「把陆地 3DGS 推进水下：浙大+上海 AI Lab AquaFlow 在 13% 定位误差里看到了什么」—— 介质引导初始化让浑浊海流也能 SLAM

2026 年 8 月 25 日，arXiv 上线 2608.22906——一篇由浙江大学 + 上海人工智能实验室 + 上海交通大学 + 清华大学 + 香港大学 + 香港中文大学六家联合署名的工作：AquaFlow。

论文要解决的问题只有一句话：单目视频实时重建水下 3D 场景。

这件事听起来不大，但要理解它的工程难度，先看一组数字：

• 现有水下 SLAM 方法（WaterSplat-SLAM，AquaFlow 的直接对比对象）在 62 条水下轨迹上的平均定位误差：基准；
• AquaFlow：平均定位误差比 WaterSplat-SLAM 降低 13.2%；
• PSNR（重建质量）提高 4.74 dB。

4.74 dB 在图像重建里是「视觉上明显好一个档次」的差距。13.2% 的定位误差降低在 SLAM 圈是「可发布」的差距。两者同时达成，在一个公开数据集上反复验证——这是 CV 圈在 ICCV/ECCV 级别评审才能拿出来的成绩。

但 AquaFlow 的关键不在数字本身，而在于它用一个简单但有效的物理假设——「水下光是介质依赖的」——把整个 3DGS SLAM 流水线改写了。

文章想拆开三件事：

• 为什么水下 SLAM 比陆地难一个数量级；
• 「介质引导增量初始化 + 结构化距离条件化神经高斯 + 物理启发光学模型」这套三件套为什么能成立；
• 如果 AquaFlow 范式成立，水下机器人 / 海洋牧场 / 海底测绘产业会被怎样改写。

一、开篇：水不是空气，光会消失

把一个 3DGS（3D Gaussian Splatting）SLAM 系统从陆地搬到水下，第一件事就会崩：相机位姿估计。

原因很直接——陆地 SLAM 的隐含假设是「相邻帧外观一致 + 相机位姿稳定」。这两个假设在水下同时被破坏：

每条破坏单独拿出来都不是大事，但叠加起来，传统 3DGS 流水线的「点云初始化 → 高斯拟合 → 增量更新」每个环节都会偏离。

AquaFlow 的工程哲学很清晰：别再硬套陆地假设，而是把水下的物理过程显式建模进流水线。

二、三件套之一：微调 3D 视觉基础模型

AquaFlow 流水线的第一块基石是用大规模水下数据微调一个 3D 视觉基础模型（论文没具体说哪个模型，但从结构推断是 DUSt3R / MASt3R 类点图回归模型）。

这件事的目的是让模型输出的「相机位姿 + 点图」对水下视觉退化鲁棒。陆地训练的模型在水下直接用，相机会把水的颜色变化误判为物体运动，产生大量伪位姿漂移。

微调策略的关键是数据组成：

• 公开水下基准数据集（如水下结构化场景数据）；
• 网络采集的「in-the-wild」水下视频（来自 YouTube、TikTok、海洋纪录片）；
• 总样本量：62 条不同尺度的水下轨迹。

微调后，模型在水下视频的位姿估计稳定性显著提高——这是后续「介质引导初始化」能成立的前提。

三、三件套之二：介质引导增量初始化

陆地 3DGS SLAM 的点云初始化通常用「深度图反投影 + 多视角融合」。水下做这件事会污染：深度图估计被水的折射率搞乱，多视角融合被不同深度的颜色衰减搞乱。

AquaFlow 的「介质引导增量初始化」分两步：

1. 介质引导筛选：只有符合「当前帧光学模型预测颜色」的可靠区域才被纳入点云；
2. 增量更新：把新帧中的可靠区域加入当前场景，逐步扩展而不是一次性重建。

这两步的核心是**「不强行把水下图像当作陆地图像处理」**——只在光学一致的地方建几何，其他地方留给后面的「混合场景表示」补偿。

这相当于给 SLAM 流水线加了一个「介质感知开关」——只在光学稳定时建几何，其他时候交给物理模型补偿。

四、三件套之三：混合场景表示——结构化神经高斯 + 物理光学模型

这是 AquaFlow 最有学术含量的一块。

传统 3DGS 用一组「3D 高斯椭球」描述场景。每个高斯有位置、协方差（控制形状和朝向）、不透明度、球谐函数系数（控制颜色）。这套表示在水下有两个问题：

• 颜色信息被距离衰减污染——同一个表面在不同距离拍出来颜色不同；
• 球谐函数系数被迫承担「介质效应」——本来该编码反射率的参数被迫编码水的衰减。

AquaFlow 的解决方案是把场景表示拆成两个并行的部分：

这样做的工程含义是：颜色变化不需要全部塞进几何参数，位姿和外观可以在流式更新中分别约束。

水越浑浊，这套拆分的收益越大——因为传统 3DGS 在浑水里几乎一定会把「水的颜色衰减」误编码为「表面反射率变化」，导致重建纹理「虚胖」、定位误差累积。

五、62 条轨迹：基准 + 网络采集视频

AquaFlow 的实验覆盖 62 条水下轨迹，分两部分：

• 公开基准（35 条左右）：来自水下 SLAM 公开数据集；
• 网络采集视频（27 条左右）：来自 YouTube / TikTok / 海洋纪录片的「in-the-wild」水下视频。

后者尤其关键——它代表真实部署的复杂度：相机参数未知、浑浊度未知、光照未知、深度未知。

公开基准代表「标准化场景」，网络视频代表「实战场景」。两者都跑赢 WaterSplat-SLAM 才有说服力——AquaFlow 做到了。

六、13.2% 定位误差降低 + 4.74 dB PSNR 提升怎么读

把这组数字放回 CV 圈的历史坐标系看：

13.2% ATE（Absolute Trajectory Error，绝对轨迹误差）降低在 SLAM 圈是「刷新 SOTA」级别。4.74 dB PSNR 提升在图像重建圈是「视觉上明显好一档」。

但 AquaFlow 团队很谨慎——他们明确指出：

这些结果覆盖公开基准和网络采集视频，但仍是论文指定数据与基线的平均值。浑浊度、照明、深度和相机运动超出训练分布后，不能直接沿用同样提升幅度。

换句话说：在论文报告的 62 条轨迹上是 SOTA，但跨场景外推仍有风险。

七、为什么这件事对中国海洋机器人产业重要

中国是 2026 年全球海洋机器人（ROV / AUV）部署量最大的国家之一。三个具体场景会从 AquaFlow 受益：

1）海洋牧场水下巡检

中国「十四五」海洋牧场规划目标到 2025 年建成国家级海洋牧场示范区 200+ 个。每个海洋牧场需要 ROV 周期性巡检网箱、监测鱼类、检测网衣破损。传统声呐 + 相机方案成本高、效率低。

2）海底地形测绘

中国海岸线 18,000 公里、岛屿 6,000+ 个、海域面积约 300 万平方公里。高精度海底地形图是国家海洋战略基础设施。3DGS SLAM 范式能让单目相机 ROV 完成厘米级海底重建。

3）深远海养殖 + 海底光缆巡检

2026 年中国深远海养殖面积超过 1,000 万亩，光缆总长超过 50 万公里。低成本单目视频重建 + 自动异常检测 是这两个场景的核心需求。

八、AquaFlow 在 3DGS 演化时间线上的位置

把 AquaFlow 放到 3DGS 范式演化时间线里看：

AquaFlow 是 3DGS 范式从「陆地静态」走向「水下动态」的关键节点。它打开了 3DGS 在三个新方向的潜在应用：海洋、内窥镜医学成像、极端环境（太空、极地）。

九、AquaFlow 的局限：物理光学模型的「已知」假设

不要把 AquaFlow 当作「水下 3DGS 终极解」。它的核心假设是「光学模型是已知的」——这意味着浑浊度、衰减系数、散射参数要事先知道或估计。

但在实战场景里，这些参数往往是未知的、变化的。如果浑浊度突然翻倍（如下雨、洋流突变），介质引导初始化会把「突然变浑」误判为「表面变了」，触发错误的位姿漂移。

论文对此坦白承认：「针对水下降解的特殊场景设计，在 62 条轨迹上验证显著优于现有方法；但在分布外场景的鲁棒性仍需进一步验证。」

未来 12-18 个月，AquaFlow 的下一步大概率是：

• 加入在线光学模型估计（让模型在重建过程中动态调整介质参数）；
• 扩展到动态场景（水下生物移动、洋流扰动）；
• 跟声呐、IMU 多模态融合（在极端浑浊时切换到声呐 SLAM）。

十、跟 8 月其他 CV / 3DGS 工作的对比

2026 年 8 月 CV / 3DGS 圈的几条主线：

• 8-19 ECCV 2026 接收 LiteGS（摩尔线程）：3DGS 训练框架，PSNR 27.58 + 34 秒重建；
• 8-20 4DAnyone（Ant + 浙大 + 港科）：单目视频 → 4D 人物动态重建，PSNR 24.33；
• 8-24 AquaFlow（浙大 + 上海 AI Lab + 6 校）：水下 3DGS SLAM；
• 8-24 AquaFlow 同期：「分块高斯重建」用于城市级 / 街区级场景；
• 8-26 ECCV / SIGGRAPH 同期：多个 3DGS 优化工作。

AquaFlow 在「水下场景 + 单目 + 实时」这个交集上是目前最强的。

AquaFlow 在「户外 + 极端 + 部分动态」这个最难象限占住了。

十一、对中国 3DGS 创业公司的启示

中国 3DGS 创业公司近一年涌现很多：

• 蔚来子资本 + Luma AI 系：消费级 3DGS 拍摄；
• 影石 Insta360 系：全景 + 3DGS；
• 蚂蚁集团 + 浙江大学：4DAnyone、AquaFlow 等学术 + 产业化联动；
• 大疆 + 视觉团队：无人机 3DGS 重建；
• 小米 + OPPO：手机端实时 3DGS。

AquaFlow 给这几条线的启示：

1）场景适配是 3DGS 的护城河

3DGS 基础范式（高斯椭球 + 球谐函数）已经成熟。真正的差异化在「针对特定场景的物理假设适配」——AquaFlow 的「介质引导 + 物理光学模型」就是水下场景的适配。

2）多模态融合是 3DGS 的下一站

相机 + IMU + 声呐 + 深度传感器多模态融合，会让 3DGS 从「视觉重建」走向「多模态重建」。这对水下、室内、强光、雾天这些视觉退化场景特别重要。

3）开源数据集是产业化的关键

AquaFlow 的 62 条轨迹数据集如果公开，会成为中国 3DGS 创业公司低成本迭代的起点。论文里没明确说开源，但作者列表里有浙大 + 上海 AI Lab + 港中文等机构，开源概率较高。

十二、结语：水下的「陆地模型」第一次被认真改写

把 AquaFlow 拉远一点看，它其实在回答一个比水下重建更大的问题：当基础范式（3DGS）遇到物理环境改变（空气 → 水）时，应该改范式本身，还是改范式的物理假设？

过去三年的主流答案是「改范式本身」——从 NeRF 到 3DGS，从稠密到分块，从单帧到动态。每一次「换范式」都伴随着巨大的工程重写和论文刷新。

AquaFlow 给出了另一条路：保留 3DGS 范式不动，但显式建模介质的物理过程。这条路更轻、更省、更容易迭代——而且对极端环境（深海、内窥镜、太空、极地）天然有适配性。

未来 12 个月真正值得看的是三个数字：

• AquaFlow 是否公开 62 条轨迹数据集（开源是产业化的关键一步）；
• 是否有中国海洋机器人公司（深之蓝、博引、海兰信）把 AquaFlow 集成进 ROV 控制系统；
• 是否有「非水下」版本（内窥镜医学、雾天驾驶、太空作业）跟进「物理介质引导」范式。

这三个数字中任何一个发生，都会让 3DGS 从「视觉重建工具」变成「极端环境重建基础设施」。

信源

• arXiv:2608.22906（2026-08-24 上线）：AquaFlow: A Monocular Gaussian Splatting SLAM for Underwater Streaming Reconstruction
• 作者：Yingxiang Xu, Kerui Ren, Wenqi Guo, Changjian Jiang, Tao Lu, Linning Xu, Mulin Yu
• 机构：浙江大学 + 上海人工智能实验室 + 上海交通大学 + 清华大学 + 香港大学 + 香港中文大学
• arXivDaily 行业趋势 2026-08-25 转载
• M2 站 8-24 报道：LiteGS 入选 ECCV 2026（同期工作）
• KOCPC 8-21：4DAnyone 开源 + SIGGRAPH Asia 2026（同期工作）
• 同期分块高斯重建 + 大规模场景处理报道
• 此前已发的：8-25 PM Gaussian Splatting GameEngine / 8-23 PM-3 NVIDIA DLSS 4.5（作为 3DGS 应用语境）