本文提出了一种基于子空间隐式神经表示的心脏运动磁共振成像重建框架，克服了传统方法在时间分辨率和动态捕捉方面的局限。该方法利用多层感知机学习空间和时间子空间基，显著提高了图像质量，能够在加速率为10和20时优化动态心脏事件的高分辨率成像，增强了诊断能力。

本研究提出了一种基于多模态引导的重建框架Brain-Streams，用于解决fMRI到图像重建任务中的小物体细节缺失和语义模糊问题。该框架结合视觉和语义信息，利用现代生成模型进行精确的图像重建，验证结果显示出优越的重建能力和应用潜力。

本文介绍了一种名为AiSDF的在线有符号距离场（SDF）重建框架，可推断室内场景结构并生成显式平面地图，同时增强细节并显式重建结构。

研究人员提出了一种名为AiSDF的基于结构感知的在线有符号距离场（SDF）重建框架，可以推断场景的潜在结构并估计支撑结构的平面区域，提供显式平面地图。该框架在保持高层结构的同时增强细节，能够隐式地重建对象的细节，并在房间尺度的场景中显式地重建结构。