arXiv 2026年9月29日作者提出 TomoTransformer，一种把每个局部滤波投影当作独立 token、在反投影空间中用自注意力预测缺失视角的 transformer 架构，从而用单一模型处理任意数量、任意角度和任意探测器尺寸的输入投影并查询任意目标角度而无需重训；在大规模医学 CT 解剖与自然图像数据上训练后，该模型在多个稀疏视角基准上显著优于 ViewTrans 等多用途模型、达到或超过强协议专用基线，并在 X 射线同步辐射采集的真实纳米级脑数据上展现稳健零样本泛化。作者提出 TomoTransformer，一种把每个局部滤波投影当作独立 token、在反投影空间中用自注意力预测缺失视角的 transformer 架构，从而用单一模型处理任意数量、任意角度和任意探测器尺寸的输入投影并查询任意目标角度而无需重训；在大规模医学 CT 解剖与自然图像数据上训练后，该模型在多个稀疏视角基准上显著优于 ViewTrans 等多用途模型、达到或超过强协议专用基线，并在 X 射线同步辐射采集的真实纳米级脑数据上展现稳健零样本泛化。TomoTransformer 用反投影空间把 CT 稀疏视角重建变成单一免重训基础模型作者提出 TomoTransformer，一种把每个局部滤波投影当作独立 token、在反投影空间中用自注意力预测缺失视角的 transformer 架构，从而用单一模型处理任意数量、任意角度和任意探测器尺寸的输入投影并查询任意目标角度而无需重训；在大规模医学 CT 解剖与自然图像数据上训练后，该模型在多个稀疏视角基准上显著优于 ViewTrans 等多用途模型、达到或超过强协议专用基线，并在 X 射线同步辐射采集的真实纳米级脑数据上展现稳健零样本泛化。作者提出 TomoTransformer，一种把每个局部滤波投影当作独立 token、在反投影空间中用自注意力预测缺失视角的 transformer 架构，从而用单一模型处理任意数量、任意角度和任意探测器尺寸的输入投影并查询任意目标角度而无需重训；在大规模医学 CT 解剖与自然图像数据上训练后，该模型在多个稀疏视角基准上显著优于 ViewTrans 等多用途模型、达到或超过强协议专用基线，并在 X 射线同步辐射采集的真实纳米级脑数据上展现稳健零样本泛化。