2026年，3D视觉领域的技术路线正在快速更迭。NeRF（Neural Radiance Fields，神经辐射场）在2023年还是「革命性」技术，被认为是3D重建的「未来」。但到了2026年，NeRF已经被3D Gaussian Splatting（3DGS）全面超越。
3D视觉的「技术进化」速度，比计算机视觉的其他子领域快得多。
NeRF的「辉煌」与「衰落」
NeRF在2020年首次提出，核心思想是：用神经网络来「隐式」地表示3D场景——神经网络学习一个函数，输入是3D坐标和视角方向，输出是颜色和密度。NeRF可以从少量2D图像中重建出高质量的可导航3D场景。
NeRF在2022-2024年经历了「爆发式」发展——从NeRF到Instant NGP（加速1000倍），再到Zip-NeRF（提升质量），再到Mip-NeRF 360（支持360度场景）。NeRF在2023年成为了3D视觉的「主流」。
但NeRF有一个致命的弱点：渲染速度太慢。 NeRF需要神经网络「推理」每一个像素的颜色和密度，渲染一张1080p的图像需要几秒到几十秒。这对于「实时」应用（如VR、AR、游戏）来说，是不可接受的。
3D Gaussian Splatting的「革命」
3D Gaussian Splatting（3DGS）在2023年首次提出，2024-2026年快速成熟。3DGS的核心思想是：用「3D高斯椭球体」来「显式」地表示3D场景——每个高斯椭球体有位置、形状、颜色、透明度等属性。这些高斯椭球体可以被「投影」到2D图像上，然后「混合」生成最终的渲染图像。
3DGS相比NeRF有三个优势：
优势一：渲染速度快100倍。 3DGS的渲染是「投影+混合」，不需要神经网络推理。渲染一张1080p的图像只需要几毫秒，可以实现「实时渲染」（60fps以上）。
优势二：训练速度快。 3DGS的训练时间约为NeRF的1/10——一个场景，NeRF需要训练几个小时，3DGS只需要训练几十分钟。
优势三：可编辑性强。 3DGS的「显式」表示，使得你可以「编辑」3D场景——删除一个高斯椭球体，移动一个物体，修改颜色。NeRF的「隐式」表示，使得编辑非常困难。
3D Gaussian Splatting是2026年3D视觉的「王者」。 几乎所有3D重建应用（Luma AI、Polycam、KIRI Engine）在2026年都转向了3DGS。
下一个是什么
2026年，3D视觉社区正在探索「下一个」技术。
方向一：3DGS + 物理引擎。 将3DGS和物理引擎结合，让3D场景中的物体有「物理属性」——重力、碰撞、弹性。这可以用于「物理仿真」和「机器人训练」。
方向二：动态3DGS。 将3DGS从「静态场景」扩展到「动态场景」——追踪场景中物体的运动，实时更新3D高斯椭球体的位置和形状。这可以用于「体育直播」「电影特效」等场景。
方向三：3DGS + 生成模型。 将3DGS和生成模型（如扩散模型）结合，实现「文本到3D」「图像到3D」的生成。2026年，OpenAI的Shap-E 2和Google的DreamFusion 2已经展示了「文本生成3D场景」的能力。
3D视觉的「进化」不会停止。 3D Gaussian Splatting可能是2026年的「王者」，但2028年可能又会有新的「王者」。