基于多尺度哈希编码的神经几何表示

基于摘要分析。本文研究从点云或多视角图像重建物体曲面时，现有神经几何表示计算较慢、精度不足的问题，提出基于多尺度哈希编码的神经几何表示，以符号距离场表示曲面；主要研究对象是三维几何重建，而非 EEG 或 BCI。 方法将低频 Fourier 位置编码与多尺度哈希编码结合，并相应重新设计几何网络的初始化方式以及渲染模块中的几何特征。摘要未披露两类编码的具体融合结构、哈希配置、损失函数及训练流程，因此尚不能据此判断各模块对效率和精度的独立贡献。 作者报告，在包含数百万个点的点云重建任务中，该表示的重建速度至少提升至对照的 10 倍；摘要未明确对应基线、硬件、计时范围或精度约束。作者还报告多视角重建的速度与精度均显著改善，但未提供具体指标与数值。两类任务的结果应分别理解，不能将点云重建的倍数直接套用于多视角重建。 作者声明代码和模型已公开，但其可运行性、依赖环境及复现结果尚未验证。数据集、数据划分、实验协议、消融及统计信息尚未验证。当前材料没有建立该几何表示与 EEG/BCI 任务之间的具体机制对应，不能据此推断其具有神经信号建模收益；相关 EEG 工作尚未检索确认。