本研究探讨了深度正则化的ResNet和Transformer中的神经崩溃现象，发现经过训练的全局最优解接近崩溃状态，且随着网络深度增加，这种近似更加紧密。这一发现为深度模型的应用提供了理论支持，并在计算机视觉和语言数据集上进行了验证。

本文介绍了一种基于3D高斯辐射场的训练方法，旨在提高稀疏视图下的重建质量。通过深度正则化和高效的视角合成技术，显著提升了渲染速度和细节重建，超越了现有方法的性能，并探讨了3D高斯喷洒在实时渲染中的应用潜力。