪掉贡献偏低的部分；其二，对球谐系数分层量化，颜色相关的高阶系数降到8bit，位置用半精度存储；其三，把场景切成空间分块，按相机视锥与距离做流式加载，WebGPU下用计算着色器完成排序与光栅化。

在一个约60㎡的室内实拍场景上，资产由480MB压缩到32MB左右，桌面端首帧从8.2s降至1.6s，中端手机稳定在30fps上下，交互拖拽无明显掉帧。

下一步计划：引入视点预测预取，把头部与鼠标轨迹作为输入提前加载相邻块；补充LOD分级，远景只保留低阶球谐；同时评估端侧解码的功耗与内存上限，为展会展示、远程看房等轻量场景做技术储备。