近年來，各大 3D 軟體與算圖引擎相繼支援 3DGS（3D 高斯濺射）場景掃描技術，象徵著此技術正為影視製作帶來深刻的流程革新。在這波技術浪潮中，引起我們注意的是「起步走影像」。他們近兩年不僅陸續釋出多支在地景點的 3DGS 掃描測試，更將該技術結合生成式 AI、特效製作，並實際投入影視專案的製作。

本次特別專訪起步走創辦人，同時也是「綠野仙蹤電影特效公司」的視覺指導 — 潘胤余。透過他的視角，帶領讀者一探團隊如何站在技術前沿，推動 3DGS 整合至專業影視特效工作流。

請跟我們分享「起步走影像製作」的成立背景，為何以「3DGS」技術為主要特色？

潘胤余：起步走影像成立於 2019 年。在此之前，我主要負責綠野仙蹤電影特效的營運業務。當時的業務主要集中在電視與電影等視覺特效製作，因此成立起步走影像製作，目的是希望在綠野仙蹤與起步走之間劃分清晰的業務範疇。我希望將起步走定位得更具彈性，能承接片頭設計以及動態設計等專案。

雖然兩家公司的業務有些重疊，但起步走影像從一開始就更偏重於新技術的實踐與整合。至於為何選擇 3DGS 作為起步走的核心，這其實是必然的結果。因為我們持續嘗試新技術，自然較早踏入這個領域。在影視產業中，環境重構與數位資產長期存在一個痛點：傳統建模非常耗時，而光達（LiDAR）掃描雖然精準，但掃描回來的檔案仍需大量修補破面，且修補後的效果也不一定符合所需的氛圍。

當我們發現 3DGS 技術時，憑藉累積二十年的經驗，第一個念頭便是：這項技術能夠直接應用於影視產業。於是，我們將其導入工作流程，並開始嘗試將其發展成一項業務，讓大家了解我們能以電影級的標準，將場景轉化為數位資產，這就是我們最初的出發點。

大概從前年開始留意到 3D 軟體、算圖引擎紛紛支援 3DGS 技術。請問您大概是多久前開始接觸到 3DGS 的？對它的第一個想法是什麼？

潘胤余：我剛開始是在研究如何利用光達掃描來還原場景，但它一直無法有效率地解決問題。所以當 3DGS 的論文剛發表不久時，我便在一些開源論壇上關注到它，並開始嘗試如何讓它的質感達到我們的需求。

初期測試時，我把畫面給同事看，他們的第一個問題就是：「能不能達到 4K？能不能再更清晰？」當時我們遇到許多瓶頸，因為 3DGS 生成出來的成果帶有許多橢圓形的泡泡感，細節無法直接作為影視特效的素材，因此我們不斷研究如何讓它更銳利、更精緻。

會這麼努力想克服這些瓶頸，是因為在特效製作中，我們一直缺乏一種能將現場完整保留下來（包含材質與光影），並達到極致寫實的技術。而 3DGS 恰好能直接捕捉材質與環境反射，所以當時我們就思考，如果能將這個工作流程導入特效合成，就能夠讓視覺特效看起來更真實。

3DGS 和一般光達掃描的點雲資料，最大的差異是什麼？

潘胤余：最大的差異在於，光達是透過發射光束並接收反射的時間差，來算出幾何物件的座標與空間。優點是空間與距離能精準達到毫米等級，但它缺乏材質與光影色彩，呈現出來的只是大量的點。當要把點連成點、線、面時，會受限於物理特性。例如照到玻璃時，雖然能看到後方的物體，一旦光束被玻璃擋下，便無法穿透重建後方細節。

而 3DGS 則是以光影為導向，它的作業方式等於是透過在現場拍攝大量的照片或影片，再反算重建出整個空間。系統會利用空中許多帶有顏色、透明度的橢圓形體填滿空間，當旋轉到特定角度時，這些橢圓形體就會呈現出對應的畫面。

關於 3DGS 現場拍攝流程？大概使用哪些設備以及拍攝規格？

潘胤余：我們拍攝時不會只使用單一設備，而是根據場景狀況靈活調整。之所以會一直上傳不同景點的 3DGS 影片，也是希望透過不同的場景來測試各種器材。因為每個場景的條件不同，我們想挑戰面對不同環境時，如何運用相應的技術來完美還原現場。

針對大規模或結構複雜的場景，我們會使用手持光達來精準建構大範圍的骨架，再搭配單眼相機補拍細節與材質。但某些場景會有環境限制，手持光達也有物理極限（例如拍到一半電池耗盡需關機、更換等）；若使用相機，就比較能夠長時間拍攝，也方便隨時更換電池。

若空間較小、有特殊光源限制或無法自由移動，我們就會改用 360 度相機搭配單眼來捕捉細節。回到電腦後，再透過多通道對齊數據進行拼合。我們一直在嘗試使用手機、360 相機、運動相機或各式相機來還原畫面，測試各項設備的極限，進而研究出不同場景最適用的器材組合。

觀察你們的 3DGS 影片中大多沒有行人，實際拍攝時現場的行人該怎麼處理？

潘胤余： 拍攝時現場還是會有行人。早期拍攝時，我會盡量挑選冷門時段，只要有人經過，我就站在原地等待，等對方離開後再繼續拍攝。

但有些想拍的地點人潮絡繹不絕，後來我們研究國外論壇，發現可以製作遮罩，在運算前把不需要的人圈選起來排除。所以現在拍攝時，我們已經不再擔心畫面裡是否有人，都是直接以遮罩將行人去除即可。

最初是怎麼參與《再見1987》的製作？

潘胤余：《再見1987》的製片先前就曾與我合作過幾部作品，包括《女孩上場2》以及客家電視台的《都市開基祖》。製作《女孩上場2》時，我們就開始運用 3D 掃描技術，例如將整個球場或現場觀眾掃描下來，製作成數位孿生（Digital Twin），作為特效背景的素材。這部作品的成果很不錯，也入圍了第 59 屆電視金鐘獎戲劇類節目視覺特效獎。

到了《都市開基祖》時，技術已經成熟到可以實務應用，我們便將 3DGS 帶入劇組。當時製片沒有特別要求具體用途，只是全力配合並安排時間讓我們進行場景掃描。後來他提出能否將這些資料用於宣傳，例如邀請曾參與捷運開挖的人員戴上 VR 頭顯，透過沉浸式體驗，重溫當年施工的隧道場景。

面對《再見1987》的時候，我們認為如果 3DGS 只用來做數位備份未免可惜，它絕對還有更多發揮空間。因此，我們向製片提案，希望將特效製作與 3DGS 深度結合。製片也非常支持，給予我們很大的空間去發揮與嘗試。

實際導入劇組後，3DGS 技術可以帶來什麼助益？

潘胤余：勘景後，我們會迅速掃描場景，並在開會時直接展示 3DGS 檔案。當燈光或場務組詢問綠幕尺寸時，我能在 3D 空間中直接拉出模型、調整角度展示，讓大家瞬間達成共識，就像在虛擬空間預先取景與抓鏡位。

以劇中的戰俘營為例，現場搭了六、七頂帳篷。當時製片問我綠幕需要多大？是否要針對每頂帳篷各放一塊？或者乾脆搭建一個像辦喜宴那樣的大型棚架並蓋上綠布？面對這些問題，我直接做出模擬畫面，讓團隊一眼確認需測量的範圍與距離，大幅提升了跨部門的溝通與執行效率。

從拍攝到產生 3DGS 場景，大概耗時多長時間完成？

潘胤余：早期我們預估的拍攝時間比較長，但在測試中發現「光影變化」是個大問題。一旦拍攝時間拉長，太陽移動會導致陰影偏移，掃描出來的成果就會出現不同透明度的重疊殘影。出於對細節的追求，我們必須盡可能加快掃描速度。

以《再見1987》這個場景為例，我們大約在一天內就完成拍攝，後續的畫面整理與資料對齊則約需幾天到一週的時間。實務協作上，我們會安排在製片組去勘景的當天，順道完成拍攝作業，並事先請劇組工作人員配合現場淨空。

跟光達掃描的點雲資料相比，3DGS 是否更適合影視產業的應用？

潘胤余：從「材質與光影」的還原度來看，3DGS 是非常適合影視產業的技術。不過，早期我們透過照片重建環境時，也在思考光達與 3DGS 能否互相融合。因為 3DGS 生成的成果，本質上是懸浮在空中的粒子（橢圓形泡泡），缺少實體的幾何結構；如果要在 3D 軟體裡做物理碰撞測試，物體會直接穿透過去。但我們做特效時，會希望場景至少能具備牆面或地板的實體特性，以便進行物理模擬。

因此，我們開始研究如何將光達生成的點雲與 3DGS 結合。後來發現，已經有廠商提早佈局，針對這個痛點開發出「結合 3DGS 的手持光達設備」。他們將光達測得的距離數據，與攝影機捕捉的影像完美融合，藉此精準綁定 3DGS 的粒子位置。看到這項新技術時，我們深受震撼，也意識到這種「兼具精準物理空間與極致光影材質」的整合，絕對是未來必須深入研究的方向。

3DGS 目前在實務操作上有哪些較不擅長處理的情境？例如在面對較為昏暗的場景時，拍攝紀錄上是否會比較困難？

潘胤余：若以傳統 OBJ 等由點、線、面組成的模型標準來看，3DGS 其實不適合直接當作傳統的 3D 模型來使用。在實地拍攝時，它確實有幾個明顯的罩門：

首先是光照環境的限制。只要是鏡頭上看不清楚、過於黑暗的地方，演算法就無法精準捕捉，因此產生大量雜訊。有一次我想拍攝鹿港老街的古蹟，為了避開人潮特地等到晚上十點，但暗巷裡漆黑一片；後來我改用 RAW 檔格式拍攝，利用 RAW 檔保留的暗部細節，先讓軟體進行特徵對齊，完成後再調回原本的色彩，才有效減少了 3DGS 裡暗部的懸浮雜訊。此外，現場若有閃爍的燈光，如店家招牌燈、效果燈，也會導致採集的光影不理想。

其次是動態物體。這可以說是 3DGS 的災難，因為如果在拍攝過程中有物體移動（例如風吹導致樹葉搖晃），後製算圖時該區域就會變成一片模糊；若現場一直有人流經過，地面也會留下重疊的殘影痕跡。

還有一種是大面積無紋理的表面。例如大白牆、特寫畫面，或是隧道裡不斷重複的軌道與牆面。這會導致軟體無法找到特徵點進行對齊，算圖引擎會無法辨識當前照片到底屬於場景的哪一段。面對這類缺乏特徵的情境，我們在拍攝時就必須額外搭配標記點來輔助定位。

針對 3DGS 龐大的資料量與運算需求，在電腦硬體上最吃重的是哪一部分？

潘胤余：其實檔案本身的資料量還好，最吃緊的絕對是記憶體 — 包含顯卡的顯存（VRAM）以及系統記憶體（RAM）。整個解算過程極度依賴顯示卡。即使是規模不大的場景，顯存需求也經常超過 12GB，通常需要 RTX 5080 以上等級的顯卡才能負荷；若是更龐大的模型，甚至需要 24GB 以上的顯存。為了順利運算，我們甚至會需要與其他公司合作，借用高階顯卡來執行。

系統記憶體與硬碟的讀取速度同樣非常關鍵。我舉個實際的例子：早期在處理大量照片運算時，電腦常常算到一半就直接強制關機。後來除錯過程中才發現，因為我把照片存放在傳統的硬碟裡，讀寫速度完全跟不上運算需求；直到把檔案搬到高速 SSD 後，才順利解決這個問題。

此外，當場景較大、設定的迭代次數較多時，一旦系統記憶體被耗盡，就算讓它運算再久，畫面品質也不會再提升。因此，我們現在對於硬體配置的策略非常明確：就是直接把記憶體插滿、換上最高速的 SSD，並配置最強的 GPU 來因應。

近期發佈的 3DGS 影片也加入了 AI 生成技術，未來還有哪些特別想探索的方向？

潘胤余：這部分非常有趣，我們之所以做這些實驗，核心目的是為了「說服客戶」。因為許多影視領域的客戶覺得 3DGS 技術「很炫」，但會質疑它的實際用途；若僅僅作為場景的數位備份，大家不一定願意買單，所以我們必須持續為它尋找、測試各種實際的應用情境。

就技術面而言，AI 在生成或解析影片時的第一原理，是先計算畫面的深度，進而判斷虛擬角色與場景的相對位置。而 3DGS 最大的優勢之一，就是它能直接匯出精準深度圖（Depth Map）。當我們將這些深度資訊輸入 AI 工具時，AI 就能清晰理解空間中的牆面、轉角與距離，精準地將人物完美融入場景中。

以我們近期測試的滑板場景為例，場地包含了碗池與溜滑梯等複雜的弧線結構。我刻意在拍攝時邊移動、邊旋轉鏡頭，然後將這種高難度的動態運鏡交給幾款主流的 AI 影片生成模型（如 SeeDance、Wan 3.0、MiniMax H3 等），測試它們能否精準追蹤旋轉的鏡頭，並讓生成的虛擬角色在裡面流暢地滑板與翻板。測試後發現，雖然各家模型各有優缺點，但都能很好地理解複雜環境的鏡頭語言，效果非常優異。我們未來也會持續深入探索這樣的結合方向。

怎麼觀察目前 3DGS 在國內影視產業的接受度？期待未來會如何發展？

潘胤余：老實說，目前的整體環境其實滿具挑戰性的。當前影視產業面臨 AI 短影音興起的衝擊，大家對製作預算與效益難免產生疑慮：究竟是否還需要投入大量資金製作特效？還是直接用 AI 生成就好？

面對這些挑戰，我們更專注於尋求解決方案。我們曾舉辦座談會與業內人士交流，展示 3DGS 在前期與後期的龐大助益。例如在前期勘景，目前多數製片仍習慣看平面照片開會，少數會使用 360 度相機；但若能透過 3DGS，團隊在開拍前就能精準掌握空間大小、距離，甚至預先設定廣角或緊湊的鏡頭供攝影師參考。此外，我們也與特效公司合作，將 3DGS 場景放上虛擬棚的 LED 螢幕，背景能隨攝影機運鏡即時旋轉，我認為這是未來非常有潛力的導入切入點。

目前我們仍在積極拓展客戶群，也和夢想動畫合作，採取「先掃描保存」的策略 —— 等未來進入後期行銷或特效製作有實際需求時，再來討論檔案的授權費用。現在也透過這種「先拍攝、後推廣」的方式，成功與多個劇組展開合作了。

對此服務進行計價及商業規劃？

潘胤余：為此，我們其實經歷過一段摸索與取捨。如果面對一般個人客戶（例如只想做空間掃描案子），以影視產業的高規格來報價，往往會超出他們的預期；但若為了接案而接，對團隊來說又無法獲得合理的商業回報。

因此，我們現在的定位非常明確：鎖定有「高精準度需求」的高端或企業客戶，才能確保專業品質與合理的利潤空間。在這樣的挑戰下，我們也將觸角拓展到跨領域的客戶，例如科技產業。隨著近年機器人技術的快速發展，企業非常需要建立極度擬真的數位孿生（Digital Twin）環境，用來訓練機器人在工廠內行走與操作機台。

因為 3DGS 呈現的視覺效果遠優於傳統的光達雷達，現在的機器人不僅需要理解物理的幾何碰撞，更需要透過極致擬真的「視覺演算法」來辨識環境與物體。這讓 3DGS 變得非常適合用於機器人的視覺模擬訓練，最近也有不少科技公司主動與我們洽談合作。這類跨領域的需求，也讓我們深刻看見 3DGS 在影視產業之外，還有非常龐大的商業潛力。

想掌握更多 3DGS 技術在影視與跨領域的實戰應用與最新動態，請持續關注起步走影像。

受訪者