简介面向三维重建与深度学习入门者的NeRF实战项目基于Pytorch实现神经辐射场算法覆盖从数据准备、模型训练到新视角渲染的完整流程。压缩包共26个文件含6个Python源码模块、17个txt场景配置与说明、1个环境依赖清单、1个流程示意图和1个示例数据下载脚本整体仅355KB配套的requirements.txt与README能降低环境复现成本目录清晰便于直接阅读代码并对应调试。项目附带流程教程配置了lego、fern、room等多种经典场景可帮助理解光线采样、体渲染、MLP网络设计等核心环节。对于需要快速掌握NeRF原理并上手源码的研究者、算法工程师或高年级学生这份优质项目提供了可直接运行的实现与分步讲解。已有412人学习下载尤其适合在硬件资源有限条件下进行轻量级三维重建实验的读者。1. 三维重建进入 NeRF 时代从多视角图片到连续场的最短路径三维重建这几年被 NeRFNeural Radiance Fields狠狠改写了一次规则。传统多视图重建要沿「特征匹配 → 稀疏点云 → 稠密重建 → 表面网格」跑完整条流水线纹理、光照、遮挡任何一步卡住结果基本报废。基于 Pytorch 的 NeRF 换了个问法不显式估计几何而是用 MLP 网络把场景的密度场和颜色场拟合出来新视角直接由体渲染方程积分得到物体级和室内小场景不需要复杂前置步骤就能生成可自由漫游的新视角是 2020 年以来三维视觉里落地价值最高的方向之一。这篇笔记面向想动手复现的工程师先讲原理和 PyTorch 代码骨架再串环境搭建、数据准备和训练流程最后集中说我踩过的几个坑。下面按我实际跑通项目的顺序展开。2. NeRF 原理与 PyTorch 代码骨架体渲染方程怎么变成可训练的张量运算拿到任何一份 NeRF 项目源码我习惯先做一件事把模型定义、数据加载、训练脚本三个文件找出来看它们之间数据流是否闭环。这个方向代码量不大但每一层都有容易写错的地方原理没立住后面调参全是碰运气。2.1 神经辐射场在学什么从 5D 输入到颜色与密度的映射NeRF 的核心假设是整个场景可以用一个连续函数 F 表示输入是空间点坐标 (x, y, z) 和观察方向 (θ, φ)输出是颜色 (r, g, b) 和体密度 σ。密度只跟空间位置有关因为一个点「存不存在」不随观察方向改变颜色则必须跟方向有关否则高光、反射这类视角相关效果永远学不进去。PyTorch 里这个函数就是一个多层感知机前几层先只吃位置编码后的坐标把密度输出之后再把方向编码接到深层特征上预测颜色。很多初学者在这里翻车为了省事把方向和坐标直接在输入层拼成一个六维向量喂进去结果高光全部糊成一团。原因是 MLP 前几层的非线性变换会把方向和位置的耦合打散密度也被方向污染输出不可信。所以按原结构写坐标先走主干方向只跟深层特征拼接两者对密度的作用彻底隔离。这个结构用几行nn.Sequential就能搭出来但顺序错了后面调学习率也救不回来。2.2 体渲染方程的离散化射线怎么累积成像素颜色第二块核心是「怎么把网络输出变成像素颜色」。沿一条射线从 near 到 far 采样 N 个点每个点有颜色 c_i 和密度 σ_i按 alpha compositing 的方式做加权和透过率 T_i 表示光线从近处一路衰减到达该点的概率权重 w_i T_i * (1 - exp(-σ_i * δ_i))最后像素颜色等于 Σ w_i c_i。这个离散近似全程可微整个渲染过程能嵌入 PyTorch 的 autograd 做端到端反向传播。实现里最容易写错的是 δ_i也就是相邻采样点的间距。如果按等间距 z_vals 线性分布δ 就是固定步长如果用了分层采样δ 必须取 z_vals 相邻差否则近处采样点会被错误地赋予远端权重重建出来的物体是「透」的。我一般把 δ 计算单独写成一行函数并断言形状是 (N_rays, N_samples-1)用这种笨办法挡住低级形状错误。2.3 位置编码为什么必须有高频增强MLP 天然是低频偏置的直接输入归一化坐标会把纹理和高频边缘磨平。位置编码把每个坐标映射成多组不同频率的正余弦相当于给网络喂了傅里叶特征这个操作是 NeRF 能重建出清晰细节的关键不是可选优化项。对位置用 L10输出 360 维对方向用 L4输出 324 维这是大多数复现项目默认参数。如果你的复现版本把位置编码换成可学习的 hash encoding那是另一个提速流派了。想先跑通流程用固定频率编码就够hash encoding 能显著加速训练但换成它之后采样策略和网络深度都得跟着改不适合新手第一次做对照实验。2.4 最小可跑的 PyTorch 模型骨架位置编码与 MLP 主干下面给一个教学级的最小实现包含位置编码、MLP 主干和密度颜色分支。这个骨架不是完整项目但把 NeRF 最核心的计算结构表达清楚了。import torch import torch.nn as nn import torch.nn.functional as F class PositionalEncoding(nn.Module): 把 (..., 3) 坐标扩成多频正余弦特征L 控制高频分量层数 def __init__(self, L10): super().__init__() self.L L def forward(self, x): freqs 2 ** torch.arange(self.L, devicex.device) # (L,) enc [x] for f in freqs: enc.append(torch.sin(f * x)) enc.append(torch.cos(f * x)) return torch.cat(enc, dim-1) # (..., 3 6L)逻辑说明freqs从 2^0 到 2^(L-1)对每个频率同时取 sin 和 cos原始坐标也保留一份返回值维度是 36LL10 时就是 63 维。注意用torch.sin/torch.cos而不是F.sin输入形状任意所有运算都是逐元素的最后在最后一维拼接。class NeRFMLP(nn.Module): 坐标主干 8 层 256 宽 MLP第 4 层后做 skip connection 方向分支拼接到深层特征上最后输出 (rgb, sigma) def __init__(self, L_pos10, L_dir4, hidden256): super().__init__() self.pos_enc PositionalEncoding(L_pos) # 3 - 63 self.dir_enc PositionalEncoding(L_dir) # 3 - 27 in_dim 3 6 * L_pos dir_dim 3 6 * L_dir self.pre_skip nn.Sequential( nn.Linear(in_dim, hidden), nn.ReLU(), nn.Linear(hidden, hidden), nn.ReLU(), nn.Linear(hidden, hidden), nn.ReLU(), nn.Linear(hidden, hidden), nn.ReLU(), # 第 4 层 ) self.post_skip nn.Sequential( nn.Linear(hidden in_dim, hidden), nn.ReLU(), nn.Linear(hidden, hidden), nn.ReLU(), nn.Linear(hidden, hidden), nn.ReLU(), nn.Linear(hidden, hidden 1), # 多 1 维给 sigma ) self.rgb_head nn.Sequential( nn.Linear(hidden dir_dim, hidden // 2), nn.ReLU(), nn.Linear(hidden // 2, 3), ) def forward(self, x, d): pos_feat self.pos_enc(x) h self.pre_skip(pos_feat) h self.post_skip(torch.cat([h, pos_feat], dim-1)) raw_sigma h[..., -1:] rgb_feat torch.cat([h[..., :-1], self.dir_enc(d)], dim-1) rgb torch.sigmoid(self.rgb_head(rgb_feat)) return rgb, F.relu(raw_sigma)参数说明L_pos控制位置高频L_dir控制方向高频hidden默认 256。pre_skip 四层后把位置特征再拼回去是为了让低频坐标信息不随层数加深而丢失这是 NeRF 主干里提高收敛速度的关键结构。sigma 用 ReLU 保证非负rgb 用 sigmoid 压到 0~1避免训练初期 loss 爆炸。这套代码可以直接套用但还没包含粗采样与重要性采样配合的前向路径那部分放到第 4 章讲。3. PyTorch 环境搭建与 LLFF 数据集准备先跑通数据再谈训练流程教程最容易被跳过的一环就是数据准备但 NeRF 对数据和环境的要求比一般 CV 项目更苛刻。环境不对、位姿不对网络结构再标准也训不出来。3.1 PyTorch 环境搭建GPU 版安装与验证先把环境搞对。NeRF 虽然也能在 CPU 上训练但一张 800x800 的图、每像素一条射线CPU 上单个 iteration 就能卡到几十秒基本没法调参。我建议直接装 GPU 版 PyTorchCUDA 版本按显卡驱动能支持的来选不要盲目追最新。常见做法是先用 conda 建一个干净环境再用 pip 的 wheel 索引指定 cuda 版本装完不需要手动改 CUDA 路径。conda create -n nerf python3.10 -y conda activate nerf pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install numpy opencv-python tqdm imageio scikit-image matplotlib python -c import torch; print(torch.__version__, torch.cuda.is_available(), torch.cuda.get_device_name(0))参数说明cu121 对应 CUDA 12.1如果你的驱动是 11.x 就改成 cu118Python 3.10 是当前生态兼容性较好的版本NeRF 这种纯张量工程不挑 Python 小版本。验证命令输出 True 和显卡名才算环境 OK如果is_available()是 False先跑nvidia-smi看驱动通常不是 torch 版本错而是驱动太老或没装带 CUDA 的 wheel。很多人以为装完 torch 就完事其实后面 opencv 和 imageio 缺了数据加载脚本一跑就报 ImportError。3.2 LLFF 数据格式poses_bounds.npy 里装了什么NeRF 最常见的开源数据格式是 LLFF。项目里你会看到一个images/目录、一个poses_bounds.npy和一个sparse/文件夹。poses_bounds.npy是 4xN 矩阵前 3 行是每张图片的 3x4 相机外参 c2w相机到世界变换最后一行是 near、far 边界和图像尺寸相关数据。很多复现仓库读取它之后要做一次归一化把所有位姿围绕场景中心平移缩放到半径约 1 的球内。这一步不做训练时采样点会大量落在无效空间loss 波动剧烈。自己拍数据时用 COLMAP 跑出位姿再转成 LLFF 格式是主流路径。sparse/目录下存的是 COLMAP 的 binary 文件需要写解析代码或直接调 pycolmap 接口。第一次做项目不用纠结自己建数据集先下几组公开的物体级场景跑通训练等 loss 规律摸熟了再上自采数据。提示新手复现 NeRF强烈建议第一版只用公开 LLFF 数据。自采数据的坑在 5.5 节专门讲别一上来就挑战最高难度。3.3 用 COLMAP 生成自己的位姿从特征提取到稀疏重建给一组手机拍的 JPG5 到 30 张、环绕物体一圈、相邻帧重叠 60% 以上COLMAP 流程分三步特征提取、特征匹配、稀疏重建。命令行如下colmap feature_extractor --database_path db.db --image_path images --SiftExtraction.use_gpu 1 colmap exhaustive_matcher --database_path db.db --SiftMatching.use_gpu 1 colmap mapper --database_path db.db --image_path images --output_path sparse参数说明exhaustive_matcher适合几百张以内的数据集速度快、结果稳超过 300 张建议换sequential_matcher或vocabulary_tree_matcher否则匹配矩阵按 O(n²) 增长内存和时间都扛不住。mapper 出来如果没有输出模型多数是图片太相似或运动模糊导致特征点太少回去重新拍比调算法参数更省事。最后把sparse/0里的相机内外参导出为poses_bounds.npy每个仓库都有自己的转换脚本注意 npy 里轴的顺序跟你的坐标系定义是否一致。这是自采数据最隐蔽的翻车点下文排查章节还会提到。3.4 数据加载器把图片和射线配对成 batch训练时不是整张图直接进网络而是每轮随机选一个 batch 的像素每个像素对应一条射线。常见写法是先随机抽 batch_size 张图片再从每张图里随机抽若干像素位置用相机参数反解出射线起点和方向射线与真值 RGB 组成一个 (B, 6) 的输入对。这里最难也最容易错的是把 c2w 转成射线的坐标变换。def make_rays(H, W, K, c2w, pixel_coords): # pixel_coords: (N, 2) 像素坐标单位是像素 fx, fy K[0, 0], K[1, 1] cx, cy K[0, 2], K[1, 2] i, j pixel_coords[:, 0], pixel_coords[:, 1] dirs torch.stack([(i - cx) / fx, -(j - cy) / fy, -torch.ones_like(i)], dim-1) # 相机坐标系下方向默认指向 -ZOpenCV/COLMAP 约定 rays_d (c2w[:3, :3] dirs.T).T rays_o c2w[:3, 3].expand_as(rays_d) return rays_o, rays_d逻辑说明像素纵坐标 j 从上往下增长而相机坐标系的 y 轴向上所以这里必须给 j 取负方向上还要乘 -1因为相机朝向是 -Z。这个负号错了渲染出来的新视角会是镜像翻转或干脆「穿模」是自采数据训练失败的头号原因。如果 COLMAP 导出用的是 OpenGL 约定负号位置又不一样。我的血泪经验是在数据预处理阶段固定一个约定并统一验证拿公开数据先测射线转换确认无误再跑自己的图片。4. 训练主循环与采样策略从粗网络到细网络的 PyTorch 实现训练闭环是所有 NeRF 复现项目最稳定的部分也是把前面模型和数据组装起来的地方。这一章直接给可抄的代码骨架并解释每个参数为什么这么设。4.1 训练主循环coarse 与 fine 两次前向的配合每步取一个 batch 的射线沿每条射线先 coarse 均匀采样常见 N_samples64第一次前向得到权重根据权重做重要性采样再补 N_importance128 个点第二次前向得到精细结果。loss 是 coarse 渲染和 fine 渲染各自与真值 RGB 的 MSE 之和梯度同时更新两个分支。这里的关键认知是coarse 分支不直接服务输出质量它存在的意义是告诉 fine 分支「密度集中在哪」跳过它的训练效果会大打折扣。optimizer torch.optim.Adam(model.parameters(), lr5e-4, betas(0.9, 0.999)) mse_fn torch.nn.MSELoss() for step in range(30000): batch_rays_o, batch_rays_d, batch_rgb next(training_set) # 各 (B, 3) rgb_coarse, rgb_fine model.render( batch_rays_o, batch_rays_d, N_samples64, N_importance128, perturbTrue ) loss mse_fn(rgb_coarse, batch_rgb) mse_fn(rgb_fine, batch_rgb) optimizer.zero_grad() loss.backward() optimizer.step() if step % 1000 0: lr max(lr_initial * 0.1, lr_initial * (0.1 ** (step / 250000))) for g in optimizer.param_groups: g[lr] lr参数说明Adam 初始 lr5e-4 是 NeRF 原论文默认物体级场景基本都能收敛指数衰减从 30 万步尺度来定但实际项目只跑 3 万步衰减到 1e-4 左右即可。B 建议 1024 或 2048太大显存会被 fine 分支的重采样张量撑爆太小 loss 曲线像心电图。注意render内部要做两次前向返回的rgb_fine才用于验收coarse 的 loss 只起稳定梯度作用。4.2 重要性采样把 coarse 权重转成概率分布importance sampling 的实现要点是把 coarse 网络的权重转成概率分布 CDF再用逆变换采样。这里有一个隐蔽的实现细节重新采样后要把新采的 z 和原来的 coarse z 合并排序再一起送进 fine 网络不能单独只送新点。原因是体渲染的 δ 必须覆盖整段射线如果只取重采样点near 到 far 的空隙就被跳过渲染权重的归一化会出错画面出现一道一道的断层。def importance_sample(z_coarse, weights, N_importance): weights weights 1e-5 # 防零除 pdf weights / weights.sum(dim-1, keepdimTrue) cdf torch.cumsum(pdf, dim-1) # (N_rays, N_samples) u torch.rand(N_importance, devicez_coarse.device) idx torch.searchsorted(cdf, u) # 逆变换采样 idx idx.clamp(maxz_coarse.shape[-1] - 1) z_fine z_coarse.gather(dim-1, indexidx) z_combined torch.sort(torch.cat([z_coarse, z_fine], dim-1), dim-1).values return z_combined逻辑说明searchsorted是核心它把均匀随机数 u 映射到 CDF 的区间索引权重越大的区域被采到的概率越高。注意对 idx 做 clamp防止 u 恰好等于 1.0 时越界。合并排序后的 z 再进入渲染管线专业框架里这一步有 CUDA 优化版但 PyTorch 直接用 sort 也不慢先跑通再谈优化。4.3 学习率与批次调试顺序先大 batch 调通再上细节训练 NeRF 的调试顺序跟一般 CV 任务不太一样。我的经验是先固定 batch 1024、lr5e-4只跑 5000 步观察 loss 是否稳定下降。这个阶段不要死盯 PSNR只看 loss 和稀疏渲染的中间帧。loss 能稳定降到 0.01 量级再往下做。如果 5000 步 loss 还在 0.5 附近横跳先查数据归一化——真值 RGB 是不是还停留在 0~255这是 PyTorch 实战项目里最常见的低级陷阱loss 会被像素尺度带偏。学习率衰减我推荐分段常数或指数衰减不推荐 Cosine Annealing因为 NeRF 训练曲线表现为阶梯状下降cosine 的平滑会拖慢中间阶段收敛。实际项目中普遍做法是在第 15 万步衰减到 1/10但这对 3 万步的微型项目窗口太大所以很多社区复现改成按指数衰减到 1e-4。怎么调都行关键是 loss 曲线出现平台就降一次 lr降完如果 loss 反而升高说明已经过拟合回滚到降之前的位置。4.4 测试渲染路径关闭扰动并分块推理训练之外要保留一条独立的测试路径它不做采样随机扰动perturbFalse并且把整幅图像的射线分成多个 chunk 逐块送进网络避免显存 OOM。测试渲染不参与梯度必须用torch.no_grad()包起来。很多人在这里吃亏忘了关梯度显存逐渐堆满因为每条射线都存了中间变量batch 一大直接卡死。torch.no_grad() def render_image(model, rays_o, rays_d, chunk_size1024, N_samples64, N_importance128): rgb_fine [] for i in range(0, rays_o.shape[0], chunk_size): co, cd rays_o[i:ichunk_size], rays_d[i:ichunk_size] _, fine model.render(co, cd, N_samplesN_samples, N_importanceN_importance, perturbFalse) rgb_fine.append(fine) return torch.cat(rgb_fine, dim0).reshape(H, W, 3)参数说明chunk_size 根据显存调节6GB 显存用 1024 稳显存充裕可以提到 4096 换速度。perturbFalse保证每次测试都用相同的离散采样点不然同一视角隔几次渲染结果轻微抖动验证 PSNR 忽高忽低没法判断改动是否有效。测试渲染出的图要 clamp 到 0~1 再保存别直接转 uint8否则黑背景会被压成噪声。5. NeRF 训练避坑指南Loss 不降、画面模糊、显存溢出的排查顺序这一章写我实际踩过的坑以及每个坑的排查路径。NeRF 的调试有一个特点loss 低不代表重建对现象和原因经常隔着一层按下面的顺序排查能少走弯路。5.1 Loss 卡在 0.3 附近不动现象训练几千步后 loss 停在 0.3 到 0.5 不再下降新视角渲染出来是一个「平均颜色」的模糊球。原因最常见是相机位姿尺度错误。LLFF 的 bounds 归一化没做对位姿的平移量比场景实际尺度大几十倍射线在空间里飞得太快采样的 64 个点根本没覆盖到物体表面网络学到的是「什么都看不见」的密度场。其次是学习率过大Adam 的 lr5e-3 会让密度分支梯度震荡loss 永远降不下去。解决先打印 pose 的平移范围确认场景半径在 0.5 到 2 之间再渲染首帧如果画面是混沌噪声大概率射线没打中场景。学习率调回 5e-4并把衰减改小。如果数据和 lr 都正常但 loss 仍高检查网络是不是把 sigma 分支输出负值后又被 ReLU 剪成常数 0这会让整条射线透过率恒为 1输出永远是背景色。很多人把这类问题归成调参玄学其实十有八九是数据尺度问题。5.2 渲染结果有雾状噪点像隔着一层脏玻璃现象训练后期 PSNR 已经到 28 以上但新视角有均匀分布的雾状噪点天空或纯色背景区域尤其明显。原因采样点数量不够或者 near/far 范围定得比实际场景大很多。NeRF 的体渲染要对整段射线积分near 太远时模型被迫把空区域也拟合出低密度表现为空气里有悬浮的「灰霾」。另一个常见原因是测试时没关perturb图像在相邻帧之间随机抖动。解决把 near/far 收紧到物体外扩 10%~20% 的距离提高 N_samples 到 128、N_importance 到 256先看效果再决定是否加大网络。测试渲染务必走 4.4 节的函数。背景噪点若是训练时就有优先怀疑图像传感器噪声把输入图做一次轻量中值滤波预处理。5.3 显存 OOM6GB 卡训练到一半直接退出现象训练跑到第 3 到 5 万步时 OutOfMemoryError而复现项目默认配置标注的是 12GB 以上显卡才能跑。原因NeRF 的显存峰值来自 fine 分支的体渲染采样点 N_samples N_importance 越多权重张量越大batch2048 时中间张量轻松超过 2GB。如果 PyTorch 环境搭建时开了 TF32 相关的自动优化显存占用还会进一步上升。解决优先降 chunk_size 而不是降 batch因为 loss 稳定性主要依赖 batch 内射线数量把 batch 从 2048 降到 1024 通常能省 40% 显存。其次是混合精度训练PyTorch 自带 autocast能省一半左右显存。scaler torch.cuda.amp.GradScaler() for step in range(steps): with torch.autocast(device_typecuda, dtypetorch.float16): rgb_coarse, rgb_fine model.render(...) loss mse_fn(rgb_coarse, batch_rgb) mse_fn(rgb_fine, batch_rgb) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()参数说明混合精度最怕密度分支梯度溢出所以必须用 GradScaler 做动态缩放。如果你看到 loss 突然变 inf优先怀疑是 exp 或 softmax 在 fp16 下溢把权重加上 1e-8 的 epsilon 就能缓解。这里还有一个注意点用了 autocast 后位置编码里的2 ** torch.arange要显式转成 float32避免频率张量被降精度。5.4 Loss 很低但重建几何扭曲现象训练 loss 已经到 0.005但换一个新视角看物体形状走形、表面有明显凹陷凸起和真实物体对不上。原因相机位姿本身有误差。NeRF 对位姿误差非常敏感COLMAP 稀疏重建如果有 outlier网络为了拟合错误的位姿会「扭曲」密度场来补偿角度偏差。图片数量多反而更糟矛盾证据多了网络只能折中出一个假几何。解决在 COLMAP 阶段剔除重投影误差大于 1.0 的图像或直接减少参与训练的图片到 20~30 张降低 outlier 干扰。还有一个偏方是训练时把颜色 head 的 sigmoid 换成分段线性映射能在一定程度上吸收位姿噪声但这是事后补救根治还是在数据端。记住一个判断原则训练集 PSNR 高、新视角几何差先怀疑位姿而不是网络容量。5.5 自采数据跑不通公开数据一切正常现象公开的 LLFF 数据集 loss 平稳下降自己手机拍的照片总是训不出来换什么学习率都没用。原因手机拍摄的自动白平衡和曝光时间不一致导致同一场景不同图片明暗差异大渲染出来像加了渐变滤镜另一个是环绕拍摄时相邻帧重叠不够COLMAP 匹配不到足够特征。解决把 JPG 统一转成线性色彩空间再做归一化拍摄时固定白平衡或事后用同一张灰卡做白点校正。这一条几乎是自采数据唯一靠谱的解决路径我项目里用过后所有异常都消失了。另外手机拍的图通常分辨率太高先统一缩到 800x800 以内再进 COLMAP能大幅提升特征匹配速度。6. 重建质量验证与参数微调用 PSNR 和新视角连续性做双重验收训练完成后的第一步不是截图看效果而是固定几个训练时没见过的视角用确定性设置重渲染算 PSNR 和 SSIM。评估脚本把 4.4 节的render_image包装一下循环几个测试视角取均值即可。注意 PSNR 和 SSIM 都要求输入是 0~1 浮点别拿 uint8 直接算同一张图要在 coarse 和 fine 两条路径上各渲染一次最后只用 fine 结果验收。物体级 NeRF 训练 2 万到 5 万步之后PSNR 在 28 到 33 dB、SSIM 在 0.90 到 0.96 都算正常。PSNR 低于 25 先查数据SSIM 高但 PSNR 上不去往往是噪声问题。这个环节我会把模型渲染的新视角做成连续帧序列看稳定性好的重建结果连续帧非常稳定有跳变的位置基本都是位姿误差。PSNR 是验收指标视频连续性才是真正「能不能用」的指标。最后说三个能明显提升效果的小参数。第一个是 N_importance 从 128 提到 256对细长结构如树叶、头发改善明显显存可接受就改第二个是位置编码 L_pos 从 10 提到 12能增强高频纹理但前期 loss 掉得更慢需要调大衰减系数第三个是 batch 从 1024 提到 2048能减少梯度方差loss 曲线更平滑代价是显存。三个改完再重训一版做对比保留旧模型避免调参一次全推翻的后悔药心态。我自己的习惯是每次调整只动一个变量记录 PSNR、SSIM 和显存占用把训练当成有对比的实验而不是碰运气。NeRF 项目最磨人的不是网络结构而是数据、位姿和采样三个环节的因果关系。如果你准备开始做三维重建方向建议先用公开数据跑通上面的最小骨架再用自己的数据慢慢加细节。记住新视角渲染稳定比单张 PSNR 高更有说服力希望帮到你。本文还有配套的精品资源点击获取
