有意思的地方不在于它又提了几个点，而在于换了个问题：以往做三维重建，「照片被压缩过」是要去猜、去修的未知损伤；这篇论文说，损伤的配方就明明白白写在文件里，不用猜。
先说清楚现在卡在哪
三维高斯泼溅（3D Gaussian Splatting，简称 3DGS）是这两年最主流的三维重建方式：给一组不同角度拍的照片，它往空间里塞几百万个半透明的小椭球，渲染时投影叠加就能合成任意新视角。训练很朴素——渲染一张，跟对应的真实照片比，差多少就往回改一点椭球。
前提是每张输入照片都忠实记录了场景本来的亮度。可现实里的照片几乎都是 JPEG：把画面切成 8×8 的小块，每块从像素变换到频率（这一步叫 DCT，粗略理解成「把这一小块拆成从平滑到细密的一系列条纹的叠加」），再按一张量化表决定每个频率保留多少精度。压得狠，高频被抹平，于是有了块状色斑和边缘振铃。
真正麻烦的是质量不一致：同一个场景，可能一部分是原图，一部分是转发压过的。而每个椭球是被多个视角共同更新的，一张糊图的伪影会顺着共享的椭球扩散出去，把清楚的视角也拖下水。丢掉糊图不行——视角本来就不够；先做一遍去伪影修复也不好，那等于在真值上又叠一层猜测。
关键的一转：把压缩写进前向模型
JSGS 的转折点是：每个 JPEG 文件头里都存着它自己用的亮度和色度量化表。这等于压缩方主动交代了它在这张图上抹掉了哪些频率、抹掉了多少。
于是作者不再试图把输入图还原成「未压缩的样子」，而是反过来——给渲染结果也套上同一张量化表，编码解码一遍，再跟输入图比。两边处在同一个压缩状态下，比较才公平，被压掉的细节不会再被当成重建误差记到椭球头上。这是把退化过程并入观测算子，只不过这里的算子不用估计，是读出来的。
监督本身也拆到了频率上：低频段用固定损失锚住大结构（这部分压缩基本没动，可信），中频段按量化表数值给连续权重——某个频率压得越狠，那里的残差就越不该被当真。逐块的分歧程度还被反投影回可见的椭球，用来约束那些「又小、又不透明、还老对不上」的赘生物，它们多半是模型为了硬拟合伪影长出来的。
它可能落到哪些活儿上
最直接的是众包与 UGC 素材的三维化：房产带看、街景与文旅扫描、商品建模——素材来自不同设备和上传通道，画质天生参差，眼下通行的做法是人工挑图或丢掉低质量的。视频抽帧建三维也一样，视频编码同样是分块变换加量化，思路可平移。
存疑与边界
第一，别被百分比带跑。论文报的 LPIPS 下降 20.7%–27.1%，参照的是原版 gsplat 这个不做任何压缩处理的基线；同一张表里，已有的 FDS-GS 在 PSNR 上仍然更高。PSNR 量的是逐像素差值，LPIPS 量的是「人看着像不像」——JSGS 赢在观感，在像素级保真上是让步的。它在七个场景、三种质量分布共二十一组设定下 LPIPS 全部最低，同时保持约 150 FPS 的渲染速度，也就是说抗压缩没有拿速度去换。
第二，更要命，作者自己写明了：方法处理不了二次压缩。文件里只留得下最后一次编码的量化表，之前被压成什么样，无从得知。而「转发过一圈的照片」恰恰就是典型的二次压缩——正好是上面那些应用最想吃下的素材。
第三，实验用的是 LLFF 和 Mip-NeRF 360 上人为压缩的数据，不是真实设备直出、真实传输链路劣化的图。想法够干净，但离真实相册还差一次验证。