Floating Radiance Networks
作者: Krzysztof Byrski, Rafał Tobiasz, Grzegorz Wilczyński, Mikołaj Zieliński, Dawid Baran, Dominik Belter, Jacek Tabor, Przemysław Spurek
分类: cs.CV
发布日期: 2026-08-06
🔗 代码/项目: GITHUB
💡 一句话要点
提出Floating Radiance Networks以解决传统渲染方法的局限性
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 神经场景表示 光线追踪 高保真渲染 几何操作 外观编辑 计算机图形学
📋 核心要点
- 现有的神经场景表示方法通常与单一的渲染范式紧密耦合，限制了其在多种图形工作流程中的应用。
- 本文提出的FlaRe通过浮动平面广义高斯原语与神经辐射函数的结合，提供了一种灵活的场景表示方式。
- 实验结果显示，FlaRe在渲染质量上与现有方法相比具有竞争力，同时使用的原语数量更少，提升了效率。
📝 摘要（中文）
近年来，神经场景表示的进展使得光线合成的照片级真实感得以实现，但大多数方法仍然与单一渲染范式紧密耦合，限制了其灵活性和与传统图形工作流程的集成。本文提出了Floating Radiance Networks（FlaRe），一种结合显式光线可追踪几何体与连续神经辐射函数的神经场景表示。场景通过浮动平面广义高斯原语表示，每个原语携带局部辐射场的紧凑潜在描述符。一个轻量级解码器将该描述符、局部表面坐标和视角映射到颜色和不透明度。这种表述保留了神经场的表现力，同时提供了一个可高效查询和操作的显式可寻址结构。硬件加速的原语交集支持交互式渲染和递归光线追踪，包括反射、折射、透明度和阴影等效果。实验表明，FlaRe在标准重建基准上展示了竞争力的渲染质量，同时使用了一组紧凑的原语。总的来说，这些结果确立了FlaRe作为一种多功能表示，将高保真神经渲染、光线追踪、几何操作和外观编辑整合到统一的场景模型中。
🔬 方法详解
问题定义：本文旨在解决现有神经场景表示方法在渲染灵活性和与传统图形工作流程集成方面的不足，尤其是其对单一渲染范式的依赖。
核心思路：FlaRe通过结合显式光线可追踪几何体与连续神经辐射函数，利用浮动平面广义高斯原语来表示场景，提供了一种可高效查询和操作的结构。
技术框架：FlaRe的整体架构包括浮动平面广义高斯原语、轻量级解码器和硬件加速的原语交集模块。解码器将潜在描述符、局部表面坐标和视角映射到颜色和不透明度。
关键创新：FlaRe的主要创新在于其将神经场的表现力与显式可寻址结构相结合，使得场景可以高效地进行查询和操作，这与现有方法的耦合性形成鲜明对比。
关键设计：FlaRe采用了紧凑的潜在描述符，并设计了轻量级的解码器以提高效率，同时通过硬件加速的原语交集实现交互式渲染和复杂效果的支持。实验中使用的损失函数和网络结构经过精心设计，以确保高质量的渲染输出。
🖼️ 关键图片
📊 实验亮点
实验结果表明，FlaRe在标准重建基准上实现了与现有方法相当的渲染质量，同时使用的原语数量显著减少，提升了渲染效率。具体性能数据未提供，需进一步查阅原文以获取详细信息。
🎯 应用场景
FlaRe的研究成果在多个领域具有潜在应用价值，包括游戏开发、虚拟现实、电影特效制作等。其高效的渲染能力和灵活的场景表示方式将推动这些领域的技术进步，提升用户体验和视觉效果。
📄 摘要（原文）
Recent advances in neural scene representations enable photorealistic novel-view synthesis, yet most methods remain tightly coupled to a single rendering paradigm, limiting their versatility and integration with conventional graphics workflows. We introduce Floating Radiance Networks (FlaRe), a neural scene representation combining explicit ray-traceable geometry with continuous neural radiance functions. A scene is represented by floating planar generalized Gaussian primitives, each carrying a compact latent descriptor of a local radiance field. A lightweight decoder shared across the scene maps this descriptor, local surface coordinates, and viewing direction to color and opacity. This formulation preserves the expressiveness of neural fields while providing an explicitly addressable structure that can be efficiently queried and manipulated. Hardware-accelerated primitive intersections enable interactive rendering and recursive ray-tracing, including reflections, refractions, transparency, and shadows. The same representation further supports primitive-level deformation, mesh extraction, and appearance stylization directly in its learned descriptor space. Experiments across standard reconstruction benchmarks demonstrate competitive rendering quality while using a compact set of primitives. Together, these results establish FlaRe as a versatile representation that brings high-fidelity neural rendering, ray-tracing, geometric manipulation, and appearance editing into a unified scene model. Source code is available online. Source code can be found at: https://github.com/KByrski/FlaRe