TensorSSM论文发布

2026年10月29日，Sheng Zhang等人在arXiv上发布论文TensorSSM（v1版，2,638 KB）。该研究提出一种基于动态状态空间模型的新型隐式神经表示方法，用于功能张量分解。 其核心机制是在状态空间模型中记忆空间位置，并将模态坐标分解为粗到细序列以捕捉空间变化。通过扩展状态空间映射跨模态依赖，该方法无需严格空间假设，即可显著提升张量重建精度与存储效率。 后续报道指出，TensorSSM在多种张量数据集上表现出稳健性能，为张量核心生成领域提供了新的技术路径，目前相关进展主要依据该篇论文的一手信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。