用费曼的笔法谈"高斯溅射"
> 这是一篇写给"刚听见这个词、想搞懂它到底在干嘛"的朋友的入门文。目标不是堆术语，而是让你脑子里真的能"看见"它。
---
一、从一个让侦探头疼的问题开始
假设你手里有一百张照片——全是同一座咖啡馆，从各个角度拍的。咖啡馆已经烧了，没法再进去拍照。
现在有人问你："能让我从任何一个新角度'走进去'看一眼吗？"
这件事比你想的要难。
我们今天要聊的高斯溅射（3D Gaussian Splatting），就是过去几年里工程师给出的一个相当漂亮的答案。它本身不复杂——真要说穿了，不过是"用一堆模糊的彩色小果冻来还原世界"。但真要说穿了又不简单，因为"果冻"怎么会刚好摆对位置？又怎么能做到每秒跑几十张流畅画面？
我们慢慢来。
---
二、第一层思维转换：世界不是壳，是雾
传统三维建模教我们：世界是由点和面组成的。桌子是长方体，人是多面体模型，地面是个平面。这套思路叫"几何"，听起来很合理。
但如果你拍一百张照片，里头那只猫蜷着身子、歪着脑袋、半只爪子伸出来——你真要把它拼成由三角形拼成的"模型"，基本是在自讨苦吃。毛怎么表达？玻璃杯的反射怎么表达？那种半透明灯罩透出的暖光晕怎么表达？
费曼在康奈尔讲课时常说一句话："在你学会之前，你会觉得事情理所当然是某种样子。"我们以为世界"当然是几何体拼起来的"——但那只是我们建模的方便，不是世界本身的样子。
真正"长什么样"的，是光。
换个角度想：与其说"这里有张桌子"，不如说"从这个方向、这个位置看过去，看到一团亮亮的颜色"。这是一种体积或者说雾式思考——世界不是一个壳，是一团团有体积感的发光云朵。
高斯溅射，就是把这个直觉做到了极致。
---
三、第二层：什么是"高斯"？
别被"高斯"两个字吓到。你每天都在用它，只是没意识到。
- 桌上放本书，光从窗户斜过来——影子边缘是清晰还是模糊？模糊的。
- 空气里飘的烟，边界清楚吗？不清楚。
- 拍照失焦时，景深外的那棵树长什么样？一团一团的。
把它想象成一小团彩色棉花糖。棉花糖的中心最浓、最不透明；越往边缘，透明度越低，颜色也越淡。把成千上万团这样的棉花糖，按某种三维结构堆在空间里——你得到的就是一个"由模糊小团构成的场景"。
这就是高斯溅射里的"高斯"：一团有位置、有形状（椭球）、有颜色、有透明度的小云朵。
> 一千团"各有性格"的彩色小棉花糖，飘在三维空间里。这就是你的"世界"。
---
四、第三层：怎么把这些小棉花糖摆对地方？
到这里有个问题：这些小棉花糖的位置、形状、颜色、透明度，从哪儿来？
答案是——从照片里长出来。
具体说：你手头有几十张照片，你知道每张照片的相机位置（这个可以用现成算法从照片里估计，叫 SfM）。对每一团小棉花糖，你都可以算出"如果从这个相机的角度看，它该贡献多大的颜色"。把所有小棉花糖的贡献加起来，就得到一张预测画面。
把预测画面和真实照片比一比，差距算出来。然后反过来，把每一团棉花糖的位置挪一点点、形状扭一点点、颜色调一点点、透明度改一点点——朝着让差距变小的方向挪。
这叫梯度下降，你大概听过。换个费曼爱用的说法：
> 你在黑夜里站在山上，想下山。你不知道山长什么样，但你能感觉到脚下哪边更陡。你往最陡的下坡方向迈一步。再感觉，再迈一步。重复很多很多次，你就下到山谷了。
把每团棉花糖当成一个"小爬山者"，所有的棉花糖一起爬山。它们爬到的山底，就是"和照片最像"的配置。
这一步，是高斯溅射最神奇的地方——它没有手抠模型，而是一群小棉花糖自己学会了"自己该在哪儿"。
---
五、第四层："溅射"是怎么回事？
好了，现在我们有一千团棉花糖悬浮在三维空间里，每团都有自己的椭球形状。要把它们画到二维屏幕上，怎么画？
这一步叫溅射（splatting）。
你可以把它想成给每团棉花糖拍个 X 光。每团棉花糖对着屏幕"投"出一个二维的、有形状的、模糊的色斑。把所有这些色斑按深度顺序叠起来（近的盖远的），一张画面就成了。
为什么要叫"溅射"？ 因为这些色斑是从三维"溅"到二维上的——就像你往墙上甩一把颜料，每一滴颜料飞过去、糊成一个印子。每一团高斯，对应屏幕上的一坨色斑。
这一招妙在哪儿？
- 传统光线追踪：从摄像机射出千万条光线，每条都得算它在场景里撞到啥、被啥反射、最后啥颜色——慢得要命。
- 溅射反过来：从场景出发往屏幕"扔"，每团棉花糖只算一次——快得惊人。
---
六、为什么这件事这么轰动？
2023 年，一篇来自苏黎世联邦理工和 INRIA 的论文（Kerbl 等人）把这个思路做到了极致。一上来就宣布：
> 渲染速度达到实时，照片级画质，从一堆照片到三维场景只要几十分钟训练。
它之所以重要，不是因为它"新"——很多零件都是从别的领域借来的（高斯函数早就有、梯度下降早就有、溅射的思路八十年代就有了）。它重要在，把这些零件拼到一块儿，效果出奇地好。
在它之前，要"从一堆照片得到一个可以自由漫游的三维场景"：
- 要么用 NeRF，质量好但渲一帧要几秒甚至几分钟；
- 要么用传统几何方法，建模累得要死，还搞不定毛玻璃。
---
七、把所有东西串成一句话
费曼说过一句被引用太多次的话，大意是："我造不出来的东西，我就不算理解。"
如果你让我用一句话讲明白高斯溅射，我会这样说：
> 把世界想成由一团团 模糊的小云朵 组成； > 这些云朵的形状、颜色、位置、透明度，靠 对照照片一步步爬山调出来； > 最后，从场景主动 "甩" 到屏幕上画出来。
这串动作的每一环，你都能用日常的东西去理解：
- 云朵 → 棉花糖；
- 爬山 → 你自己的经验；
- 甩到墙上 → 你小时候玩过的事。
---
八、它不是终点
如果你哪天看到一个高斯溅射渲染出来的场景，发现一只小猫的胡须有点糊、玻璃的反射有点花—— 别觉得是 bug。这种方法本质上是 近似，不完美。但它用一份能接受的不完美，换到了人眼看不出差别的速度。
这才是工程师真正在做的事：在"完美"和"够用"之间挑一个聪明的位置。
下一步，已经有一堆新工作在跟进：让它抗遮挡更好、让它能编辑单团高斯、让它能动态变形、让它能塞进手机。技术天天在变。
但这个故事的 "骨头"不会变：
> 用一堆不完美的近似，去逼近一个复杂的世界； > 让小棉花糖们在山上集体爬山； > 最后，把光从世界里 "甩"到你的眼睛里。
懂了骨头，剩下的就是添肉。
---
*写给想搞懂高斯溅射到底在干嘛、而不是只想背几个名词的朋友。*