SCADE：基于歧义感知深度估计与空间雕刻的 NeRF 重建

基于摘要分析。SCADE 面向真实环境室内场景中稀疏、无约束输入视图下的 NeRF 三维重建，针对视图不足时体渲染约束不充分的问题，引入具有歧义感知能力的单目深度先验，并通过空间雕刻损失融合多视图几何信息。 核心机制是避免将单目深度估计视为唯一确定的几何答案。作者使用条件隐式最大似然估计（conditional Implicit Maximum Likelihood Estimation，cIMLE），为每个视图学习连续、多模态的深度估计分布，以表达单目深度问题固有的多解性。随后，空间雕刻损失引导 NeRF 融合各视图的多个候选深度图，从中提取与所有视图一致的共同几何。其方法特点在于将深度歧义显式保留到多视图融合阶段，而非仅依赖单个深度预测约束重建。 作者报告，在稀疏视图条件下，该方法能够提高新视角合成的保真度。摘要未提供数据集名称、输入视图数量、划分方式、对照基线、具体指标及数值，因此无法据此判断收益幅度或适用边界；损失的具体形式、训练配置、实验协议、消融及统计信息尚未验证。 该工作的主要研究对象是视觉三维重建，其机制依赖多视图图像、单目深度先验和跨视图几何一致性。材料未提供这些结构与 EEG/BCI 任务的具体对应关系，不宜将其改写为神经信号建模创新，也不据此提出直接迁移或复现实验建议。已有 EEG 相关工作尚未检索确认。