动态场景重建提升1.33 dB
用动态加权注意力取代离散齿轮分配，自适应融合多尺度运动特征，显著提升复杂动态场景的重建质量。
Kai, Xu · 陈芬 · Qi, Zhang · Zheng, Wu · Zongju, Peng · Yang, Cao
Neurocomputing 2026
在Google Immersive Dataset上，PSNR比HyperReel高1.33 dB、比Gear-NeRF高1.20 dB，说明重建结果更接近真实场景。
关键帧选择不再用固定间隔，而是利用语义特征和光流自动挑选对重建最重要的帧，从而把计算资源花在刀刃上。
用动态加权注意力取代离散齿轮分配，让模型根据场景内容调整不同运动尺度特征的权重，能处理连续运动和混合运动模式。