3D 视觉

SwiftNDC: Fast Neural Depth Correction for High-Fidelity 3D Reconstruction

SwiftNDC: 快速神经深度校正用于高质量3D重建

Kang Han, Wei Xiang, Lu Yu, Mathew Wyatt, Gaowen Liu, Ramana Rao Kompella

机构 * La Trobe University（拉特罗布大学） ； Australian Institute of Marine Science（澳大利亚海洋科学研究所） ； Cisco Research（思科研究） 纠错

专题命中 三维重建 ：3D reconstruction(title,abstract)；Gaussian Splatting(abstract)；3DGS(abstract)；point cloud(abstract)

AI总结 SwiftNDC通过神经深度校正和稳健几何初始化，实现快速高质量3D重建，减少优化迭代并提升视图合成保真度。

UniScale: Unified Scale-Aware 3D Reconstruction for Multi-View Understanding via Prior Injection for Robotic Perception

UniScale：通过先验注入实现多视角理解的统一尺度感知3D重建

Mohammad Mahdavian, Gordon Tan, Binbin Xu, Yuan Ren, Dongfeng Bai, Bingbing Liu

专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV、cs.RO

AI总结 UniScale通过整合几何先验实现多视角下的统一尺度感知3D重建，适用于机器人感知任务。

VGG-T$^3$: Offline Feed-Forward 3D Reconstruction at Scale

VGG-T³：大规模离线前馈3D重建

Sven Elflein, Ruilong Li, Sérgio Agostinho, Zan Gojcic, Laura Leal-Taixé, Qunjie Zhou, Aljosa Osep

机构 * NVIDIA ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学） 纠错

专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV

AI总结 VGG-T³通过测试时训练将变长键值空间蒸馏为固定大小的MLP，实现大规模离线前馈3D重建，速度比基线方法快11.6倍，并在重建精度和视觉定位能力上表现优异。

Comments CVPR 2026, Project page: https://research.nvidia.com/labs/dvl/projects/vgg-ttt

EndoDDC: Learning Sparse to Dense Reconstruction for Endoscopic Robotic Navigation via Diffusion Depth Completion

EndoDDC: 通过扩散深度补全学习稀疏到密集重建以实现内窥镜机器人导航

Yinheng Lin, Yiming Huang, Beilei Cui, Long Bai, Huxin Gao, Hongliang Ren, Jiewen Lai

机构 * Department of Electronic Engineering, The Chinese University of Hong Kong（电子工程系，香港中文大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 EndoDDC通过扩散模型整合图像、稀疏深度信息和深度梯度特征，提升内窥镜环境下深度重建的准确性和鲁棒性。

Comments Accepted by ICRA 2026

Multi-View Wireless Sensing via Conditional Generative Learning: Framework and Model Design

多视图无线传感 via 条件生成学习：框架与模型设计

Ziqing Xing, Zhaoyang Zhang, Zirui Chen, Hongning Ruan, Zhaohui Yang, Zhiyong Feng

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出一种基于条件生成学习的多视图无线传感框架，通过融合多视图CSI信息，利用双部分神经网络架构提升目标重建精度和灵活性。

Comments Accepted by IEEE Transactions on Wireless Communications

Journal ref IEEE Transactions on Wireless Communications

Sapling-NeRF: Geo-Localised Sapling Reconstruction in Forests for Ecological Monitoring

Sapling-NeRF: 用于森林生态监测的地理定位幼树重建

Miguel Ángel Muñoz-Bañón, Nived Chebrolu, Sruthi M. Krishna Moorthy, Yifu Tao, Fernando Torres, Roberto Salguero-Gómez, Maurice Fallon

机构 * Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, UK（牛津大学机器人研究所、工程科学系、牛津大学、牛津、英国） ； Group of Automation, Robotics and Computer Vision, University of Alicante, Alicante, Spain（自动化、机器人与计算机视觉小组、阿尔瓦登特大学、阿尔瓦登特、西班牙） ； Department of Biology, University of Oxford, Oxford, UK（生物学系、牛津大学、牛津、英国） 纠错

专题命中 NeRF ：NeRF(title,abstract)；Gaussian Splatting(abstract)；3DGS(abstract)；3D reconstruction(abstract)

AI总结 本文提出Sapling-NeRF方法，结合NeRF、LiDAR SLAM和GNSS，实现地理定位的幼树重建，提升森林生态监测的精度和长期数据采集能力。

SplatSDF: Boosting SDF-NeRF via Architecture-Level Fusion with Gaussian Splats

SplatSDF：通过架构级融合提升SDF-NeRF

Runfa Blark Li, Keito Suzuki, Bang Du, Ki Myung Brian Lee, Nikolay Atanasov, Truong Nguyen

机构 * Dept. of Electrical and Computer Engineering, University of California, San Diego (UCSD), La Jolla, CA, USA（电子与计算机工程系，加州大学圣迭戈分校（UCSD）） 纠错

专题命中 NeRF ：NeRF(title,abstract)；3DGS(abstract)；分类 cs.CV、cs.GR、cs.RO

AI总结 SplatSDF通过架构级融合3DGS提升SDF-NeRF收敛速度和精度

GSTurb: Gaussian Splatting for Atmospheric Turbulence Mitigation

GSTurb: 基于高斯点云的大气湍流抑制

Hanliang Du, Zhangji Lu, Zewei Cai, Qijian Tang, Qifeng Yu, Xiaoli Liu

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

AI总结 GSTurb通过结合光流引导的倾斜校正和高斯点云，有效抑制大气湍流，提升图像恢复性能。

GIFSplat: Generative Prior-Guided Iterative Feed-Forward 3D Gaussian Splatting from Sparse Views

GIFSplat: 生成先验引导的迭代前馈3D高斯点云从稀疏视角重建

Tianyu Chen, Wei Xiang, Kang Han, Yu Lu, Di Wu, Gaowen Liu, Ramana Rao Kompella

机构 * La Trobe University（拉特罗布大学） ； Cisco Research（思科研究） 纠错

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

AI总结 GIFSplat通过生成先验引导的迭代前馈方法，从稀疏视角高效重建3D高斯点云，提升PSNR并保持推理效率。

Distractor-free Generalizable 3D Gaussian Splatting

无干扰的可泛化3D高斯点散布

Yanqi Bao, Jing Liao, Jing Huo, Yang Gao

机构 * Nanjing University（南京大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 DGGS通过无干扰的可泛化3D高斯点散布框架，解决跨场景训练中的干扰问题，提升重建能力和掩码预测准确性。

ST-GS: Vision-Based 3D Semantic Occupancy Prediction with Spatial-Temporal Gaussian Splatting

ST-GS：基于视觉的3D语义占用预测与空间-时间高斯点划法

Xiaoyang Yan, Muleilan Pei, Shaojie Shen

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学） 纠错

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

AI总结 ST-GS通过空间-时间高斯点划法提升3D语义占用预测的时空建模能力，实现更优的时间一致性与性能

Comments Accepted by ICRA 2026

G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior

G4Splat：基于生成先验的几何引导高斯点云法

Junfeng Ni, Yixin Chen, Zhifei Yang, Yu Liu, Ruijie Lu, Song-Chun Zhu, Siyuan Huang

机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI ； Peking University（北京大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；NeRF(abstract)；分类 cs.CV

AI总结 G4Splat通过几何引导的生成先验提升3D场景重建，有效解决多视角不一致性问题，实现高质量场景补全。

Comments ICLR'26. Project page: https://dali-jack.github.io/g4splat-web/

AeroDGS: Physically Consistent Dynamic Gaussian Splatting for Single-Sequence Aerial 4D Reconstruction

AeroDGS：基于物理的动态高斯点溅技术用于单序列航空4D重建

Hanyang Liu, Rongjun Qin

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

AI总结 AeroDGS通过物理引导的4D高斯点溅技术，解决单目无人机视频中动态物体的4D重建问题，提升重建精度与稳定性。

Comments Accepted to CVPR 2026

Structured Image-based Coding for Efficient Gaussian Splatting Compression

基于结构化图像的高效高斯溅射压缩

Pedro Martin, Antonio Rodrigues, Joao Ascenso, Maria Paula Queluz

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)

AI总结 本文提出GSICO，通过结构化图像编码实现高效高斯溅射压缩，达到20.2x压缩率且视觉质量损失小。

BetterScene: 3D Scene Synthesis with Representation-Aligned Generative Model

BetterScene: 一种基于表示对齐生成模型的3D场景合成

Yuci Han, Charles Toth, John E. Anderson, William J. Shuart, Alper Yilmaz

机构 * Dept. of Electrical and Computer Engineering, The Ohio State University（电气与计算机工程系，俄亥俄州立大学） ； USACE ERDC GRL（美国陆军工程兵队ERDC GRL） 纠错

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

AI总结 BetterScene通过引入时间等价性正则化和视觉基础模型对齐的表示，提升3D场景合成的视角一致性与质量。

Reflectance Prediction-based Knowledge Distillation for Robust 3D Object Detection in Compressed Point Clouds

基于反射率预测的知识蒸馏的稳健3D物体检测：压缩点云

Hao Jing, Anhong Wang, Yifan Zhang, Donghan Bu, Junhui Hou

机构 * School of Electronic Information Engineering, Taiyuan University of Science and Technology（太原科技大学电子信息工程学院） ； School of Mechatronic Engineering and Automation, Shanghai University（上海大学机械电子工程与自动化学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出基于反射率预测的知识蒸馏方法，用于提升压缩点云中3D物体检测的鲁棒性和精度。

Journal ref IEEE Transactions on Image Processing, Vol. 35, pp. 85-97, 2026

SGIFormer: Semantic-guided and Geometric-enhanced Interleaving Transformer for 3D Instance Segmentation

SGIFormer: 基于语义引导和几何增强的交错变换器用于3D实例分割

Lei Yao, Yi Wang, Moyun Liu, Lap-Pui Chau

机构 * Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（电子工程系，香港理工大学） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（机械科学与工程学院，华中科技大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 SGIFormer通过语义引导和几何增强的交错变换器，提升3D实例分割的准确性和效率。

Journal ref IEEE Transactions on Circuits and Systems for Video Technology, vol. 35, no. 3, pp. 2276-2288, 2025

From Prompts to Printable Models: Support-Effective 3D Generation via Offset Direct Preference Optimization

从提示到可打印模型：通过偏移直接偏好优化实现支持有效的3D生成

Chenming Wu, Xiaofan Li, Chengkai Dai

机构 * Axiswise Ltd.（Axiswise有限公司） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） 纠错

专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.RO

AI总结 SEG通过偏移直接偏好优化实现支持有效的3D生成，显著减少支撑材料使用并提升打印可制造性。

Comments Accepted by IEEE Robotics and Automation Letters 2026, preprint version by authors