【輕鬆懂】NeRF v.s. 3D Gaussian Splatting 一次看
你拍幾張照片，AI就能讓你飛進3D世界？NeRF和3D Gaussian Splatting，這兩大AI重建技術正在改寫虛擬攝影、數位孿生與空間記憶的未來。本篇深入淺出解密它們的差異、應用與渲染秘密！
AI 能讓 2D 照片「變 3D 」？
只要幾張不同角度的 2D 照片，AI 就能重建出一個 3D 空間，讓你像無人機一樣在畫面中飛行穿梭。這是今天兩大技術主角：NeRF（Neural Radiance Fields, 神經輻射場）與 3D Gaussian Splatting（3D高斯潑濺）的真實應用。
核心問題很簡單：我們能不能用幾張照片，重建出一個新視角的畫面？學術上這叫「新視角合成（novel view synthesis）」，可以應用在電影、VR、數位博物館甚至 AI 導覽。
這兩種方法，看起來都很厲害，哪一個更快？哪一個更省空間？到底差在哪？比較一次看：
| 項目 | NeRF（像描光線的畫家） | 3DGS（像潑墨的小孩） |
|---|---|---|
| 技術類型 | 隱式神經網路（INR） | 顯式點雲（高斯橢球） |
| 渲染邏輯 | 光線追蹤（Ray Tracing） | 光柵化（Rasterization） |
| 畫面生成速度 | 慢（約 10 FPS） | 快（約 90 FPS） |
| 資料體積 | 小（模型幾十 MB） | 大（場景可達 GB 等級） |
| 編輯彈性 | 需重訓整體模型 | 可直接改泡泡，像編輯 3D 圖層 |
| 優勢場景 | 可攜性強、雲端分享 | 即時互動、VR 遊戲、AI 導覽 |
| 視覺風格 | 精緻細緻，類似電影光線追蹤效果 | 濃烈明亮，像是潑墨拼貼視覺 |
NeRF像打光，3DGS像潑漆
如果你第一次接觸 NeRF，不妨想像這樣的畫面：每個畫素都像一束光從攝影機打出去，AI根據這道光線在場景中的位置與方向，計算出它該有的顏色與透明度。這其實就是一種 AI 版的「光線追蹤」（ray tracing），用學習來模擬光的反射和折射。
而 3D Gaussian Splatting 則完全不同。它不是一束光一束光去算，而是先在空間中撒出「高斯橢球」（像是一團團半透明顏色的橢圓球體、泡泡），然後用傳統 GPU 最擅長的「光柵化」（rasterization）方式，把這些泡泡一口氣渲染成一張圖。它像是讓小朋友拿透明顏料在空中潑灑，畫面就是這樣疊出來的。
這也導致兩者速度有很大的差別：3DGS 可以每秒渲染90幀，NeRF 最快版本也才10幀左右。但代價是，3DGS 超級吃記憶體，因為每一個高斯點都要記錄位置、顏色、大小與透明度等參數，資料量可能是 NeRF 的10到100倍。
為什麼兩種技術差這麼多？關鍵在「底層引擎」
你可以把 NeRF 看成是 AI 版的光線追蹤（ray tracing）：每次都從攝影機的位置「射一束光」，AI幫你算出這束光在場景中碰到什麼東西、該呈現什麼顏色。這很真實，但也很慢。
相反地，3DGS 則是建構出一個 3D 的橢圓球體、泡泡「點雲」，每顆泡泡都是一個高斯分佈的顏色點，然後一次渲染整個畫面。這就像傳統 3D 遊戲用的光柵化引擎，速度快、符合 GPU 設計邏輯，也因此成為目前 AI 影像合成領域的新寵。
不過，NeRF 的優勢在於簡潔。它最後只是一個幾十 MB 大小的神經網路模型，便於儲存與分享。3DGS 則會產出一個高達上 GB 的巨型資料檔，每個場景都有成千上萬個高斯點，雖然可以快速渲染，但存起來就很笨重。
NeRF vs. 3DGS：不同的選擇，不同的未來
NeRF 的學名叫隱式神經表示（Implicit Neural Representation, INR），因為它的重建結果藏在神經網路參數裡，人類難以直接閱讀。
3DGS 則是顯式表示（Explicit Representation），打開資料檔，裡面每個泡泡的位置、大小、顏色，易讀性高，也容易修改。
這代表什麼？在 NeRF 中，修改場景或理解細節得靠重訓整個模型；而在 3DGS 中，你可以直接調整某顆泡泡，就像編輯 3D 圖層一樣直覺。
未來誰會勝出？NeRF 在壓縮、可攜性方面佔優；3DGS 則在即時互動、遊戲與虛擬實境場景中發揮強大實力。也許答案是：它們都會存在，互補彼此。
NeRF 像是一位畫家，用光線細細描繪每一筆；3DGS 則像潑墨高手，用泡泡灑出整幅畫面。兩者的 AI 底層邏輯不同、優劣互見，但共同目標只有一個——讓你用幾張照片，就能進入一個立體、沉浸、可互動的 3D 世界。
未來的數位攝影、VR 遊戲、甚至 AI 導覽，可能都會建立在這些技術之上。你現在看到的，不只是照片重建而已，而是重新定義「影像」與「現實」的邊界。
source: edward ahn
image by bad decision studio
