.png?table=collection&id=1e16e373-c263-81c6-a9df-000bd9c77bef&t=1e16e373-c263-81c6-a9df-000bd9c77bef)
Visionary：超越Marble的WebGPU渲染新星，重塑世界模型Web端体验
type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能飞速发展的今天，李飞飞团队 WorldLabs 推出的 Marble 模型曾一度引爆了「世界模型（World Model）」的热潮。然而，随着技术的深入应用，一个不容忽视的现实问题逐渐浮出水面：世界模型在 Web 端的“最后一公里”——可视化与交互，依然严重受限于底层的渲染能力。
Marble 所依赖的 SparkJS 渲染器虽然让 3D Gaussian Splatting (3DGS) 首次在浏览器中跑了起来，但在面对大场景和复杂动态交互时，其基于 WebGL 的架构显得力不从心。就在近日，开源社区迎来了一位强有力的挑战者——Visionary。这不仅仅是一个查看器，更是一个基于 WebGPU 与 ONNX 构建的全新渲染基座，它承诺将全面超越现有的 Web 渲染方案，重新定义世界模型在浏览器中的表现。
World Model 的 Web 端困境：从“能看”到“好用”的鸿沟
世界模型（World Model）的概念虽然迷人，但要让普通用户在浏览器中流畅体验，技术门槛极高。目前的视频生成范式（如 Genie3）对算力要求极高，难以在 Web 端实时运行。而基于神经渲染的路线，特别是 3D Gaussian Splatting (3DGS)，凭借其高效性成为了构建世界模型的重要载体。
然而，现有的 Web 端方案存在明显的断层：
* 桌面端引擎（Unity/Unreal）：性能虽强，但部署极其复杂，且依赖沉重的本地环境，难以在网页上快速传播。
* 现有 Web 方案（SparkJS/SuperSplat）：受限于老旧的 WebGL 管线，主要支持静态场景。一旦涉及到动态 3DGS 或 Neural Avatar（神经化身），CPU 排序便成为性能天花板，导致帧率骤降，更无法引入生成式模型进行实时推理。
这意味着，世界模型想要真正“被看见、被交互”，必须突破 Web 渲染底座的瓶颈。
Visionary：不仅仅是 Viewer，而是 Web 原生渲染基座
Visionary 的出现，正是为了填补这一空白。它的定位并非仅仅是“又一个 3DGS 查看器”，而是一个面向空间智能（Spatial Intelligence）的 Web 原生渲染基座 (Rendering Substrate)。
其核心优势在于架构层面的彻底革新：
1. WebGPU 原生架构：Visionary 抛弃了 WebGL，转而拥抱下一代图形标准 WebGPU。这使得 GPU 计算与渲染能力被真正带入浏览器，将繁重的排序与预处理任务从 CPU 迁移至 GPU，从而突破了性能瓶颈。
2. ONNX 驱动的统一接口：通过提出 Gaussian Generator Contract，Visionary 将各类 3DGS、4DGS 及 Avatar 方法统一导出为 ONNX 标准。这意味着，每帧仅需输入相机参数、时间等轻量控制信号，即可由 ONNX 模型输出完整的高斯属性缓冲。
3. 动态友好设计：得益于上述设计，Visionary 首次在浏览器端实现了每帧动态生成与更新高斯的能力，使得动态场景、神经化身以及生成式后处理（如风格化、增强）都能在线流畅运行。
性能实测：全面超越 SparkJS，速度与画质兼得
根据最新的技术报告和实验数据，在相同的 3DGS 资源条件下，Visionary 的渲染效率显著优于当前主流的 Web 端查看器 SparkJS。
- 极速渲染：在包含数百万高斯点的典型大场景中，Visionary 利用 WebGPU 将排序完全并行化，显著降低了端到端延迟。相比之下，SparkJS 的性能瓶颈主要集中在单线程的 CPU 排序阶段，难以应对复杂场景。
- 画质提升：快不仅仅是唯一的追求，渲染的正确性同样重要。Visionary 采用了逐帧 GPU 全局排序，彻底避免了 SparkJS 在快速视角变化下常见的“lazy sorting”视觉伪影。在 Mip-NeRF360 等基准测试上，其画质指标与 SparkJS 持平甚至略有提升。
- 多模型混合：Visionary 还解决了 SuperSplat 等方案中的逐物体排序混合错误，在多模型混合场景下，仍能保证透明度渲染的正确性。
面向未来的统一平台：连接研究、创作与工业
Visionary 的发布，为不同领域的用户带来了全新的可能性：
- 对于研究者：只要能将任意 3DGS 变体导出为 ONNX 格式，即可在 Visionary 中快速复现、对比与展示，极大地降低了学术交流的门槛。
- 对于创作者：无需安装复杂的专业软件，即可直接在浏览器中完成场景的编辑、录制与渲染，创作流程更加轻量化。
- 对于工业界：其高效的实时渲染能力，使其非常适合应用于数字孪生、仿真、XR 以及具身智能等大规模实时场景。
目前，Visionary 已原生支持 MLP-based 3DGS (Scaffold-GS)、4D Gaussian Splatting、Neural Avatar 等多种前沿技术，且所有渲染流程均在浏览器端完成，无需依赖后端服务器。
结语
World Model 的竞争，最终会回归到一个核心问题：谁能把复杂的世界，稳定、快速、低门槛地呈现给用户？Visionary 给出的答案是明确的：利用 WebGPU + ONNX 的强大组合，打破浏览器的性能桎梏，把世界模型真正带到 Web 端。
随着 Visionary 的开源和持续迭代，未来的 Web 3D 体验将不再局限于简单的模型展示，而是向着物理交互增强、物理感知建模以及空间智能体的方向演进。对于关注 AI 和 LLM 发展的从业者来说，这是一个值得密切关注的技术变革。
想了解更多关于 AI资讯、AGI 以及 大模型 的最新动态，欢迎访问 AIGC.BAR，获取最前沿的科技情报。
Loading...