Efficient Implicit Neural Compression of Point Clouds via Learnable Activation in Latent Space
Zhejiang University（浙江大学）
提出PICO框架，利用潜空间可学习激活的LeAFNet网络进行点云隐式神经压缩，在几何和属性压缩上优于传统方法，D1 PSNR平均提升4.92 dB。
2025-04-20 cs.CV
IRIS: Implicit Rendering Matters for Pose-Free Novel View Synthesis
National University of Defense Technology（国防科技大学）
IRIS提出一种完全自监督框架，通过潜在神经场和自预测相机实现无位姿新视角合成，兼顾隐式建模的灵活性与显式几何的稳定性，取得高质量渲染和竞争性位姿精度。
2026-09-17 cs.CV
Low-Rank-Modulated Functa: Exploring the Latent Space of Implicit Neural Representations for Interpretable Ultrasound Video Analysis
Yale Biomedical Imaging Institute, Yale University（耶鲁大学生物医学成像研究所）；Department of Emergency Medicine, Yale School of Medicine（耶鲁大学医学院急诊医学系）；Dept. of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系）
本文提出LRM-Functa，通过低秩调制在时间解析潜在空间中提升超声视频分析的可解释性与效率，优于现有方法并在心脏射血分数预测中表现优异。
2026-03-26 cs.CV
Unsupervised Video Anomaly Detection via Normalizing Flows with Implicit Latent Features
Yonsei University（延世大学）；NAVER CLOVA Video
在当代社会，监视异常检测，即，在监控录像中发现犯罪或事故等异常事件是一项重要任务。由于异常很少发生，大多数训练数据由没有异常事件的未标记视频组成，这使得任务具有挑战性。大多数现有的方法使用自动编码器（AE）来学习重建正常的视频，然后根据它们无法重建异常场景的外观来检测异常。然而，由于异常是通过外观和运动来区分的，因此许多以前的方法已经明确地分离了外观和运动信息-例如，使用预先训练的光流模型。这种明确的分离限制了两种类型信息之间的相互表示能力。相比之下，我们提出了一个隐式的双路径AE（ITAE），在这种结构中，两个编码器隐式地对外观和运动特征进行建模，以及一个解码器将它们结合起来学习正常的视频模式。针对正常场景的复杂分布，提出了基于归一化流（NF）的生成模型对ITAE特征进行正态密度估计，学习易处理的似然，并利用分布外检测识别异常。NF模型通过隐式学习特征学习正态性来增强ITAE性能。最后，我们证明了ITAE的有效性和它的特征分布建模的六个基准，包括数据库，包含在现实世界中的各种异常情况。
2022-08-04 cs.CV
Arbitrary-Scale Image Generation and Upsampling using Latent Diffusion Model and Implicit Neural Decoder
KAIST（韩国科学技术院）；LG Electronics（LG电子）；Imperial College London（伦敦帝国学院）
提出一种结合潜在扩散模型与隐式神经解码器的任意尺度图像生成和超分辨率方法，在潜在空间扩散以提高效率，并通过隐式解码器实现任意尺度输出，在质量、多样性和尺度一致性上优于现有方法，且推理更快、内存更省。
2024-03-15 cs.CV
NeRV-Diffusion: Diffuse Implicit Neural Representations for Video Synthesis
University of Maryland, College Park（马里兰大学学院 park）
本文提出 NeRV-Diffusion，将视频整体表示并生成为 INR 网络权重，通过超网络 tokenizer 与隐式扩散 Transformer 实现高质量、高效的视频合成及平滑插值。
2025-09-29 cs.CV
Prompt2NeRF-PIL: Fast NeRF Generation via Pretrained Implicit Latent
HKUST（香港科技大学）；Dartmouth College（达特茅斯学院）
本文提出 Prompt2NeRF-PIL，利用预训练 NeRF 参数隐式潜空间，通过单次前向传播实现文本或图像条件的快速 3D NeRF 生成，并将 DreamFusion 和 Zero-1-to-3 加速 3 至 5 倍。
2023-12-05 cs.CV
Latent Implicit Visual Reasoning
University of California, Berkeley（加州大学伯克利分校）；Xero；MIT-IBM Watson AI Lab（麻省理工-IBM Watson人工智能实验室）
本文提出了一种任务无关的机制，训练大规模多模态模型（LMMs）在无需显式中间监督的情况下发现和使用潜在视觉推理标记，从而在多种视觉中心任务中优于直接监督微调，并在不使用辅助图像、边界框、图像裁剪、深度图或思维链注释的情况下，与或优于先前基于文本和显式视觉中间推理方法相媲美。
2026-06-03 cs.CV
Neural Body: Implicit Neural Representations with Structured Latent Codes for Novel View Synthesis of Dynamic Humans
Zhejiang University（浙江大学）；The Chinese University of Hong Kong（香港中文大学）；Cornell University（康奈尔大学）
本文讨论了一个人类表演者从一个非常稀疏的一组相机的意见，新颖的视图合成的挑战。最近的一些工作表明，在给定密集输入视图的情况下，学习3D场景的隐式神经表示可以实现显着的视图合成质量。然而，如果视图是高度稀疏的，则表示学习将是不适定的。为了解决这个不适定问题，我们的关键思想是整合视频帧上的观察。为此，我们提出了神经身体，一种新的人体表示，它假设在不同帧处学习的神经表示共享锚定到可变形网格的同一组潜在代码，以便跨帧的观察可以自然地集成。可变形网格还为网络提供几何指导，以更有效地学习3D表示。为了评估我们的方法，我们创建了一个名为ZJU-MoCap的多视图数据集，该数据集捕获具有复杂动作的表演者。ZJU-MoCap上的实验表明，我们的方法在新的视图合成质量方面大大优于以前的作品。我们还展示了我们的方法的能力，重建一个移动的人从单目视频的人快照数据集。代码和数据集可在https://zju3dv.github.io/neuralbody/上获得。
2021-03-29 cs.CV
Latent-INR: A Flexible Framework for Implicit Representations of Videos with Discriminative Semantics
University of Maryland, College Park（马里兰大学帕克分校）
本文提出 Latent-INR 框架，通过逐帧潜变量字典与视频特定超网络解耦视频 INR 的空间与时间方面，使学习到的潜变量可与 CLIP、VideoLlama 等大模型对齐，从而在保持压缩效率的同时赋予视频隐式表示判别语义，支持检索、对话和插值等任务。
2024-08-05 cs.CV
Multi-Scale Implicit Transformer with Re-parameterize for Arbitrary-Scale Super-Resolution
Anhui University（安徽大学）
针对隐式神经表示难以适配不同放大因子的问题，提出由 MSNO 与 MSSA 构成的 MSIT，并结合 RIM 和累积训练策略，在 ASSR 任务上达到最先进性能。
2024-03-11 cs.CV
On the Effectiveness of Weight-Encoded Neural Implicit 3D Shapes
University of Toronto（多伦多大学）；McGill University（麦吉尔大学）
神经隐式输出一个数字，指示空间中给定的查询点是在内部、外部还是在表面上。许多先前的工作都集中在_latent-encoded_ neural implantation上，其中特定形状的潜在向量编码也作为输入。虽然提供了潜在空间插值，但这是以任何单一形状的重建精度为代价的。针对每个3D形状训练特定的网络，_weight-encoded_ neural implicit可以放弃潜在向量并将重建精度集中在单个形状的细节上。虽然以前被认为是3D扫描任务的中间表示或作为导致潜在编码任务的玩具问题，但权重编码神经隐式尚未被认真对待作为3D形状表示。在本文中，我们建立了权重编码的神经隐式满足第一类3D形状表示的标准。我们介绍了一套技术贡献，以提高重建精度，收敛性和鲁棒性时，学习有符号的距离场引起的多边形网格-事实上的标准表示。作为一个有损压缩，我们的转换优于标准技术的几何处理。与以前的潜在和权重编码的神经隐式相比，我们表现出优越的鲁棒性，可扩展性和性能。
2021-01-17 cs.CG cs.CV cs.GR
DISP6D: Disentangled Implicit Shape and Pose Learning for Scalable 6D Pose Estimation
The University of Hong Kong（香港大学）；Brown University（布朗大学）；Microsoft Research Asia（微软亚洲研究院）；Centre for Garment Production Limited, Hong Kong（香港成衣生产中心有限公司）；SUSTech（南方科技大学）；Texas A&M University（德克萨斯农工大学）
从RGB图像中对刚性物体进行可伸缩的6D姿态估计旨在处理多个物体并推广到新物体。建立在一个著名的自动编码框架，以应付对象的对称性和缺乏标记的训练数据，我们实现了可扩展性，通过解开自动编码器的潜在表示到形状和姿态子空间。潜在的形状空间模型的相似性不同的对象，通过对比度量学习，和潜在的姿势代码进行比较，旋转检索。由于不同的对象对称性诱导不一致的潜在姿态空间，我们重新纠缠的形状表示与规范旋转生成形状相关的姿态码本旋转检索。我们展示了两个基准测试的最先进的性能，分别包含无纹理的CAD对象，没有类别和日常对象的类别，并通过扩展到更具有挑战性的设置跨类别的日常对象，进一步证明了改进的可扩展性。
2022-07-21 cs.CV
Learning Disentangled Latent Factors from Paired Data in Cross-Modal Retrieval: An Implicit Identifiable VAE Approach
Samsung AI Center Cambridge（三星剑桥人工智能中心）；Rutgers University（罗格斯大学）
我们处理的问题，学习潜在的解开潜在因素之间共享的成对的双模态数据在跨模态检索。我们的假设是，这两种模式中的数据都是复杂的、结构化的和高维的（例如，图像和文本），对于这些，诸如变分自编码器（VAE）的常规深度自动编码潜在变量模型经常遭受准确解码器训练或真实合成的困难。一个次优训练的解码器可能会损害模型识别真实因素的能力。在本文中，我们提出了一种新的想法，隐式解码器，它完全删除了环境数据解码模块从一个潜在的变量模型，通过隐式编码器反演，实现了雅可比正则化的低维嵌入函数。从最近的可识别的VAE（IVAE）模型的动机，我们修改它，将查询模态数据作为条件辅助输入，这使我们能够证明，模型的真实参数可以确定在一定的规律性条件下。在真实因素完全/部分可用的各种数据集上进行测试，我们的模型可以准确地识别因素，显着优于传统的编码器-解码器潜变量模型。我们还在大型食物图像/食谱数据集Recipe 1 M上测试了我们的模型，其中通过我们的方法学习的因素与广泛认同的最明显的食物因素高度一致，包括美味，平淡和绿色。
2020-12-01 cs.CV cs.LG
Pixel2ISDF: Implicit Signed Distance Fields based Human Body Model from Multi-view and Multi-pose Images
Dalian University of Technology（大连理工大学）；University of California, Merced（加州大学默塞德分校）；Northwestern Polytechnical University（西北工业大学）；ZMO AI Inc.（ZMO人工智能公司）
在这份报告中，我们专注于重建在规范空间中的多个视图和姿势的人作为输入的衣服的人。为了实现这一点，我们利用SMPLX模型在规范空间中的几何先验来学习几何重建的隐式表示。基于观察到的构成网格和规范空间中的网格之间的拓扑结构是一致的，我们提出了学习潜在代码的构成网格利用多个输入图像，然后分配潜在代码的规范空间中的网格。具体来说，我们首先利用法线和几何网络来提取SMPLX网格上每个顶点的特征向量。与2D图像相比，法线映射被采用以更好地泛化到不可见的图像。然后，从多个图像的姿态网格上的每个顶点的特征是由MLP集成。作为潜在代码的集成功能锚定到SMPLX网格在规范空间。最后，每个三维点的潜在代码被提取并用于计算SDF。我们的工作，重建人体形状的规范姿势达到第三次性能的WCPA MVP-人体挑战赛。
2022-12-06 cs.CV
ROAD: Learning an Implicit Recursive Octree Auto-Decoder to Efficiently Encode 3D Shapes
Toyota Research Institute（丰田研究所）
3D形状的紧凑和准确表示是许多感知和机器人任务的核心。最先进的基于学习的方法可以重建单个对象，但对大型数据集的扩展性很差。我们提出了一种新的递归隐式表示，通过递归遍历隐式八叉树在潜在空间中，有效地和准确地编码大型数据集的复杂的3D形状。我们的隐式递归八叉树自动解码器（ROAD）学习分层结构的潜在空间，以99%以上的压缩比实现最先进的重建结果。我们还提出了一个有效的课程学习计划，自然利用底层八叉树空间表示的粗到细的属性。我们探讨了与潜在空间维度、数据集大小和重建精度相关的缩放定律，表明增加潜在空间维度足以缩放到大型形状数据集。最后，我们证明了我们学习的潜在空间编码了一个由粗到细的层次结构，在不同层次的细节中产生可重用的潜在信息，并且我们提供了定性的证据，证明了训练集之外的新形状的泛化。
2022-12-12 cs.CV cs.GR cs.RO
LEIA: Latent View-invariant Embeddings for Implicit 3D Articulation
University of Maryland（马里兰大学）
本文提出LEIA，通过状态条件超网络参数化NeRF并学习视角不变的潜在表示，实现动态3D物体建模、状态插值与新关节配置生成，且无需运动信息即可优于既有配准方法。
2024-09-10 cs.CV
LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling
Fudan University（复旦大学）；Google（谷歌）
4D隐式表示的最新进展主要集中在全局控制的形状和运动的低维特征向量，这是容易丢失的表面细节和积累跟踪误差。虽然许多深度局部表示已经显示出3D形状建模的有希望的结果，但它们的4D对应物还不存在。在本文中，我们填补了这一空白，提出了一种新的局部4D隐式表示的动态服装人体，命名为LoRD，它具有的优点，4D人体建模和局部表示，并实现高保真重建与详细的表面变形，如衣服的皱纹。特别是，我们的关键见解是鼓励网络学习局部部分级表示的潜在代码，能够解释局部几何形状和时间变形。为了在测试时进行推断，我们首先估计内部身体骨架运动以在每个时间步跟踪局部部分，然后基于不同类型的观察数据通过自动解码来优化每个部分的潜在代码。实验结果表明，该方法具有较强的4D人体表示能力，在稀疏点的4D重建、非刚性深度融合等实际应用中，无论在定性还是定量上都优于现有方法。
2022-08-18 cs.CV
Inverting the Generation Process of Denoising Diffusion Implicit Models: Empirical Evaluation and a Novel Method
Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院）；RIKEN Center for AIP（理化学研究所AIP中心）
提出一种结合梯度下降和不动点方法的混合方法，用于从生成图像中恢复DDIM的初始噪声图，显著提高了预测精度和重建质量。
2026-06-02 cs.CV
An attempt to generate new bridge types from latent space of denoising diffusion Implicit model
Wanshi Antecedence Digital Intelligence Traffic Technology Co., Ltd（万世前因数字智慧交通科技有限公司）
本研究利用去噪扩散隐式模型，基于对称结构桥梁图像数据集进行训练，从潜在空间采样生成不对称新桥型，并提供了易懂的数学推导以助初学者理解。
2024-02-11 cs.AI cs.CV cs.LG
Implicit Latent Variable Model for Scene-Consistent Motion Forecasting
Uber ATG（Uber先进技术集团）；University of Toronto（多伦多大学）
为了规划安全的机动，自动驾驶汽车必须准确地感知其环境，并了解交通参与者之间的相互作用。在本文中，我们的目标是直接从传感器数据中学习复杂城市交通的场景一致性运动预测。特别是，我们建议通过隐式潜变量模型来表征未来轨迹的联合分布。我们将场景建模为交互图，并采用功能强大的图神经网络来学习场景的分布式潜在表示。再加上一个确定性的解码器，我们获得的轨迹样本是一致的交通参与者，实现最先进的运动预测和交互理解的结果。最后但并非最不重要的是，我们证明了我们的运动预测的结果更安全，更舒适的运动规划。
2020-07-23 cs.CV cs.LG cs.RO
ImHead: A Large-scale Implicit Morphable Model for Localized Head Modeling
Imperial College London（伦敦帝国学院）
提出隐式3D形变模型imHead，通过紧凑单身份空间与特定区域隐表示实现3D头部建模及面部特征局部编辑，在4K身份数据集上表现优于以往方法。
2025-10-12 cs.CV
Generative Latent Implicit Conditional Optimization when Learning from Small Sample
The Hebrew University（希伯来大学）
我们重新审视了长期存在的小样本学习问题，为此，我们提出了一种新的方法，称为GLICO（生成潜在隐式条件优化）。GLICO学习从训练样本到潜在空间的映射以及从潜在空间中的向量生成图像的生成器。与大多数依赖于访问大量未标记数据的最新作品不同，GLICO不需要访问除少量标记点之外的任何其他数据。事实上，GLICO学会了为每个类合成全新的样本，每个类使用5到10个样本，其中只有10个这样的类，而没有任何先验知识。然后，GLICO用于增强小训练集，同时在小样本上训练分类器。为此，我们提出的方法使用球面插值对学习的潜在空间进行采样，并使用训练的生成器生成新的示例。实验结果表明，新的采样集是足够多样的，导致改善图像分类与现有技术相比，当训练的小样本从CIFAR-10，CIFAR-100，和CUB-200。
2020-12-15 cs.CV cs.LG stat.ML
Learning Sewing Patterns via Latent Flow Matching of Implicit Fields
Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学）；Southern University of Science and Technology（南方科学与技术大学）
本文提出基于隐式表示的缝纫图案建模方法，通过潜在流匹配模型和缝合预测模块实现复杂结构的准确建模与生成，并能从图像中估计缝纫图案，支持数字时尚设计中的补全与改版应用。
2026-04-15 cs.CV cs.GR
LIFT: Latent Implicit Functions for Task- and Data-Agnostic Encoding
University of Toronto（多伦多大学）；Vector Institute（向量研究所）；University Health Network（大学健康网络）
本研究提出用于任务与数据无关编码的LIFT框架及增强版ReLIFT，通过元学习结合多并行局部隐式函数与分层潜在生成器实现多尺度表征，在多类任务中取得SOTA性能并降低计算成本。
2025-03-19 cs.CV cs.LG
LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies
Zhejiang University（浙江大学）；ETH Zurich（苏黎世联邦理工学院）；Microsoft（微软）
人体的三维表示和重建是计算机视觉领域的一个重要研究课题。传统方法主要依赖于参数统计线性模型，将可能的物体的空间限制为线性组合。直到最近，一些方法才尝试利用神经隐式表示进行人体建模，虽然展示了令人印象深刻的结果，但它们要么受到表示能力的限制，要么没有物理意义和可控性。在这项工作中，我们提出了一种新的神经隐式表示的人体，这是完全可微和优化的解开形状和姿势的潜在空间。与之前的工作相反，我们的表示是基于运动学模型设计的，这使得表示对于姿势动画等任务是可控的，同时允许对形状和姿势进行优化，以执行3D拟合和姿势跟踪等任务。我们的模型可以直接在非防水的原始数据上进行训练和微调，并具有精心设计的损失。实验表明，改进的3D重建性能SoTA方法，并显示我们的方法的适用性形状插值，模型拟合，姿态跟踪和运动重定向。
2021-11-30 cs.CV
D$^2$IM-Net: Learning Detail Disentangled Implicit Fields from Single Images
Simon Fraser University（西蒙弗雷泽大学）
我们提出了第一个单视图三维重建网络，旨在从输入图像中恢复几何细节，其中包括拓扑形状结构和表面特征。我们的关键思想是训练网络学习由两个函数组成的详细的解纠缠重建，一个隐式字段表示粗略的3D形状，另一个捕获细节。给定一个输入图像，我们的网络，创造D $^2$ IM-Net，将其编码为全局和局部特征，分别输入到两个解码器。基本解码器使用全局特征来重建粗略的隐式场，而细节解码器从局部特征重建在捕获对象的正面和背面上定义的两个位移图。最终的3D重建是基础形状和位移图之间的融合，其中三个损失通过新的拉普拉斯项强制恢复粗糙形状、整体结构和表面细节。
2020-12-17 cs.CV
Recovering Fine Details for Neural Implicit Surface Reconstruction
Fraunhofer HHI（弗劳恩霍夫海因里希·赫兹研究所）；TU Berlin（柏林工业大学）；HU Berlin（柏林洪堡大学）
最近的工作内隐神经表征取得了重大进展。使用体渲染学习隐式神经表面在无3D监督的多视图重建中得到了普及。然而，由于几何和外观表示的潜在模糊性，精确地恢复精细细节仍然是具有挑战性的。在本文中，我们提出了D-NeuS，一个体渲染基神经隐式表面重建方法能够恢复精细的几何细节，扩展NeuS的两个额外的损失函数，以提高重建质量。首先，我们鼓励从阿尔法合成渲染的表面点有符号的距离值为零，减轻几何偏差所产生的转换SDF的密度体渲染。其次，我们施加多视图功能的一致性的表面上的点，通过插值SDF零交叉从采样点沿射线。大量的定量和定性结果表明，我们的方法重建高精度的表面细节，并优于最先进的。
2022-11-21 cs.CV
Facial Geometric Detail Recovery via Implicit Representation
Shanghai Jiao Tong University（上海交通大学）；Imperial College London（帝国理工学院）；Huawei CBG（华为消费者业务集团）
从单个面部图像中学习具有精细尺度细节的密集3D模型是非常具有挑战性和不适定的。为了解决这个问题，许多方法通过面部先验拟合平滑几何形状，同时学习细节作为额外的位移图或个性化基础。然而，这些技术通常需要大量成对多视图数据或3D扫描的数据集，而这样的数据集是稀缺且昂贵的。为了减轻沉重的数据依赖，我们提出了一个强大的纹理引导的几何细节恢复方法，只使用一个单一的野生面部图像。更具体地说，我们的方法结合了高质量的纹理完成与隐式曲面的强大表现力。最初，我们修补被遮挡的面部部分，生成完整的纹理，并构建同一主题的精确多视图数据集。为了估计详细的几何形状，我们定义了一个隐式的有符号距离函数，并采用基于物理的隐式渲染器从生成的多视图图像中重建精细的几何细节。我们的方法不仅恢复准确的面部细节，而且还分解法线，阴影和阴影部分在一个自我监督的方式。最后，我们将隐式形状细节注册到3D Morphable Model模板，该模板可用于传统的建模和渲染管道。大量的实验表明，所提出的方法可以从单个图像中重建令人印象深刻的面部细节，特别是与在大型数据集上训练的最先进的方法相比。
2022-03-18 cs.CV
Learning Implicit Functions for Topology-Varying Dense 3D Shape Correspondence
Michigan State University（密歇根州立大学）
本文的目标是以无监督的方式学习拓扑变化对象的密集3D形状对应。传统的隐式函数估计给定形状潜码的3D点的占用。相反，我们的新隐式函数为每个3D点生成一个部分嵌入向量，该向量被假设为与相同对象类别的另一个3D形状中的密集对应点相似。此外，我们实现了密集的对应，通过一个反函数映射从部分嵌入到相应的3D点。这两个函数联合学习几个有效的损失函数，以实现我们的假设，与编码器产生的形状潜码。在推理过程中，如果用户选择源形状上的任意点，我们的算法可以自动生成一个置信度分数，指示目标形状上是否存在对应关系，以及对应的语义点（如果存在）。这种机制本质上有利于具有不同部件构造的人造物体。我们的方法的有效性证明，通过无监督的三维语义对应和形状分割。
2020-10-26 cs.CV
Transferable End-to-end Room Layout Estimation via Implicit Encoding
Peking University（北京大学）；Intel Labs（英特尔研究院）
我们研究的问题，估计从一个单一的全景图像的房间布局。以往的研究大多分为两个阶段：特征提取和参数化模型拟合。在这里，我们提出了一个端到端的方法，直接预测参数布局从输入的全景图像。它利用了一个隐式的编码过程，嵌入到潜在的空间参数布局。然后学习从图像到这个潜在空间的映射，使端到端的房间布局估计成为可能。然而，端到端方法有几个臭名昭著的缺点，尽管有许多有趣的属性。一个广泛提出的批评是，他们受到数据集偏见的困扰，并且不会转移到不熟悉的领域。我们的研究回应了这一共同信念。为此，我们建议使用语义边界预测图作为中间域。它在四个基准测试（Structured3D，PanoContext，S3DIS和Matterport3D）上带来了显着的性能提升，特别是在zero-shot传输设置中。将发布代码、数据和模型。
2021-12-21 cs.CV
MorphoFlow: Sparse-Supervised Generative Shape Modeling with Adaptive Latent Relevance
Kahlert School of Computing, Scientific Computing
MorphoFlow通过自适应潜在相关性权重，从稀疏表面标注直接学习紧凑的概率形状表示，实现高分辨率重建和解构解剖变异模式。
2026-04-13 cs.CV
Learning Implicit Functions for Dense 3D Shape Correspondence of Generic Objects
Michigan State University（密歇根州立大学）
本文的目标是以无监督的方式学习拓扑变化通用对象的密集3D形状对应关系。传统的隐式函数估计给定形状潜码的3D点的占用。相反，我们的新隐式函数产生一个概率嵌入，以表示部分嵌入空间中的每个3D点。假设对应点在嵌入空间中是相似的，我们通过从部分嵌入向量到对应的3D点的反函数映射来实现稠密对应。这两个函数与几个有效的和不确定性感知的损失函数联合学习，以实现我们的假设，以及编码器生成的形状潜码。在推理过程中，如果用户选择源形状上的任意点，我们的算法可以自动生成一个置信度分数，指示目标形状上是否存在对应关系，以及对应的语义点（如果存在）。这种机制本质上有利于具有不同部件构造的人造物体。我们的方法的有效性证明，通过无监督的三维语义对应和形状分割。
2022-12-29 cs.CV
MedIL: Implicit Latent Spaces for Generating Heterogeneous Medical Images at Arbitrary Resolutions
University of Virginia（弗吉尼亚大学）
针对医学图像尺寸异质、重采样丢失细节的问题，提出首个支持任意分辨率编码的自动编码器MedIL，通过隐式神经表示保留临床特征，提升扩散模型生成图像质量，接近原始临床采集效果。
2025-04-12 cs.CV cs.LG
Locality-Aware Generalizable Implicit Neural Representation
Kakao Brain；POSTECH（浦项科技大学）
提出一种结合Transformer编码器与局部感知解码器的可泛化隐式神经表示框架，通过选择性聚合潜在标记和多频带调制实现空间与频谱的局部感知，显著提升性能并验证其在下游任务中的价值。
2023-10-12 cs.CV cs.LG
RaPD: Resolution-Agnostic Pixel Diffusion via Semantics-Enriched Implicit Representations
College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）；vivo Mobile Communication Co., Ltd.（vivo移动通信有限公司）；Nanjing University（南京大学）
RaPD通过语义表示引导和坐标查询注意力渲染器，在连续神经图像场的潜在空间中实现分辨率无关的像素扩散，解决了重建与生成之间的差距，提升了生成质量和分辨率扩展能力。
2026-10-19 cs.AI cs.CV
High-Fidelity Medical Shape Generation via Skeletal Latent Diffusion
本文提出了一种骨骼潜在扩散框架，通过结合结构先验实现高效高保真医学形状生成，并构建了大规模MedSDF数据集以提升生成质量与效率。
2026-03-12 cs.CV
Mending Neural Implicit Modeling for 3D Vehicle Reconstruction in the Wild
Uber ATG；University of Toronto（多伦多大学）；Massachusetts Institute of Technology（麻省理工学院）
从单个视图的稀疏、部分观测重建高质量的3D对象对于计算机视觉、机器人和图形学中的各种应用至关重要。虽然最近的神经隐式建模方法在合成或密集数据上显示出有希望的结果，但它们在稀疏和有噪声的真实世界数据上表现不佳。我们发现，一个流行的神经隐式模型的局限性是由于缺乏强大的形状先验和缺乏适当的正则化。在这项工作中，我们展示了高质量的野外形状重建，使用：（i）深度编码器作为形状潜在代码的鲁棒初始化器;（ii）潜在代码的正则化测试时间优化;（iii）深度编码器作为学习的高维形状先验;（iv）新的课程学习策略，其允许模型学习合成数据上的形状先验，并将它们平滑地转移到稀疏的真实世界数据。我们的方法可以更好地捕捉全局结构，在遮挡和稀疏观测上表现良好，并且与地面真实形状配准良好。我们在两个真实世界的数据集上展示了优于最先进的3D对象重建方法的性能。
2021-11-25 cs.CV
Topology-Aware Latent Diffusion for 3D Shape Generation
Nanyang Technological University（南洋理工大学）；Dalian University of Technology（大连理工大学）；Fudan University（复旦大学）；Chinese Academy of Sciences（中国科学院）；SenseTime Research（商汤科技研究院）
本研究提出一种结合潜在扩散与持久同调的拓扑感知三维形状生成模型，通过两阶段生成流程可生成多样拓扑结构的形状，且支持多种输入约束下的拓扑可控生成。
2024-01-31 cs.CV
Fast Omni-Directional Image Super-Resolution: Adapting the Implicit Image Function with Pixel and Semantic-Wise Spherical Geometric Priors
College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院）；Guangdong Laboratory of Artificial Intelligence and Digital Economy(SZ)（广东省人工智能与数字经济实验室（深圳））；Peng Cheng Laboratory（鹏城实验室）
针对全向图像超分辨率中等矩形投影的非均匀过采样问题，本文提出FAOR模型，通过在潜在表示和重建阶段融入球面几何先验适配隐式图像函数，实现快速任意尺度超分辨率，性能优于现有模型且推理速度更快。
2025-02-09 cs.CV
DualContrast: Unsupervised Disentangling of Content and Transformations with Implicit Parameterization
Carnegie Mellon University（卡内基梅隆大学）
本文提出 DualContrast，通过在数据空间和潜空间构建内容与变换的正负对比对，实现无监督隐式解耦，并在科学图像上优于显式参数化及自监督方法。
2025-02-16 cs.CV
AIR-Nets: An Attention-Based Framework for Locally Conditioned Implicit Representations
University of Konstanz（康斯坦茨大学）
本文介绍了注意隐式表示网络（AIR-Nets），这是一种简单但高效的点云三维重建架构。由于以局部和模块化方式表示3D形状可以提高泛化和重建质量，因此AIR-Nets将输入点云编码为一组锚定在3D空间中的局部潜在向量，这些向量局部描述对象的几何形状，以及全局潜在描述，从而实现全局一致性。我们的模型是第一个无网格的，基于编码器的方法，局部描述了一个隐式函数。来自[Zhao et al. 2020]的向量注意力机制作为主要的点云处理模块，并允许排列不变性和平移等变性。当用3D坐标查询时，我们的解码器从全局和附近的局部隐向量中收集信息，以预测占用值。ShapeNet数据集上的实验表明，AIR-Nets的性能明显优于以前最先进的基于编码器的隐式形状学习方法，尤其是在稀疏设置中占主导地位。此外，我们的模型在zero-shot设置中很好地推广到FAUST数据集。最后，由于AIR-Nets使用稀疏的潜在表示并遵循简单的操作方案，因此该模型为未来的工作提供了几个现有的途径。我们的代码可在https://github.com/SimonGiebenhain/AIR-Nets上获得。
2021-10-22 cs.AI cs.CV cs.LG
Gaze-Anchored Social Net: Decoding Implicit Relations via Joint Modeling
University of Birmingham（伯明翰大学）；Korea Electronics Technology Institute（韩国电子技术研究所）
研究针对标准模型处理注视问题的不足，提出ANCHOR范式，通过联合建模视觉注意力和隐式关系解码注视锚定的社会意图，利用关系注意力机制等方法，在扩展基准上验证，取得先进性能，证明可从静态注视模式学习隐式社会层次结构。
2026-07-28 cs.CV
Implicit Rank-Minimizing Autoencoder
Facebook AI Research（Facebook人工智能研究院）；New York（纽约）
自动编码器的一个重要组成部分是潜在表示的信息容量被最小化或限制的方法。在这项工作中，代码的协方差矩阵的秩被隐式地最小化，依赖于多层线性网络中的梯度下降学习导致最小秩解的事实。通过在编码器和解码器之间插入一些额外的线性层，系统自发地学习具有低有效维度的表示。该模型被称为隐式秩最小化自动编码器（IRMAE），简单，确定性，并学习紧凑的潜在空间。我们证明了几个图像生成和表示学习任务的方法的有效性。
2020-10-14 cs.CV cs.LG stat.ML
HFI: A unified framework for training-free detection and implicit watermarking of latent diffusion model generated images
LG AI Research（LG AI研究院）；Sungkyunkwan University（成均馆大学）；University of Massachusetts at Amherst（马萨诸塞大学阿默斯特分校）
本文提出HFI框架，用于训练自由检测和隐式水印，通过分析潜在扩散模型生成图像的高频信息畸变，有效检测复杂背景图像。
2026-04-13 cs.CV cs.LG
HR-NeuS: Recovering High-Frequency Surface Geometry via Neural Implicit Surfaces
UC Berkeley（加州大学伯克利分校）；Amazon（亚马逊）
用于多视图3D重建的神经隐式表面的最新进展主要集中在提高大规模表面重建精度上，但通常会产生缺乏精细表面细节的过度平滑的几何形状。为了解决这个问题，我们提出了高分辨率NeuS（HR-NeuS），这是一种新的神经隐式表面重建方法，可以恢复高频表面几何形状，同时保持大规模重建精度。我们通过利用（i）多分辨率哈希网格编码而不是高频位置编码来实现这一点，这提高了我们的模型对局部几何细节的表达能力;（ii）一个由粗到细的算法框架，该框架选择性地将表面正则化应用于粗糙几何形状，而不会平滑精细细节;（iii）一个由粗到细的网格退火策略来训练网络。我们通过对DTU和BlendedMVS数据集的实验证明，与以前的方法相比，我们的方法产生的3D几何形状在质量上更详细，在数量上具有相似的精度。
2023-02-14 cs.CV
Learning Compact Latent Space for Representing Neural Signed Distance Functions with High-fidelity Geometry Details
针对多个高保真几何细节神经符号距离函数（SDFs）分析时的潜在空间信息有限与细节丢失问题，提出结合泛化和过拟合学习策略的公共空间表示方法，辅以新颖采样策略，在基准测试中展现更优的表示能力与紧凑性。
2025-11-18 cs.CV
ANISE: Assembly-based Neural Implicit Surface rEconstruction
University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）；Adobe Research（奥多比研究院）
ANISE提出一种部件感知的神经隐式装配表示，以由粗到细方式从图像或稀疏点云重建三维形状，在部件级重建和数据库受限的部件装配检索上均取得领先性能。
2023-07-05 cs.CV cs.GR
RDA-INR: Riemannian Diffeomorphic Autoencoding via Implicit Neural Representations
University of Twente（特文特大学）
提出基于隐式神经表示的新型编码器RDA-INR，克服神经网络微分同胚配准中分辨率依赖和忽略特定几何信息的局限，实现分辨率不变的黎曼统计潜变量建模并提升性能。
2024-07-30 cs.CV cs.GR eess.IV
Augmenting Implicit Neural Shape Representations with Explicit Deformation Fields
Weizmann Institute of Science（魏茨曼科学研究所）；Facebook AI Research（Facebook AI研究院）
隐式神经表示是一种将形状集合学习为神经网络的零水平集的最新方法，其中每个形状由潜在代码表示。到目前为止，焦点一直是形状重建，而形状泛化主要留给通用的编码器-解码器或自动解码器正则化。在本文中，我们提倡隐式神经表征的变形感知正则化，旨在产生合理的变形作为潜在代码的变化。挑战在于隐式表示无法捕捉不同形状之间的对应关系，这使得难以表示和正则化它们的变形。因此，我们建议将形状的隐式表示与作为辅助函数学习的显式分段线性变形场配对。我们证明，通过正则化这些变形场，我们可以鼓励隐式神经表示在学习的形状空间中诱导自然变形，例如尽可能刚性的变形。
2021-08-19 cs.CV cs.GR cs.LG
Single-Shot Implicit Morphable Faces with Consistent Texture Parameterization
Stanford University（斯坦福大学）；NVIDIA（英伟达）
针对现有3D人脸模型难以兼顾细节捕捉、可驱动性与泛化性的问题，提出兼具泛化性与编辑直观性的隐式3D可变形人脸模型，在照片真实感、几何与表情精度上优于现有方法。
2023-05-04 cs.CV
UNIST: Unpaired Neural Implicit Shape Translation Network
Simon Fraser University（西蒙弗雷泽大学）；Autodesk AI Lab（欧特克人工智能实验室）
我们介绍了UNIST，这是第一个在2D和3D域中用于通用的非配对形状到形状转换的深度神经隐式模型。我们的模型建立在自动编码隐式字段上，而不是代表最先进技术的点云上。此外，我们的翻译网络经过训练，可以在潜在网格表示上执行任务，该表示结合了潜在空间处理和位置感知的优点，不仅可以进行剧烈的形状变换，还可以很好地保留空间特征和自然形状翻译的精细局部细节。使用相同的网络架构，并且仅由输入域对决定，我们的模型可以学习保持样式的内容更改和保持内容的样式传输。我们展示了翻译结果的一般性和质量，并将其与众所周知的基线进行比较。代码可在https://qiminchen.github.io/unist/上获得。
2022-03-30 cs.CV cs.GR
SALAD: Part-Level Latent Diffusion for 3D Shape Generation and Manipulation
KAIST（韩国科学技术院）
提出基于部件级隐式3D表示的级联扩散模型SALAD，通过分阶段学习外在参数与内在属性子空间，实现高质量3D生成并支持无需额外训练的部件级编辑与操控。
2024-03-20 cs.CV
NeuralGrasps: Learning Implicit Representations for Grasps of Multiple Robotic Hands
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；St. Mark’s School of Texas（德克萨斯圣马克学校）
我们引入了一个神经隐式表示从多个机器人手的物体的把握。多个机器人手的不同抓握被编码到共享的潜在空间中。每个隐向量被学习以根据两个3D形状的带符号距离函数解码为对象的3D形状和处于抓取姿势的机器人手的3D形状。此外，学习潜在空间中的距离度量以保持不同机器人手之间的抓握之间的相似性，其中抓握的相似性根据机器人手的接触区域来定义。这个属性使我们的方法，以转移掌握不同的抓手，包括人手之间，掌握转移有可能分享机器人之间的抓取技能，使机器人学习掌握技能从人类。此外，在我们的隐式表示中的物体和抓握的编码的有符号距离函数可以用于6D物体姿态估计，并从部分点云进行抓握接触优化，这使得机器人能够在现实世界中进行抓握。
2022-07-06 cs.AI cs.CV cs.LG
