量子科技中心_量科网

隐式神经表示（INR）已成为连续信号建模和3D场景重建的强大范式，但传统网络存在众所周知的频谱偏差问题，限制了其捕捉高频细节的能力。量子隐式表示网络（QIREN）通过采用具有固有傅里叶结构的参数化量子电路，实现了超越传统多层感知机的紧凑且富有表现力的频率建模。本文提出量子神经辐射场（Q-NeRF）——首个用于神经辐射场渲染的混合量子-经典框架。该工作将QIREN模块集成至Nerfacto主干网络，在保留其高效采样、位姿优化和体渲染策略的同时，用量子增强组件替代选定的密度与辐射预测模块。研究人员在标准多视角室内数据集上系统评估了三种混合配置方案，并通过PSNR、SSIM和LPIPS指标与经典基线进行比较。结果表明，在有限计算资源下，混合量子-经典模型能实现具有竞争力的重建质量，其中量子模块在精细尺度的视角相关外观表征方面表现尤为突出。尽管当前实现受限于模拟器支持的少数量子比特体系，这些结果凸显了量子编码在缓解隐式表示频谱偏差方面的潜力。Q-NeRF为可扩展的量子增强3D场景重建奠定了基石，并为未来量子神经渲染研究提供了基准框架。