围着场景拍一圈照片，AI 就能在电脑里重建出可以任意转着看的 3D 画面——这件事如今有两条主流技术路线：NeRF 和 3D 高斯。两条路都吃照片、都出可自由取景的场景，底层的思路却几乎相反：一个把场景藏进神经网络的参数里，一个把场景摆成一粒粒看得见的高斯椭球。这篇把两条路线各自怎么表示场景、训练与渲染的速度账、效果的取舍拆开对比。不靠 AI、靠多张照片测距建模的老办法，摄影测量一篇讲过，可当作第三条路对照着看。
NeRF：把场景学进网络
NeRF 的做法是隐式表示：训练一个神经网络，输入空间中一个点的坐标和观察方向，输出这个点的颜色和密度——网络本身没有存任何「形状」，场景的几何藏在千千万万个参数的关系里。渲染时沿视线发射一根光线，把穿过的一串点的颜色和密度累积起来，算出这颗像素的颜色，这套算法叫体渲染，能自然表现玻璃、烟雾这类半透明的东西。代价是计算量大：一根光线要积分几十上百个点，一张图就是几百万根光线，训练慢、渲染每一帧都慢。好处是表示精细，细节和光照的连续性做得好，静态场景的还原度上限高。
3D 高斯：把场景摆成椭球
3D 高斯溅射走的是显式表示：场景直接由几十万到几百万个带颜色的高斯椭球组成，每个椭球记录位置、大小、朝向、透明度。训练时先从照片估出初始的点云位置，再反复调整每个椭球的参数，让它们投出来的画面逼近实拍照片。渲染不用逐点积分，而是把这些椭球直接投影到屏幕上做混合，恰好是显卡最擅长的光栅化操作，速度跃升一个量级——训练从以天计缩到以分钟和小时计，渲染能跑到实时帧率。代价也摆在明面：椭球数量大，文件体积可观；场景是一盘散点，想做统一的几何编辑就比隐式表示麻烦。
速度与效果的取舍账
两边摆在一起，取舍就清楚了。训练速度：NeRF 以小时到天计，3D 高斯快得多，改了参数重训一遍不心疼。渲染速度：NeRF 逐帧渲染吃算力，3D 高斯能实时交互，拖动视角跟玩游戏一个手感。表现力：NeRF 对连续的半透明与复杂光照更细腻，3D 高斯在细节锐度上不弱，但大面积极薄的结构偶尔出破绽。可编辑性：显式的高斯一颗颗看得见摸得着，删一颗、挪一颗都直接，隐式网络改一处牵动全局。这不是谁取代谁的局，两条路线在往彼此借鉴的方向演化，混合方案不断出现。从文字直接造 3D 资产是另一条生成路线，入口差异在文生 3D一篇讲过，两种 3D 生成入口怎么选，文生与图生对比一篇有摆开。
| 场景或操作 | NeRF | 3D 高斯 |
|---|---|---|
| 玻璃、烟雾这类半透明 | 体渲染沿光线累积颜色与密度，能自然表现 | 靠椭球投影混合，透明度靠参数表达 |
| 复杂光照的连续性 | 细节与光照的连续性做得好，静态场景还原度上限高 | 细节锐度不弱，仍在补光照与半透明的细腻度 |
| 大面积极薄的结构 | 按点积分，薄结构也能撑住 | 偶尔出破绽 |
| 挪动或删除场景里的一小块 | 改一处牵动全局 | 删一颗、挪一颗都直接 |
各自适合的活
落到用法上：做展示页、虚拟展厅、要放进引擎实时跑的场景，3D 高斯的实时性刚好对口，训练快也适合反复迭代；追求静态场景的还原度上限、不缺渲染时间的研究与影视预览，NeRF 的画质路线更合适。日常拍个房间、逛个展想留个能转着看的记录，如今手机上的重建工具多半已经换成高斯系，出结果快得多。想动手试，可以让 DeepSeek 把两条路线的主流开源工具整理成参数对照表，再用腾讯元宝查近期实拍案例的重建耗时与文件大小，按自己设备与用途对号入座。
NeRF 与 3D 高斯对比速查
- 表示方式：NeRF 隐式——场景藏在网络参数里；3D 高斯显式——场景由椭球直接摆出
- 渲染：NeRF 沿光线积分、慢而细；高斯走光栅化、快到实时
- 取舍：高斯训练渲染都快、可直接编辑散点；NeRF 半透明与光照更细腻
- 选法：实时交互与快迭代选高斯，静态还原度上限选 NeRF
再多说几句三维重建
- 两条路线最后会合流吗？：方向上在靠近。高斯系在补光照与半透明的细腻度，NeRF 阵营在借显式思路提速，近期出现了不少混合与压缩方案。短期内两条路线并存，按用途选即可。
- 拍照片重建有什么拍法上的讲究？：重叠度要够——相邻照片有足够共同视野，围绕场景均匀拍一圈，光照稳定、避免运动模糊。曝光忽明忽暗，两条路线都会把光照变化「烤」进场景里。
- 重建出的场景能像普通 3D 模型那样编辑吗？：有限度。挪动单个高斯椭球可行，把一件家具整体搬走这类语义级编辑仍是难题，要先做分割再操作，效果因场景而异。
