优化未观测区域：利用自由空间先验快速清理 NeRF

基于摘要分析。本文研究 Neural Radiance Fields（NeRF）新视角合成中的漂浮伪影（floaters），提出一种训练后清理方法：通过 Free Space Prior（自由空间先验）约束未观测区域为空，同时保留已观测区域的场景结构。其主要研究对象是三维场景表示与渲染，而非 EEG 或 BCI。 机制上，作者认为，依赖光度重建的 NeRF 优化在未观测区域缺乏约束，因而容易产生伪影。不同于摘要所述采用 Maximum Likelihood（ML）估计或复杂数据驱动先验的现有方法，该方法采用 Maximum-a-Posteriori（MAP）框架，引入简单的全局先验。作者报告，该方法能够清理已观测和未观测区域的伪影，并改善具有挑战性的场景区域的新视角质量。先验的数学形式、观测区域的判定方式，以及清理与结构保真的权衡尚未验证。 作者报告，该方法适用于多种 NeRF 架构和数据集，且无需超出原始 NeRF 的额外内存；相较于其所比较的先进清理方法，推理速度为对照的 2.5 倍，清理训练耗时少于 30 秒。摘要未列出具体架构、数据集、对照名称、硬件、计时范围或图像质量指标，因此这些结果仅能在作者所用但尚未明确的评估条件下理解，不能外推为普遍性能保证。 实验协议、消融及统计信息尚未验证；复现还需核对完整目标函数、优化设置和内存测量口径。作者表示将公开代码，当前材料不足以确认代码已发布。材料未提供与 EEG/BCI 的具体机制对应，因此不据此提出迁移效果或复现实验建议。