Bài báo này đề xuất một phương pháp mới để tái tạo toàn bộ cảnh 3D từ một ảnh duy nhất bằng cách sử dụng các mảng Gauss. Các kỹ thuật phân tán Gauss hiện có yêu cầu dữ liệu quan sát dày đặc và gặp khó khăn trong việc tái tạo các vùng bị che khuất hoặc không quan sát được. Nghiên cứu này sử dụng mô hình khuếch tán tiềm ẩn để tái tạo toàn bộ cảnh 3D, bao gồm cả các vùng bị che khuất, từ một ảnh duy nhất. Việc hoàn thiện bề mặt của các vùng bị che khuất là một vấn đề khó khăn do tính mơ hồ. Các phương pháp hiện có dựa trên các phương pháp hồi quy, dự đoán một "chế độ" duy nhất, dẫn đến hiện tượng mờ, diễn giải không thực tế và không thể diễn giải nhiều vùng. Ngược lại, nghiên cứu này đề xuất một phương pháp sinh học để học phân phối biểu diễn 3D của các mảng Gauss dựa trên một ảnh đầu vào duy nhất. Để giải quyết vấn đề thiếu dữ liệu chính xác, chúng tôi đề xuất một bộ tái tạo tự động biến phân, học không gian tiềm ẩn chỉ bằng các ảnh 2D bằng phương pháp học tự giám sát, sau đó huấn luyện một mô hình khuếch tán dựa trên mô hình này. Do đó, phương pháp của chúng tôi đạt được khả năng tái tạo trung thực và bộ mẫu đa dạng, cho phép hoàn thiện các bề mặt bị che khuất để tạo ra hình ảnh 360 độ chất lượng cao.
