最近，高斯溅射法（Gaussian Splatting）在计算机视觉领域引发了一股新潮流。除了新颖的视图合成，它还被扩展到了多视角重建领域。最新的方法能够在保证快速训练速度的同时，实现完整且详细的表面重建。然而，这些方法仍然需要密集的输入视角，并且在稀疏视角下，输出质量显著下降。我们观察到，高斯原语（Gaussian primitives）往往会过拟合少量的训练视角，导致噪声浮动物（floaters）和不完整的重建表面。 在本文中，我们提出了一种创新的稀疏视角重建框架，利用视角内深度和多视角特征一致性，实现了显著准确的表面重建。具体而言，我们利用单目深度排名信息来监督补丁内深度分布的一致性，并采用平滑损失（smoothness loss）来增强分布的连续性。为了实现更精细的表面重建，我们通过多视角投影特征来优化深度的绝对位置。 在DTU和BlendedMVS数据集上的大量实验表明，我们的方法在速度上相比最先进的技术提升了60倍到200倍，在无需昂贵的预训练的情况下，实现了快速且细粒度的网格重建。