PlaneCycle 无需训练、无需适配器，把 DINOv3 的 2D 权重直接提升为 3D 模型，线性探测平均 AUC 达 87.8

PlaneCycle 是一个无参数、免训练、免适配器的算子，通过在整个网络深度上循环地把空间聚合分配到 HW、DW、DH 三个正交平面，使预训练 2D 主干网络获得内在的 3D 融合能力。 此前的 2D 到 3D 提升要么需要重训练、适配器或架构改造，要么像 ACS 卷积那样只适用于 CNN；PlaneCycle 首次给出架构无关（同时兼容 CNN 与 ViT）、不引入任何新参数、也不修改预训练权重的提升方式。 方法层面给出算法 1 与复杂度分析：每层自注意力复杂度与切片式 2D 相同，相比全 3D 展平有 D 倍降低；论文报告在 ViT-L/16 的 LIDC 上训练时间 16.3 小时对 3D 展平的 36.2 小时。

在完全不做训练的情况下，提升后的模型就表现出可用的 3D 表征：冻结主干特征在 HW、DW、DH 三个平面上对齐良好，FeatDice 高于 2D 与 3D 基线。 论文指出切片式 2D 推理只在所选平面内结构良好、跨切片不一致，而朴素转换的 3D 模型在重训练前三个正交平面上表征都弱且不对齐；PlaneCycle 无需额外监督即可得到跨平面一致的 3D 特征。 以 PCA 可视化（图 1）和自定义的 FeatDice 指标（表 3 零训练特征）为依据，例如 ViT-S/16 上 PCg 在 LIDC 为 42.6，高于 2D 的 36.9 与 3D 的 13.9。

在线性探测下，PlaneCycle 在六个 3D 分类基准和三个 3D 分割基准上几乎全部取得最佳结果，超过切片式 2D 基线与强 3D 对手，并接近全量训练模型的水平。 论文报告 ViT-B/16 上 PCg 平均超过 R-ACS 3.0 个 AUC 和近 6.0 个 ACC；分割线性探测中 PCg 平均 Dice 在 ViT-S/16 为 64.8、ViT-B/16 为 65.2、ViT-L/16 为 65.6，均高于 2D 与 3D 展平。 结果在五次运行上取平均，并用配对 t 检验（图 3）在线性探测下于 5/6 数据集上确认 p<0.05 的显著性。

在全量微调下，PlaneCycle 与标准 3D 架构性能相当，同时保留 2D 的计算效率。 论文指出 3D 展平严重依赖端到端微调才能发挥潜力，而 PlaneCycle 在微调后仍可比肩甚至更好：分割上最多超过 3D 展平 2.6 个 Dice 点，分类上 ViT-B/16 的 PCg 平均 AUC 91.2 高于 3D 展平的 91.1，并超过基于 Transformer 的体积模型 ViViT 最多 2.6 个 AUC。 表 2 与表 3 的全量微调结果在五次运行上取平均，并给出训练成本对比（ViT-L/16 在 LIDC 上 16.3 小时对 36.2 小时）。

这项工作面向需要把已有 2D 基础模型用于体积数据的研究者与工程团队，尤其是医学影像场景；论文在 MedMNIST+ 的六个 3D 分类数据集（Organ、Nodule、Fracture、Adrenal、Vessel、Synapse，覆盖 CT、MRI 与电子显微镜）以及 LIDC 与 MMWHS 两个分割基准上验证，主干为 DINOv3 的 ViT-S/16、ViT-B/16、ViT-L/16，全部实验在单张 NVIDIA H200 上完成。它被定位为 3D 预训练与适配器的互补算子而非替代品，因此最适用的场景是已有 2D 权重、希望以极低额外成本获得 3D 融合能力，并可在有监督时继续微调。

论文自述尚未系统比较 CNN 与 ViT 主干，也未探索与 3D 预训练及 LoRA 等适配器的组合；大规模潜力尚未验证，仅提到提升 DINOv3-7B 的初步结果可行。分割实验刻意使用共享的轻量解码器以隔离提升效果，作者指出简单解码器与 ViT 的 16 倍下采样可能限制空间恢复。此外，FeatDice 是为评估体积特征一致性而新定义的指标，尚无既有标准可直接对照；平面调度采用 HW→DW→DH→HW 的四算子循环，其他调度方式的效果仍是开放问题。