SCION
普林斯顿大学提出的组合式3D场景表示方法，通过构建可复用神经基元词汇表与轻量级世界空间实例，实现紧凑高效的神经场景表示与渲染，支持实例级场景编辑与动画
时间轴 (近 90 天)
SCION（Scene Composition with Instanced Neural Primitives）由普林斯顿大学团队提出
SCION用一套紧凑的可复用基元词汇表替代彼此独立的高斯体，再配合轻量级的世界空间实例将基元变换后的副本放置到场景各处
SCION采用对离散参数与连续参数的联合优化策略，结合splat和instance两个层级的两级稠密化
SCION引入对抗损失来在共享基元之间保留细节，避免多实例共用模板时细节被平均化、模糊化
SCION即便压缩到1.2 MB这样极小的体量仍能保持较高的渲染质量
SCION在率失真表现上优于现有的高斯压缩方法
SCION的表示方式支持实例级的场景编辑与动画，且无需重新训练
SCION项目主页公开于普林斯顿光学实验室（light.princeton.edu/SCION）
全部知识事实 (8)
SCION（Scene Composition with Instanced Neural Primitives）由普林斯顿大学团队提出
50%待验证SCION用一套紧凑的可复用基元词汇表替代彼此独立的高斯体，再配合轻量级的世界空间实例将基元变换后的副本放置到场景各处
50%待验证SCION采用对离散参数与连续参数的联合优化策略，结合splat和instance两个层级的两级稠密化
50%待验证SCION引入对抗损失来在共享基元之间保留细节，避免多实例共用模板时细节被平均化、模糊化
50%待验证SCION即便压缩到1.2 MB这样极小的体量仍能保持较高的渲染质量
50%待验证SCION在率失真表现上优于现有的高斯压缩方法
50%待验证SCION的表示方式支持实例级的场景编辑与动画，且无需重新训练
50%待验证SCION项目主页公开于普林斯顿光学实验室（light.princeton.edu/SCION）
50%