用于 NeRF 编辑的仿射等变核空间编码
计算机视觉与模式识别
2026-02-04 v2
摘要
神经场景表示通过将 3D 场景编码为连续函数来实现高保真渲染，但其潜在空间通常是隐式且全局耦合的，这使得局部编辑和基于物理的操控变得困难。虽然一些工作引入了显式控制结构或基于点的潜在表示以提高可编辑性，但这些方法通常存在局部性受限、对变形敏感或出现视觉伪影等问题。在本文中，我们引入了仿射等变核空间编码（EKS），这是一种用于神经辐射场的空间编码，可提供局部化、感知变形的特征表示。我们的编码不是直接在离散点或网格顶点处查询潜在特征，而是通过各向异性高斯核场聚合特征，每个核定义了一个局部影响区域。这种基于核的公式化使得特征在空间变换下能够稳定插值，同时保持连续性和高重建质量。为了在不牺牲可编辑性的情况下保留细节，我们进一步提出了一种训练时的特征蒸馏机制，将来自多分辨率哈希网格编码的信息转移到核场中，在推理时产生紧凑且完全无网格的表示。这使得能够直接通过高斯核进行直观的局部场景编辑而无需重新训练，同时保持高质量渲染。代码可在 (https://github.com/MikolajZielinski/eks) 找到。
引用
@article{arxiv.2508.02831,
title = {Affine-Equivariant Kernel Space Encoding for NeRF Editing},
author = {Mikołaj Zieliński and Krzysztof Byrski and Tomasz Szczepanik and Dominik Belter and Przemysław Spurek},
journal= {arXiv preprint arXiv:2508.02831},
year = {2026}
}