一支手機影片，變成可以走進去的房間

問題

房間這個站的開場，是一支一鏡到底的長鏡：鏡頭替你在房間裡走一遍。它好看，但它是一條被拍死的路線——你只能沿著我走過的方向看。

問題很單純：同一個房間，能不能變成一個你自己走的空間？沒有鏡頭、沒有預錄路線，想蹲下來看桌子底下就蹲下來。而且要能在瀏覽器裡開，不裝任何東西。

失敗的第一版

第一次的素材是現成的——就是站上那支開場影片，1440×810、2.5 Mbps。省事，而且它有攝影測量需要的所有特質：一鏡到底、鏡頭真的在空間中移動、深景深、房間夠亂（雜物就是特徵點）。

解算全數通過，240 張影格一張不掉。然後打開來看——只要視角離開原本拍攝的路線，畫面就浮出一層像水墨筆觸的半透明拖影。

這是這件事最容易騙人的地方：解算成功不等於重建可用。

項目	v1 客廳
來源	1440×810 · 2.5 Mbps · 48 秒
選用影格	240
COLMAP 註冊	240 / 240（100%）
稀疏點	25,090
重投影誤差	0.653 px
最終 splat	735,407

我怎麼知道它爛

「看起來怪」不能拿來當工作依據。所以先寫了一支量測工具，把每一顆高斯的三軸尺度排序後算分布——這一步才把感覺變成可以追蹤的數字。

結果是兩個病灶：一半的高斯最長軸是中間軸的 5 倍以上，最極端的 1% 到 1,700 倍。這些細針從訓練視角看是對的，換個角度就攤成拖影。另一個是不透明度中位數只有 0.057，大量近乎透明的高斯疊起來就是霧。

指標	p50	p90	p99
不透明度	0.057	0.241	0.643
針狀度 s0/s1	4.96	39.96	1,701.74
盤狀度 s1/s2	3.72	69.47	3,331.56

這裡有一個不能混的分辨：針（s0/s1 大）該砍，盤（s1/s2 大）不能砍——盤是平面的正常形狀，砍了牆面會破。第一版用「最長軸／最短軸」當單一指標，兩者混在一起，會誤砍 77%。

四個把我修正的決定

這件事真正花掉的時間，不在寫程式，在四次「我以為的」被實測推翻。

三次拍攝

第二支影片換了房間、換成 4K、把燈全開。第三支再修正走位——轉角處放慢、避開最暗的區域、加大繞行範圍。

這張表是整件事的結論：後面的軟體只是把資訊搬運出來，資訊有多少是拍攝當下就決定的。針狀度 p99 從 1,701 掉到 39.7，是 43 倍的改善，而它幾乎全部來自重拍。

	v1 客廳	v2 臥室	v3 重拍
來源	1440×810 · 2.5 Mbps	4K · 45 Mbps	4K · 45 Mbps
選用影格	240	402	353
註冊	240 / 240	361 / 402	351 / 353
稀疏點	25,090	80,658	72,400
針狀度 p99	1,701.74	53.57	39.70
訓練時間	14 分	8.7 分	—

順帶一提：資料變好時，訓練不但沒變慢，還更快收斂。v2 用了比 v1 更多的步數，時間反而少了三分之一。

交付

重建完的檔案是 162 MB。那不是一個能放在網頁上的東西——所以最後這一段全在處理「怎麼讓它小到可以被打開」。

中間那一步是隱私：衣櫃的鏡子把本人清楚照進了掃描裡，臉可辨識。而且鏡面來回反射造出一路延伸到 15 公尺外的假幾何。處理方式是從某張影格上框出鏡面的螢幕矩形、往場景裡拉出一個角錐、刪掉裡面的東西——不能用世界座標的包圍盒，因為第一次反射就落在真實房間的範圍內，盒子切不掉。

[ 3D ] 載入可互動的掃描 5.79 MB

還沒解的

這一段留著，是因為沒有它，前面六段都不該被相信。

暗部

深色木門那整段仍然不在模型裡。這要靠拍攝時鎖定曝光、刻意過曝、實際補光，不是後處理能救的。

真實尺寸

目前是解算器的任意單位，沒有公制。iPhone 16（非 Pro）沒有 LiDAR，要靠捲尺量一段已知距離回推縮放係數。

發光表面

三個螢幕都開著。會發光又會變動的表面是攝影測量的毒藥，那幾塊就是雜訊。

單向通過

每個表面只從很窄的角度看過一次。畫面下半的糊是資訊不足，不是雜點——那只能重拍補角度。