SB-HyperGS：面向稀疏高光谱 Gaussian Splatting 的光谱—空间表示容量重分配

基于摘要分析。该研究针对从稀疏光谱观测恢复稠密光谱辐射场的高光谱 3D 重建问题，提出 SB-HyperGS：以共享材质光谱基和 Gaussian 特有的局部混合系数，替代逐 Gaussian 独立存储光谱表示，并将节省的参数容量重新分配给空间基元。 核心机制是解耦可共享的材质光谱信息与局部混合信息，减少不同 Gaussian 之间重复存储的光谱参数。方法还引入材质感知优化与自适应空间细化，以改善稀疏光谱观测下的重建。摘要未提供光谱基的构造与约束、局部混合系数的参数化、损失函数，以及空间细化的触发条件，相关实现尚未验证。 作者报告，在多场景高光谱基准上，相较直接扩展的高光谱 Gaussian Splatting，该方法获得更好的重建质量—参数量权衡；在匹配参数预算的条件下，重建质量提升，同时每个基元的光谱表示开销显著降低。摘要未给出具体数据集、观测稀疏程度、划分、评价指标或数值，因此不能量化收益，也不能判断其在不同场景和稀疏程度下的一致性。实验协议、消融及统计信息尚未验证。 阅读全文时应重点核对共享材质表示与增加空间基元各自的贡献、参数预算的统计口径，以及训练和渲染开销。该工作的主要对象是高光谱神经渲染，并非 EEG 或 BCI；现有材料不足以建立具体的神经信号迁移路径，不据此推断 BCI 有效性。