用于 3D 场景重建和新视角合成的量子隐式神经表示
量子物理
2025-12-16 v1 人工智能
计算机视觉与模式识别
摘要
隐式神经表示 (INRs) 已成为连续信号建模和 3D 场景重建的强大范式，但经典网络因存在已知的谱偏差而受限于其捕获高频细节的能力。量子隐式表示网络 (QIREN) 通过采用具有内在傅里叶结构的参数化量子电路来缓解这一限制，实现了超越经典多层感知器 (MLP) 的紧凑且富有表现力的频率建模。在本文中，我们提出了量子神经辐射场 (Q-NeRF)，这是一种首次将量子元素引入神经辐射场渲染的混合量子-经典框架。Q-NeRF 将 QIREN 模块集成到 Nerfacto 主干中，保留其高效抽样、姿态细化和体积渲染策略，同时以量子增强版取代选定的密度和辐射预测组件。我们在标准多视角室内数据集上系统评估了三种混合配置，与经典基线方法相比使用 PSNR、SSIM 和 LPIPS 指标进行比较。结果表明，混合量子-经典模型在有限计算资源下实现了具竞争力的重建质量，量子模块在表示细尺度、视角相关外观方面尤为有效。尽管当前实现依赖受限于少量量子比特的量子电路模拟器，但结果凸显了量子编码在缓解隐式表示谱偏差方面的潜力。Q-NeRF 为可扩展的量子启用 3D 场景重建和面向未来量子神经渲染研究奠定了基础。
引用
@article{arxiv.2512.12683,
title = {Quantum Implicit Neural Representations for 3D Scene Reconstruction and Novel View Synthesis},
author = {Yeray Cordero and Paula García-Molina and Fernando Vilariño},
journal= {arXiv preprint arXiv:2512.12683},
year = {2025}
}