SERES (Semantic-Aware Reconstruction from Sparse Views) a été proposé conjointement en août 2025 par une équipe de recherche de l'Université Jiao Tong de Shanghai, de l'Université de Manchester et de l'Université chinoise de Hong Kong. Les résultats de cette recherche ont été publiés dans l'article « SERES : Reconstruction neuronale sémantique à partir de vues éparses".

SERES est un cadre de reconstruction par vues éparses, sensible à la sémantique, qui enrichit la représentation du champ neuronal avec des logits sémantiques. Les valeurs initiales de ces logits peuvent être obtenues à partir d'un modèle de segmentation sans apprentissage et d'un Transformer visuel. L'optimisation de ces logits sémantiques, du champ de distance symbolique et du champ de rayonnement permet une mise en correspondance fiable des caractéristiques, aboutissant à une reconstruction haute fidélité. Lors de l'optimisation, des masques géométriques primitifs sont également utilisés comme régularisation, fournissant des contraintes supplémentaires pour atténuer l'ambiguïté des formes. SERES reconstruit avec succès des sculptures complexes à partir de seulement neuf points de vue, préservant une géométrie précise et capturant les détails les plus fins.