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