用于隐式表面表示与推断的神经向量场

基于摘要分析。本文研究三维形状的神经隐式表示，提出 Vector Field（VF）：在三维空间每个位置，以指向最近表面点的单位向量表示局部几何，旨在统一处理开放、闭合及多层表面，而非研究 EEG 或 BCI 解码。 核心机制是以向量方向替代常见的有符号距离或占据值表示。作者称，VF 直接编码表面法向这一几何属性，并在理论上说明可通过计算通量密度，将 VF 转换为表面密度。作者还指出，利用 VF 神经优化的连续性性质，可通过 Marching Cubes 提取表面，而不必另行构建距离场。摘要未展开具体网络、训练监督、损失函数及通量密度的数值计算方式。 作者报告，在包含 ShapeNet 的多个数据集上，VF 对不同类型形状的表示精度优于所比较的标准方法；摘要未提供具体指标、数值、数据划分或基线配置，因此无法判断优势幅度及适用边界。实验协议、消融及统计信息尚未验证。摘要提供了代码仓库，但实现内容与复现条件尚未核验。 该方法的直接贡献属于三维几何表示与表面重建。当前材料未给出向 EEG/BCI 任务迁移的具体机制或验证，不能将其形状表示性能视为神经信号建模收益；已有 EEG 相关工作尚未检索确认。