无需预设模型方程，GTSM直接从2D观测重建4D热场，外推能力显著增强！
GTSM: Gaussian Splatting with Thermal State-Space Dynamics for Spatio-Temporal Thermal Field Reconstruction and Prediction
📖 AI 总结
该研究提出高斯热状态空间模型（GTSM），旨在仅凭二维观测直接重建四维时空热场，无需预设三维模型、热力学方程或加热冷却轨迹。其核心是以共享的场景级隐过程与各高斯单元局部热状态刻画热演化，并通过可微RK2积分传播连续动力学，从而从多视角、多时刻观测中推断热变化，并将预测外推至观测区间之外。GTSM被设计为与骨干无关的热动力学模块，可兼容静态3D与动态4D高斯泼溅，支持静态及形变目标下的热重建与预测，并实现新视角热渲染与未来时刻热状态预测。在真实红外序列和合成动态热数据上的实验表明，其重建精度优于代表性基线，时间外推能力显著增强，同时验证了对形变目标的适用性。
🔑 关键词速览
| Gaussian Splatting | 一种基于高斯点云的三维场景表示与渲染技术，通过泼溅高斯分布实现高效新视角合成。 |
| Thermal State-Space Model | 本文提出的热状态空间模型，用共享潜在过程和高斯局部状态描述热演化动力学。 |
| RK2 Integration | 二阶龙格-库塔数值积分方法，用于可微地传播连续热动力学方程。 |
| Spatio-Temporal Thermal Field | 四维时空热状态场，描述温度在空间和时间上的连续分布与演化。 |
| Novel-View Thermal Rendering | 从重建的热表示中合成未观测视角下的热红外图像。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅