S2Tok
一种面向流式3D高斯重建的前馈框架，通过持久空间Token维护可自适应扩展的场景状态，结合学习式准入模块与分层解码器，实现从未标定图像流的在线3D高斯重建
时间轴 (近 90 天)
arXiv论文《S2Tok: Streaming 3D Gaussian Reconstruction with Persistent Spatial Tokens》提出了一种流式3D高斯重建的解决方案
S2Tok是一个前馈框架，核心目标是从未标定的图像流中维护一个尺寸自适应、持久的场景状态
S2Tok的中心思想是把对现有表示的更新与选择性的扩展区分开来
S2Tok引入了一个可学习的准入模块（Admission Module），用于选择性地决定何时扩展表示
S2Tok使用分层解码器和高斯头将潜在状态转换为非像素对齐的3D高斯
由于高斯不与具体像素绑定，S2Tok可以在不缓存历史帧的前提下完成新视角渲染
研究者在四个基准数据集上评测S2Tok，结果显示其在流式渲染质量上具有竞争力，同时保持紧凑的高斯表示
S2Tok的创新在于引入时序维度——Token集合随时间增长，且旧Token可被新观测修改，充当循环系统中的隐藏状态
S2Tok的泛化能力、极端大规模场景下的表现、以及与现有SLAM系统的集成效果仍有待后续工作验证
全部知识事实 (9)
S2Tok的泛化能力、极端大规模场景下的表现、以及与现有SLAM系统的集成效果仍有待后续工作验证
50%待验证S2Tok是一个前馈框架，核心目标是从未标定的图像流中维护一个尺寸自适应、持久的场景状态
50%待验证S2Tok的中心思想是把对现有表示的更新与选择性的扩展区分开来
50%待验证S2Tok引入了一个可学习的准入模块（Admission Module），用于选择性地决定何时扩展表示
50%待验证S2Tok使用分层解码器和高斯头将潜在状态转换为非像素对齐的3D高斯
50%待验证由于高斯不与具体像素绑定，S2Tok可以在不缓存历史帧的前提下完成新视角渲染
50%待验证研究者在四个基准数据集上评测S2Tok，结果显示其在流式渲染质量上具有竞争力，同时保持紧凑的高斯表示
50%待验证S2Tok的创新在于引入时序维度——Token集合随时间增长，且旧Token可被新观测修改，充当循环系统中的隐藏状态
50%待验证arXiv论文《S2Tok: Streaming 3D Gaussian Reconstruction with Persistent Spatial Tokens》提出了一种流式3D高斯重建的解决方案
50%