确实，NeRF拿奖是众望所归，但你这几个瓶颈说得太在点上了。我最近在一个小规模室内重建项目里试了Instant-NGP，训练倒是快了不少，可一到有玻璃或者金属表面的场景，伪影还是满天飞，得手动调一堆参数才能勉强糊弄过去。而且你说的动态场景问题，我深有体会——想拿来做人体的实时动作捕捉，稍微动快一点就崩，根本没法用。

还有个坑我踩过的是数据采集。NeRF对输入图像的重叠度和角度分布极其敏感，实际拍摄时很难保证论文里那种理想化的多视角覆盖。我们团队试过用无人机绕拍，结果光照变化和运动模糊直接让模型训出一堆“鬼影”。后来不得不加一堆预处理，成本直接翻倍。

不过话说回来，我觉得现在社区有点太执着于在NeRF框架上打补丁了。比如用3D Gaussian Splatting或者别的显式表示来加速渲染，其实已经在走不同的路。但问题是这些新方法往往又丢了NeRF那种对复杂光照的鲁棒性。我自己现在的想法是，落地场景里是不是可以搞个混合方案——静态背景用NeRF预训练，动态前景用轻量级网格加插值，牺牲一点精度换实时性。不知道你们试过类似的路子没？另外，稀疏视角这个问题，现在有没比较靠谱的few-shot NeRF变体？我试过几个开源的，效果还是不太稳定。

NeRF拿这个奖确实没话说，那篇论文当年出来的时候我就觉得思路太巧了，用隐式场把传统渲染管线那套显式表达的束缚给解开了。不过你提到的落地痛点我太有共鸣了，尤其是训练开销这块。我现在做项目都不敢轻易上纯NeRF管线，哪怕用Instant-NGP，真要达到能用的渲染质量，迭代次数和显存占用还是让人头大，更别提移动端或者嵌入式场景了，基本是奢望。

你最后提到动态场景和稀疏输入的问题，这个我深有体会。前段时间试过用稀疏视图训练一个NeRF做物体重建，结果稍微带点遮挡或者视角变化大一点，直接给你“幻觉”出一堆不存在的几何结构。后来试了试结合一些几何先验（比如深度图监督或者SDF约束），效果才勉强能看，但代价又是训练更慢。感觉学术界现在都在卷怎么压缩计算量或者提升稀疏性鲁棒性，但真正要落地到工业级的实时交互，可能还得等硬件或者更好的混合表示方案出来。

另外想跟你探讨一下，你觉得现在像3D Gaussian Splatting这种显式加可微渲染的路线，会不会在动态场景上比NeRF更有戏？我试过一些动态版本，虽然帧率能跑起来，但长期稳定性还是差，容易漂移。感觉这两个流派最后可能会融合，搞个“显式+隐式”的混合体出来。你那边有没有什么好用的trick或者开源项目推荐？我最近在研究怎么把NeRF和传统SLAM结合搞在线建图，坑实在太多了。

训练时长这点太真实了，我试着拿NeRF做过一个室内场景重建，即使用了Instant-NGP，等收敛那几分钟真的让人抓狂，离工程可用的实时性差太远。动态场景和稀疏输入的问题更是硬伤，稍微来个移动物体或者视角少点，直接崩得没法看。感觉现在很多研究都在往3D Gaussian Splatting那边跑了，至少渲染速度和可控性强了一大截。

确实，NeRF拿奖是众望所归，但落地这块儿你提到的计算开销和动态场景问题太真实了。我自己试过几次，光是调参等收敛就够磨人的，更别提想用在实时交互上。你觉得稀疏视角这块儿，有没有什么亲测有效的trick能缓解一下？或者像3D Gaussian Splatting这类新路子是不是更值得跟？

NeRF拿奖确实实至名归，它的隐式表示思路彻底改变了我们对场景建模的认知。不过训练耗时和动态场景适配这两个坑，做工程的人应该都有体会，尤其是稀疏输入时，渲染质量掉得厉害，离产品级应用还有距离。最近有些工作尝试引入显式先验来加速，但泛化性又是个新问题，这块儿还得看后续有没有更落地的折中方案。

看到这篇帖子真的挺有感触的。NeRF拿奖确实是众望所归，当年那篇论文出来的时候，圈里人都知道这是个 paradigm shift，直接把渲染和重建的底层逻辑给换了。不过你提到的工程落地那三个瓶颈，我太有共鸣了。

先说训练开销吧，就算有Instant-NGP加持，我实验室里跑一个稍微复杂点的户外场景，3090也得烧个七八分钟，这还只是单场景离线训练。真要去做实时或者准实时的应用，比如AR导航或者直播特效，这个延迟完全没法忍。而且显存占用也是个隐形杀手，高分辨率下那体积网格一展开，显存直接报警，很多入门玩家连玩都没法玩。

你提的动态场景和稀疏输入，这个更致命。NeRF本质上是在做静态辐射场的过拟合，一旦有物体移动或者光照变化，新视角合成的结果就全是撕裂和伪影。现在虽然有一些动态NeRF或者混合表示（比如用显式网格加隐式特征）的变体，但要么需要大量时序数据，要么场景拓扑不能突变，离工业级应用还差着好几个量级。

我倒是很好奇，你在做稀疏输入这块有没有试过用预训练的先验来约束？比如用视频生成模型做数据增强，或者用深度估计网络来给NeRF提供几何先验。我之前试过把预训练的Stable Diffusion当成语义正则项，在输入只有十几张图的时候，确实能填上不少空洞，但细节还是容易糊。想听听你在这方面的实践经验，有没有什么坑或者trick能分享的？

NeRF拿这个奖确实没啥争议，当年那篇论文出来的时候我就觉得方向对了，隐式表示这步棋走得妙。不过你说落地的这几个坑，我可太有同感了。训练慢的问题，我用Instant-NGP调过几次，室内小场景几分钟能收敛已经算快的，但真要到生产环境里动辄几十上百个场景迭代，硬件成本直接起飞。而且最烦人的是它对输入视图质量太敏感，稍微有点运动模糊或者曝光不一致，重建出来的东西就各种artifact，调试起来比训练还费时间。

动态场景这块更是硬伤，我试过用T-NeRF做简单的物体运动，结果时间维度一加上去，模型直接翻倍，训练时间奔着小时级去了。稀疏视图的问题也头疼，去年做项目只有6张图，NeRF直接糊成一团，最后还是靠传统三维重建先补了个粗糙几何做初始化才救回来。你提到的医学CT和遥感我倒觉得可能是个突破口，那些领域数据采集本身就有规范流程，不像我们做消费级应用啥野数据都得接。

说到底，NeRF现在像个实验室里的精密仪器，离消费级工具还有距离。前两天看有人用3D Gaussian Splatting做实时渲染，速度上去了但场景连续性还是不如NeRF。你觉得这两年有没有可能出个混合方案，既能保持隐式表示的细腻度，又把训练压缩到秒级？我最近在关注一些基于扩散先验的加速方法，不知道你那边有没有试过类似的trick？

训练时长确实是个坎，我拿Instant-NGP试过，室内小场景跑一次还好，但要调参迭代的话，显卡风扇直接起飞。动态场景那块更头疼，稀疏视角下重建经常崩，感觉跟传统SLAM结合反而可能是个折中方案，不知道你们试过没？

NeRF拿这个奖确实是实至名归，当初那篇论文出来的时候我就觉得这个思路太巧妙了，用连续函数去拟合场景，直接把传统三维重建那一套“先建网格再贴纹理”的流程给颠覆了。不过你提到的落地瓶颈我太有同感了，尤其是训练时长这块，我们项目组之前试过用NeRF做室内场景的快速建模，哪怕上了Instant-NGP，要渲染出一段像样的漫游视频，也得等个几分钟，客户根本接受不了这种延迟。

我其实特别好奇，你提到的“动态场景和稀疏”后面没说完，是稀疏视角的问题吗？这个确实很头疼，NeRF对输入图像的重叠度和覆盖范围要求太高了，稍微少几个视角，重建出来的边缘就会出现严重伪影。我们试过用一些稀疏视角的变体方法，比如PixelNeRF或者MVSNeRF，但效果在复杂光照下还是不稳定。不知道你有没有试过结合扩散模型或者深度先验来做视角补全？我最近看到一些工作把预训练的图像先验注入到NeRF的采样过程中，理论上能缓解稀疏输入下的空洞问题，但工程上怎么高效集成还是个坑。

另外你提到计算开销，我感觉除了训练慢，推理阶段的体素采样也是个大头。有没有试过用八叉树或者空间哈希来做自适应采样？我听说有些团队在移动端用这种策略把渲染帧率提到了10帧以上，但精度损失还是有点大。你那边有没有更好的轻量化思路？

看了这个贴子，我自己最近也在折腾NeRF相关的项目，所以特别有同感。论文里展示的效果确实惊艳，但自己一上手才发现，光是调参就能把人劝退。你提到训练时长和计算开销的问题，我这边用Instant-NGP跑一个室内场景，RTX4090上也得四五分钟才能收敛到能看的效果，而且显存占用也不低。想问一下，你试过用一些蒸馏或者轻量化手段来加速吗？比如把NeRF蒸馏成更轻的MLP或者混合表示，或者用一些稀疏体素的方法，我最近在关注这方面的进展，但还没找到特别成熟的方案。

另外关于动态场景的瓶颈，我特别想请教一下。我试过用D-NeRF或者NeRFPlayer处理一些简单的动态物体，比如人走动，结果运动稍微快一点就糊成一片，而且需要多视角同步的数据，采集门槛太高了。你那边有没有尝试用一些时序注意力或者光流辅助的方法来缓解这个问题？或者有没有看到什么比较有潜力的工作，能兼顾动态和实时性的？我目前的想法是，可能得在NeRF的表示层结合一些显式的运动先验，但这样又回到了传统方法的老路，有点纠结。

还有就是数据采集的问题，现实场景中很难做到像论文里那样密集的多视角图像，稀疏视角下NeRF的泛化能力其实挺弱的，稍微遮挡或者视角偏离，渲染结果就容易出现空洞或者伪影。这块你有没有什么工程上的trick可以分享？比如用先验模型做补全，或者结合深度估计来约束？我自己试过用预训练的深度模型辅助，但效果不太稳定，还在摸索中。

同感，NeRF拿奖确实实至名归，那篇论文当年读的时候就有种“原来还能这么搞”的震撼感。不过你提到的工程落地瓶颈我太有体会了，尤其是训练时长这块——我试过用Instant-NGP跑一个带玻璃反射的室内场景，收敛倒是快了，但想要达到能用的渲染质量，还得在那基础上再调几轮，加起来十几分钟起步，跟“实时”差了十万八千里。

你帖子说“动态场景和稀疏”后面好像断了，我猜是想说稀疏输入下的重建问题？这块我最近也在折腾。NeRF对视角覆盖要求太苛刻了，拍个物体稍微漏几个角度，重建出来的区域就糊成一团，甚至出现漂浮的伪影。我试过用一些正则化方法去补，效果很有限，感觉这可能是隐式表示天生的短板——它太依赖全局的连续映射了，碰到空洞就瞎猜。

另外想补充一个我踩过的坑：NeRF对光照变化特别敏感。同样是室内场景，上午和下午的光线角度不同，用同一组照片训练，出来的模型在边缘和阴影位置会出奇奇怪怪的闪烁。后来发现得用HDR或者预处理做光照归一化，但这样又增加了前处理流程的复杂度。

说实话，我觉得NeRF要真正落地，可能得跟传统几何先验结合，比如先用SfM或者激光点云给个粗糙的形状约束，再让NeRF去细化纹理和光照细节。最近看到一些混合方案，比如把显式网格和隐式场拼在一起用，效果和速度都有提升。不知道你试过类似的路子没？或者有没有其他觉得有潜力的方向？

确实，NeRF拿奖是实至名归，但工程落地这块，我跟你的感受几乎一模一样。去年我们团队试着把它塞进一个室内AR预览项目里，结果光是训练一个30平米的客厅模型，用3090跑Instant-NGP，收敛速度虽然比原始NeRF快不少，但离“秒级响应”还是差着量级。更头疼的是，一旦场景里有人走动或者光照变化，整个模型就得重新训，根本没法做实时交互。

另外你说的稀疏输入问题，我也踩过坑。我们试过用手机拍十几张照片去重建一个带玻璃茶几的场景，结果反射区域直接糊成一团，玻璃边缘的伪影怎么调参数都去不掉。后来换成多视角视频流，倒是能缓解一点，但数据采集成本和预处理时间又上去了。感觉NeRF对输入质量的要求比传统MVS更苛刻，稍微有点遮挡或运动模糊，输出质量就断崖式下跌。

还有个实际工程里的大坑是模型体积。虽然NeRF本身是隐式表示，但训练完导出的MLP权重加上hash grid参数，动不动就几十MB甚至上百MB，放到Web端或者移动端根本跑不动。我们后来试过蒸馏成显式网格，精度又损失不少，有点两头不靠。

不过话说回来，NeRF在静态场景下的视觉质量确实碾压传统方法，尤其是处理透明物体和复杂光照的时候。我觉得短期内最现实的落地场景可能还是离线渲染和影视预视，比如先拿NeRF出高精度静态资产，再拼到动态管线里。你们有没有试过结合3D Gaussian Splatting来做动态场景？最近看了一些对比测试，虽然训练更快了，但显存占用反而更离谱了。

NeRF拿这个奖确实没啥争议，2020年那篇paper的贡献是划时代的，把隐式神经表示这个方向彻底带火了。现在随便翻几篇CV顶会，神经场相关的work能占小半壁江山，连做图形学的老教授都开始琢磨怎么把MLP塞进渲染管线里。

不过你说到落地的瓶颈，我太有同感了。训练时长这块，虽然Instant-NGP用hash encoding把速度提上去了，但本质上它还是个离线烘焙的思路。真要在交互式场景里用，比如VR或者实时编辑，目前看还是得靠3D Gaussian Splatting那套，毕竟显式表示在cuda光栅化上有天然优势。另外你提到动态场景和稀疏输入的问题，我补充一个点：泛化性。现在大部分NeRF变体还是在overfit单个场景，换一个光照、换一套相机参数就得重新训，这在实际项目里根本没法用。我们之前试过把PixelNeRF那套跨场景泛化的方案往产品里塞，结果在稀疏视角下质量崩得厉害，最后还是妥协用了多视角立体加神经渲染后处理的老路子。

还有一个工程上的坑是数据预处理。NeRF对相机位姿精度极其敏感，COLMAP跑出来的结果稍微偏差几个像素，渲染出来的物体边缘就开始抖。你在室内场景用手机拍一圈，想拿到干净的pose估计就得折腾半天。说实话，现在学术界发论文往往忽略这些脏活累活，但真正要落地，这些才是决定上限的东西。

训练时长这个问题真的太真实了。我上个月试着把NeRF塞进一个AR展示项目里，结果光是等场景收敛就等得头皮发麻。Instant-NGP确实快了不少，但真要达到那种“拍完就能看”的交互体验，还是差得远。而且你提到的动态场景和稀疏输入更是痛点——我试过用手机随便拍几帧去重建，结果全是空洞和伪影，最后只能老老实实补拍几十张不同角度的照片，感觉又回到了传统三维重建的老路上。

其实我觉得现在大家有点过于追捧隐式表示了。NeRF在渲染质量上确实惊艳，但工程落地上，传统显式方法在实时性、可控性和存储效率上的优势还是很难替代。比如做游戏或者VR应用，谁受得了等几分钟才能看到结果？而且对稀疏输入的抗性差，直接限制了它在消费级设备上的使用。我反而更看好3D Gaussian Splatting这类混合方案，至少在实时性上已经能跑在消费级显卡上了。

另外，你提到跨学科应用时，我有个实际困惑：医疗CT和遥感数据往往不是多视角图像，而是断层扫描或者单视角序列，这种情况下NeRF的隐式场还能直接套用吗？还是说需要做大量的数据预处理和坐标对齐？我手头刚好有个医学影像重建的尝试需求，想听听你有没有这方面的工程经验。

看到这个帖子，我忍不住想多聊几句。作为一线干过多个NeRF落地项目的人，你提到的这三点瓶颈我太熟悉了，甚至可以说每一个都踩过坑。先回应你两个问题，再展开讲讲我的实战体会。

第一个问题，关于3D Gaussian Splatting会不会反超隐式神经表示。我个人觉得，这不是简单的谁替代谁，而是不同场景下的工具选择。3D GS在渲染速度上的确碾压传统NeRF——一个场景训练几分钟，渲染能做到实时，这对AR/VR、数字人、实时交互这类场景是革命性的。我去年做过一个电商虚拟试穿项目，用3D GS重建一件衣服只需要3分钟，渲染帧率能做到60fps，用户拖拽旋转几乎没有延迟。换成Instant-NGP，虽然也能用，但训练要15分钟，渲染还得靠TensoRF或者蒸馏成网格才能跑实时。但3D GS也有硬伤：显存占用大，场景复杂时高斯原语数量爆炸，而且对视角稀疏或者大场景（比如整栋建筑）的泛化能力还不如NeRF。我做过一个对比实验，在同一个室内场景，3D GS用200张图训练效果很好，但降到50张图时，空白区域就开始出现伪影，而NeRF虽然训练慢，但50张图也能生成比较平滑的几何。所以我的判断是：短期内3D GS会主导需要实时渲染的消费级应用，但NeRF家族在科学计算、医学、遥感这类对精度和完整性要求高的领域仍有不可替代的优势。两者更可能是融合的——比如用NeRF生成几何先验，然后蒸馏成3D GS加速渲染，这种混合方案我最近在几个预研项目里试过，效果不错。

第二个问题，空间智能的下一个关键突破。我个人认为，更高效的场景编码和与LLM的结合不是二选一，而是两条腿走路。先说场景编码——NeRF的瓶颈本质上是隐式表示的空间编码效率不够高。目前的MLP或者哈希网格都偏“盲”，不会区分场景中的纹理区域和空旷区域，导致计算资源浪费。我最近在尝试把场景分割成语义区域，对不同区域采用不同分辨率的编码，比如墙面用低分辨率，家具边缘用高分辨率，这样训练速度能提升30%，显存占用降低40%。更前沿的方向是学习动态的、自适应的空间编码，比如让网络自己决定在哪里分配更多参数。另一个方向是与LLM的结合，这个我更有感触。我们做过一个项目，让NeRF“听懂”自然语言指令来编辑场景。比如用户说“把沙发换成蓝色的”，传统做法是人手动标注沙发区域，再重新渲染。我们尝试把NeRF的隐式特征空间映射到CLIP的语义空间，然后通过文本embedding来定位和修改特定物体。效果还行，但问题也很明显：NeRF的隐式特征和语义特征之间没有很好的对齐，导致编辑区域经常跑偏。我的直觉是，未来空间智能需要一种统一表示，既包含几何和光照等物理属性，又包含语义和交互等认知属性，类似“可交互的3D语义场”。这种表示需要新的网络架构和训练目标，目前还处于早期探索阶段。

下面说说我自己的踩坑经历，算是给帖子的补充。第一个坑是数据采集。NeRF论文里用的都是高质量、多视角、光照均匀的数据集，但真实项目中数据往往很“脏”。我做过一个室内装修场景重建，客户只给了一台iPhone绕着房间走了一圈的视频，结果视频里有大量运动模糊、曝光不均、镜面反射，用COLMAP算出来的相机位姿误差很大。一开始直接训NeRF，出来的场景边缘全是扭曲的。后来我们引入了一个简单的图像预处理pipeline：先用超分辨率模型提升模糊帧，再用曝光校正网络统一亮度，最后用基于深度学习的特征匹配替代COLMAP的传统特征点匹配。这样重建质量才勉强可用。这个经历让我深刻理解到：数据质量决定了NeRF的上限，工程上80%的时间都花在数据清洗和预处理上。

第二个坑是动态场景。帖子提到了自动驾驶，我正好做过一个园区无人车感知项目，要求实时重建道路上动态的车辆和行人。传统NeRF假设场景静态，直接训肯定炸。我们试过两种方案：一种是把动态物体和静态背景解耦，分别用两个NeRF表示，然后通过光流强制时序一致性。另一种是用4D NeRF，把时间作为输入维度，但训练成本极高——一个10秒的场景，用4D NeRF训练要8小时，而光流解耦方案只要2小时。最终我们选了折中方案：对背景用Instant-NGP快速重建（更新频率低），对动态物体用轻量化的光流跟踪和3D GS实时渲染，这样既能保持背景的精度，又能处理动态物体的实时更新。这个架构虽然复杂，但总算把延迟压到了200ms以内，勉强满足低速无人车的需求。

第三个坑是模型部署。NeRF模型通常很大，一个优化后的Instant-NGP也有几十MB参数，在手机或者嵌入式设备上跑不动。我们试过剪枝、量化、蒸馏，最终发现蒸馏成网格表示最实用——把NeRF的连续场离散化成稀疏体素或八叉树，然后用传统光栅化渲染。这样大小能压缩到5MB以下，帧率也能到30fps。但代价是渲染质量下降，尤其在反射和透明区域。后来我们引入了一个轻量级的反射校正网络，在网格表示的基础上叠加一个小的MLP专门处理高光，才把PSNR从28dB提升到32dB。这个经验告诉我：工程落地的核心不是追求论文里的SOTA精度，而是在性能、速度、内存之间找到平衡点，根据业务场景做取舍。

最后，关于空间智能的产业路径，我觉得不能只看NeRF本身。NeRF真正的价值在于它提供了一种从2D图像到3D表示的通用接口，而下游应用需要的是可交互、可编辑、可推理的3D世界。比如在数字孪生中，NeRF生成的点云或网格需要与物理引擎对接；在机器人导航中，NeRF需要与路径规划算法耦合；在虚拟社交中，NeRF需要与表情驱动和光照估计联动。这些都是系统工程问题，不是单一模型能解决的。我所在的团队正在尝试构建一个模块化的空间智能pipeline：用NeRF或3D GS做场景重建，用扩散模型做场景补全和风格化，用LLM做语义理解和交互，然后通过统一的API接口对外提供服务。这个pipeline还很粗糙，每次迭代都会遇到新的坑，但方向是明确的——空间智能的落地不是靠一个模型打天下，而是靠多个模型协同工作，再加上扎实的工程优化。

帖子里的讨论很到位，也引发了我很多思考。期待看到更多一线工程师分享实战中的真实案例和解决方案。技术发展很快，但真正落地的路还得一步步走，踩过的坑和总结的经验，才是最有价值的。

确实，NeRF拿奖没毛病，但真上手搞落地就知道坑有多深。我试过用Instant-NGP做室内重建，单是调参和预处理就够喝一壶的，动态场景更是碰都不敢碰，稀疏视角下直接崩成马赛克。现在业内更务实的是在压缩计算量和提升稀疏输入鲁棒性上找平衡，比如结合3D高斯泼溅做轻量化，你们团队有试过这个方向吗？

看到你说NeRF落地的问题确实感同身受。我最近也在试着用NeRF做一些小场景重建，最大的感受就是那个训练时长真的劝退，哪怕Instant-NGP号称快了很多，实际调参的时候还是得等好久，更别提想实时预览效果了。而且它对输入图像的质量和覆盖度要求挺高的，稍微有运动模糊或者视角没拍全，重建出来的场景边缘就会糊成一团。

另外你提到的动态场景瓶颈，我特别想请教一下：现在有没有什么比较靠谱的工程化方案能在保持质量的同时支持动态内容？我之前看到有人用4D动态NeRF，但那个训练量直接翻倍，算力成本太高了。还有一种思路是把NeRF和传统SLAM结合，但实时性好像还是跟不上。

还有一点我觉得挺头疼的，就是它的泛化能力。换个场景就得重新训练，不像传统三维重建那样有比较成熟的通用模型。虽然有些工作在做通用NeRF，比如PixelNeRF那些，但效果和专用模型比还是有差距。你觉得在目前的算力条件下，哪些应用场景是最有可能先实现商业落地的？是像影视特效这种可以接受离线渲染的，还是说医疗影像这种对精度要求极高但场景相对固定的？

确实，NeRF拿奖我一点也不意外，2020年那篇出来的时候就觉得路子太新了，隐式表示直接绕过了传统三维重建的那些坑。不过你说到落地瓶颈，我太有同感了。

训练时长这块，就算用Instant-NGP，想真正跑到能交互的程度还是得靠蒸馏成显式表示或者上更轻量的变体。我试过在移动端跑NeRF相关的demo，光加载模型就得等半天，更别提实时了。而且稀疏视角的问题在实际项目中特别要命，客户给的图经常只有三五张，或者角度分布不均匀，NeRF直接崩给你看，泛化性比论文里差不少。

动态场景就更头疼了，我做的一个项目里要重建一个室内人走动的情况，NeRF处理不了，最后被迫切成了分段静态场景再拼接，工程复杂度直接翻倍。感觉现在学术界在动态神经场和稀疏视角泛化上虽然有不少工作，但离真正能塞进产品里还有距离。

不过话说回来，换个角度想，NeRF至少把“从图像到三维”这条路的想象力打开了。现在大家不都在搞3D Gaussian Splatting嘛，渲染速度快了一个量级，也算是在NeRF启发下的新方向。你最近有没有试过用3DGS替换NeRF做落地？我这边测试下来，虽然显存吃得更多，但实时交互这块确实舒服太多了。

这帖子说得挺到点子上，尤其是训练时长这块，我用Instant-NGP做室内场景的时候也明显感觉离实时差得远，更别提动态场景了，一有运动物体基本就得重新训。还有个很头疼的问题是稀疏视角下的质量崩塌，稍微少拍几张图，重建出来的空洞和伪影看着就糟心，不知道有没有什么轻量级的方案能缓解这问题。

刚看到你说到动态场景和稀疏输入的问题，我也卡在这块好久了。NeRF在静态场景里确实惊艳，但换到有运动物体的环境就崩得厉害，而且输入视图少一点立马出现空洞。想知道你实验时有没有试过用深度先验或者光流约束来改善稀疏输入下的重建质量？