详细解读
G3Splat 关注可泛化的 3DGS：不为每个场景从头长时间优化，而是从输入图像预测可渲染的高斯表示。问题在于，单纯追求新视角图像质量可能得到几何不一致的 splat。
论文引入自监督几何先验，让预测高斯不只是“看起来对”，还要在深度、位姿和重建结构上更一致。这样一来，高斯表示可以同时服务新视角合成、几何理解和相机位姿估计。
算法上值得关注的是它如何把 2D 监督提升为 3D 约束。可泛化模型没有每场景慢优化的余地，因此训练阶段必须教会网络从有限输入中生成稳定的空间结构，而不是只记住外观捷径。
它的意义在于把 3DGS 推向前馈重建和实时应用。局限是泛化质量强依赖训练数据分布；遇到域外相机、材质或场景布局时，预测高斯可能仍然出现几何偏差。