BLiSS：自举式线性形状空间

基于摘要分析。本文研究如何从原始扫描构建可变形形状模型，核心难点是在保留充分形状变化的同时建立扫描之间的稠密对应。作者提出 BLiSS，以少量人工配准扫描启动，逐步扩充形状空间，并利用该空间自动为新的未配准扫描建立对应关系。 核心机制是交替推进两个相互依赖的问题：稠密对应为形状空间构建提供基础，而具有表达力的形状空间又提供低维搜索空间，用于约束后续对应估计。摘要指出，传统流程通常结合较多人工干预与非刚性配准；BLiSS 的方法重点则是利用已有形状空间引导新增扫描的处理，再借助新增扫描丰富空间。 其关键组件是非线性形变模型，用于捕捉低维形状空间遗漏的细节，从而支持形状空间的渐进式扩充。需要区分标题中的线性形状空间与流程中的非线性形变组件，不能将整体方法理解为纯线性配准。摘要未给出形变模型的具体参数化、优化目标、更新流程或停止条件，这些实现细节尚未验证。 摘要未提供扫描数据集、初始化样本规模、评估划分、对应或重建误差以及定量对照结果，因而目前不能判断其自动化程度、人工成本节省或对复杂形状变化的鲁棒性。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几何形状建模与扫描配准，而非时间序列状态空间模型，也非 EEG/BCI 解码。现有材料未建立形状稠密对应与神经信号建模之间的具体机制联系，因此不据此提出 BCI 迁移效果或复现实验建议。