Anima 提出首个稀疏视图 CT 神经算子 CTO，任意采样率免重训
AnimaAnandkumar · x · 2026-09-13
Caltech 教授 Anima Anandkumar 团队在 ECCV 发表论文，提出 CTO（Computed Tomography neural Operator），首个面向稀疏视图 CT 重建的神经算子框架。
- 稀疏视图 CT 通过减少 X 射线投影数降低辐射剂量和扫描时间，但重建问题病态，需要学习先验
- 现有深度学习模型绑定单一降采样率，而临床协议因器官和诊断目的而异，实际上每个采样率都要训练单独模型
- CTO 学习函数空间之间的映射：函数没有固定分辨率，因此单个模型可接收任意降采样率的正弦图并输出高质量重建，无需重训练
- 平均而言 CTO 超越传统的 unrolled CNN 变分方法
「研究」频道最新
- 11 页短论文：群平均如何让 Ising 模型 MCMC 从缓速变快速 — michaelchchoi · 2026-09-14
- 开源 FlashREINFORCE：免critic单rollout异步RL实现6000+次稳定更新 — YouJiacheng · 2026-09-14
- LLM 能否啃下 Collatz 猜想:耐心导航「数学迷宫」的新讨论 — an_interstice · 2026-09-14
- Proxy Policy Steering：不动权重、用残差引导 VLA 学新任务 — weichiuma · 2026-09-14
- 新研究：LLM 强化学习训练可弃用 AdamW,标准 SGD 同样有效 — zhaoran_wang · 2026-09-14
- RSI 研究分野：harness 自我改进已实用，「智能爆炸」仍未被证明 — arthurcolle · 2026-09-14