Spherical Voronoi: Directional Appearance as a Differentiable Partition of the Sphere

辐射场方法（例如3D高斯点阵化）已成为新视角合成的一种强大范式，但其外观建模通常依赖球谐函数（SH），而这带来了根本性的限制。球谐函数难以处理高频信号，会出现吉布斯振铃伪影，并且无法准确捕捉镜面反射——而镜面反射正是实现真实感渲染的关键要素。尽管诸如球面高斯函数之类的替代方案有所改进，却显著增加了优化的复杂性。本文提出采用球面Voronoi（SV）作为3D高斯点阵化中外观表示的统一框架。SV将方向域划分为具有平滑边界的可学习区域，为视图相关效应提供了直观且稳定的参数化方式。在漫反射外观建模方面，SV在保持优化过程比现有方法更简洁的同时，达到了具有竞争力的结果。对于球谐函数失效的反射效果，我们利用SV作为可学习的反射探针，依据经典计算机图形学原理，以反射方向作为输入进行建模。该方法在合成和真实世界数据集上均取得了最先进的性能，表明SV为显式3D表示中的外观建模提供了一种原理清晰、高效且通用的解决方案。

论文试图解决基于辐射场的方法（如3D高斯点阵化）在外观建模中依赖球谐函数（SH）所带来的局限性问题。SH难以表达高频细节、存在吉布斯振铃效应，且无法有效建模镜面反射，导致渲染真实感受限。这是一个已有一定研究但尚未根本解决的重要问题，尤其是在显式3D表示中实现高质量视图合成的需求日益增长的背景下。

提出球形Voronoi（Spherical Voronoi, SV）作为统一的外观表示框架，通过将方向域划分为可学习的区域来建模视角相关外观。SV不仅简化了漫反射建模的优化过程，还在镜面反射建模中作为可学习的反射探针使用，直接接收反射方向输入，遵循传统图形学原理。相比SH和球形高斯等方法，SV在表达能力和训练稳定性之间取得了更好平衡，是一种更具原则性和通用性的新表示范式。

SV在合成和真实数据集上均达到SOTA效果，尤其在镜面反射建模方面显著优于SH。实验设计充分，涵盖不同场景类型，并进行了消融研究验证SV的有效性。论文未明确提及是否开源代码，但其方法具备良好的可扩展性，未来可探索动态场景、材质分解及与其他显式表示的结合。

1. NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis 2. 3D Gaussian Splatting for Real-Time Radiance Field Rendering 3. Spherical Gaussians for Specular Lobe Modeling in Radiance Fields 4. Neural Reflectance Fields for Appearance Modeling 5. Plenoxels: Radiance Field Rendering with Explicit Voxels