Tag · 6 篇

神经场

分布 3D 视觉与重建2自监督与表征学习1生成模型与扩散1底层视觉与图像复原1目标检测与定位1

Weight Space Representation Learning via Neural Field Adaptation

把预训练神经场的乘性低秩适配权重本身当作图像/3D 场景的表征，可直接接入潜变量扩散模型做生成，为视觉研究提供了一条绕开像素或特征编码器的「权重即表征」路线，可用于少样本重建与权重空间编辑。

VENI: Variational Encoder for Natural Illumination

提供了一种在球面上直接建模光照环境的旋转等变变分自编码器，其 SO(2)-等变全连接层和 VN-ViT 编码器可复用于任何需要球面信号（如环境贴图、全景图）等变表征的视觉任务，并给出了更平滑的潜空间插值方案。

Neural Field-Based 3D Surface Reconstruction of Microstructures from Multi-Detector Signals in Scanning Electron Microscopy

把神经场与可学习前向模型结合，将 SEM 多探测器信号中的光度立体线索与多视角几何融合，实现自标定、抗阴影的三维表面重建；这套「物理成像模型嵌入神经场」的思路可迁移到其他非标准成像模态（如显微、内窥、X 光）的三维重建。

Inter-Photon-Limited Videography

提出神经通量场（Neural Flux Fields），将光子到达的统计建模与神经网络先验结合，用于在光子间隔极限下重建动态场景视频，为极低光照或高速视频采集提供可复用方法。

Haptic Neural Fields: Bringing Tactile Interactions to 3D Rendered Scenes

将神经场从纯视觉渲染扩展到触觉信号合成，为视觉研究者提供了一种以几何与交互动态为条件的隐式场建模思路，可用于多模态场景表示与交互式渲染。

CHAL: Causal-guided Hierarchical Anomaly-aware Learning for Moving Infrared Small Target Detection

将目标检测转化为背景建模下的异常发现，利用时空神经场学习背景演化模式，并通过因果引导机制抑制背景混杂造成的虚假关联，为弱小目标检测提供了新思路。