待验证50% 置信权衡取舍精确时间

3D CNN能直接学习体素间空间关系，在诊断任务上通常表现更优，但计算资源需求大、训练时间长、显存要求高，显存消耗通常是2D版本的数十倍

1

来源数

50%

置信度

长期有效

时效性

2026/9/9

首次发现

来源

脑部DICOM数据集深度学习：2D与3D方案选择指南

涉及实体

相关事实

待验证多摄像头3D追踪的实际部署面临标定精度影响3D映射、密集人群场景重识别准确率待提升、大规模视频算力成本等挑战74% 相似已验证相比NeRF的隐式表示，3DGS是显式可微分的，训练和渲染速度提升了数十倍72% 相似待验证C3D（2015年）将 2D 卷积扩展为 3D 卷积在时空立方体上学习特征，I3D 通过膨胀预训练 ImageNet 权重实现迁移学习71% 相似待验证原生3D扩散方法几何保真度和跨视角一致性更优，但瓶颈在于大规模3D场景数据集稀缺69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/884388

API

curl https://kongchang.com/api/v1/knowledge/claims/884388

MCP

get_claim(id=884388)