在三维场景重建与新视角合成领域，NeRF和3DGS几乎代表了两种完全不同的技术哲学。NeRF把场景压缩进一个多层感知机，通过逐像素光线采样与体积积分还原颜色；3DGS则把场景表示成数百万个具有三维高斯分布属性的点，直接投影到屏幕并光栅化。这种底层差异直接决定了渲染速度、训练效率和画面细节的表现。如果正在做实时渲染、虚拟拍摄或数字孪生项目，理解两者的性能边界与伪影特征，比单纯看论文指标更有实际价值。
渲染管线：隐式采样与显式泼溅的本质区别
NeRF的渲染流程建立在体积渲染之上。对每一根从相机光心发出的光线，需要先按近远平面采样几十到上百个空间点，再把每个点的位置编码输入MLP，得到该点的颜色和密度。随后根据离散体积积分公式，从前向后累加透明度权重，最终得到像素颜色。这个过程的计算开销极高：一张800乘800的图像，意味着要处理64万条光线，每条光线又涉及上百次MLP前向传播。即使使用粗采样加细采样的分层策略，原生NeRF渲染一张图通常仍需要数秒到数十秒，远达不到实时交互要求。
3DGS绕开了光线采样和MLP推理。它把场景显式表示为高斯点云，每个点携带中心位置、协方差矩阵、不透明度和球谐系数。渲染时，这些三维高斯先被投影到二维平面，再按深度排序，最后通过可微光栅化完成颜色混合。由于整个过程高度并行，且不需要对每条光线反复查询网络，3DGS在消费级GPU上很容易跑到100帧以上。换句话说，NeRF更像是用神经网络做光线追踪，而3DGS更像是用点云做光栅化，速度差距自然悬殊。
下面这段伪代码展示了NeRF的逐光线体渲染流程，可以看出采样次数对计算量的影响：
def nerf_render_pixel(rays_o, rays_d, model):
# 在光线上采样256个点
t_vals = sample_points(rays_o, rays_d, num_samples=256)
pts = rays_o[..., None, :] + rays_d[..., None, :] * t_vals[..., None]
# 每个点都要经过MLP预测颜色和密度
rgb, sigma = model(pts, rays_d)
# 体积积分累加颜色
alpha = 1.0 - exp(-sigma * delta_t)
weights = alpha * cumprod(1.0 - alpha)
color = sum(weights[..., None] * rgb, dim=-2)
return color
相比之下，3DGS的渲染核心是投影与光栅化：
def gaussian_render(gaussians, camera):
# 将3D高斯中心投影到2D平面
uv = project(gaussians.means, camera)
# 按照深度排序
order = sort_by_depth(uv, gaussians)
# CUDA光栅化合成像素颜色
image = rasterize(
uv[order],
gaussians.covariances[order],
gaussians.colors[order],
gaussians.opacity[order]
)
return image
可以看到，3DGS没有光线采样循环，也没有神经网络前向，渲染路径短得多。这也是为什么它能做到实时，而原生NeRF不行。
训练时间与优化策略：为什么3DGS快一个数量级
NeRF的训练本质是在学习一个连续场景函数。它需要从稀疏输入视图中随机采样大量光线，每条光线又要采样大量空间点，再反向传播更新MLP权重。由于MLP对场景的表示是全局隐式的，每次梯度更新都会影响整个网络，因此收敛慢。即使采用位置编码、多分辨率哈希等加速手段，单场景训练往往仍以小时计。更麻烦的是，光线采样的数量直接决定训练质量，减少采样会导致模糊或漂浮伪影，但增加采样又会大幅拉长训练时间。
3DGS的训练起点完全不同。它先用结构运动恢复方法从多视角图像中得到初始点云，然后把这些点云转化为可优化高斯。训练过程中，3DGS除了更新高斯参数，还会根据视图空间梯度动态增加或删减高斯。细节不足的区域会被分裂或克隆，透明度过低的高斯会被移除。这种自适应密度控制让算力集中在几何复杂区域，而不是均匀分配到空白空间。配合自定义CUDA光栅化核，3DGS的单场景训练通常只需几分钟到几十分钟，相比NeRF下降了一个数量级。
下面这段伪代码概括了3DGS训练的密度控制逻辑：
def densify_and_prune(gaussians, grad_threshold=0.0002):
# 根据累计梯度决定是否分裂或克隆
if gaussians.max_grad[..., 0] > grad_threshold:
split_or_clone(gaussians)
# 删除几乎透明的高斯
if gaussians.opacity < 0.005:
prune(gaussians)
此外，3DGS使用标准Adam优化器，学习率对协方差、透明度等参数分别设置，训练几百到几万个步长即可得到较好结果。NeRF则通常需要几万到几十万步，且光线批大小、采样策略、层级结构都会影响收敛稳定性。训练时间上的差距，直接决定了项目迭代效率。
渲染质量与常见伪影：细节锐利与连续平滑的取舍
从视觉质量看，NeRF的优势在于平滑连续。由于MLP隐式表达三维空间，相邻视角生成的图像通常过渡自然，不容易出现离散点状闪烁。对于光滑表面、复杂光照和半透明材质，NeRF往往能给出更稳定的结果。但原生NeRF在高频细节上容易偏模糊，边缘不够锐利，尤其是纹理密集区域。这是因为MLP容量有限，学习高频函数需要非常细致的采样和更深的网络结构。
3DGS在细节保留上更具侵略性。显式高斯点可以非常密集地覆盖表面，球谐系数又能模拟视角相关颜色变化，因此重建出的图像边缘更清晰，纹理还原更锐利。不过3DGS也存在几个典型问题：细薄结构容易出现点状伪影或漂浮高斯；相机旋转时可能看到高斯点突然出现或消失；对初始化点云质量敏感，如果输入视图不足，重建容易出现空洞或粘连。此外，3DGS对半透明物体和反射表面的处理不如NeRF稳健，因为单个高斯点的颜色混合方式仍基于光栅化近似，而非物理级体积积分。
下面用表格对比两个方案在关键维度上的差异：
| 对比项 | NeRF | 3DGS |
|---|---|---|
| 渲染速度 | 秒级/帧 | 毫秒级/帧，可达实时 |
| 单场景训练时间 | 数小时至数十小时 | 几分钟至几十分钟 |
| 细节表现 | 平滑但可能偏模糊 | 锐利但可能有点状伪影 |
| 复杂材质 | 较稳定 | 半透明和反射较弱 |
| 内存占用 | 模型小，但渲染中间变量多 | 高斯点数量大，显存占用高 |
选型建议：实时优先还是质量优先
如果项目需要实时预览、虚拟拍摄、AR/VR或交互式三维展示，3DGS是更现实的选择。其训练速度快、渲染帧率高，能让美术和算法工程师快速迭代场景。不过需要接受一定数量的点状伪影，并准备足够的输入视角。对于高精度重建、透明物体渲染或需要严格几何一致性的任务，NeRF仍然是更可靠的方案，尤其是结合多分辨率哈希等改进后，训练时间已经大幅缩短，虽然实时渲染仍不是强项。
实际项目中也可以采用混合策略。例如先使用3DGS进行实时预览和编辑，最终导出时再用NeRF做精细渲染；或者将3DGS的高斯点用作NeRF采样引导，减少无效采样。两种方法不是非此即彼，理解各自底层机制后，可以根据场景复杂度、硬件资源和时间预算灵活组合。
从渲染速度、训练时间和图像质量三个维度看，3DGS在速度和训练效率上优势明显，NeRF在材质稳定性和几何连续性上仍有不可替代之处。选择哪一个，最终取决于项目对实时性、重建细节和伪影容忍度的具体要求。