人工智能驱动的虚拟现实场景智能生成与交互优化方法
吴亚玲

安徽文达信息工程学院，安徽合肥，231200；

摘要：虚拟现实技术的快速发展对场景生成的真实感和交互的自然性提出了更高要求。传统基于手工建模的场景构建方式耗时长、成本高，难以满足大规模虚拟环境的需求。近年来，以深度学习为代表的人工智能技术为虚拟现实场景的智能生成与交互优化提供了新的解决思路。本文系统梳理了人工智能驱动的虚拟现实场景生成与交互优化的研究现状，重点分析了神经辐射场、三维高斯溅射、生成对抗网络等关键技术在场景自动构建中的应用，探讨了注视点渲染、视线预测、手势识别等交互优化方法，并对当前面临的技术挑战与未来发展方向进行了展望。研究表明，基于人工智能的场景生成方法在提升渲染效率和视觉真实感方面展现出显著优势，但在实时性、泛化能力和计算资源消耗等方面仍需进一步优化。

关键词：虚拟现实；场景生成；神经辐射场；三维高斯溅射；交互优化；深度学习

参考文献

[1]白洁,高天昱,顾耀祖,等.人工智能和虚拟现实技术在麻醉学教学中的实践与前景：个性化学习路径的综述研究[J].中国医学教育技术,2025,39(3):322-327.

[2]李英群,胡啸,徐翔,等.三维场景注视点渲染深度学习方法综述[J].中国图象图形学报,2024,29(10):2955-2978.

[3]何高湘,朱斌,解博,等.基于神经辐射场的新视角合成研究进展[J].激光与光电子学进展,2024,61(12):71-83.

[4]赵强,佘江峰,万奇峰,等.神经辐射场应用于大规模实景三维场景可视化研究进展[J].遥感学报,2024,28(5):1242-1261.

[5]靳晓丹. 基于辐射场的VR场景实时渲染的研究[D]. 重庆理工大学, 2024.

[6]杨航, 陈瑞, 安佳鹏, 等. 深度学习背景下的图像三维重建技术进展综述[J]. 中国图象图形学报, 2023, 28(8): 2396-2409.

[7]曾志鸿, 王宗继, 张源奔, 等. 利用本征属性分类的神经辐射场视角及语义一致性重建[J]. 中国图象图形学报, 2025, 30(3): 815-828.