The speed of warp-based raster

[VerseWei]

您好，感谢开源！

我测试了LiteGS的warp-based raster和Taming-GS的方法，发现光栅化器的仅前向和反向过程中LiteGS的warp-based raster速度比Taming-GS慢5~10倍，使用同样的数据和其他模块，仅LiteGS的基于线程束的光栅化、扫描线算法和混合精度，与Taming-GS的光栅化器比较。

但是论文中表3显示，warp-based时间消耗仅占per-splat（Taming-GS提出）的约1/4，所以我感到非常疑惑。我想请问Table 3中的消融实验是在同样的数据条件和致密化算法的基础上比较的吗？时间是否仅包含基于线程数的光栅化器？3.2节提出的聚类剔除策略是否也包含其中？

我们使用的是RTX 4090，在自采集数据集上50W高斯时，我们统计的Taming-GS的光栅化器前向和反向总共约3ms，但是论文的warp-based方法需要10ms以上。

如果能得到您的帮助，我们非常感谢！！！

[KaiminLiao]

首先，我先回答您的问题。

1. Table 3中的消融实验是在同样的数据上比较的，完全相同的ply文件，完全相同的多个视角。
2. 时间仅包含gs光栅化。
3. 聚类剔除策略不包含在其中
   针对Table 3的疑问，我们可以提供对应的Nsight Sytem文件。如果需要，我们也可以提供warp-based raster对应的Nsight compute文件以展示kernel的具体指标。

针对您的问题，我可能还需要您的配合：

1. 根据readme中的指令运行full_eval_aggressive.py并与我们给出的4090耗时进行比较（作为快速排查，我们认为这可以初步解答您的疑惑。如果raster整体耗时在10ms左右，意味着一个iteration可能需要20ms。如有必要，进一步，您可以查看配置参数并关闭cluster-cull-compact，抓取nsight system可以定位到warp based raster在整个训练中，从10K~1M各个阶段的具体耗时。）
2. 从经验上判断，在500K参数的场景中，warp-based raster整体耗时10ms是一个异常的现象。您可以发送您的测试脚本和数据到kaiminliao@gmail.com。我们会尽快排查并给您答复。
3. 针对表3的问题，如果您对原始数据感兴趣，可以留下邮箱以及您希望拿到的具体文件。

[VerseWei]

非常感谢回复！我是将LiteGS到warp-based方法改到了自己的项目代码中，因为是纯C++实现项目也比较大所以可能很难单独把这部分实现拿出来运行。也有可能是我引入这部分代码时改写有一些问题，我先参考您的项目代码仔细核对一下，检查Nsight compute文件。如果我这两天没能解决的话，我再留言想您请教。再次感谢您！

…

---- 回复的原邮件 ---- | 发件人 | ***@***.***> | | 发送日期 | 2026年08月07日 00:34 | | 收件人 | MooreThreads/LiteGS ***@***.***> | | 抄送人 | VerseWei ***@***.***>, Author ***@***.***> | | 主题 | Re: [MooreThreads/LiteGS] The speed of warp-based raster (Issue #25) | KaiminLiao left a comment (MooreThreads/LiteGS#25) 首先，我先回答您的问题。 Table 3中的消融实验是在同样的数据上比较的，完全相同的ply文件，完全相同的多个视角。 时间仅包含gs光栅化。 聚类剔除策略不包含在其中 针对Table 3的疑问，我们可以提供对应的Nsight Sytem文件。如果需要，我们也可以提供warp-based raster对应的Nsight compute文件以展示kernel的具体指标。 针对您的问题，我可能还需要您的配合： 根据readme中的指令运行full_eval_aggressive.py并与我们给出的4090耗时进行比较（作为快速排查，我们认为这可以初步解答您的疑惑。如果raster整体耗时在10ms左右，意味着一个iteration可能需要20ms。如有必要，进一步，您可以查看配置参数并关闭cluster-cull-compact，抓取nsight system可以定位到warp based raster在整个训练中，从10K~1M各个阶段的具体耗时。） 从经验上判断，在500K参数的场景中，warp-based ***@***.***。我们会尽快排查并给您答复。 针对表3的问题，如果您对原始数据感兴趣，可以留下邮箱以及您希望拿到的具体文件。 — Reply to this email directly, view it on GitHub, or unsubscribe. Triage notifications, keep track of coding agent tasks and review pull requests on the go with GitHub Mobile for iOS and Android. Download it today! You are receiving this because you authored the thread.Message ID: ***@***.***>