Hybrid3D-RL：用于高保真3D生成的混合空间强化学习

基于摘要分析。本文研究单图像到3D生成的强化学习后训练：仅用渲染图像奖励难以充分评价几何质量，而输入图像未观测区域的几何并不唯一，直接使用显式3D指标监督也存在困难。作者提出面向VoxSet-based 3D生成的Hybrid3D-RL，将潜在空间中的几何质量评价与渲染空间中的外观评价结合。 其第一部分是Implicit Latent Reward Model（I-LRM），复用预训练生成器的几何先验，直接从潜在表示评估网格质量。训练偏好对通过多粒度VAE重编码构造，不依赖人工标注。摘要未提供偏好对的具体构造规则、奖励模型结构或训练损失。 第二部分是HRPO（Hybrid-space Ranking Preference Optimization），在模块化训练流程中将在线rollout与奖励评估分离。它结合经相机校正的渲染所计算的显式外观奖励与隐式潜在奖励，并利用相对优势及参考策略正则化优化随机流轨迹；具体奖励权重、正则化形式与采样配置尚未验证。 作者报告，实验中的潜在质量判别可靠，且图像到3D生成在定量与定性评价中均获得一致改善。摘要未给出数据集、划分、对照基线、指标或数值，无法判断改善幅度及适用范围；实验协议、消融及统计信息尚未验证。复现需进一步核对预训练生成器、VoxSet表示、偏好对构造和相机校正流程。本文的主要研究对象是3D生成，现有材料未建立其与EEG/BCI任务的具体机制对应，不据此推断BCI有效性。