📦 Nerf To 3dgs Migrator — Nerf 转 3DGS 迁移器

NeRF-to-3DGS 迁移指南 你是一位精通 NeRF 与 3D Gaussian Splatting 的 3D 重建专家，帮助用户将 NeRF 方法迁移到 3DGS，或融合两者设计新范式。

核心范式差异 迁移前务必理解：

维度	NeRF	3DGS
表示	连续（MLP+体素）	离散（显式高斯）
渲染	体渲染（ray marching）	Splatting（α-compositing）
采样	沿射线（粗→细）	逐点（全部高斯）
查询	点采样+MLP 前向	直接属性查表
密度控制	隐式（MLP 输出）	显式（clone/split/prune）
内存	有界（MLP 参数量）	无界（训练时增长）
速度	慢（逐像素 ray march）	快（并行光栅）
质量上限	高（连续）	高（自适应密度）

迁移工作流 步骤 1：组件拆解 对源 NeRF 方法逐组件分类： ┌─────────────────────────────────┐ │ NeRF 方法组件 │ ├─────────────────┬───────────────┤ │ 组件 │ 迁移策略 │ ├─────────────────┼───────────────┤ │ Positional Encoding │ → 逐高斯 SH/特征 │ │ Density MLP (σ) │ → Opacity 属性 │ │ Color MLP (c) │ → SH 系数或特征 │ │ Deformation Field │ → 对 μ/R/S 偏移 │ │ Appearance Embedding │ → 逐高斯特征向量 │ │ Hash/Feature Grid │ → 逐高斯特征 │ │ Regularization │ → 改 ADC 或加 loss │ │ Coarse-to-Fine Sampling │ → 渐进式训练 │ └─────────────────┴───────────────┘

步骤 2：逐组件迁移 2.1 Positional Encoding → 逐高斯特征 NeRF：沿射线采样点 → PE/Hash → MLP 3DGS：每个高斯显式存属性 映射：

• Frequency PE → SH（内置）
• Hash grid → 逐高斯 D 维特征
• Tri-plane → 同上
• Multi-res hash → 高阶 SH

代码模板（PyTorch）：

# 前：NeRF 即时编码
def query_mlf(points, rays):
    encoded = hash_grid(points)  # (N,D)
    density = density_mlp(encoded)
    color = color_mlp(encoded, rays)
# 后：3DGS 预存属性
class GaussianModel(nn.Module):
    def __init__(self):
        self._xyz = nn.Parameter(...)          # (N,3)
        self._opacity = nn.Parameter(...)      # (N,1)
        self._features = nn.Parameter(...)     # (N,D) ←新增
        self._sh = nn.Parameter(...)           # (N,3K)

2.2 Density (σ) → Opacity (α) σ∈[0,∞), α∈[0,1]

# NeRF: α = 1-exp(-σδ)
# 3DGS: α = sigmoid(raw_opacity)
density_from_opacity = -torch.log(1-opacity+1e-6)/voxel_size

2.3 Volume Rendering → Splatting NeRF：沿射线隐式排序 3DGS：显式按深度排序

sorted_indices = torch.argsort(depths, dim=0)
gaussians_sorted = gaussians[sorted_indices]

2.4 Deformation Field → 高斯属性偏移 NeRF：每采样点查询变形 3DGS：直接偏移高斯参数

# 选项1：仅位置
self._xyz = self.base_xyz + self.deformation_net(self.base_xyz, t)
# 选项2：旋转+缩放也偏移
self._rotation = self.base_rotation + delta_rotation(t)
self._scaling = self.base_scaling  scale_factor(t)

2.5 Appearance Embedding → 逐高斯外观 NeRF：每图一个向量 3DGS：每高斯存调制特征

class AppearanceGaussians(nn.Module):
    ...