液態神經網路

深度分析

以液態神經網路與 CfC 連續時間變形場強化 3D Gaussian Splatting 動態場景重建

本研究針對單鏡頭動態3D重建，提出以液態神經網路（LNN）實作的連續時間變形場，取代傳統逐格MLP。透過Closed-form Continuous-time（CfC）單元加入時間門控，使變形隨時間平滑且無需數值求解。實驗在八個合成與七個實景資料上，精度與效能均超過原基線，在高頻關節運動上提升顯著。