一篇于2026年10月27日提交至arXiv的计算机视觉论文提出Honeycomb-Surfels框架，核心组件称为Hexels，用带有一阶空间颜色场的平面六边形表面元表示三维场景和二维图像。论文原文指出，现有辐射场和点基渲染方法在新视角合成与三维重建中效果较好，但内存和计算开销可能限制其在资源受限设备上的使用。Hexels试图用更少、尺寸更大的基元覆盖局部近似平面且外观变化平滑的区域，同时利用六边形在面积和边界方面的几何特性提高表示效率。根据论文摘要，作者在34个场景上进行评估：与内存占用匹配的2DGS相比，Hexels在不同数据集上的峰值信噪比提升约4.53至7.38分贝，并使用更低的训练显存；在单基元比较中，论文称其最高可提升4.74分贝、达到2.31倍帧率。在三维表面重建实验中，作者报告其在15个DTU扫描场景上的误差较内存匹配的2DGS降低28.9%，在6个Tanks and Temples表面场景上的平均F1为34.38%，高于2DGS的31.72%。这些数字属于论文作者报告的实验结果，尚未代表独立复现或广泛生产验证；论文目前是arXiv预印本，具体优势还会受到场景类型、显存预算、实现方式和比较基线选择的影响。该工作值得关注之处在于，它没有主要依赖纹理图集、神经解码器、剪枝或量化，而是从几何基元形状与局部外观建模入手，尝试改善三维视觉表示的质量—效率权衡。
参考来源：
- Honeycomb-Surfels: Compact Hexagonal Primitives for Efficient Scene Rendering and Reconstruction 2026-10-27
由 AI 整理，仅供参考；请以原始来源为准。
