待验证50% 置信注意事项精确时间

M-plicits 的检查点是逐个拟合的独立曲面，每个形状单独训练，拟合全新形状需要重新训练，不具备跨形状泛化能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

M-plicits：用嵌套多尺度残差重建神经隐式曲面

涉及实体

M-plicitsproduct

相关事实

待验证针对单一形状过拟合训练的神经表示称为overfitting-based或per-shape fitting方法，具备泛化能力的方法称为feed-forward方法（如DeepSDF、OccNet）64% 相似待验证GPEvac 采用置换不变（permutation-invariant）的评分机制，使单一训练好的策略可以直接迁移到拓扑结构和规模各异的建筑布局中，无需重新训练61% 相似待验证FactorSplat 作为按场景训练的方法，仍需为每份扫描单独训练一个模型60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/977093

API

curl https://kongchang.com/api/v1/knowledge/claims/977093

MCP

get_claim(id=977093)