手机拍 6 张照片，浏览器里 36 秒就变出一个能转着看的 3D 场景：这个开源项目连图都不上传

一句话先说结论

有个叫 splatting-rs 的开源项目，把「用几张照片做出 3D 场景」这件事整个塞进了浏览器标签页里：你丢进去六张手机照片，等大约半分钟，就能拖动查看一个立体的、可以转视角的 3D 场景，还能把结果下载成 .ply 文件。全程照片不出你的电脑，服务器什么都不用。

它到底是什么

平时你用手机拍一堆照片，想让它们变成能转的 3D 模型，传统做法是：先在工作站上用 COLMAP 这类工具估算每张照片拍摄时的位置和角度（也就是「相机位姿」），再花几分钟到几十分钟去训练。慢、重、还得装一堆软件。

splatting-rs 想干的事，是把这条链路的前半段（也是过去最慢最烦的那半段）直接跳过。它用的是「前馈」思路：让神经网络一次前向推理，就从照片里推出深度和相机信息，不用再单独解一遍位姿；然后在浏览器里用 WebGPU 直接把「3D 高斯泼溅」（3D Gaussian Splatting，简称 3DGS）训练出来。渲染出来的效果，就是那种可以从任意角度贴近看、有体积感的 3D 场景。

为什么值得关注

3DGS 这两年一直是 3D 重建的热门方向，但它的「入口」很劝退：光是解相机位姿这一步，就足以把普通用户挡在门外。而这一次，真正的新意在「跑在哪里」——不是做出了更好的泼溅效果，而是把整条流程搬进了一个网页标签：不用装环境、不用上传、不用等服务器排队。

往大了说，这让 XR / 网页 3D 多了一条「零安装、本地生成」的路：以前看到的泼溅内容多是别人做好给你的，现在你自己在浏览器里就能造一个。

它是怎么做到的

项目由三个 Rust 库叠成一条流水线：

• mapanything-rs：把 Meta 的 MapAnything 网络移植过来，一次前向就把照片变成带颜色的点云，官方说「不需要相机位姿」。
• depthanything3-rs：用字节跳动的 Depth Anything 3 Small，从照片预测深度、相机和焦距。它只有约 137MB 权重，而不是 MapAnything 的 4.9GB——作者称它是「为浏览器准备的第一段」。
• instantsplat-rs：按 InstantSplat 的思路，在点云上每个点初始化一个高斯，再用自己用 WGSL 写的 wgpu 光栅器去优化。

在网页里，Depth Anything 3 Small 跑在编译成 wasm 的 CPU 后端（放在一个 Web Worker 里，页面不会卡），高斯的优化则跑在 WebGPU 上，用的是和原生版本相同的 WGSL 内核。demo 页面承诺得很直接：「Nothing leaves your browser.（什么都不离开你的浏览器）」

实测数字（作者给出的唯一一组）

作者在 M5 芯片的 headless Chrome 里跑了一次：六张 3024×4032 的手机照片（缩到 378×504）。

• 一次性下载模型：7 秒（之后浏览器会缓存，不再下载）
• 预处理：0.14 秒
• Depth Anything 3 Small：23.5 秒（wasm 单线程，含 SIMD）
• 初始化约 26 万个高斯：0.04 秒
• 训练：26 步/秒，默认 300 步花 11.5 秒（跑在 WebGPU）
• 合起来约 36 秒，共生成 259,975 个高斯

一个关键对照：同样的这个深度网络，原生跑在 Metal 上只要 2 秒。也就是说，浏览器里最慢的一环不是训练，而是那个卡在 wasm 单线程上的网络。瓶颈在哪，作者自己写得清清楚楚。

适合谁用

• 想快速把一个实物、一个小房间、一件小玩意变成「能转着看」的 3D 的人；
• 在意隐私、不想把照片传到任何服务器的人；
• 做 WebXR / 网页 3D、想要一条本地生成路径的开发者。

不适用 / 局限（这部分作者也没藏着）

• 只在它所使用的少数几个输入视角附近才靠谱；换到别的角度，泼溅会「尖刺、破面」。想稳住的话，得再加一步用完整 COLMAP 采集去 refine，98 帧约 3000 步要花大约 5 分钟——等于又请回了它本想跳过的那套工具。
• 输入分辨率被模型卡在长边 504 或 518 像素。
• Depth Anything 3 Small 解出来的相机，精度不如 MapAnything。
• 原生工具面向 Apple Silicon（走 Metal），有 CPU 兜底；网页里的 WebGPU 只能在 localhost 或 HTTPS 下跑。
• 两个 Rust 移植都还没和 PyTorch 参考实现对过数值，只在真实拍摄上「看过效果」。
• 目前它只是作者的个人早期实验（仓库自称「我的高斯泼溅实验」，检查时 0 star、只有 7 次提交），只有这一组单芯片实测，别当成成熟产品。

怎么用 / 上手路径

1. 打开在线 demo（主页链接指向 antoinemopa.github.io/splatting-rs）。
2. 第一次点一下，下载 137MB 的 Depth Anything 3 Small 权重；之后浏览器会缓存，下次直接用。
3. 选两张或更多手机照片，等大约半分钟。
4. 用鼠标拖动查看，满意就下载 splat.ply。

想更讲究效果，也可以在本地按仓库 README 用命令行跑，或者用完整版 MapAnything（11 张照片在 M5 上约 3 分钟，但相机位姿会更准）。

一点提醒

它目前的价值不在「结果有多完美」，而在「这条链路现在能跑在一个网页里、还不上传」。如果你要的是能直接拿去商用的成品模型，先别抱太高期望；如果你关心的是隐私、零安装、以及 WebXR 的方向，那这个一周大的项目值得盯着看。

参考来源

• GitHub 仓库：https://github.com/antoineMoPa/splatting-rs （Apache-2.0）
• 浏览器实测说明（README）：https://github.com/antoineMoPa/splatting-rs/blob/main/instantsplat-rs/web/README.md
• 在线 demo：https://antoinemopa.github.io/splatting-rs/
• Metaverse Watcher 报道：https://www.metaversewatcher.io/splatting-rs-browser-gaussian-splat-six-photos-webgpu/
• ExplorXR《XR Daily》（2026-10-18）：https://explorxr.com/posts/2026-10-18-xr-daily/

*说明：本文基于该项目的官方仓库/README 与多家媒体的转述整理，非官方新闻稿；数字均来自作者自述的实测，尚未经第三方复现。*

参考来源

• https://github.com/antoineMoPa/splatting-rs
• https://www.metaversewatcher.io/splatting-rs-browser-gaussian-splat-six-photos-webgpu/