从零到一用SemanticNeRF为你的3D世界注入语义灵魂最近在折腾一个室内机器人导航的项目团队里几个实习生对着采集回来的RGB-D数据发愁——他们需要手动标注上千张图像里每个像素属于墙壁、地板还是家具。这活儿不仅枯燥更麻烦的是不同视角之间的标注一致性很难保证稍微角度一变之前标好的边界就对不上了。就在大家准备“肝”通宵的时候我想起了去年在ICCV上看到的SemanticNeRF。这玩意儿本质上是在经典的NeRF框架里“塞”进了一个语义理解模块让模型不仅能重建出逼真的3D场景还能给场景里的每个点都打上语义标签。听起来很美好对吧但当时翻遍论文和开源代码发现大部分实现都停留在学术演示阶段离真正的工程化落地还有不少距离。经过几个月的踩坑和迭代我们终于摸索出了一套相对稳定、可复现的Python实战流程。今天我就把自己趟过的路、踩过的坑以及最终跑通的完整代码毫无保留地分享给你。无论你是想快速验证一个新想法还是需要在产品中集成3D语义理解能力这篇文章都能给你一个扎实的起点。1. 环境搭建与依赖管理避开第一个深坑很多人拿到开源代码的第一反应就是pip install -r requirements.txt然后祈祷一切顺利。但对于SemanticNeRF这种重度依赖特定版本CUDA、PyTorch和定制化C扩展的项目这种天真的做法几乎百分百会失败。我们的目标是建立一个可隔离、可复现、且与系统环境解耦的开发环境。我强烈建议使用Conda作为环境管理器而不是单纯的pip。它能更好地处理Python版本、CUDA工具链以及非Python依赖比如某些图像处理库的底层C库之间的复杂关系。首先创建一个新的Conda环境。这里的关键是明确指定Python和CUDA版本确保与你后续要安装的PyTorch版本匹配。根据我的经验PyTorch 1.12.1 CUDA 11.3的组合在大多数RTX 30系显卡上比较稳定。conda create -n semantic_nerf python3.8 conda activate semantic_nerf conda install cudatoolkit11.3 -c pytorch接下来安装PyTorch。务必去PyTorch官网使用它提供的精确安装命令而不是用conda默认的版本。官网的命令会确保torch和torchvision与指定的CUDA版本完美对齐。# 以PyTorch 1.12.1为例具体命令请以官网为准 pip install torch1.12.1cu113 torchvision0.13.1cu113 --extra-index-url https://download.pytorch.org/whl/cu113安装完核心的深度学习框架后再处理其他依赖。这里有个常见的“坑”一些NeRF实现会依赖torch-scatter、torch-sparse这类需要编译的扩展。如果直接用pip安装预编译的wheel很可能因为CUDA版本或PyTorch版本不匹配而失败。最稳妥的方法是从源码编译。# 先安装编译依赖 pip install ninja # 然后从源码安装确保版本兼容 pip install torch-scatter -f https://data.pyg.org/whl/torch-1.12.1cu113.html注意如果你的网络环境无法稳定访问某些源可以尝试先下载对应的.whl文件到本地再用pip进行本地安装。这比在编译过程中因网络超时而失败要省心得多。最后将项目所需的其他纯Python依赖整理到一个requirements.txt文件中并用pip安装。我建议将依赖分为核心依赖和可选依赖如可视化工具下面是一个示例# requirements_core.txt numpy1.19.5 opencv-python-headless4.5.5 # 使用headless版本避免在服务器环境下安装GUI依赖 tqdm4.62.0 imageio2.13.0 scikit-image0.19.0 configargparse1.5.3 tensorboard2.7.0 # 用于训练过程可视化运行pip install -r requirements_core.txt完成安装。完成以上步骤后建议运行一个简单的测试脚本验证CUDA是否可用以及关键库是否导入正常。# test_env.py import torch print(fPyTorch版本: {torch.__version__}) print(fCUDA是否可用: {torch.cuda.is_available()}) print(fCUDA版本: {torch.version.cuda}) print(f当前设备: {torch.cuda.get_device_name(0)}) import cv2 print(fOpenCV版本: {cv2.__version__})如果一切顺利你会看到类似下面的输出这意味着你的基础环境已经就绪可以迎接真正的挑战了。PyTorch版本: 1.12.1cu113 CUDA是否可用: True CUDA版本: 11.3 当前设备: NVIDIA GeForce RTX 3090 OpenCV版本: 4.5.52. 数据准备从原始图像到NeRF可读格式数据是模型训练的燃料但对于SemanticNeRF来说这个“燃料”的制备过程比传统深度学习任务要复杂得多。你需要准备的不是一堆图片和标签文件而是一个完整的3D场景描述包括相机参数、图像序列以及对应的可能是稀疏的语义标签。2.1 理解数据标准格式COLMAP与NeRF目前社区最主流的数据格式源自NeRF原始论文其核心是一个transforms.json文件。这个文件定义了整个数据集的元信息包括相机参数焦距、传感器尺寸、畸变系数等。每张图像的位姿一个4x4的变换矩阵表示从世界坐标系到相机坐标系的变换。图像文件路径对应的RGB图像路径。可选的语义标签路径对应的语义标注图像路径。通常我们需要借助COLMAP一个经典的运动恢复结构Structure-from-Motion工具从一组无序的图像中自动计算出这些相机位姿和稀疏点云。但对于SemanticNeRF我们还需要提供语义标签。这里就出现了第一个实践中的分水岭情况A你有带标注的RGB-D数据集如ScanNet。这是最理想的情况因为深度信息可以极大简化相机位姿估计而且标注通常是现成的。情况B你只有一堆RGB图像和少量人工标注。这是更常见也更挑战的情况也是SemanticNeRF论文强调的“弱监督”设定。我以更复杂的情况B为例拆解整个数据准备流程。假设我们有一个名为my_scene的文件夹里面是围绕某个物体或场景拍摄的50张JPG图像其中只有5张被粗略地标注了语义分割图比如用Labelme工具标注并导出为PNG。2.2 使用COLMAP恢复相机位姿首先安装COLMAP。对于Ubuntu用户可以直接通过apt安装对于其他系统建议从GitHub源码编译。# Ubuntu sudo apt-get install colmap # 或者使用Python接口推荐便于集成到脚本中 pip install pycolmap然后在项目目录下运行COLMAP的三步流程特征提取、特征匹配和稀疏重建。# 1. 创建数据库 colmap feature_extractor --database_path ./database.db --image_path ./my_scene/images # 2. 特征匹配 colmap exhaustive_matcher --database_path ./database.db # 3. 稀疏重建 mkdir ./sparse colmap mapper --database_path ./database.db --image_path ./my_scene/images --output_path ./sparse运行成功后会在./sparse文件夹下生成一个0文件夹里面包含cameras.bin,images.bin,points3D.bin三个文件这就是稀疏重建的结果。2.3 将COLMAP输出转换为NeRF格式接下来我们需要写一个Python脚本将COLMAP的二进制输出转换成NeRF需要的transforms.json。这里有一个关键点COLMAP使用的坐标系通常是OpenCV的相机坐标系Z轴向前与NeRF使用的坐标系通常是OpenGL的相机坐标系Z轴向后可能不同需要进行转换。下面是一个简化版的转换脚本核心部分import json import numpy as np from pycolmap import SceneManager def colmap_to_nerf_json(colmap_model_path, image_dir, output_json_path): scene_manager SceneManager(colmap_model_path) scene_manager.load() frames [] for image_id, image in scene_manager.images.items(): # 获取相机位姿 (从世界到相机) R image.R() # 旋转矩阵 t image.tvec() # 平移向量 # 转换为NeRF期望的格式相机到世界并调整坐标系 # 注意这里需要根据你的COLMAP坐标系设置进行可能的旋转转换 # 常见的转换是绕x轴旋转180度 transform_matrix np.eye(4) transform_matrix[:3, :3] R.T # 取逆因为NeRF需要相机到世界的变换 transform_matrix[:3, 3] -R.T t # 坐标系转换COLMAP (OpenCV) - NeRF (OpenGL) # 绕x轴旋转180度 flip_mat np.array([[1, 0, 0, 0], [0, -1, 0, 0], [0, 0, -1, 0], [0, 0, 0, 1]]) transform_matrix transform_matrix flip_mat frame { file_path: f./images/{image.name}, # 相对路径 transform_matrix: transform_matrix.tolist(), # 如果有语义标签文件假设命名与图像相同但后缀为.png semantic_path: f./semantics/{image.name.replace(.jpg, .png)} } frames.append(frame) # 获取相机内参假设所有图像使用同一个相机 camera next(iter(scene_manager.cameras.values())) fl_x camera.fx fl_y camera.fy cx camera.cx cy camera.cy w camera.width h camera.height out_data { camera_angle_x: 2 * np.arctan(w / (2 * fl_x)), camera_angle_y: 2 * np.arctan(h / (2 * fl_y)), fl_x: fl_x, fl_y: fl_y, cx: cx, cy: cy, w: w, h: h, frames: frames, } with open(output_json_path, w) as f: json.dump(out_data, f, indent2) print(f转换完成数据已保存至 {output_json_path})运行这个脚本后你会得到transforms.json。但请注意只有那5张有标注的图像对应的semantic_path是有效的其他帧的该字段指向一个不存在的文件。这正是SemanticNeRF所需要的“稀疏标注”设定。在后续的数据加载器中我们需要处理这种缺失情况。2.4 语义标签的处理与映射语义标签图像通常是单通道的PNG每个像素值代表一个类别ID例如0背景1椅子2桌子。我们需要创建一个semantic_classes.json文件来定义这个映射关系。{ classes: [ {id: 0, name: background, color: [0, 0, 0]}, {id: 1, name: chair, color: [128, 0, 0]}, {id: 2, name: table, color: [0, 128, 0]}, {id: 3, name: floor, color: [128, 128, 0]} ] }同时在数据加载时需要将语义标签从图像像素值转换为模型训练所需的one-hot向量或类别索引。对于没有标签的图像我们可以用一个特殊的掩码如-1来表示在计算损失时忽略这些像素。3. 模型构建与训练策略剖析理解了数据格式我们终于可以深入到SemanticNeRF模型的核心了。与其从头实现整个网络我更推荐基于一个稳定、模块化的NeRF代码库进行扩展比如nerfstudio或torch-ngp。这里为了更清晰地展示原理我将勾勒出在经典NeRF MLP基础上增加语义分支的关键改动。3.1 网络结构扩展在密度和颜色之外输出语义一个标准的NeRF MLP输入一个3D坐标x和视角方向d输出体积密度sigma和RGB颜色c。SemanticNeRF需要增加一个语义输出分支s。一个直观的做法是共享主干网络的前几层来提取几何特征然后分叉出三个独立的头。import torch import torch.nn as nn import torch.nn.functional as F class SemanticNeRFMLP(nn.Module): def __init__(self, pos_enc_dim10, dir_enc_dim4, semantic_classes20, hidden_dim256): super().__init__() # 位置编码层共享 self.pos_enc_dim pos_enc_dim self.dir_enc_dim dir_enc_dim # 共享的几何特征提取层 self.geometry_net nn.Sequential( nn.Linear(3 3 * 2 * pos_enc_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, hidden_dim), nn.ReLU(), ) # 密度头与标准NeRF相同 self.density_head nn.Linear(hidden_dim, 1) # 输出 sigma # 颜色头引入视角方向 self.color_branch nn.Linear(hidden_dim (3 3 * 2 * dir_enc_dim), hidden_dim // 2) self.color_head nn.Linear(hidden_dim // 2, 3) # 输出 RGB # 新增的语义头 self.semantic_branch nn.Linear(hidden_dim, hidden_dim // 2) self.semantic_head nn.Linear(hidden_dim // 2, semantic_classes) # 输出语义logits def forward(self, x, dNone): # x: 3D坐标 [N, 3] # d: 视角方向可为None语义分支不需要 x_encoded self.positional_encoding(x, self.pos_enc_dim) geo_feat self.geometry_net(x_encoded) # 密度 sigma F.relu(self.density_head(geo_feat)) # [N, 1] # 语义仅依赖于位置 sem_feat F.relu(self.semantic_branch(geo_feat)) semantic_logits self.semantic_head(sem_feat) # [N, C] # 颜色依赖于位置和视角 color None if d is not None: d_encoded self.positional_encoding(d, self.dir_enc_dim) color_feat torch.cat([geo_feat, d_encoded], dim-1) color_feat F.relu(self.color_branch(color_feat)) color torch.sigmoid(self.color_head(color_feat)) # [N, 3] return sigma, color, semantic_logits def positional_encoding(self, input, L): # 标准的NeRF位置编码 encodings [input] for i in range(L): for fn in [torch.sin, torch.cos]: encodings.append(fn(2.0 ** i * input)) return torch.cat(encodings, dim-1)这个设计有几个值得讨论的细节语义与视角无关语义分支self.semantic_head的输入只来自共享的几何特征geo_feat而不包含视角方向d。这基于一个合理的假设一个点的语义类别比如“椅子腿”不应该因为你看它的角度不同而改变。共享几何特征密度和语义共享了前面的geometry_net。这强制模型学习一个与语义相关的几何表示符合“相同几何外形的物体更可能属于同一语义类别”的先验。输出是Logits语义头输出的是未归一化的logits而不是概率。这是因为在计算损失时我们会使用CrossEntropyLoss它内部会结合LogSoftmax和NLLLoss这样在数值上更稳定。3.2 体渲染的语义积分在NeRF中我们通过体渲染公式沿着射线积分得到像素颜色。对于语义我们需要进行完全相同的积分操作只不过积分对象从RGB颜色变成了语义logits或概率。def semantic_volume_rendering(sigmas, semantic_logits, ts): sigmas: [N_rays, N_samples] 体积密度 semantic_logits: [N_rays, N_samples, C] 每个采样点的语义logits ts: [N_rays, N_samples1] 采样点的深度值 # 计算相邻采样点之间的距离 deltas ts[:, 1:] - ts[:, :-1] # [N_rays, N_samples] # 计算透明度Transmittance和权重与颜色渲染相同 alphas 1.0 - torch.exp(-sigmas * deltas) # [N_rays, N_samples] T torch.cumprod(1.0 - alphas 1e-10, dim-1) # [N_rays, N_samples] T torch.roll(T, shifts1, dims-1) T[:, 0] 1.0 weights T * alphas # [N_rays, N_samples] # 语义积分对语义logits进行加权求和 # 注意这里先积分logits再在最终像素点计算softmax与先计算每个点的softmax再积分在理论上等价吗 # 实际上论文中通常直接积分logits因为这样在数学上更易于处理梯度。 semantic_integrated torch.sum(weights.unsqueeze(-1) * semantic_logits, dim1) # [N_rays, C] # 最终像素的语义概率 semantic_probs F.softmax(semantic_integrated, dim-1) return semantic_probs这里引出一个重要的技术点是对每个采样点的语义logits进行积分还是对每个采样点的语义概率进行积分在原始SemanticNeRF论文中他们积分的是语义logits。从概率模型的角度看这相当于假设沿射线的语义分布是“混合模型”积分logits再softmax与先softmax再积分即积分概率在非线性激活后并不严格等价。但在实践中积分logits通常能产生更平滑、更一致的结果并且与交叉熵损失函数配合得更好。3.3 损失函数设计平衡颜色与语义训练SemanticNeRF的损失函数是标准NeRF的光度损失与语义损失的加权和。class SemanticNeRFLoss(nn.Module): def __init__(self, lambda_sem0.1): super().__init__() self.lambda_sem lambda_sem self.color_loss_fn nn.MSELoss(reductionmean) self.semantic_loss_fn nn.CrossEntropyLoss(ignore_index-1, reductionmean) # 忽略未标注的像素 def forward(self, pred_color, gt_color, pred_sem_logits, gt_sem_label): pred_color: [N_rays, 3] 预测的RGB颜色 gt_color: [N_rays, 3] 真实的RGB颜色 pred_sem_logits: [N_rays, C] 预测的语义logits gt_sem_label: [N_rays] 真实的语义标签-1表示忽略 # 颜色损失与标准NeRF相同 loss_color self.color_loss_fn(pred_color, gt_color) # 语义损失仅在有标注的像素上计算 # 找出需要计算损失的mask valid_mask (gt_sem_label 0) if valid_mask.sum() 0: loss_sem self.semantic_loss_fn(pred_sem_logits[valid_mask], gt_sem_label[valid_mask].long()) else: loss_sem 0.0 total_loss loss_color self.lambda_sem * loss_sem return total_loss, loss_color, loss_sem超参数lambda_sem的调优至关重要。如果设置过大模型会过于关注稀疏的语义信号可能导致几何重建质量下降如果设置过小语义分支可能无法得到充分训练。我的经验是从一个较小的值如0.01开始观察验证集上颜色重建误差和语义准确率的变化逐步调整。通常在标注非常稀疏5%的情况下需要相对较大的lambda_sem如0.2-0.5来给予语义信号足够的权重。3.4 训练技巧与坑点实录学习率与调度NeRF类模型对学习率非常敏感。建议使用Adam优化器初始学习率设为5e-4并配合余弦退火或指数衰减。当损失平台期超过一定轮数时果断降低学习率。批处理与射线采样由于显存限制无法一次性渲染整张图像。标准的做法是随机采样一批射线例如1024条进行训练。这里有个技巧在采样射线时可以对有语义标注的像素进行过采样。例如90%的射线随机采样10%的射线强制从有标注的像素中采样。这能确保稀疏的语义信号在每次迭代中都能被“看到”加速语义分支的收敛。Coarse-to-Fine采样和原始NeRF一样使用两阶段Coarse和Fine采样策略至关重要。Coarse网络用于估计密度分布指导Fine网络在重要区域进行更密集的采样。这对于同时保证几何细节和语义边界精度很有帮助。语义标签的噪声处理如果你的标注含有噪声比如人工标注的不一致性可以在损失函数中加入标签平滑Label Smoothing或者使用更鲁棒的损失函数如Generalized Cross Entropy。显存溢出OOM这是最大的实践挑战。除了减小批大小、使用混合精度训练torch.cuda.amp外最有效的方法是梯度累积。即使每次只能处理64条射线你也可以累积16个步度的梯度后再更新权重这等效于1024条射线的批大小但显存占用大大降低。# 梯度累积示例 accumulation_steps 16 optimizer.zero_grad() for i in range(accumulation_steps): # 采样一小批数据 ray_batch get_ray_batch(batch_size64) loss model(ray_batch) # 将loss除以累积步数使梯度平均 (loss / accumulation_steps).backward() if (i1) % accumulation_steps 0: optimizer.step() optimizer.zero_grad()4. 结果可视化与模型应用模型训练完成后我们关心的不仅是PSNR和语义mIoU这些数字更是直观的视觉效果和下游应用的可行性。4.1 渲染语义视图与3D语义点云首先我们可以渲染出任意新视角的语义分割图。这只需要用训练好的模型按照体渲染公式对新视角的每个像素进行语义积分。def render_semantic_map(model, camera_pose, intrinsics, H, W): 渲染给定相机位姿下的语义图 model: 训练好的SemanticNeRF模型 camera_pose: [4,4] 相机到世界的变换矩阵 intrinsics: 相机内参 {fx, fy, cx, cy} H, W: 输出图像的高和宽 # 生成射线 rays_o, rays_d generate_rays(camera_pose, intrinsics, H, W) all_sem_probs [] # 分批处理射线避免OOM batch_size 1024 for i in range(0, rays_o.shape[0], batch_size): rays_o_batch rays_o[i:ibatch_size] rays_d_batch rays_d[i:ibatch_size] with torch.no_grad(): # 模型推理获取沿射线的密度和语义logits sigmas, _, sem_logits model.render_rays(rays_o_batch, rays_d_batch) # 体渲染积分得到像素语义概率 sem_probs semantic_volume_rendering(sigmas, sem_logits) all_sem_probs.append(sem_probs.cpu()) all_sem_probs torch.cat(all_sem_probs, dim0) # 取最大概率的类别作为预测标签 sem_labels torch.argmax(all_sem_probs, dim-1).reshape(H, W).numpy() return sem_labels更强大的是我们可以提取整个3D空间的语义信息生成语义点云。思路是在场景的 bounding box 内均匀采样3D点用模型预测每个点的语义logits然后通过阈值过滤掉密度低的点即空区域。def extract_semantic_point_cloud(model, bounds, resolution256): 从SemanticNeRF模型中提取带语义的3D点云 bounds: [[x_min, y_min, z_min], [x_max, y_max, z_max]] resolution: 每个维度的采样数 # 在三维空间创建网格点 x np.linspace(bounds[0][0], bounds[1][0], resolution) y np.linspace(bounds[0][1], bounds[1][1], resolution) z np.linspace(bounds[0][2], bounds[1][2], resolution) xx, yy, zz np.meshgrid(x, y, z, indexingij) points np.stack([xx, yy, zz], axis-1).reshape(-1, 3) # [N, 3] points_tensor torch.from_numpy(points).float().cuda() all_semantics [] all_sigmas [] batch_size 50000 # 分批处理控制显存 for i in range(0, points_tensor.shape[0], batch_size): batch points_tensor[i:ibatch_size] with torch.no_grad(): # 只推理密度和语义不需要颜色和视角 sigmas, _, sem_logits model.query_density_semantics(batch) all_sigmas.append(sigmas.cpu()) all_semantics.append(sem_logits.cpu()) all_sigmas torch.cat(all_sigmas, dim0) all_semantics torch.cat(all_semantics, dim0) # 过滤只保留密度高于阈值的点 mask all_sigmas.squeeze() 0.1 # 阈值需要根据场景调整 occupied_points points[mask.numpy()] occupied_semantics all_semantics[mask] occupied_sem_labels torch.argmax(occupied_semantics, dim-1).numpy() # 可以保存为PLY等格式用CloudCompare或MeshLab查看 save_ply_with_semantics(occupied_points, occupied_sem_labels, output_semantic.ply) return occupied_points, occupied_sem_labels4.2 语义驱动的场景编辑与应用有了3D语义点云我们就可以做一些有趣的应用了。比如语义引导的物体移除或替换。假设我们想移除场景中的所有“椅子”从语义点云中识别出所有语义标签为“椅子”的点。将这些点对应的3D坐标区域标记为“待修复”。在训练NeRF时对于这些区域的射线在计算颜色损失时给予零权重或一个很小的权重但保留其几何和语义损失。这样模型会学会用背景如地板、墙壁的信息来“填充”这些区域。重新训练或微调模型然后渲染新视图你会发现椅子“消失”了被合理的背景所替代。这个过程本质上是一种“语义inpainting”。虽然需要重新训练效率不高但对于静态场景的编辑来说效果比传统的2D图像修复更加3D一致。另一个应用是为机器人导航提供语义地图。传统的SLAM系统生成的是几何地图机器人知道哪里是障碍物但不知道那是什么。结合SemanticNeRF我们可以实时生成带有“椅子”、“桌子”、“门”等标签的3D语义地图。机器人不仅可以避障还可以执行更高层的任务比如“去桌子旁边”或“避开所有椅子区域”。4.3 性能优化与部署考量在学术研究之外如果我们想将SemanticNeRF部署到实际产品中性能是无法回避的问题。原始的基于MLP的NeRF渲染速度很慢渲染一张图可能需要几分钟。为此社区出现了许多加速方案这些方案大多也适用于SemanticNeRF加速技术核心思想是否适合SemanticNeRF备注Instant-NGP使用多分辨率哈希表存储特征MLP只需解码非常适合训练和渲染极快易于集成语义分支Plenoxels显式稀疏体素网格无需MLP可以但语义存储开销大渲染快但模型体积大语义信息需要额外存储Baking预计算烘焙成传统纹理网格最终部署的实用选择将隐式场转换为显式网格和纹理实时渲染蒸馏用小网络或更高效结构模仿大网络需要设计牺牲一定精度换取速度适合移动端对于大多数应用我目前的推荐路径是使用Instant-NGP或类似的高效结构进行训练和原型开发在部署时将其“烘焙”成带语义纹理的Mesh。烘焙的过程类似于extract_semantic_point_cloud但更密集并且会进行表面重建如使用Poisson重建或Neuralangelo。最终你得到一个.obj或.glb文件它包含了场景的几何网格和顶点颜色或纹理图其中颜色信息被替换或编码为语义ID。这个Mesh可以被任何标准的3D引擎如Unity、Unreal Engine、Three.js加载和实时渲染完美解决了NeRF渲染慢的痛点。在最后的实践环节我遇到一个棘手的问题是烘焙出的语义Mesh在物体边界处会出现闪烁或锯齿。这是因为在体渲染中语义是连续过渡的而网格的顶点是离散的。解决方案是在提取语义时不是简单地取最大概率的类别而是计算每个顶点周围一个小邻域内的语义分布通过加权投票或条件随机场CRF进行后处理平滑再将平滑后的结果赋给顶点。虽然增加了一步后处理但换来了在实时渲染中干净、稳定的语义视觉效果这个 trade-off 在很多应用中是值得的。