> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# TTB：把跨视角注意力输出写入轻量网络，加快新视角渲染
- URL: https://binnn.top/test-time-baking-view-synthesis/
- Published: 2026-11-14T13:02:29.000Z
- Updated: 2026-11-14T17:40:58.000Z
- Description: TTB 用快速更新的多层感知机保存场景信息，并通过成对上下文输入对齐重建与渲染。论文报告了渲染提速，同时也显示重建阶段的额外开销。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, 视觉与多模态, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · arxiv.org · 原文日期 2026-11-12

## 把学习目标改为注意力输出

TTB 面向新视角合成，核心是调整测试时训练中快速更新的多层感知机（MLP）的学习目标：从拟合原始值词元，改为拟合跨视角注意力的输出。作者希望由注意力提取场景信息，再将其写入轻量网络，供后续视角渲染使用。

## 用成对输入对齐重建与渲染

重建阶段能看到图像与相机信息，新视角渲染时却只有相机输入。为处理这种差异，TTB 将每个上下文视角拆成两路：一路保留图像和相机信息，提供学习目标；另一路只含相机信息，作为 MLP 输入，并与后续新视角共享更新后的网络。

## 渲染帧率与重建开销分开看

作者在 DL3DV、544×960 分辨率、32 个输入视角下报告：不使用批处理时，TTB 每秒渲染 23 帧，DVSM 的 ps8 版本为 2 帧；单场景重建耗时则分别为 18 秒和 15 秒。这里帧率衡量渲染速度，重建时间另计，因此帧率差不能直接代表完整任务的耗时收益。

## 固定场景状态不等于峰值显存

在论文的 544×960 分辨率分析中，TTB 重建后保留的是固定大小的快速权重矩阵。作者报告，所有网络块的这部分状态在 FP32 精度下共占 324 MB，不随上下文视角数增长。这个数字描述场景表示，不能当作整个推理过程的峰值显存。

原始标题：TTB: Test-time Baking for Efficient Rendering of Decoder-only View Synthesis Models  
[来源：arxiv.org](https://arxiv.org/abs/2611.17331?ref=binnn.top)