面向场景理解的因子化神经表示

基于摘要分析。本文研究如何从单目 RGB-D 视频中学习可解释、可编辑的动态场景表示，尤其针对包含多个运动或形变对象的场景。核心贡献是因子化神经场景表示：构建对象级神经表示，并显式编码对象的刚性运动轨迹和／或非刚性形变，使场景操作不局限于新视角合成。 摘要将既有方法的局限概括为依赖场景先验、预训练模板或已知形变模型，以及采用全局场景编码、对多视角采集和有限运动的假设。本文改以对象为单位组织表示，并从单目 RGB-D 视频直接学习。这里的输入包含深度信息，不能等同于仅使用单目 RGB 视频；具体表示结构、对象分解方式、优化目标与训练流程尚未验证。 作者报告，在合成与真实数据上同多种神经方法进行比较，结果表明该表示具有效率、可解释性和可编辑性，并以修改对象轨迹作为编辑示例。摘要未提供数据集名称、评价指标、数值结果或具体基线，实验协议、消融及统计信息尚未验证。摘要声明代码与数据已公开，但其可用性及复现条件尚未核验。 论文的主要研究对象是计算机视觉中的动态场景表示，所给材料不提供 EEG 或 BCI 验证，也不足以建立具体迁移路径，因此不将对象级因子化直接解释为已验证的神经信号解耦方法。