Retri3D：3D 神经图形表示检索

基于摘要分析。Retri3D 研究如何用文本查询检索大型存储库中以 3D Neural Graphics Representations（3DNGR）表示的三维场景，主要对象包括 NeRF、3D Gaussian Splatting（3DGS）及其变体，而非 EEG 或 BCI 信号。其贡献是通过选择适宜的渲染视角生成高质量视觉特征嵌入，支持三维场景检索。 机制上，框架将 Neural Field Artifact Analysis 与 Smart Camera Movement Module 结合：前者用于识别并选择较少伪影的视图，后者用于在预训练的 3DNGR 场景中移动相机、选择观察方向。摘要将检索改进归因于这些视图选择机制，但未说明伪影判据、相机搜索策略、视觉与文本特征的对齐方式，以及训练目标或索引构建细节。 作者报告，在 LERF 和 ScanNet++ 数据集上，Retri3D 相比现有技术提高了检索准确性，并在速度与存储效率上获得数量级优势；摘要未给出具体指标、数值、对照方法、数据划分或计时与存储核算条件，因此这些结果尚不能用于定量比较。作者还声称框架兼容任意 NGR 表示，但实际覆盖的表示类型与验证范围需核对全文。 复现时需要确认预训练场景的获取方式、候选视图与相机移动预算、嵌入提取和检索流程，以及效率统计是否计入渲染和预处理开销。实验协议、消融及统计信息尚未验证。材料未提供与神经信号处理的具体机制对应，不据此推导 EEG/BCI 有效性；相关工作尚未检索确认。