一组研究人员提出了一种名为”时间反演成像”的全新计算机视觉范式，旨在从人与环境交互后留下的物理残余痕迹中重构出当时的互动过程。该研究以预印本形式发表在 arXiv 上，提出一个横跨物理学、计算机视觉和生成式人工智能交叉领域的问题：模型能否通过读取事件消退中的证据来推断场景中刚刚发生了什么？
这一前提建立在可观测的物理现象之上。当人坐在椅子上时，体热会传递至椅面并缓慢消散。手触碰桌面时，油脂与温度变化会短暂留存。液体洒落时，会在可见光、紫外光或热成像下留下随时间演变的信号。这些痕迹并非永久存在，它们会消退、扩散并最终消失，但在交互发生后的数秒至数分钟内，它们携带着关于事件本身的信息。
研究团队构建了一个名为 TRACE-HEI 的数据集，其中包含同步的三模态视频序列，即热成像、紫外成像和可见光成像，覆盖了诸如坐下、触摸物体、移动物品和洒落液体等动作。每个动作均在多种材质表面进行录制，接触后最长三分钟内的痕迹被完整捕捉。该数据集是首个专为这一逆向推断问题设计的此类资源。
研究提出的方法分为两个阶段。首先，模型从多模态输入中提取关于检测到痕迹的结构化文本描述，例如”桌面上的热成像手印”或”织物上的紫外荧光液体残留”。这些描述随后用于引导一个视觉语言驱动的扩散模型，生成对过往帧的合理重构。
实验表明，从消退痕迹推断近期事件具有挑战性但具有可行性，并且热成像、紫外成像与可见光成像三种模态的组合在降低解的不确定性方面显著优于任何一种单一模态。单一光谱无法捕获全部相关信息，热成像可捕捉体热但遗漏化学残留，紫外成像可揭示肉眼不可见的污染物却无法反映热模式。
该研究明确被定位为概念验证，而非可部署系统。当前数据集仅涵盖有限的动作类型与材质种类，论文同时指出从静态或衰减痕迹中推断精确的时间顺序与细粒度动态过程存在困难。然而，这一范式开辟了超越瞬时观测的场景理解方向，从物理记忆而非录制设备中”读取”一个空间的历史。
潜在应用涵盖法医分析、安全监控与人机交互等领域，但在任何实际部署之前，多模态感知与生成式建模仍需取得实质性进展。
婷 翻译
来源：Time-Reversed Imaging: A Multimodal Benchmark and Framework（arXiv:2607.22352，2026年7月24日）；Time-Reversed Imaging benchmark（TechRadar，2026年7月27日）