NeRF 与 3DGS 对同一场景的编码各有优势，传统的跨表示蒸馏往往在整个场景中固定教师角色，这会把局部重建误差传播到另一端。RouteBridge 提出一种双向框架，为每条光线动态决定教学方向。其可靠性估计器将光度残差与表示特有的几何证据相结合，依据估计结果将监督从 NeRF 路由到 3DGS、从 3DGS 路由到 NeRF，或选择不进行蒸馏。系统通过渲染器无关的接口传递颜色、透明度和归一化深度，避免了共享特征或点对应的需求。实验在 mip‑NeRF 360 数据集上，NeRF 与 3DGS 的导出 PSNR 分别达到 28.56 dB 与 28.77 dB。3DGS 导出相比原始 3DGS 提升 1.56 dB，较 NeRF‑GS 提升 0.45 dB，同时 LPIPS 降至 0.207。静态三视图 DTU 数据集上，RouteBridge 获得 21.12 dB。消融实验表明，自适应路由和几何光线目标均对性能提升有贡献。
点评