# 重光照

物理逆渲染要从照片里拆出材质与光照，两者组合多解，学到的材质预测常被当作额外正则项加进目标函数，却要重新平衡权重。这里改为用预测特征关系限制优化空间：把多视角材质预测融合到网格上，在先验特征空间建置换多面体格点，让预测相近的表面点共享材质变量，目标函数保持纯光度拟合。在Synthetic4Relight与TensoIR-Synthetic上，两种预测器配置的重光照PSNR比最强的网格类基线高1.5–2.5 dB，并在受控对比中优于使用同一先验的正则损失。

物理逆渲染要从照片里拆出材质与光照，两者组合多解，学到的材质预测常被当作额外正则项加进目标函数，却要重新平衡权重。这里改为用预测特征关系限制优化空间：把多视角材质预测融合到网格上，在先验特征空间建置换多面体格点，让预测相近的表面点共享材质变量，目标函数保持纯光度拟合。在Synthetic4Relight与TensoIR-Synthetic上，两种预测器配置的重光照PSNR比最强的网格类基线高1.5–2.5 dB，并在受控对比中优于使用同一先验的正则损失。

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。

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。