三年前我在一个重建类项目里同时被这三个词砸中SDF、Occupancy Field、NeRF。当时的需求很朴素——给一批多视角照片重建出能导进引擎的网格模型。我一开始想当然地选了NeRF因为渲染图确实漂亮结果在提取表面那一步被折磨了整整两周等值面阈值调了十几版出来还是一坨带毛刺的面片。后来换SDF重训几何精度立刻上去了但训练过程又开始抖。再往后做小物体和薄壳结构又被Occupancy Field救了一次。绕完这一圈我才明白3D隐式表示这三条路线根本不是谁更先进的关系而是三种输出语义完全不同的建模方式选错了不是效果差一点是整条流水线都要返工。这篇就把我踩过的坑、做过的对比实验、以及最后沉淀下来的选型判断整理出来适合正在做三维重建、资产生成、仿真几何建模或者单纯被这三个名词搞晕想弄清楚区别的人看——不管你是刚入门还是已经训过几个模型应该都能拿到点能直接抄的东西。1. 先把三兄弟的底细摆清楚1.1 它们其实都是坐标进、数值出的查询函数要理解这三个东西先把显式和隐式的分野搞清楚。显式表示是老老实实把形状记下来点云是一堆坐标网格是一堆顶点加面片索引体素是一个三维数组。它的好处是直观坏处是分辨率写死在数据结构里——体素想变细内存翻八倍点云想变密采样成本往上涨。隐式表示换了个思路不存形状存一个函数 f(x, y, z) → value。你问它空间里这个点是什么情况它当场算给你。形状被压缩进了函数的参数里分辨率变成了可调的查询精度这是它最核心的诱惑。三个方法用的都是这个套路区别只在value是什么。SDFSigned Distance Field符号距离场输出的是一段有符号的距离这个点到最近表面的距离点在物体内部为负在外部为正正好落在表面上就是零。所以整个物体的表面就是函数值等于零的那一层等高面行话叫零水平集。它的物理意义极其干净——值本身就是距离梯度方向就是法向拿去做碰撞检测、光线求交、布尔运算都是现成的。Occupancy Field 输出的是一个占据概率通常在 0 到 1 之间表示这个点被物体占据的可能性。它不管离表面多远只回答在不在里面。这个转变看着小实际影响很大把一个连续回归问题变成了二分类问题训练目标和评价方式都变了。NeRFNeural Radiance Field神经辐射场输出的是一对值体密度和视角相关的颜色。它描述的不是形状是光在这个空间里怎么传播。想知道某个像素是什么颜色就沿这条视线采样一堆点把密度和颜色积分起来。几何是从密度里顺带推出来的从来不是它的第一目标。三者的共同点在于都能用神经网络或者网格特征来参数化都能靠采样加监督来训练都能在训练完之后当作可微的查询器塞进别的流水线。理解了这一点后面的选型讨论才有落脚点。1.2 三条路线的来龙去脉决定了它们的脾气很多教程一上来就讲公式我觉得先讲历史更有用因为每条路线的性格都是被它的出身决定的。SDF 是最老的根在传统几何处理和水平集方法里。做三维重建的人早就用 TSDF截断符号距离场做深度图融合用球体追踪做光线求交。所以 SDF 这条路线的基因里就带着几何优先的偏执它关心的是表面在哪儿、准不准、法向对不对渲染只是副产品。这也解释了为什么 SDF 的训练里会有那么多几何约束项因为它的设计初衷就是让零水平集贴合真实表面。Occupancy Field 更像是从体素路线演化过来的。传统体素要开一个三维数组分辨率一高就爆内存。于是就有人问为什么非要把空间均匀地切满大部分空间是空的。稀疏体素、八叉树、层次化查询这套思路一上来Occupancy 这种只回答在不在的轻量输出就变得非常合拍——反正每个体素只存一个比特的信息量用分类头去预测再合适不过。它天生就是为大场景、稀疏结构、可控算力设计的。NeRF 的出身完全不同它来自渲染和新视角合成。目标是给我一个没拍过的角度合成出逼真的图。所以它的损失函数是像素级的颜色误差梯度是从体渲染积分里反传回去的。这种设计让它对视角相关效果高光、半透明、薄纱特别在行但对表面在哪儿这件事始终有点含糊——密度大的地方就是表面可密度大是个相对概念没有一个绝对的位置定义。1.3 一张表把能力边界摆明白我把这几年的实际使用感受压成一张表横向对比几个最影响工程决策的维度。这张表不是绝对的具体实现差别很大但方向性判断基本靠谱。维度SDFOccupancy FieldNeRF输出语义有符号距离连续占据概率0到1密度 视角相关颜色表面定义零水平集明确概率阈值需人为选密度等值面阈值敏感几何精度高法向可直接求导中高边界依赖分辨率中低薄结构易丢渲染质量需额外着色中等需额外着色中等高视角相关效果好训练数据点云/网格/深度/多视图掩码点云/体素/多视图掩码多视图图像为主训练难度较高需几何约束中等中等偏上调参多显存占用中纯MLP低网格特征高低到中可稀疏化高采样点多表面提取Marching Cubes 直接可用需先二值化再提取需密度阈值后处理重典型用途碰撞、布尔、CAD、仿真大场景重建、稀疏结构新视角合成、数字人、展示看这张表要抓住一条主线如果你的终点是一个能用的几何体SDF 和 Occupancy 是主干道NeRF 是绕路如果你的终点是一组好看的图那 NeRF 是直达车另外两个都得额外补渲染模块。这个判断比任何公式都重要。2. 选型前必须想清楚的三件事2.1 你要的到底是表面还是体积这是第一个岔路口而且很多人在这里就走错了。我见过不少项目需求明明是导出一个网格给下游做物理仿真却因为看了一堆炫酷的渲染 demo 选了 NeRF最后卡在表面提取上出不来。判断方法很简单问自己最终交付物是什么。如果是交换格式的网格文件、点云、或者需要在引擎里做碰撞和遮挡剔除那本质需求是表面SDF 和 Occupancy 都能直接满足SDF 还能顺带给出法向和内外判断。如果交付物是图片、视频、可交互的网页展示或者场景里有半透明、烟雾、毛发、玻璃这类体积效应那 NeRF 这类辐射场方案才是对的因为它建模的就是光的传播而非界面。还有一种中间情况既要几何又要渲染。这时候的正确做法不是找一个全能方法而是用 SDF 或 Occupancy 建几何再单独挂一个着色或渲染模块基于物理的着色、球谐光照、或者简单的纹理投影。我后来所有生产项目都是这个组合比硬啃一个方法省心得多。2.2 你的数据从哪儿来决定了训练信号长什么样数据源对选型的影响比大多数人想象的大。三种常见情况第一种是多视角图像只有照片和相机位姿。这是 NeRF 的主场因为它的监督信号天生就是像素颜色。想用 SDF 或 Occupancy就必须补额外的监督要么用掩码做轮廓约束要么加深度图要么用 Eikonal 约束配合表面渲染把密度压成一个真正的距离场。补这些是有代价的训练变慢、调参变多但换来的是几何精度。第二种是点云、网格、深度图或者仿真出来的采样数据。这种情况反而是 SDF 和 Occupancy 更顺因为你可以直接对采样点算真值点云到表面的距离可以近似估计内外可以用法向判断。NeRF 在这里反而尴尬因为它需要的是图像。第三种是纯合成数据有完美的几何真值。这时候别犹豫直接用 SDF监督信号最干净收敛也最好看。2.3 算力和显存预算会把方案砍掉一半这条最现实。我做过一次粗略估算把所有方案都拉到同一分辨率下比差距非常明显。假设体素分辨率是 256³也就是 1677 万个格点。如果每个格点只存一个 float32 的距离值那是 1677万 × 4 字节 ≈ 67 MB还好。但只要你在每个格点挂一个 32 维的特征向量多分辨率哈希编码或稠密特征网格的常见配置就是 1677万 × 32 × 4 字节 ≈ 2.1 GB而且这只是特征还没算网络参数和优化器状态Adam 通常要存两倍于参数的动量。显存 24 GB 的卡跑到 512³ 基本就见底了。纯 MLP 参数化的方案显存占用低因为它把信息压进权重里了但代价是训练慢、细节恢复能力差高频细节容易被抹平。哈希编码或者稀疏体素把显存换成了速度但分辨率一上去就顶不住。NeRF 的瓶颈不在存储在采样。每条光线采 64 到 128 个点一个 batch 512 条光线就是三万多到六万多个查询每个查询都要过一遍网络。这是实打实的算力消耗也是为什么早期 NeRF 训一个场景要按天算。所以选型时先算一笔账你的分辨率需求是多少显存能撑多大训练预算有几天。算完你会发现很多时候不是你想选哪个是只剩一个能跑。3. SDF几何精度高但训练有讲究3.1 几个必须刻进脑子里的性质SDF 的定义很直白f(x) 到最近表面的距离内部为负、外部为正。但真正让它好用的是几个数学性质理解这些能省掉大量调试时间。第一梯度的模长在绝大多数地方等于 1。这不是巧合是距离函数的固有属性——沿着最陡方向走一步距离就变一个单位。这个性质直接变成了训练时的 Eikonal 约束也是判断网络学出来的是不是真距离场的体检指标。第二梯度方向就是表面法向。想要法向不用额外网络对 SDF 求一次导就行。这在渲染、碰撞、平滑处理里都是白送的好处。第三零水平集就是表面而且这个定义是全局一致的。不像密度场要靠阈值SDF 的表面位置是唯一确定的这对需要精确配合的工程应用至关重要。第四距离场是 1-Lipschitz 连续的。意思是你移动一小步函数值的变化不会超过这一步的长度。这保证了球体追踪这类求交算法能正确收敛——你可以放心地沿着光线方向跳当前距离那么远绝不会跳过表面。注意Eikonal 性质在表面附近的中轴medial axis处会失效那里有多个最近点梯度不连续。做损失函数时要对这部分采样点做屏蔽或者降权否则网络会被迫去拟合一个不存在的梯度。3.2 训练的三个命门约束、采样、初始化SDF 训练不收敛九成出在这三件事上。命门一Eikonal 约束的权重。只有表面附近的零值监督是不够的网络在离表面远的地方会乱来学出一个数值对但形状怪的函数。所以要加 |∇f| 1 的约束把距离场的性质焊进去。实现上有两种用自动微分求梯度再做惩罚或者用有限差分近似。自动微分更准但显存吃紧有限差分便宜但对分辨率敏感。权重 λ 是核心超参我实测下来在 0.1 到 0.5 之间比较合适太大网络会执着于满足梯度条件而忽略零水平集太小又约束不住表现为远处出现一堆伪表面。下面是我常用的一段损失结构用自动微分实现注释里标了每一步的意图import torch def sdf_total_loss(model, surface_pts, surface_normals, near_pts, far_pts, free_pts, lambda_eik0.1, lambda_norm0.05, lambda_free0.02): # 1) 表面点值应当接近 0 s model(surface_pts) loss_surface s.abs().mean() # 2) 法向监督如果数据自带法向直接对齐梯度 grad_s torch.autograd.grad( s.sum(), surface_pts, create_graphTrue )[0] if surface_normals is not None: loss_norm (1.0 - torch.cosine_similarity(grad_s, surface_normals, dim-1)).mean() else: loss_norm torch.zeros((), devicesurface_pts.device) # 3) Eikonal 约束任意采样点梯度模长应当为 1 rand_pts torch.cat([near_pts, far_pts], dim0).detach().requires_grad_(True) val model(rand_pts) g torch.autograd.grad(val.sum(), rand_pts, create_graphTrue)[0] loss_eik ((g.norm(dim-1) - 1.0) ** 2).mean() # 4) 自由空间约束已知在外部很远的地方值应当接近其到原点的距离 free_val model(free_pts) loss_free torch.relu(-free_val).mean() return (loss_surface lambda_norm * loss_norm lambda_eik * loss_eik lambda_free * loss_free)命门二采样策略。这是最容易被忽视的一环。如果采样点大多是均匀撒在空间里的那表面附近的点极少网络的注意力就被浪费在空旷区域。正确做法是分两路一路在表面附近做小方差高斯扰动专门喂零值监督另一路在空间里均匀采样负责 Eikonal 和正负号约束。前者保证表面细节后者保证全局正确。命门三初始化。纯随机初始化的 SDF 是个糊状函数零水平集可能是好几块碎面。用几何初始化能大幅改善——比如初始化成一个球面距离场f(x) |x| - r让网络从一个球开始演化到目标形状。这个技巧在只有少量监督信号时效果拔群我把初始化球半径设为包围盒内切球收敛速度快了接近一倍。3.3 从场到网格分辨率陷阱训练完拿到 SDF导出网格一般走 Marching Cubes。这一步看着傻瓜其实坑不少。第一个坑是分辨率。Marching Cubes 的精度直接由格点间距决定薄结构比如叶片、衣角、线缆如果比格点间距还细就会被整块吞掉。我做过对比测试一个厚 2 毫米的薄壳件在 128³ 网格下完全消失256³ 下断断续续512³ 才勉强连续。但 512³ 意味着 1.34 亿个体素一次性算完显存直接爆。解决办法是分块。把包围盒切成 64³ 的小块逐块跑 Marching Cubes再把边界处的顶点做焊接。麻烦的是块与块之间可能出现裂缝原因是边界格点的插值依赖相邻块的采样值。我的做法是在切块时让每块向外交叠一个格点提取完再裁掉重叠区的多余面片虽然会有少量重复顶点但用顶点合并就能解决。第二个坑是自适应提取。如果整块区域都是空的没必要按全分辨率算。可以先用粗网格判断这块有没有表面穿过没有就跳过有就细分。这个思路在稀疏场景下能省掉 80% 以上的计算量代价是实现复杂度上升。第三个坑是法向一致性和水密性。从 SDF 提取的网格天然是水密的因为零水平集是个闭合面但如果你在提取时用了非均匀缩放比如把坐标按 (1, 1, 2) 拉过法向就歪了需要手动重算法向并归一化。实操心得导出前先做一次连通域分析把体积小于阈值的碎面片直接删掉。SDF 在远离主物体处常出现孤立的小球状伪表面这些在视觉上不显眼但会拖垮下游的物理仿真。4. Occupancy Field把回归变成分类的巧劲4.1 为什么二分类反而解决了一些难题Occupancy 的思路是把到表面多远这个连续回归问题降级成在不在里面的二分类问题。听起来是信息量的损失但实际收益有几个。第一它绕开了符号歧义。SDF 在开放表面比如一张纸、一片布料上有麻烦这种结构没有明确的内部距离场的符号定义会变得含混网络学出来一片模糊。Occupancy 只要判断这个点被占据的概率对于单面结构可以只把面片本身标为占据两侧都是自由空间语义就清晰了。第二分类的梯度性质更友好。Sigmoid 输出加二元交叉熵梯度在任何地方都不会消失得太厉害不像回归某些目标值时会因为数值范围大而被主导。在样本不平衡时可以用加权或者 focal 类的处理调控手段更多。第三它天然适配稀疏结构。大部分空间是空的占据概率接近零这个先验可以直接变成剪枝策略——粗层判断为空的区域细层根本不用算下去。代价也很明确拿不到距离也就拿不到法向。要做着色、平滑、光线求交都得从占据场里重新推。通常的做法是对概率场求梯度当下近似法向但边界处噪声大效果比 SDF 的解析梯度差一截。4.2 稀疏体素和层次化查询怎么省显存Occupancy 最实用的工程价值在这里。典型做法是分层的先在一个粗分辨率上判断哪些区域可能有东西再只对这些区域开细分辨率。粗层用八叉树组织每个节点存一个最大占据概率查询时遇到明显为空的节点直接整块跳过。这种结构带来的显存优势可以用个数字感受一下。假设一个场景里物体只占总体积的 3%全分辨率稠密存储需要 2 GB 特征稀疏化之后大致是 60 MB 量级差了两个数量级。当然实际开销还要算树结构和索引但量级上的收益是真实的。训练时也是同样的逻辑每次迭代先在所有粗节点上跑一遍筛出可能有表面的节点再只在那些节点里撒采样点。这一步能把有效采样率提高一到两个数量级——同样的 batch size落在关键区域的点多得多收敛自然更快。不过稀疏化有个副作用不同区域的更新频率不一致容易造成表面在细层和粗层交界处出现台阶。缓解办法是在边界带上强制加密采样或者训练后期做一次全局细化。4.3 阈值选择0.5 未必是最好的答案从占据场提取表面第一步是二值化而阈值选多少是个经验活。理想情况下 0.5 是自然的决策边界概率大于一半就算占据但实际数据里正负样本极度不平衡——表面附近的采样点里真正被占据的可能只占很小一部分。这会导致网络输出的概率整体偏低用 0.5 去切表面会被削瘦一圈细小结构直接消失。我的处理方法是在验证集上扫一遍阈值看在哪个值下提取出来的几何和真值的倒角距离最小。经验值通常在 0.3 到 0.6 之间薄壁结构要往低走实心块体可以往高走。如果手上有真值网格这个扫描很快没有的话就看点云覆盖率选让重建点云和输入点云贴得最紧的那个。还有个小技巧二值化之后再跑一次形态学开闭运算把孤立噪点清掉、小洞补上比直接提取要干净。当然这一步要谨慎过度操作会把真实细节抹掉。5. NeRF渲染的天花板几何的泥潭5.1 体渲染那套机制到底在算什么NeRF 的核心是一条积分公式某个像素的颜色等于沿这条视线对所有采样点的颜色乘透过率乘密度做积分。用离散形式写出来大概是这样def volume_render(densities, colors, deltas): # densities: (N,) 每个采样点的体密度 # colors: (N, 3) 每个采样点的颜色 # deltas: (N,) 相邻采样点间距 alpha 1.0 - torch.exp(-densities * deltas) # 每段的不透明度 trans torch.cumprod(1.0 - alpha 1e-10, dim0) # 到当前点的透过率 trans torch.cat([torch.ones(1), trans[:-1]]) # 移位当前段之前的部分 weights alpha * trans # 每段的贡献权重 rgb (weights[:, None] * colors).sum(dim0) return rgb, weights这段代码里藏着两个关键设计。一是 alpha 用指数形式保证它在 [0,1] 区间内且随密度单调增物理上也说得通比尔-朗伯定律。二是透过率用累乘模拟光被前面物质逐渐遮挡的过程。训练时还需要一套采样策略。均匀撒点太浪费因为大部分采样点落在空区域贡献接近零。所以要用粗细两级采样先均匀采一批算出权重分布再在权重高的地方集中撒第二批。这个技巧叫重要性采样是 NeRF 能训得动的前提之一。5.2 密度不是距离几何提取全是坑这是我把 NeRF 用在重建项目上时最痛的地方。密度场的大是个相对概念没有绝对的位置定义。表面在哪儿得选一个密度阈值把大于阈值的区域当成实体。问题是这个阈值极其敏感。我做过统计同一个训练好的模型阈值从 10 调到 50提取出来的表面体积能差三成薄结构的存亡完全取决于这个数字。更麻烦的是密度在表面附近往往是渐变的没有陡峭的跳变所以提取出来的面片常常带着雾状的边缘需要额外的平滑和补洞。业界有几条改进路线。一条是在密度之外显式地训练一个 SDF 分支两者互相约束表面位置由 SDF 提供渲染用密度保证图像质量。另一条是用表面渲染替代体渲染在表面处做一个陡峭的转换让密度天然集中在薄层里。这两种做法都能明显改善几何但代价是训练复杂度和调参量都上去了。如果你只是想要几何我的建议很直接一开始就别用纯 NeRF。除非你确实需要视角相关的渲染效果否则这笔投入不划算。5.3 位置编码和特征编码的取舍NeRF 还有个绕不开的话题是编码方式。原始方案用的是正弦位置编码把坐标映射到高频空间让 MLP 有能力表达细节。这个做法很有效但有个副作用高频编码会让网络在空间上过拟合表现为表面出现高频噪点。后来的方案大多改用网格特征或者哈希编码。网格特征直观——把空间划成格子每格存一个可学习向量查询时做三线性插值相当于把记忆从网络权重里搬到了一张查找表里。优点是细节恢复强、训练快缺点是显存占用随分辨率线性增长而且不同格子之间没有平滑约束边界处容易出现不连续。哈希编码更激进用多个不同分辨率的哈希表做多级查询用一个固定大小的表覆盖理论上无限的分辨率。它把显存占用从跟分辨率成正比变成了跟表大小成正比代价是哈希冲突——不同空间位置可能落到同一个表项上冲突严重的区域会出现伪影。实际选型时我会这样权衡如果是单体物体、分辨率需求高、显存宽裕用稠密特征网格稳定且可控如果是大场景、显存紧张用哈希编码但要盯着冲突率必要时增加表数量或降低最高分辨率层级。6. 实操一套能复现的对比流程6.1 数据准备与坐标归一化对比实验最容易翻车的地方是数据没对齐。三个方法对输入的预期不一样不统一的话比出来的结果没有意义。第一步把物体统一到单位尺度。计算所有输入的包围盒取最长边归一化到 1平移到原点。这一步必须做因为 SDF 的 Eikonal 约束和 NeRF 的采样范围都跟尺度强相关尺度不统一超参就没法共用。第二步统一相机约定。多视角数据要确认是 OpenCV 约定还是 OpenGL 约定两者的 Y 轴和 Z 轴朝向不同搞错了整个重建会镜像。我的做法是先用少量帧做一次粗重建看轮廓是否吻合确认无误再跑全量。第三步准备掩码。如果数据带背景一定要抠出前景掩码。NeRF 可以用背景颜色建模来绕SDF 和 Occupancy 则需要掩码做轮廓约束否则网络会把背景也当成实体的一部分。第四步划分验证集。留出 10% 到 15% 的视角不参与训练专门做新视角合成的评价。几何评价则用真值网格或者稠密点云算倒角距离。6.2 训练配置与关键参数我把自己常用的配置整理成下表这份配置在单体物体、分辨率 256³ 到 512³ 的规模下比较通用可以直接当起点再微调。参数SDFOccupancyNeRF坐标范围[-1.2, 1.2][-1.2, 1.2][-1.5, 1.5]含背景每批采样点8192表面:空间 ≈ 1:316384分层筛选后1024 条光线 × 64 点网络宽度256128256网络层数868学习率1e-4带余弦退火1e-35e-4关键损失权重Eikonal 0.1法向 0.05正样本加权 3.0颜色 1.0深度 0.1训练步数20万到30万15万到20万30万到50万单卡耗时参考8到12小时6到10小时20到36小时学习率这块多说一句。SDF 用 1e-4 是有原因的Eikonal 约束的梯度会跟表面监督的梯度打架学习率大了容易震荡。Occupancy 因为是分类任务梯度性质好1e-3 也能跑得动。正样本加权是 Occupancy 的关键。表面附近的采样点里真正被占据的比例通常在 10% 到 30% 之间不加权的话网络会倾向于全预测为负损失降得很快但表面全丢。我一般把正样本权重设成负样本的 2 到 4 倍具体看结构复杂度。6.3 评测指标要分开看别混成一个数我见过不少人拿渲染指标去评几何这是典型的错配。必须分成两组。几何组倒角距离Chamfer Distance衡量两个点集的双向最近邻距离是最常用的F-score 在给定阈值下统计精确率和召回率的调和平均对局部细节更敏感法向一致性看重建法向和真值法向的夹角分布做渲染和仿真时很重要。这三个指标一起看才能判断表面位置对不对、细节有没有、朝向准不准。渲染组PSNR 看像素级误差但对模糊不敏感SSIM 看结构相似性更接近人眼感受LPIPS 用感知特征距离对纹理细节的判断最靠谱。如果做的是静态场景的新视角合成我一般以 LPIPS 为主PSNR 做辅助。这里有个容易被忽略的点几何指标和渲染指标很多时候是负相关的。密度场调得越厚渲染越平滑好看但几何越糊SDF 的零水平集压得越紧几何越准但如果没有配套的着色渲染出来反而显脏。所以别指望一个方法在两组指标上同时领先要按你的主目标去选。6.4 结果怎么读三个典型场景的结论我在三类数据上完整跑过对比结论比较稳定。第一类是规则几何体比如机械零件、建筑构件。SDF 全面胜出倒角距离比另外两个低一个数量级法向几乎完美。Occupancy 次之边界略有台阶。NeRF 在这个场景下最差因为表面光滑缺乏纹理密度场学得糊提取出来的面片有大量噪点。第二类是薄壳和开放结构比如布料、叶片、薄板。Occupancy 反超因为它对单面的语义处理更自然。SDF 在开放边界处符号定义困难会出现厚度不均匀。NeRF 基本没法用薄结构在密度场里几乎不可见。第三类是高反光、带透明材质的物体。这时候 NeRF 的优势就出来了视角相关效果是它独有的SDF 和 Occupancy 如果只学几何渲染出来会显得死板。但如果你只用它来提几何那还是亏的。7. 常见问题与排查速查表7.1 训练不收敛先看损失曲线形状损失不降或者抖是最常见的求助。我的排查顺序固定先看曲线形状再看采样分布最后看数据。如果曲线是持续震荡不下降八成是学习率太大或者损失权重失衡。SDF 的 Eikonal 权重过大是典型原因表现为损失在某个值附近来回跳。做法是把权重降一个数量级再试。如果曲线前期降得很快中后期完全平了通常是采样策略的问题。表面附近的点太少网络没有动力去抠细节。把表面附近的采样比例提上去或者用基于当前预测的自适应采样。如果曲线阶梯状下降说明数据有问题——可能是相机位姿有误或者是不同批次的数据尺度不一致。这种情况光调参没用必须回去查数据。7.2 表面提取失败的几种典型表现我整理了一张速查表按现象反推原因基本覆盖了我遇到过的所有情况。现象可能原因处理方式提取出来是空的阈值过高或坐标范围不匹配打印场值分布确认零水平集落在采样范围内表面有大量小碎块远处采样不足网络乱猜加大空间均匀采样比例导出前做连通域过滤薄结构消失提取分辨率不足提高网格分辨率或改用自适应分块提取表面有台阶状纹路稀疏结构层间不一致边界带加密采样训练后期全局细化网格非水密、有裂缝分块提取时边界未焊接块间交叠一格点提取后做顶点合并法向朝里朝外混乱坐标镜像或符号约定错误检查相机约定确认内部为负表面整体偏移尺度或平移未对齐重新做包围盒归一化检查位姿7.3 显存和速度几个真正有效的招显存不够是最现实的问题我总结了几招按性价比排序。最有效的是降采样点数量而不是降分辨率。把每批采样点从 8192 降到 4096显存能省将近一半但分辨率保持不变几何精度损失反而小于直接降分辨率。这个取舍很多人搞反了。第二招是混合精度。前向和反向用半精度损失计算和优化器状态用单精度显存能省 30% 到 40%速度还能快一点。注意 Eikonal 约束里的梯度计算对精度敏感那部分建议保持单精度。第三招是梯度累积。显存装不下大 batch就分成几个小 batch 累积梯度再更新。这在数学上等价于大 batch只是训练时间变长。第四招是分块推理。提取网格的时候不要一次算全空间按块来块的大小控制在显存能承受的范围。注意混合精度下如果出现损失变成 NaN优先检查指数运算和除法。体渲染里的 exp 和 SDF 里的平方根都是敏感操作建议对这些部分强制用单精度。8. 我踩过坑之后沉淀的选型判断写到这里把决策逻辑收一收。我不喜欢给看情况这种答案所以按我实际项目里的判断顺序列成几条可以直接照着走的规则。如果需求是导出网格给下游用第一选择是 SDF。它给的表面位置明确、法向可靠、内外判断现成下游的碰撞、布尔、简化算法都能直接用。前提是你能拿到足够的表面监督或者有掩码加 Eikonal 约束能撑住。如果结构里有大量薄壁、开放面、或者尺度跨度很大的稀疏物体选 Occupancy。它对单面的语义处理更自然稀疏化之后算力也更可控。代价是法向要额外估边界处会有点毛。如果核心指标是渲染质量而且场景里有半透明、高反光、毛发这些体积效应那 NeRF 类方案没得替代。但我建议同时保留一个几何分支别指望从密度场里抠出可用于生产的网格。如果只有多视角图像、又要几何我的实际做法是 SDF 加轮廓约束再叠一个轻量的渲染模块。这套组合训练时间比纯 NeRF 短几何质量高一个档次代价是要处理掩码质量和位姿精度。还有一个从踩坑里换来的经验不要在项目一开始就三条路线全试。先用最简单的方法跑通一条完整流水线——数据进、模型训、网格出、下游用把工程链路打通。链路通了之后再换方法替换中间那一环成本很低。反过来如果一上来就追求最优方案很可能训了两周发现数据位姿有问题前面的调参全白费。我在最近一个项目里就是这么做的先用 Occupancy 起了个粗模型验证链路确认导出格式、坐标约定、下游对接都没问题再换成 SDF 精修。整个周期比上次直接上复杂方案短了将近一半。这个顺序看起来笨实际最省时间。