3D 视觉

GraphGSOcc: Semantic-Geometric Graph Transformer with Dynamic-Static Decoupling for 3D Gaussian Splatting-based Occupancy Prediction

GraphGSOcc: 基于语义-几何图变换器的3D高斯散射体占用预测方法，采用动态-静态解耦

Ke Song, Yunhe Wu, Chunchit Siu, Huiyuan Xiong

机构 * School of Intelligent Systems Engineering（智能系统工程学院） ； Sun Yat-sen University（中山大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV

AI总结 GraphGSOcc通过结合语义和几何图变换器，解耦动态-静态物体优化，提升3D高斯散射体占用预测的性能和效率。

Journal ref IEEE Transactions on Circuits and Systems for Video Technology 2026

UrbanGS: A Scalable and Efficient Architecture for Geometrically Accurate Large-Scene Reconstruction

UrbanGS: 一种适用于几何准确大规模场景重建的可扩展高效架构

Changbai Li, Haodong Zhu, Hanlin Chen, Xiuping Liang, Tongfei Chen, Shuwei Shao, Linlin Yang, Huobin Tan, Baochang Zhang

机构 * Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； School of Software, Beihang University（北京航空航天大学软件学院） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； Artificial Intelligence Research Center, Lobachevsky State University（洛夫奇夫斯基国立大学人工智能研究中心） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV

AI总结 UrbanGS通过深度一致的D-正则化模块和空间自适应高斯剪枝策略，实现了大规模城市场景的高精度重建。

Comments ICLR 2026