神经复杂灯具：表示与渲染

基于摘要分析。本文研究复杂灯具的高成本渲染问题：吊灯等光源被复杂折射几何包围，导致蒙特卡洛方法需要大量采样才能评估相关光路。作者提出用隐式神经表示压缩灯具光场，并将其接入常规渲染器，以降低计算和存储开销。 方法使用三个网络分别承担渲染中的关键操作：在给定空间点与观察方向时评估复杂灯具；根据着色位置，对灯具上的点进行重要性采样；确定灯具查询的透明度，以便与其他场景元素正确混合。该方案兼容路径追踪和多重重要性采样（MIS），核心价值不仅在于光场压缩，也在于为渲染流程提供相应的查询与采样操作。 作者报告，相较于其比较的先进方法，该方案表现有利，能够以较少的计算和存储成本生成接近高采样数参考图像的结果，且无需存储原始灯具几何与材质。摘要未提供具体场景、图像质量指标、耗时、存储量或训练成本，因此这些优势的幅度及适用范围尚未验证；网络结构、训练数据生成方式、损失函数、实验协议、消融及统计信息也尚未验证。 本文的主要研究对象是计算机图形学中的灯具光场，而非神经信号或 BCI。现有材料未建立其光场查询、采样和透明度建模与 EEG 瓶颈之间的具体机制对应，不据此提出 BCI 迁移效果或复现实验建议。