EMGauss：通过体积电子显微镜中的动态高斯建模实现连续切片到三维重建
计算机视觉与模式识别
2026-03-16 v2
摘要
体积电子显微镜（vEM）使生物结构的纳米级三维成像成为可能，但仍然受到采集权衡的制约，导致各向异性的体积且轴向分辨率有限。现有的深度学习方法试图利用横向先验来恢复各向同性，但其假设对形态各向异性结构不成立。我们提出了 EMGauss，一个通用的从平面扫描二维切片进行三维重建的框架，适用于 vEM，规避了基于各向同性方法的固有局限。我们的关键创新是将切片到三维重建重新表述为基于高斯溅射的三维动态场景渲染问题，其中轴向切片的推进被建模为二维高斯点云的时序演化。为了增强数据稀疏区域的保真度，我们引入了一种教师-学生自举机制，利用未观测切片上的高置信度预测作为伪监督信号。与扩散和 GAN 基础的重建方法相比，EMGauss 大幅提升了插值质量，实现了连续切片合成，并消除了大规模预训练的需求。除了 vEM，它还可能为多样化的成像领域提供通用的切片到三维解决方案。
引用
@article{arxiv.2512.06684,
title = {EMGauss: Continuous Slice-to-3D Reconstruction via Dynamic Gaussian Modeling in Volume Electron Microscopy},
author = {Yumeng He and Zanwei Zhou and Yekun Zheng and Chen Liang and Yunbo Wang and Xiaokang Yang},
journal= {arXiv preprint arXiv:2512.06684},
year = {2026}
}
备注
Accepted by CVPR 2026. Project page: https://raynehe.github.io/EMGauss/