用途：这是一份3D高斯泼溅（3DGS）论文与资源的整理集合，用于帮助研究者跟踪这一实时辐射场渲染方向的文献进展。3DGS将场景表示为大量3D高斯的集合，实现实时渲染。
内容构成：包含核心论文（Kerbl等人发表于ACM SIGGRAPH 2023的《3D Gaussian Splatting for Real-Time Radiance Field Rendering》），以及按主题划分的文献地图，涵盖静态场景、动态场景、生成、SLAM、虚拟人、自动驾驶、压缩、编辑、物理、语言理解等方向，并列出各方向代表性论文名称（如Mip-Splatting、DreamGaussian、SplaTAM等）。
方法对比：提供NeRF、Instant-NGP、3DGS、Mip-Splatting在PSNR、FPS与训练时间上的性能对比数据。
跟踪新论文：给出一段Python示例代码，通过arxiv库按标题或摘要检索近期3DGS相关论文，并按提交日期过滤和输出标题、作者、链接。
实现资源：包含原始实现的获取与使用方式，如git clone https://github.com/graphdeco-inria/gaussian-splatting，安装依赖pip install -r requirements.txt，训练命令python train.py -s path/to/colmap/data，以及实时查看器调用方式。
适用场景：新颖视角合成、实时可视化、数字孪生、VR/AR内容、自动驾驶街景理解等。
限制：该资料为文献与资源导航性质，具体论文方法细节、各方法在自定义数据上的实际效果、许可与运行环境要求需查阅对应论文与代码仓库，资料中未提供相关保证或最新性说明。部分列出的论文与调查文献版本信息需以原发布为准。