基于局部片块级姿态不变表征学习三维等变隐式函数

基于摘要分析。本文研究连续三维表面的隐式表示与重建，提出局部片块级等变隐式函数 PEIF，利用局部片块的姿态不变表征，为查询点估计等变位移向量场以重建表面。其出发点是：消除姿态因素后，不同三维形状或表面中的局部片块会重复出现。 机制上，PEIF 以姿态归一化后的查询点—片块对为基础，并引入内在片块几何表征，通过可学习的多头记忆库建模局部三维几何特征。这里需要区分表征的姿态不变性与输出位移向量场的等变性：前者服务于局部几何模式的复用，后者用于与空间变换相协调的表面重建。具体姿态归一化过程、记忆库组织方式、损失函数及训练与推理流程尚未验证。 作者报告，PEIF 在多个表面重建数据集上达到当时最优性能，并表现出更好的跨数据集形状泛化能力及对任意旋转的鲁棒性。摘要未提供数据集名称、划分、对照方法、指标或数值，因此尚不能核验这些优势的适用范围；实验协议、消融及统计信息尚未验证。 本文的主要研究对象是三维几何表面，而非 EEG 或 BCI。摘要未建立几何片块、姿态变换与神经信号之间的具体对应关系，不能据此推断其具有 EEG 解码价值；已有 EEG 相关工作尚未检索确认。