VolS-GS 用高斯占据域上的可微有限体积求解实现体积次表面散射，在三个 OLAT 基准上提升重光照质量
相关研究与后续进展
核心概要
VolS-GS 把高斯场景的空间支撑转成粗网格上的占据场，在其上做可微有限体积光传输求解，由小型网络为每个高斯预测散射与吸收系数，从而让光穿过物体内部；在三个 OLAT 基准上，该方法在留出光照与视角下的重光照质量一致优于 GS3、SSS-GS、RNG 与 SSD-GS。
Figure 1: VolS-GS. proposes a high-quality relighting pipeline with three different modalities. Center: a rendered image can be decomposed into normal, diffuse, specular, subsurface scattering (SSS) and shadow. Left: VolS-GS faithfully synthesizes novel view renders. Right: relighting.
arXiv深度剖析
提出定义在高斯场景占据域上的可微体积次表面散射，使光能够跨图元在物体内部传播。 此前的可重光照高斯方法（如 SSS-GS、SSD-GS）把次表面响应建模为单个图元自身属性的函数，而 Radiosity-GS、Ref-Gaussian 只在物体外部空间传输光；本文把高斯云栅格化为分数占据场，用广义绕数填充内部，并在占据单元上求解注量场。 方法在三个 OLAT 数据集上评估，并在七个场景上做了单变量消融；在 Bunny 上移除体积 SSS 通道使 PSNR 从 40.15 降至 34.67，是该消融中影响最大的一项。
阴影项读取同一传输场，并配合镜面泄漏正则项，使学习到的阴影与镜面分支不再互相替代。 阴影衰减由几何可见性与传输场提供的透射线索共同预测，线索向量被停止梯度；正则项只惩罚阴影判定为未受光像素中的镜面能量。 消融显示移除传输线索使 Statue 的 PSNR 从 38.35 降至 35.09，移除阴影项使六个场景出现最大单项变化；正则项本身不提升 PSNR，但把 Bunny 的镜面覆盖从较大比例压缩到较小比例而图像不变。
用伴随法使传输求解可微，反向传播只需一次额外求解，内存不随迭代次数增长。 算子对称正定，因此无需转置，一次求解即给出对源项与算子对角线的梯度；面导纳被停止梯度，介质通过其直接进入的项学习。 附录给出良态性与稳定性命题、伴随梯度命题与异构介质互易性引理，并在实现中报告前向与伴随求解均被截断，梯度为近似解处的隐函数估计。
在三个 OLAT 基准上取得最佳平均表现，且增益在次表面主导的 SSS-GS 基准上最一致。 与 GS3、SSS-GS、RNG、SSD-GS 在匹配分辨率、划分与训练预算下重训练比较，并额外列出 3DGS 与 GI-GS 作为参考点。 表 1 给出三个数据集的均值：SSS-GS 合成场景上 VolS-GS 的 PSNR 在 Bunny 为 40.15、Candle 为 43.64，均高于各基线；NRHints 均值 32.37、GS3 均值 31.59 也最高。
启示与展望
该结果面向以已知位置单光源逐次拍摄的 OLAT 捕获，用于在新光照与新视角下重渲染物体；作者指出由于求解基于扩散近似，在辐射仍具方向性的区域可能不足，且没有为凹面上表面之间交换的光提供路径。方法把高斯云作为传输域，网格本身不含可学习参数，因此适用于以高斯图元表示、且内部可由占据场刻画的物体。作者报告在 SSS-GS 合成场景上训练每个场景不超过 3.5 小时、不超过 8 GiB 显存，并说明环境图重光照可由源的线性叠加实现而无需重训练。
扩散近似在边界与首次仍具方向性的散射事件处最弱，作者用单独的单次散射项沿视弦积分来补足，并报告在 Bunny 耳尖这类极薄几何上仍略暗、细化传输网格只移动约若干 dB。逐图元偶极子替换实验在七个场景中的六个上损失精度，但在 Drums 上略优，说明该通道的收益与介质的半透明程度相关。镜面泄漏正则项不提升 PSNR，其价值在于让分解可辨识，因此对它的评价应看分解而非指标。此外，正文中若干公式、表格数值与附录中的具体数字在所提供的文本里以占位形式出现，读者若需精确的系数、迭代次数与逐帧耗时，应查阅原文的公式与附录表格。