NDC-Scene：在归一化设备坐标空间中提升单目三维语义场景补全

基于摘要分析。本文研究单目三维语义场景补全（SSC），目标是在不需要三维输入的条件下，从单张图像预测场景的三维几何与语义。作者提出 NDC-Scene，将二维特征逐步扩展到归一化设备坐标（Normalized Device Coordinates，NDC）空间，而非直接扩展到世界坐标空间，以改善特征表达与计算分配。 作者指出现有方法存在三类问题：二维特征沿视线投影到三维空间时的特征歧义、三维卷积的姿态歧义，以及不同深度层级之间的三维卷积计算不均衡。NDC-Scene 通过反卷积操作逐步恢复深度维度，并将大部分计算从目标三维空间转移至 NDC 空间。另设 Depth-Adaptive Dual Decoder，同时上采样并融合二维与三维特征；具体深度适应机制、网络结构及损失形式尚未验证。 作者报告，在室外 SemanticKITTI 和室内 NYUv2 数据集上，该方法均优于所比较的先进方法，并认为在 NDC 空间执行主要计算有利于单目 SSC。摘要未提供具体指标、提升幅度或计算成本数据，因此尚不能量化其准确性与效率收益；数据划分、对照基线、实验协议、消融及统计信息尚未验证。 摘要提供了代码仓库，可作为复现入口，但代码完整性、训练配置与运行条件尚未核验。本研究的主要对象是视觉三维场景补全，并非 EEG 或 BCI；材料未提供神经信号任务中的机制对应或验证，不能将其视觉结果视为 BCI 有效性的证据。