单图前馈式 3D Gaussian Splatting（3DGS）的吸引力，在于只凭一张图像直接生成可渲染的三维场景表示，绕开多视角采集与逐场景优化。InfiniSplat 关注的不是增加输入或恢复优化流程，而是重做高斯基元的放置与解码方式，以改善大幅视点移动时的结构连贯性。
像素对齐为何限制大基线合成
现有方法通常从固定图像网格位置预测高斯基元，也就是让表示与输入像素对齐。这种设计便于建立图像特征与高斯属性之间的对应关系，在邻近视角下也能得到不错的渲染结果，但基元位置与真实场景表面的耦合较弱。当视点发生较大变化时，固定网格的离散方式容易产生散落的基元，场景结构也更难保持一致。
InfiniSplat 因此把目标从“像素对齐”改为“表面对齐”：高斯基元不再天然依附于固定像素中心，而是尽量沿深度所反映的局部表面结构分布。这一变化针对的是表示层本身，而不是仅在渲染结果上追加修正。
几何采样与隐式解码如何配合
方法首先执行几何引导采样，依据深度诱导的局部表面结构放置二维支撑点；随后在这些支撑位置查询图像特征，并交给带查询条件的隐式解码器预测高斯属性。支撑点负责提供几何落点，解码器负责从对应图像特征生成基元，两者共同解除高斯预测对固定像素中心的绑定。
按摘要表述，InfiniSplat 在多项跨数据集新视角合成评测中，相比单图前馈基线取得了当前最佳表现，并展示了从 Hypersim 室内合成数据训练出发的零样本泛化。不过，给定材料没有完整列出目标场景、具体指标、提升幅度、消融实验或计算开销，因此还不能判断收益主要来自采样策略、隐式解码器，还是两者组合。
我的判断
这项工作的价值在于抓住了单图 3DGS 的一个表示瓶颈：固定像素网格适合读取图像，却未必适合承载三维表面。将几何落点与属性预测解耦，是一个具体且有针对性的改动，尤其适合关注大视角变化的新视角合成任务。但论文摘要中的比较范围是单图前馈基线，不能据此推断它优于多视角输入或逐场景优化方案。缺少定量结果与效率信息时，更稳妥的结论是：表面对齐值得关注，但实际质量、速度和泛化边界仍需完整实验确认。