NERFIFY：将 NeRF 论文转化为代码的多代理框架

神经辐射场(NeRF)研究的不断增长需要投入大量精力来重新实现论文后才能构建于此。我们引入 NERFIFY，一个多代理框架，可可靠地将 NeRF 研究论文转化为可训练的 Nerfstudio 插件，不同于通用论文到代码的方法和像 GPT-5 这样的前沿模型通常难以产生可运行代码。NERFIFY 通过六项关键创新实现了领域特定的可执行性：(1)无上下文语法(CFG)：LLM synthesis 受Nerfstudio 形式化为CFG的约束，确保生成代码满足架构不变量。(2)图状思维代码合成：专业化的多文件代理按拓扑依赖顺序生成存储库，在每个节点处验证合约和错误。(3)可组合引用恢复：代理自动检索并整合来自参考文献图谱中的组件(采样器、编码器、提案网络)。(4)视觉反馈：通过PSNR-极小值ROI分析、跨视图几何验证和VLM引导的修补来诊断制品，以迭代改进质量。(5)知识增强：超越复现，方法可以借助新优化进行改进。(6)基准测试：设计了一个用于NeRF论文到代码合成的评估框架，覆盖30篇多样化论文。在无公开实现的论文上，NERFIFY 实现了视觉质量与专家人类代码相当(+/-0.5 dB PSNR, +/-0.2 SSIM)，同时将实现时间从数周缩短到数分钟。NERFIFY 表明，领域感知的设计使得为复杂视觉论文实现代码翻译成为可能，potentiating 加速和民主化可重复研究。代码、数据和实现将公开发布。