CryoFastAR：简易快速 Cryo-EM 原位重建
计算机视觉与模式识别
2025-10-15 v2
摘要
从无序图像进行姿态估计是 3D 重建、机器人和科学成像中基础性的任务。最近的几何基础模型，如 DUSt3R，使能端到端的稠密 3D 重建，但在科学成像领域如冷冻电子显微镜（cryo-EM）用于近原子蛋白质重建方面仍属未被充分探索的领域。在 cryo-EM 中，姿态估计和从无序粒子图像进行 3D 重建仍依赖于耗时的迭代优化，主要是由于低信噪比（SNR）和来自对比度传递函数（CTF）的失真。我们引入 CryoFastAR，这是第一个能直接从 Cryo-EM 噪声图像预测姿态以进行快速原位重建的几何基础模型。通过整合多视角特征并在大规模模拟 cryo-EM 数据（包括真实噪声和 CTF 调制）上进行训练，CryoFastAR 提升了姿态估计的准确性和泛化能力。为增强训练稳定性，我们提出了渐进式训练策略，即首先允许模型在较简单条件下提取基本特征，然后逐步增加难度以提高鲁棒性。实验表明，CryoFastAR 在合成和真实数据集上实现了相当的质量，同时显著加快了推断速度，超越传统迭代方法。
引用
@article{arxiv.2506.05864,
title = {CryoFastAR: Fast Cryo-EM Ab Initio Reconstruction Made Easy},
author = {Jiakai Zhang and Shouchen Zhou and Haizhao Dai and Xinhang Liu and Peihao Wang and Zhiwen Fan and Yuan Pei and Jingyi Yu},
journal= {arXiv preprint arXiv:2506.05864},
year = {2025}
}