摩爾線程（Moore Threads）× 中国科学院計算技術研究所：DeferredGS、フルスタック中国国産化適応を実現

近日、中国半導体メーカーである摩爾線程（Moore Threads）は中国科学院計算技術研究所と協力し、同社のフル機能GPUにおけるソフトウェア・ハードウェアエコシステムの協調で重要なブレークスルーを達成した。両者はMoore ThreadsのフラッグシップAI学習・推論一体化コンピューティングカード「MTT S5000」の強力な演算能力を基盤に、ガウススプラッティングの分離表現と再照明手法であるDeferredGSのフルスタック中国国産化適応を共同で完了した。このマイルストーンは、Moore Threads・フル機能GPUの優れた演算能力と基盤エコシステム互換性を実証するだけでなく、中国国産の自主制御可能な3D再構築・レンダリング技術の実用化に新たなパラダイムを提供するものだ。

近年、ガウススプラッティングは、高効率な微分可能な3D表現手法として、高品質かつリアルタイムレンダリングを実現しつつ、従来の神経放射場 (NeRF)手法と比較して高い訓練効率を誇り、3D再構築、デジタルヒューマン、仮想現実、デジタルツインなどの分野で急速に発展している。中国科学院計算技術研究所のチームは、ガウススプラッティングの分離表現と再照明手法であるDeferredGS（図1参照）を提案した。この手法は遅延レンダリングパイプラインを導入し、シーンの幾何属性とマテリアルを分離することで、ガウススプラッティングシーンのリアルタイム再照明を実現している。この設計により、入力照明に対する幾何学的属性の過学習を根本的に回避し、よりリアルで信頼性の高い再照明効果を実現している。

図1：ガウススプラッティングの分離表現と再照明手法DeferredGSの模式図

DeferredGSの研究開発と実装には、中国国産深層学習フレームワークの強力なサポートが不可欠だった。「Jittor」は、清華大学コンピュータ科学科グラフィックス研究室が完全に独自開発したオープンソース深層学習フレームワークだ。メタ演算子と統一計算グラフという革新的アーキテクチャに基づき、演算子最適化効率や異種ハードウェア適応において顕著な優位性を持っている。ガウススプラッティング技術エコシステムの体系的な構築を推進するため、中国科学院計算技術研究所はJittorをベースに「Jittorガウスライブラリ」を発表した。このライブラリは、ガウススプラッティング技術を幾何変形、レンダリング最適化、属性分離・再照明、スタイライゼーションなどの多様なタスクに拡張するとともに、統一されたアルゴリズムインターフェースと高効率な訓練フレームワークを提供し、ガウススプラッティング手法の再利用ハードルを大幅に低減している。今回適応されたDeferredGS手法は、このJittorガウスライブラリに統合された中核技術の一つで、ガウススプラッティングにおけるマテリアル分離と再照明分野の最先端水準を代表するものだ。

これまで、DeferredGSのような、最適化されたガウススプラッティングラスタライゼーションや遅延レンダリングパイプラインを含む複雑な手法は、長らく海外GPU基盤エコシステムに依存して訓練・推論が行われてきた。このエコシステムの壁を打破し、完全中国国産・フルスタック自主制御可能なソフトウェア・ハードウェアパスを模索するため、両チームは深いレベルでの基盤適応作業を実施した。Moore Threadsの充実したMUSAソフトウェアスタックを基盤に、チームは国産深層学習フレームワークJittor、ガウススプラッティングラスタライゼーション、および遅延レンダリングパイプラインにおけるGPU演算子のMUSA移行に成功した。堅固な基盤フレームワークの適応に基づき、チームはMoore ThreadsMTT S5000上でDeferredGSの訓練と推論を完全に再現した。この成果により、最先端の3D生成・レンダリング技術であるガウススプラッティングの中国国産GPUにおける可用性と再現性が効果的に向上し、海外GPUエコシステムへの依存度が大幅に低減された。これは自主制御可能な完全国産のソフトウェア・ハードウェア協調ソリューションだ。

図2：MooreThreadのフル機能GPUにおけるDeferredGSのレンダリング結果（右）

基盤演算能力から深層学習フレームワーク、3D再構築アルゴリズムからレンダリングパイプラインに至るまで、この完全に自主的な国産ソリューションは、中国国産GPUエコシステムが複雑な科学研究・産業応用の方向性において重要な探求を行ったものだ。より多くの開発者が中国国産技術スタックに参加するにつれ、自主・オープン・繁栄するソフトウェア・ハードウェア協調エコシステムが加速的に形成され、中国が次世代グラフィックス学と人工知能分野における競争で主導権を握ることに貢献するだろう。

Moore ThreadsMUSAに基づくJittorフレームワークのコードはGithubでオープンソース化されている（https://github.com/IGLICT/Jittor_MUSA ）。開発者はpipでこのバージョンのJittorをインストールするだけで使用可能で、追加の環境設定は不要だ。Jittorに基づく深層学習アルゴリズム開発チュートリアルについては、Jittor公式チュートリアル（https://cg.cs.tsinghua.edu.cn/jittor/ ）を参照されたい。

*上記の内容は、以下の参考文献およびMoore Threads Labによるものだ。

1. Shi-Min Hu, Dun Liang, Guo-Ye Yang, Guo-Wei Yang, and Wen-Yang Zhou, Jittor: a novel deep learning framework with meta-operators and unified graph execution, Science China Information Sciences, 2020, 63(12), 222103.

2. Tong Wu, Jia-Mu Sun, Yu-Kun Lai, Yuewen ma, Leif Kobbelt, Lin Gao*, "DeferredGS: Decoupled and Relightable Gaussian Splatting With Deferred Shading," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 47, no. 8, pp. 6307-6319, Aug. 2025, doi: 10.1109/TPAMI.2025.3560933.

（原文：https://www.icsmart.cn/105791/）