在 3D 重建领域，传统 3D Gaussian Splatting（3DGS）依赖 COLMAP 等 SfM 工具预估相机姿态，但稀疏视图或低重叠场景下 SfM 易失败，导致重建崩溃。SPFSplat 提出自监督无姿态方案，仅需 2-3 张无 pose 图像，通过单次前向传播同时输出 3D 高斯基元与相对姿态，实现高质量新视图合成（NVS）。
SPFSplat 的核心是共享 ViT 骨干网络：输入多视图无 pose 图像，经 ViT 编码器提取共享特征，再经解码器融合多视图信息。三个预测头并行工作：高斯中心头预测 3D 位置，参数头预测旋转 / 缩放 / 不透明度 / SH 系数，姿态头（MLP）回归每个视图相对首个视图的姿态（规范空间）。
训练采用双分支设计：上下文分支（推理用）预测场景；上下文 + 目标分支（训练用）估计目标姿态，用于渲染损失监督。渲染损失计算估计 pose 下渲染图像与 GT 的 L2+LPIPS 差异，同时优化高斯与姿态。
关键创新是重投影损失：强制像素对应高斯中心，经估计姿态重投影回原视图像素位置一致，提供纯几何约束，避免 “作弊”（仅调色不改几何）。论文实验显示，在 RE10K/ACID 数据集，低重叠场景 PSNR 超 pixelSplat 2dB，SSIM 提升显著；相对姿态 ATE 优于 MASt3R。
与其他无 pose 方法对比，SPFSplat 首次在无监督下超需 pose SOTA：无需 SfM 初始化，避免反馈循环崩溃。定性结果显示，桥梁 / 游泳池等几何细节更锐利，无模糊伪影。
工程落地参数：
- 网络：ViT-Base/16 骨干，Gaussian 头输出 H×W×1 中心（像素对齐），参数头融合 RGB shortcut 强化纹理。
- 训练：批次 3 视图，AdamW lr=1e-4，300 epochs；渲染分辨率 512×512，高分辨用 deferred backprop。
- 密度控制：初始化 10M 高斯，优化中自适应克隆 / 分裂（梯度阈值 0.001），最终 < 1M 高斯。
- 推理：单前向 <1s/GPU（RTX4090），渲染> 100FPS 1080p。
- 监控点：NVS PSNR>28，LPIPS<0.1；ATE<5° 旋转 / 0.05 平移；Chamfer 距离 < 0.02 几何一致。
- 回滚：若重叠 < 20%，fallback DUSt3R 预 pose；超参敏感用 grid search（lr 1e-5~1e-3）。
部署清单：
- 数据预处理：Resize 512，内参归一化 token 嵌入。
- 初始化：零 pose，随机高斯于中心。
- 联合优化：交替渲染 loss（w=1.0）+reproj loss（w=0.1）。
- 导出：Ply 格式高斯，伴随相对 pose 矩阵。
- 测试：LLFF / 自定义手机拍，确保 > 3 视图。
风险：极端稀疏（<2 视图）几何歧义，建议融合单目深度先验；动态场景需扩展 4DGS。
资料来源：arXiv:2508.01171；项目页https://ranrhuang.github.io/spfsplat/；HN 讨论。