NRF-GS：神经残差场压缩高斯泼溅

Pratik Singh Bisht 与 Andreas Kolb 提出 NRF-GS，用共享的全局场景级 MLP 神经残差场替代每个 splat 的球谐基。作者称，该方法在渲染质量相当或更优的同时，将高斯数量最多减少 50%，并明显改善高光与高频细节。 NRF-GS 中每个高斯只编码紧凑的外观特征与朗伯基色，MLP 以视角方向、距离和 per-splat 特征为条件预测视角相关残差。该工作已被 NeurIPS 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。