重新思考开放词汇3DGS中的表示粒度：通过稀疏锚点实现内生语义

基于摘要分析。本文研究开放词汇3D Gaussian Splatting（3DGS）的语义表示，重新检验语义是否需要覆盖全部几何基元的稠密表示，以及是否必须存储独立的外附高维参数。作者提出Endogenous Semantic Mapping，以稀疏锚点的内在几何和外观特征生成语义，探索渲染与语义任务所需表示粒度的差异。 机制上，该方法仅以稀疏锚点的几何与外观特征为输入，通过全局共享网络生成语义向量，再将其作为3D Gaussians的原生渲染属性，经原生光栅化流程输出逐像素语义特征。其区别在于不为每个场景独立存储外附语义向量；作者报告场景级语义参数存储为零，并可直接复用预训练几何模型。这不等于整个系统没有网络参数或计算开销，具体训练监督、共享网络结构与推理成本尚未验证。 作者报告，在多个公共基准的受控实验中，将语义表示单元压缩至完整稠密基元数量的约10%时，分割准确率未出现显著下降；在这一稀疏粒度下，相比采用完整稠密表示与外附语义的主流方法，存储和显存开销降低，分割准确率仍具竞争力。摘要未提供基准名称、数据划分、具体分割指标、对照数值或显著性检验细节，因此“未显著下降”的统计含义及结论适用范围仍需全文核对。 阅读重点是区分稀疏化与内生语义映射各自的贡献，并核对锚点选择、语义监督来源、预训练几何模型依赖及开销核算边界；实验协议、消融及统计信息尚未验证。本文主要对象是三维场景语义理解，摘要未提供其与EEG或BCI的具体机制对应，不据此推断神经信号任务收益。