本文介绍3D视觉的两大核心表示：点云与NeRF。点云是传感器原始输出，通过PointNet的共享MLP与最大池化实现置换不变性，适用于分类与分割；NeRF则以神经网络学习体积场，结合位置编码与体渲染，从多视角图像重建3D场景。其后继者如Instant-NGP与3D高斯泼溅显著提升训练与渲染效率。两者共同解决“空间中什么在哪里”的问题，推动机器人、自动驾驶与AR/VR发展。