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：不再仅计算单一辐射场，而是在并行子空间中以一组特征场表示场景，增强对复杂光线路径的建模。 机制上，MS-NeRF 被设计为现有 NeRF 方法的增强模块，分别适配基于 MLP 和基于网格的代表性方法。作者称，训练及推理额外空间输出仅需较小计算开销；但摘要未给出子空间构造、特征融合、损失函数及具体训练流程，相关实现细节尚未验证。其主要创新是多空间场景表示，而非 EEG 信号建模或 BCI 解码。 结果方面，作者报告，在反射区域的评估中，增强后的 Mip-NeRF 360 相对原方法提升 4.15 dB PSNR，参数增加 0.5%；增强后的 TensoRF 相对原方法提升 2.71 dB PSNR，参数增加 0.046%，且其他区域的渲染质量未下降。摘要未明确这些数值对应的具体场景集合、划分及聚合方式，不能据此扩展为所有场景下的收益，也不能将参数增量等同于运行时间增量。 作者还构建了包含 33 个合成场景和 7 个真实采集场景的数据集，覆盖复杂反射与折射，并设计复杂相机路径检验 NeRF 方法的鲁棒性。数据划分、对照配置、消融及统计信息尚未验证。该工作的直接研究对象是三维场景渲染，现有材料不足以建立其与 EEG/BCI 瓶颈的具体机制对应关系，因此不提出迁移实验建议。