Brush 高斯泼溅 3D 重建完整指南5 分钟在桌面、浏览器和 Android 上上手【免费下载链接】brush3D Reconstruction for all项目地址: https://gitcode.com/GitHub_Trending/br/brushBrush 是一个基于高斯泼溅Gaussian Splatting的 3D 重建引擎同一套代码覆盖 macOS、Windows、Linux 三大系统AMD、NVIDIA、Intel 三类显卡Android 手机和浏览器。它既能训练高斯泼溅数据集也能实时渲染和以 CLI 方式批处理适合不想被特定 GPU 或平台绑死的开发者。它能解决什么问题假设你用 COLMAP 处理完一套围绕老房子拍的照片想做出一个让任何人在浏览器里就能转着看的 3D 场景。传统路线通常需要 NVIDIA 显卡加 CUDA应用分发时还要拖一大坨依赖。Brush 把渲染和训练都建在 WebGPU 兼容的技术栈上配合 Burn 机器学习框架编译出来是不带 CUDA 依赖的独立二进制还能打包成 WASM 直接跑在网页里。原理速览高斯泼溅是怎么工作的整个系统围绕三件事场景由大量高斯泼溅表示每个泼溅是一团三维高斯分布携带位置、旋转、缩放、颜色球谐系数和不透明度渲染时把它们投影到屏幕用基数排序按深度排好再分瓦片混合成像素训练时计算当前渲染结果与输入照片的差异L1 SSIM 融合损失反向传播更新每个泼溅的参数。数据是智能点云而非网格天然适合表达半透明、模糊和复杂细节渲染与训练共用同一套计算内核所以桌面、手机、浏览器行为一致训练支持 MCMC 式自适应生长、遮罩、Mip-Splatting 滤波和 LOD 烘焙环境要求与 5 分钟首次运行环境清单Rust 1.88 工具链任意厂商的 GPUNVIDIA、AMD、Intel 均可Web 端目前仅支持 Windows 和 macOS 上的 Chrome 134。git clone https://gitcode.com/GitHub_Trending/br/brush cd brush cargo run --release跑通后会出现一个可视化窗口可以直接加载.ply和.compressed.ply文件查看场景也可以传一个数据集路径开始训练训练过程中能实时拖拽视角、观察效果逐步收敛。想验证环境是否健康先跑一遍cargo test --all。浏览器版本在仓库的 web 目录下用 Vite React 搭建cd app/brush-app/web npm run dev启动后在 Chrome 或 Edge 里打开即可WebGPU 的缓冲区还能以零拷贝方式交给页面自己的渲染管线。核心能力按模块拆开看训练管线从 COLMAP 数据到可发布的 .ply训练逻辑集中在crates/brush-train/src/。它支持 COLMAP 和 Nerfstudio 两种数据集格式训练方式采用 MCMC 式的变体——泼溅先在最需要的地方生长同时保留随机探索在大型场景和多视角不一致的数据上表现更稳。可以设泼溅数量上限支持透明图像和masks文件夹遮罩--invert-masks可反转黑白还能在训练完成后烘焙 N 个低细节等级逐级导出为带_lodN后缀的.ply。渲染引擎瓦片光栅化与深度排序核心在crates/brush-render/src/负责前向投影、与瓦片的求交、光栅化混合并内置了针孔、Kannala-Brandt 鱼眼、径向切向等几种相机模型。深度排序由crates/brush-sort的基数排序完成官方说明排序重写后约快 50%渲染整体提速 10–15%。用户侧的直接收益能加载.zip泼溅文件当动画播放也支持带 delta 帧的 4D 动态场景。数据加载超大数据集与多格式兼容crates/brush-dataset/src/负责读入数据集formats/下分别实现了 colmap、nerfstudio、realitycapture 三种格式的解析。关键点训练可以处理比内存还大的数据集——只缓存一部分其余文件由 dataloader 边训练边读且能立刻开始训练。CLI 与嵌入headless 训练和跨语言集成apps/brush-cli是无界面的训练二进制所有命令都能加--with-viewer顺手打开可视化界面方便调试。另有两条嵌入路径apps/brush-c提供 C FFI 供原生应用集成apps/brush-js是 wasm-bindgen 封装JS 页面可以直接驱动 Brush 的训练和渲染。典型场景拍完场景直接网页展示。用 COLMAP 输出训练一个数据集得到.ply后挂到静态服务上网页查看器只需在地址后追加?url参数就能流式加载并交互浏览不用给访客装任何东西。外场扫描的现场验证。配好 Android NDK 后用cargo ndk -t arm64-v8a ... build --release交叉编译./gradlew installDebug装到手机就能在采集现场直接训练和查看确认视角和数据没问题再回机房精修。训练过程的深度监控。安装 rerun-cli 后打开训练生成的./brush_blueprint.rbl可以在训练进行时查看损失、参数分布等额外可视化数据比只看进度条更容易定位为什么效果不涨。常见问题Q普通笔记本跑得动吗能。它不挑 GPU 厂商Intel 核显、AMD、NVIDIA 都支持也没有 CUDA 依赖。唯一限制在 Web 端WebGPU 目前只有 Chrome/Edge 134 可用。Q数据集比内存大怎么办直接训。Brush 只会缓存一部分图像其余由数据加载器按需读取启动几乎无等待。Q各平台渲染效果一致吗一致。桌面、Android、Web 跑的是同一套内核性能基准可用cargo bench自行复现官方口径是渲染和训练通常快于 gsplat。Q已有别人导出的 .ply 文件能用吗能。查看器直接加载.ply和.compressed.ply也支持.zip动画序列和 4D delta 帧格式。Q怎么客观评估重建质量损失函数内置 L1、SSIM还实现了 LPIPScrates/lpips训练过程中可实时对比当前渲染与输入视角。下一步Brush 的价值在于把高斯泼溅从CUDA 专属工具变成了跨平台基础设施模块划分清晰从数据解析到排序内核都可以单独阅读。建议的动手路径先克隆仓库跑cargo run --release熟悉查看器再准备一份 COLMAP 数据集喂给训练管线最后用brush --help里的参数对照文档调一轮 densification 和损失权重——一轮完整流程走完这个项目的套路基本就摸清了。【免费下载链接】brush3D Reconstruction for all项目地址: https://gitcode.com/GitHub_Trending/br/brush创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考