浙大與字節跳動等發表 PointSplat 入選 ECCV 2026，提出以人為中心的 3DGS 前饋式重建框架解決跨視角冗餘

據報導，浙江大學、字節跳動與香港中文大學（深圳）團隊合作的論文 PointSplat 已被 ECCV 2026 收錄，並於 2026 年 6 月 30 日發布於 arXiv（編號 2606.32036）。該研究面向沉浸式直播場景，旨在解決 3D Gaussian Splatting (3DGS) 在多視角預測中因「以視角為中心 (view-centric)」導致同一主體被重複編碼的跨視角冗餘 (inter-view redundancy) 問題。PointSplat 提出「以人為中心 (human-centric)」的前饋式重建框架 (feed-forward reconstruction framework)，模型首先估算粗糙的幾何代理體 (proxy)，接著透過光線投射 (ray casting) 篩除不在人體或視角外的無效 3D 點。最後，模型利用 Point-Image Transformer 融合多視角的幾何與外觀資訊，直接預測共享的 3D 點集與高斯屬性，取代傳統需為單一場景重複訓練的最佳化 (per-scene optimization) 流程，實現更緊湊的 3D 人體表示。