三維重建

三維重建（3D reconstruction）是「從影像（或其他感測器資料）回復場景或物體三維幾何」這個總目標的統稱。它是渲染的反向：渲染從三維模型走向二維圖片，而重建從二維圖片回到三維模型。輸出可能是稀疏點雲、稠密點雲、有貼圖的三角網格、有號距離場，或一個神經式表示——但貫穿其中的主軸是把平面的觀測轉成你能量測、導航或重新渲染的空間結構。

經典的攝影測量流程是把本領域其他詞條從頭到尾串接而成的一串步驟。首先，跨影像偵測並匹配特徵。其次，執行運動回復結構以回復相機位姿與一團稀疏三維點雲，並由光束法平差打磨。第三，執行多視角立體，為每個視角估計稠密深度圖，再融合成稠密點雲。第四，進行表面重建（如 Poisson 重建），把稠密點轉成無縫的網格。第五，把原始照片投影到網格上以貼上紋理。COLMAP、Meshroom 與 RealityCapture 等工具實作的正是這條鏈，而它至今仍是準確、度量重建的主力。

重建方法常依感測策略分組。被動式方法只用一般影像，仰賴三角測量與光度一致性（立體、MVS、SfM）。主動式方法注入受控訊號——結構光、雷射掃描／光達、飛時——以直接量測幾何，以硬體成本換取在無紋理或光亮表面上的穩健性。重建也在完整度（稀疏關鍵點對稠密表面）、是度量或僅差一尺度，以及表示法（顯式的點／網格對隱式的場）上有所不同。

近幾年添上了一支強大的神經分支，常使舊流程的階段界線變得模糊。神經輻射場與三維高斯潑濺重建出的場景，是直接為照片級擬真重新渲染而最佳化的，而非為了顯式網格；學習式 MVS 與學習式多視角深度（以及一次推論就預測幾何的前饋模型，如 DUSt3R／MASt3R）能不靠冗長的經典鏈就完成重建。實務上，對的方法取決於目標：測量與量測仍偏好度量的經典流程，而沉浸式觀看與新視角合成則愈來愈偏好神經式表示——而用經典位姿來引導神經渲染的混合做法如今很常見。