Neural Radiance Fields（NeRF）因其在多视角图像下实现高质量三维重建和新视角合成的能力而受到广泛关注。现有方法大多假设输入图像清晰，而实际采集常伴随运动或焦距模糊，导致 NeRF 重建质量下降。
为此，本文提出 WS‑NeRF，一种基于 Mamba 的世界状态感知自适应去模糊神经辐射场。我们将辐射场的交替优化建模为具有时间记忆的动态演化过程，并引入多维世界状态以及 mixture‑of‑experts 机制，以在每次迭代中动态调节去模糊先验的置信度。
实验在合成和真实模糊数据集上进行，WS‑NeRF 在 PSNR、SSIM、LPIPS 等指标上均显著超越基线，并表现出更平稳的迭代收敛特性。
点评：该方法通过时序记忆和专家混合策略，有效缓解了模糊对三维重建的负面影响，为实际场景下的 NeRF 应用提供了更鲁棒的解决方案。