SERES（Semantic-Aware Reconstruction from Sparse Views）是由上海交通大学、曼彻斯特大学和香港中文大学的研究团队于 2025 年 8 月联合提出的，相关研究成果发表于论文「SERES: Semantic-Aware Neural Reconstruction from Sparse Views」。

SERES 是一种语义感知稀疏视图重建框架，通过语义 logits 来丰富神经场表示，其初始值可以通过一个无训练的分割模型和视觉 Transformer 获得。通过优化这些语义 logits 、符号距离场和辐射场，可以实现可靠的特征匹配，从而实现高保真重建。在优化过程中，几何基元掩码也被用作正则化，这提供了额外的约束以减轻形状歧义。 SERES 仅使用九个视点就能成功重建复杂的雕塑，同时保留正确的几何结构和捕捉精细细节。