VolSmoke：利用密度空间先验从单视角重建烟雾

VolSmoke 研究从单目视频恢复时变三维烟雾密度与速度的问题，核心贡献是直接在三维密度空间补全观测缺失信息，再结合渲染与输运约束恢复可用于物理再仿真的状态。基于摘要分析，未取得论文全文。 单视角像素仅约束沿射线的积分，无法唯一确定空间密度分布。不同于先生成新视角图像的方法，VolSmoke 构建视角条件化的三维烟雾密度潜在先验，使同一体积为不同视角提供共享解释。推理时从先验采样候选密度，通过渲染引导的反向扩散使其与观测视角一致，并利用相邻帧的时间协调进一步约束密度歧义。随后，在渲染与输运约束下，联合细化密度序列、流入源及连续无散度速度场；具体网络结构、损失形式和优化流程尚未验证。 作者报告，在真实数据集 ScalarFlow 与合成 Plume benchmark 上，相较先进的新视角基线，VolSmoke 改善了留出视角重建与速度恢复，并获得更准确的再仿真。摘要未提供具体指标、提升幅度、数据划分或基线名称，实验协议、消融及统计信息尚未验证。作者还报告，密度先验既可由合成仿真训练，也可由真实稀疏视角采集得到的简单层析重建训练，且数据需求不高于此前图像空间方法；这一比较的具体条件仍需核对全文。 本研究主要面向烟雾体积重建与流体物理状态估计，并非 EEG/BCI 方法。其机制依赖体积渲染观测与烟雾输运约束，现有材料不足以建立对 EEG 的具体适用关系，因此不据此提出 BCI 迁移结论或复现实验建议。