特性训练方面Brush 可接受 COLMAP 数据或 Nerfstudio 格式的数据集在本地、移动端和浏览器中都能完全支持训练。训练时可与场景交互实时查看训练动态对比渲染效果与输入视图还支持对带透明度的图像进行遮罩处理。查看器方面Brush 作为 splat 查看器表现出色能加载 .ply 和 .compressed.ply 文件从 URL 流式传输数据还能加载 splat 文件的 .zip 压缩包以动画形式展示或者加载包含增量帧的特殊 ply 文件。命令行界面CLI方面Brush 可作为命令行工具使用运行 brush --help 可查看概述每个 CLI 命令都能搭配 --with - viewer 使用以打开用户界面便于调试。训练可视化训练时可使用 rerun 工具可视化额外数据要在机器上安装 rerun 需按其说明操作在查看器中打开 ./brush_blueprint.rbl 能获得最佳效果。构建 Brush首先安装 Rust 1.88可用 cargo test --all 运行测试若要在训练时使用 rerun 进行额外可视化需运行 cargo install rerun - cli。在 Windows/macOS/Linux 上在工作区根目录使用 cargo run --release 进行优化构建使用 cargo run 运行调试构建。网页方面Brush 可编译为 WASM运行 npm run dev 可使用 Next.js 启动演示网站相关代码在 app/brush - app/web 目录Brush 使用 wasm - pack 构建 WASM 包也可在不使用打包工具的情况下使用。Android 方面首次设置要确保安装 Android SDK 和 NDK检查 ANDROID_NDK_HOME 和 ANDROID_HOME 是否设置为 Rust 添加 Android 目标安装 cargo - ndk 管理库的构建每次修改 Rust 代码后需运行相应命令为获得最佳性能建议在发布模式下构建之后可从 Android Studio 运行项目或从命令行运行。基准测试渲染和训练速度通常比 gsplat 更快可用 cargo bench 对部分内核进行基准测试。致谢感谢 gSplat 提供内核参考版本感谢 Peter Hedman、George Kopanas 和 Bernhard Kerbl 的多次讨论和指导感谢 Burn 团队在 Burn 框架方面的帮助和改进感谢 Raph Levien 提供的 GPU 基数排序原始版本感谢 GradeEterna 的反馈和提供的场景。免责声明这并非谷歌官方产品此仓库是 google - research 仓库的公开分支版本。