基于高斯Splatting的开源绘画工具：用纯数学算法模拟真实笔触

这篇文章介绍了一款名为“Painting with Gaussians”的开源图像处理项目。开发者不依赖当前的生成式AI大模型，而是通过纯数学算法将普通照片转化为具有数字绘画风格的艺术图像。核心技术方面，作者摒弃了常见的梯度下降迭代优化方法，转而采用确定性追踪算法，将画笔笔触建模为二维高斯泼溅，其中均值代表笔触位置，协方差矩阵代表笔触的拉伸和旋转方向。为了达到逼真的绘画效果，项目整合了多种传统图形学技术：利用结构张量和Di Zenzo颜色张量提取图像边缘及色彩梯度以确定笔触流向；通过Haar小波分解生成细节能量图，自适应控制笔触的密度与大小（平坦区域用大笔刷，细节丰富处用细笔刷）；引入Wang avalanche hash消除网格排列的人为痕迹；利用Perlin噪声模拟手绘时的自然抖动与流动感；并设计了分层渲染机制，从底色大色块到顶层的高光细节逐层叠加透明度。性能方面，项目最终将计算管线从CPU迁移至GPU，利用OpenGL的几何着色器和变换反馈技术，实现了交互式的参数调整与实时渲染。这不仅是对Clojure生态中Jolt编译器和Glimmer GUI库的一次实战检验，也展示了在AI时代之外，传统算法结合硬件加速在图像艺术领域的巨大创新潜力。

事件分析

💡 核心观点：在生成式AI统治图像艺术的当下，传统算法结合GPU加速依然能提供高可控性且极具艺术感的图像处理方案。