装死

3DGS 的本质优势在于：显式表示 + 光栅化渲染，因此训练快、渲染快、易于扩展到 SLAM、编辑、动态建模等任务。

3D GS 作为一种具有突破意义的显式辐射场表示技术，正在深刻影响计算机图形学和计算机视觉领域的发展。

高斯泼溅已成为新视角合成主流框架之一，但神经辐射场及神经场方法并未过时，而是进入了“从通用主流走向特定优势场景”的新阶段。

本文系统总结了 INR 在医学影像中的方法、任务、优势与局限，指出其特别适合处理连续建模和病态逆问题，但要真正走向临床，还需要解决效率、可扩展性和验证问题。

在深度学习时代，如何围绕不同三维表示，重新组织多视角重建的技术范式，并判断哪条路线更适合未来的真实应用？

它系统梳理了深度学习时代“从图像恢复三维形状”这一方向的技术演化路径：从体素到表面，从强监督到弱监督，从单任务到联合建模，从通用物体到人体、人脸与场景。

它系统梳理了从图像到 3D 模型的完整流程，清楚说明了为什么“从照片做 3D”既很有前景，又在工程上远比想象中复杂。