AI高斯泼溅Web轻量化：压缩与渐进加载

Web3D 交互场景正从多边形网格向神经渲染表达迁移。我们把 3D Gaussian Splatting 作为可选资产格式接入实验室的 Web 渲染管线，重点验证两件事：浏览器端能否稳定解码，以及首帧可见时间能否压到可接受区间。

实验对比三档方案：原始 PLY 直接加载、属性量化并按 SH 阶数裁剪、分块渐进传输。在 60 万高斯规模的室内场景上，量化加裁剪后体积由约 420MB 降至 28MB，WebGPU 端解码中位数 1.4s，首帧出现时间 2.1s；叠加分块加载后，用户在 0.9s 内即可看到低细节轮廓，细节随视角逐步补全。

要点：
· 进展：完成基于 WebGPU 的解码与深度排序着色器原型，可与现有 glTF 资产共存于同一场景图，中等档位交互帧率稳定在 45~60fps。
· 下一步：验证移动端显存上限下的动态降级策略，并测算 AI 生成高斯资产在语义编辑（增删遮挡、材质替换）后的重训练成本。

初步结论是，对 Web 端体验而言，渐进式传输与分级细节比单纯追求压缩比更关键，相关参数将沉淀为实验室的 Web3D 资产接入规范。