Gaussian Splatting项目中3D协方差矩阵的计算原理分析

引言

在Gaussian Splatting项目的CUDA实现中，3D高斯分布的协方差矩阵计算采用了与论文公式略有不同的实现方式。本文将深入剖析其数学原理，解释为何两种形式在本质上是等价的。

理论基础

3D高斯分布的协方差矩阵Σ表征了点在空间中的分布特性。根据论文公式(6)，协方差矩阵应表示为：

Σ = R * S * S^T * R^T

其中：

• R为旋转矩阵（正交矩阵，满足R^-1 = R^T）
• S为对角缩放矩阵（满足S = S^T）

实现差异解析

在CUDA实现中(cuda_rasterizer/forward.cu)，代码采用了以下计算方式：

glm::mat3 M = S * R;
glm::mat3 Sigma = glm::transpose(M) * M;

数学等价性证明

1. 矩阵展开：

   • M = S * R
   • M^T = R^T * S^T = R^T * S （因S对称）

2. 乘积运算：

   Sigma = M^T * M 
         = (R^T * S) * (S * R) 
         = R^T * S * S * R
   

3. 与论文公式关系：

   • 当实现中的R表示论文中R的逆矩阵时（即R_impl = R_paper^-1）
   • 利用旋转矩阵性质：R^T = R^-1
   • 因此两种表示完全等价

实现选择的原因

项目采用这种实现方式主要基于两个工程考量：

1. 计算效率：合并缩放和旋转为单一矩阵乘法，减少运算步骤
2. 数值稳定性：避免显式计算矩阵转置，利用GLM库的优化特性

关键理解要点

1. 缩放矩阵S的对角特性保证了S = S^T
2. 旋转矩阵的正交性是其逆等于转置的核心
3. 实现中的旋转矩阵方向与论文定义相反，但不影响最终结果

总结

Gaussian Splatting项目通过巧妙的矩阵运算重组，在保持数学正确性的同时优化了计算流程。这种实现方式充分体现了计算机图形学中理论严谨性与工程实践性的完美结合，对于理解3D高斯分布的可视化实现具有重要参考价值。