GENIE：用于神经辐射场交互编辑的高斯编码

神经辐射场（Neural Radiance Fields, NeRF）与高斯点绘（Gaussian Splatting, GS）近年来彻底改变了三维场景的表示与渲染方式。NeRF 通过神经网络学习体素化表示，实现了高保真的新视角合成，但其隐式编码机制使得编辑操作与物理交互变得困难。相比之下，GS 将场景显式地表示为高斯基元的集合，支持实时渲染、更快的训练速度以及更直观的操控。这种显式结构使 GS 特别适用于交互式编辑，并能与基于物理的仿真系统良好集成。本文提出 GENIE（Gaussian Encoding for Neural Radiance Fields Interactive Editing），一种融合 NeRF 的逼真渲染质量与 GS 的可编辑性及结构化表示的混合模型。不同于传统使用球谐函数进行外观建模的方法，我们为每个高斯基元分配一个可训练的特征嵌入（feature embedding），并基于查询点周围最近的 k 个高斯基元来条件化一个 NeRF 网络。为实现高效条件化，我们引入了基于改进光线追踪流程的快速最近邻高斯搜索方法——射线追踪高斯邻近搜索（Ray-Traced Gaussian Proximity Search, RT-GPS）。此外，我们还引入了多分辨率哈希网格，用于初始化和动态更新高斯特征。上述组件协同工作，实现了实时、局部感知的交互式编辑：当高斯基元被重新定位或修改时，其插值影响会立即反映在渲染结果中。通过融合隐式与显式表示的优势，GENIE 支持直观的场景操控、动态交互，并具备与物理仿真兼容的能力，有效弥合了基于几何的编辑与神经渲染之间的鸿沟。项目代码详见：https://github.com/MikolajZielinski/genie