MS-NeRF：多空间神经辐射场

基于摘要分析。该研究针对 NeRF 在含反射、折射物体的场景中容易产生模糊或失真渲染的问题，提出 MS-NeRF，以并行子空间中的一组特征场表示场景，替代单空间辐射场表示。其主要研究对象是复杂光路下的场景渲染，而非神经信号建模或 BCI。 机制上，多空间方案作为现有 NeRF 方法的增强模块，分别适配基于 MLP 和基于网格的表示。作者称，额外空间输出仅带来较小的训练与推理计算开销；但摘要未提供具体特征融合方式、渲染计算细节、损失函数或耗时数据，不能将参数增量直接等同于计算开销。 作者报告，在反射区域的评估中，相较对应基础方法，增强后的 Mip-NeRF 360 的 PSNR 提升 4.15 dB，额外参数为 0.5%；增强后的 TensoRF 的 PSNR 提升 2.71 dB，额外参数为 0.046%，且其他区域的渲染质量未下降。上述结果属于各自基线下的改进，不能用于直接比较两种基础方法的绝对性能；具体数据划分、结果聚合方式及区域评估协议尚未验证。 研究还构建了包含 33 个合成场景和 7 个实拍场景的数据集，涵盖复杂反射与折射，并设计复杂相机路径以评估 NeRF 方法的鲁棒性。复现时需核对多空间模块实现、相机路径与训练/测试视角划分、反射区域定义及额外计算成本；实验协议、消融及统计信息尚未验证，代码与数据的公开可得性也未由所给材料确认。摘要未提供与 EEG/BCI 对应的独立方法路径，因此不据此提出迁移效果或复现实验建议。