Frankensplat：浏览器里训练高斯泼溅，快 1.73 倍、画质低 0.87 dB
训练一个高斯泼溅模型，现在可以什么都不装：把一个图片文件夹、或者一个装着图片的 ZIP，配上一份 COLMAP 稀疏重建，拖进浏览器标签页，剩下的在本机显卡上跑完。OfflineTools（Rafael Spring）放出的 Frankensplat 就是这么一个免费的浏览器工作台，用 WebGPU 在本地训练 3D 高斯泼溅。
OfflineTools 在此之前已经放出过 COLMAP 的浏览器版——它产出的正是高斯泼溅训练器的起点：相机位姿和稀疏点云。Frankensplat 接的就是这份输出。它也能打开一个 PLY，放在 WebGL2 里查看。
十月我们报道过的 Splat Lab，同样在浏览器里用 WebGPU 训练，但定位是研究用的试验场，一次支持四种图元。Frankensplat 走的是另一条路：把日常要调的旋钮都摆出来，当工具用。
它把哪些旋钮交给你
- splat 预算、图像缩放、PPISP 外观校正。 最后这项会逐张学习曝光与颜色校正，专治多机位、多时段拍下来的色差。
- 开跑前先给显存估计。 不用等它跑到一半崩在分配上。
- 训练过程中实时显示 loss 曲线、PSNR 和迭代计数；可以暂停，可以导出 PLY，也可以存一个 checkpoint，之后用同一份数据集续训。
- 渐进模式（progressive）是默认。 从较小的图像尺度起步，随着场景成型逐步把训练目标抬到全分辨率。
- 三级缓存：GPU 显存 → 系统内存 → 本地磁盘。 训练用的图片按这三层排布，显存小的卡因此也能把整份数据集留在手边。
- 数据不上传。 但要联网才能加载这个应用——它不是可离线安装的本地程序。
与 LichtFeld Studio 的对比：时间省下来，质量赔出去
OfflineTools 自己发布了一份对比：对手是 LichtFeld Studio（11 月 1 日刚到 v0.5.4.2），测试集是 Mip-NeRF 360 的七个场景。
测试环境：RTX 3070，8 GB 显存，Windows。Frankensplat 跑在 Edge 里；LichtFeld Studio 用 0.5.4.1 的开发版构建，走原生 CUDA。两者都是 15,000 次迭代、150 万高斯上限。
时间上，浏览器版本赢。
| 对比项 | 结果 |
|---|---|
| 渐进模式 vs 关掉 edge map 与细结构特性的 LichtFeld Studio（在七套配置都跑完的那五个场景上） | 少 42.3% 训练时间，等于 1.73 倍 |
| 渐进模式 vs LichtFeld Studio 默认设置 | 2.04 倍 |
| 固定分辨率模式 vs 关掉细节特性的 LichtFeld Studio | 少 30.3% 时间 |
以上是 OfflineTools 自己的测量口径。
质量上，反过来。 七个场景的平均 PSNR：渐进模式 Frankensplat 28.52 dB，关掉细节特性的 LichtFeld Studio 29.39 dB——差 0.87 dB。这个数字是在留出照片上拟合过曝光与颜色之后测的。
口径要看清： 每种配置每个场景只跑了一次；LichtFeld Studio 的默认模式只在七个场景里的五个上跑通。
Frankensplat 现在就能在浏览器里用。
我们的整理
一变的是门槛，不是算法
这篇新闻里没有新算法。渐进式训练、PPISP 外观校正、checkpoint 续训，桌面训练器上早就有。变的是前置条件：过去跑一份 3DGS，先要一块能装驱动的 NVIDIA 卡、一套对得上的 CUDA、一个 Python 环境，再加上 COLMAP 的编译或预编译包——这四步每一步都能让人在第一天就放弃。
现在这条链条被压到"打开标签页 → 拖文件夹"。对教学、对新同事上手、对"我先看看这份数据到底能不能重建"，这是数量级的差别。
但别把它读成"不需要显卡了"。它的下限是 8 GB 显存那一档，而且原文明说了要靠显存、内存、磁盘三层缓存才跑得动整份数据集。省掉的是环境，不是硬件。
二省了什么，赔了什么
| 省 / 赢 | 赔 / 限 | |
|---|---|---|
| 时间 | 比桌面 CUDA 版快 1.73 倍（对关掉细节特性的配置）、2.04 倍（对默认配置） | — |
| 质量 | — | 平均 PSNR 低 0.87 dB |
| 环境 | 不用装 CUDA / Python / COLMAP 二进制 | 要联网加载应用，不能离线安装 |
| 数据 | 训练在本地，数据集不上传 | 图片与 COLMAP 结果仍需先在你机器上备好 |
| 硬件 | 8 GB 显存这一档能跑 | 显存仍是硬门槛，靠三级缓存换空间 |
0.87 dB 在重建里是什么量级？它不是"模糊一片"，更像细密结构（栏杆、文字、格栅）边缘软一档，或者薄结构出现轻微的鬼影。对拿来当参考底图、做体积估算、当众筹页面的展示素材，够用；对要拿去做测量比对、或者要交付给美术继续清理的场景，差值就落在会被人看出来的那一侧。
三三条你可以自己验的检查
厂商自测只跑了一次，所以别照抄结论——照抄方法更划算。下面三条在一台 8 GB 的机器上就能复现：
- 同一份数据集，跑一遍渐进模式，再跑一遍固定分辨率模式。 差的是时间，看的是质量有没有跟着变。如果两者 PSNR 与肉眼观感接近，渐进模式就是白赚。
- 把同一份数据也丢进你手边任意一个桌面训练器。 只比一件事：到达"能看"的迭代数，谁先到。原文是在 15,000 次迭代这个固定点上比的，实际用起来你会更早停手。
- 导出的 PLY 换一个渲染器打开。 checkpoint 与 PLY 都在本地，这是唯一能确认"结果不属于某个工具"的办法——换渲染器还能立住，才说明它不是过拟合到某个查看器的着色。
四这份对比里没说的四件事
- "快"的基准是被关掉特性的那一档。 42.3% 和 1.73 倍对应的是 edge map 与细结构特性关闭的 LichtFeld Studio；对它的默认设置，Frankensplat 是 2.04 倍。也就是说桌面版把质量押在了那两个特性上，关掉之后才谈得上同等条件。
- 五个场景，不是七个。 时间对比只发生在七套配置都跑完的那 5 个场景上。剩下两个场景为什么没跑完，原文没写。
- PSNR 的 0.87 dB 跨的是不同场景集。 28.52 dB 是七个场景的平均，而对手那一档的默认模式只跑了五个。严格说这不该直接相减。
- Edge 里的 WebGPU 与原生 CUDA 不是同一种负载。 一个走浏览器进程的显存配额与调度，一个是独占显卡的本地进程。同一块卡上"谁更快"这个问题的答案，会随你后台还开着什么而变。
五适合谁，不适合谁
适合：想在采完现场当天就确认"这段素材能不能重建"的人；显卡只有 8 GB、又不想为一次实验配环境的人；教学或团队内训，需要让每个人十分钟内跑出第一个 splat 的人。
不适合：要出交付级资产、且 PSNR 与薄结构保真度都要压到极限的人；完全离线、内网隔离的环境（应用要联网加载）；要长期批量训练几十份数据集的人（浏览器标签页不是队列系统）。
落到工具上：先看结果，再决定要不要装环境
这个工具最实用的地方在最后一步：它导出的是一份标准 PLY。 也就是说你完全可以先在浏览器里训一遍、导出，然后用一个完全独立的渲染器确认结果——"这份数据到底救不救得回来"这个问题，答案在十分钟内就能出来。
把导出的 PLY 直接拖进 3D 模型查看器，不用装引擎就能在浏览器里转着看。判断标准很简单：换一个渲染器还能立住，说明重建本身站得住；换一个渲染器就散，那问题在训练，不在查看器。
同主题的历史文章，按顺序读正好是一条线：
- 3D 高斯泼溅的崛起：先把 3DGS 是什么、从哪来补齐；
- 高斯泼溅进游戏：用渲染图训练：反过来的极端——不要照片，要渲染图，把高斯压到 0.4 MB 进引擎；
- 从高斯泼溅到可打印的 STL：高斯里没有表面，怎么把它变成实体。
专题入口：AI × 3D / 生成式 AI 完全指南。
来源：OfflineTools' Frankensplat Trains Splats in the Browser（Michael Rubloff，Radiance Fields，2026-11-13）。性能与 PSNR 数字均为 OfflineTools 自测口径，本文未做本地复测。
本文由 BimAnt 编译整理，转载请注明出处。