由細小物件轉到街景或航拍畫面，場景尺度和相機位置一變，3D Gaussian Splatting（3DGS）的高斯大小就較難用一致方式預測。SplatAnything 是 InfiniSplat 系列第三版的前饋式 3D Gaussian 重建模型，目標是讓單一模型處理不同類型與尺度的場景，面向自動駕駛、機械人導航、AR/VR 及遊戲開發等用途。
它的關鍵改動，是不再只按高斯到參考相機的平均徑向距離設定尺度基準，而是把場景轉換到以高斯間距正規化的空間。這讓不同場景中相似影像區域的尺度目標較一致，減少監督訊號含糊造成的覆蓋不足或高斯過度重疊。對需要跨場景重建的團隊而言，這比逐個場景調整尺度更有機會帶來穩定結果；但提供的資料未列出量化比較數字，改善幅度仍難以判斷。
模型接收多張輸入影像，亦可選擇提供相機參數；接著由凍結的幾何基礎模型估算多視角幾何，再轉換正規化空間，最後透過 Gaussian backbone 和輕量 GShead 預測每個像素的高斯屬性。這套流程結合預訓練幾何能力與專門的尺度處理，適合研究跨場景重建的人員，以及自動駕駛、導航或沉浸式內容團隊評估。
- 一個模型涵蓋物件、人像、室內、街景及航拍場景。
- 以高斯間距正規化，改善不同場景的尺度監督一致性。
想先檢視重建效果，可以使用 Hugging Face 示範或在項目網站瀏覽互動場景；網站亦提供下載場景 HTML 檢視器的方式。若要在本機執行推理，雖然模型權重已公開，現有文件內容不足以確認完整安裝流程、硬件需求及推理指令，宜先核對項目文件再安排測試。