순방향 신경 렌더러(Feed-forward neural renderers)는 개별 장면 최적화나 런타임 레이 트레이싱 없이 새로운 3D 장면에 걸쳐 전역 조명(global illumination)을 합성합니다. 기존의 트랜스포머 기반 렌더러들은 개별 삼각형들을 토큰화하기 때문에, 셀프 어텐션(self-attention)이 메시 해상도에 대해 이차적으로 증가하는 문제가 있습니다. 하지만 거시적인 복사 전달(radiative transport)은 특정 메시 이산화(mesh discretization)보다는 근본적인 표면 기하학 및 객체 배열에 의해 지배됩니다. 따라서 더 미세한 테셀레이션(tessellation)이 기본적인 전달 물리 변화 없이 토큰 수를 부풀릴 수 있으며, 이는 이산화와 무관하고 객체 중심적인 표현 방식을 필요로 합니다.
우리는 포인트 입력으로부터 순방향 전역 조명을 위한 객체 중심 아키텍처인 RADIANT (RADiance-based Inter-Actor Neural Transformer)를 소개합니다. RADIANT는 각 객체를 32개의 표면 패치 토큰(surface-patch tokens)이라는 간결한 예산으로 표현함으로써, 어텐션 시퀀스 길이와 폴리곤 개수를 분리합니다. 단일 네트워크 내에서 인터-객체 장면 트랜스포머가 3D 복사 교환을 모델링하고, 뷰 디코더(view decoder)가 목표 카메라 포즈에서 이미지를 렌더링합니다. O(N^2) 편향 행렬을 구현하지 않고도 광 전달을 포착하기 위해, 불변 형태 계수 어텐션(invariant form-factor attention)은 기하학적 거리와 표면 방향을 SE(3)-불변 내적(SE(3)-invariant inner products)으로 쿼리-키 점곱에 직접 임베딩하며, 이는 학습된 면적 및 재질 이득(material gains)으로 가중됩니다. 메시 연결성 없이 주 가시성을 확보하기 위해, 카메라 광선은 공유 구형 프레임에서 깊이 테스트된 포인트 스플랫(depth-tested point splats)에 의해 안내되는 장면 토큰과 교차 어텐션(cross-attend)합니다.
동일한 모델 용량 하의 1.03M 규모의 장면 벤치마크에서, RADIANT는 RenderFormer보다 5배 적은 학습 단계로 25 dB의 톤 매핑된 PSNR을 달성했으며, 60만 단계에서는 32.2 dB를 달성했습니다 (이는 RenderFormer 대비 +3.3 dB, 그리고 RenderFormer-V2 대비 +7.6 dB에 해당합니다). 또한 우리는 RADIANT의 확장성을 입증했는데, 이는 폴리곤 개수가 아닌 객체 개수에 따라 계산 비용이 스케일링되면서 500개 객체의 512x512 순방향 패스를 0.83초 만에 완료했습니다.