神经显式形状表示

基于摘要分析。本文研究三维形状表示如何兼顾显式表面查询、直接渲染与跨对象预测，提出 NeuOctree：直接预测射线是否与表面相交、交点位置，以及表面法向和反照率，为神经推理与表面渲染提供共同的输出空间。 机制上，NeuOctree 在稀疏八叉树体素的角点存储共享特征，并通过插值形成连续局部场。轻量解码器采用循环式交点引导采样，在预测表面附近逐步细化查询。该表示可在不提取网格、不进行纹理烘焙的情况下直接渲染表面，并适用于开放、非水密几何体。同一八叉树结构既支持逐对象紧凑优化，也支持共享的八叉树 CNN，从彩色点云构建可渲染资产而无需逐对象拟合；两种使用方式应区分理解。 作者报告，在七个网格、四种存储预算构成的 28 项比较中，NeuOctree 有 24 项取得最低位置误差，同时保持有竞争力的法向精度；相较 N-BVH 和 VQAD，联合几何—外观重建得到显著改善。作者还报告，前馈模型构建一次表示耗时 0.05 秒，并可从 Objaverse 迁移到 ShapeNet 而无需重新训练；摘要未提供该耗时的硬件、输入规模及跨数据集迁移的具体指标，不能将其解读为完整渲染耗时或普遍泛化保证。文中另展示了光线追踪渲染和图像条件生成。 全文尚未取得，损失函数、数据划分、误差定义、存储核算、运行环境、消融及统计信息尚未验证。当前材料未建立该三维表面表示与 EEG/BCI 瓶颈的具体机制对应，因此不提出迁移效果判断或复现实验建议。