3D 视觉

SR3R: Rethinking Super-Resolution 3D Reconstruction With Feed-Forward Gaussian Splatting

SR3R: 重新思考超分辨率3D重建与前馈高斯点散射

Xiang Feng, Xiangbo Wang, Tieshi Zhong, Chengkai Wang, Yiting Zhao, Tianxiang Xu, Zhenzhong Kuang, Feiwei Qin, Xuefei Yin, Yanming Zhu

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； ShanghaiTech University（上海科技大学） ； Griffith University（格里菲斯大学） ； Peking University（北京大学） 纠错

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

AI总结 SR3R通过前馈高斯点散射框架，直接从稀疏低分辨率视角生成高分辨率3D重建，提升跨场景泛化能力和实时性能。

Comments CVPR 2026

From Volume Rendering to 3D Gaussian Splatting: Theory and Applications

从体渲染到3D高斯点播：理论与应用

Vitor Pereira Matias, Daniel Perazzo, Vinicius Silva, Alberto Raposo, Luiz Velho, Afonso Paiva, Tiago Novello

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

AI总结 本文介绍了3D高斯点播的理论与应用，探讨其在3D重建、虚拟人物建模和内容生成中的高效渲染能力及局限性。

Comments Accepted at the Conference on Graphics, Patterns and Images (SIBGRAPI), math focused, 5 equations, 5 Figure, 5 pages of text and 1 of bibligraphy

Prune Wisely, Reconstruct Sharply: Compact 3D Gaussian Splatting via Adaptive Pruning and Difference-of-Gaussian Primitives

明智剪枝，精确重建：通过自适应剪枝和高斯差分原语实现紧凑的3D高斯溅射

Haoran Wang, Guoxi Huang, Fan Zhang, David Bull, Nantheera Anantrasirichai

机构 * School of Computer Science, University of Bristol（计算机科学学院，布里斯托大学） 纠错

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

AI总结 本文提出了一种自适应剪枝策略和高斯差分原语，通过减少高斯数量提升3D高斯溅射的紧凑性与渲染质量。

Comments CVPR2026

DAGS-SLAM: Dynamic-Aware 3DGS SLAM via Spatiotemporal Motion Probability and Uncertainty-Aware Scheduling

DAGS-SLAM：通过时空运动概率和不确定性感知调度实现动态感知的3DGS SLAM

Li Zhang, Yu-An Liu, Xijia Jiang, Conghao Huang, Danyang Li, Yanyong Zhang

机构 * School of Mathematics, Hefei University of Technology（合肥工业大学数学学院） ； School of Software, Tsinghua University（清华大学软件学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） 纠错

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

AI总结 DAGS-SLAM通过时空运动概率和不确定性感知调度实现动态感知的3DGS SLAM，提升实时定位与密集重建的鲁棒性与效率。

MEGS$^{2}$: Memory-Efficient Gaussian Splatting via Spherical Gaussians and Unified Pruning

MEGS$^{2}$: 通过球形高斯和统一剪枝实现内存高效的三维高斯散射

Jiarui Chen, Yikeng Chen, Yingshuang Zou, Ye Huang, Peng Wang, Yuan Liu, Yujing Sun, Wenping Wang

机构 * HKUST（香港科技大学） ； SZU（深圳大学） ； SYSU（南方科技大学） ； Adobe（Adobe公司） ； NTU（国立台湾大学） ； TAMU（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 MEGS$^{2}$通过球形高斯和统一剪枝技术，实现了3DGS的内存高效压缩，显著降低内存占用并保持高质量渲染。

Comments 20 pages, 8 figures. Accepted by ICLR 2026

Fast Learning of Non-Cooperative Spacecraft 3D Models through Primitive Initialization

通过原始初始化快速学习非合作航天器3D模型

Pol Francesch Huc, Emily Bates, Simone D'Amico

机构 * Stanford University（斯坦福大学） 纠错

专题命中 Gaussian Splatting ：NeRF(abstract)；Gaussian Splatting(abstract)；3DGS(abstract)；novel view synthesis(abstract)

AI总结 本文提出基于CNN的3DGS原始初始化方法，通过单目图像快速学习航天器3D模型，降低训练成本并适应噪声姿态估计。

Journal ref 2025 AAS/AIAA Astrodynamics Specialist Conference, Boston, Massachusetts

Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction

不确定性在单目4D重建中的动态高斯点云中至关重要

Fengzhi Guo, Chih-Chuan Hsu, Sihao Ding, Cheng Zhang

机构 * Texas A&M University（德克萨斯大学） 纠错

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

AI总结 USplat4D通过建模高斯点云的不确定性，提升单目4D重建的稳定性和合成质量。

Comments Accepted to ICLR 2026. Project page: https://tamu-visual-ai.github.io/usplat4d/

No Calibration, No Depth, No Problem: Cross-Sensor View Synthesis with 3D Consistency

无需校准，无需深度，无需问题：跨传感器视角合成与3D一致性

Cho-Ying Wu, Zixun Huang, Xinyu Huang, Liu Ren

机构 * Bosch Research North America（博世北美研究部） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心） 纠错

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

AI总结 本文提出了一种无需校准的跨传感器视角合成方法，通过匹配、密集化和3D点云整合技术，解决RGB-X数据对齐问题，提升大规模真实世界数据收集的效率。

Comments CVPR 2026 Main Conference. Project page: https://choyingw.github.io/3d-rgbx.github.io/

One2Scene: Geometric Consistent Explorable 3D Scene Generation from a Single Image

One2Scene: 从单张图像生成几何一致的可探索3D场景

Pengfei Wang, Liyi Chen, Zhiyuan Ma, Yanjun Guo, Guowen Zhang, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 One2Scene通过分解问题为三个子任务，实现从单张图像生成几何一致且可探索的3D场景。

Comments ICLR 2026

Universal Beta Splatting

通用贝塔散射

Rong Liu, Zhongpai Gao, Benjamin Planche, Meida Chen, Van Nguyen Nguyen, Meng Zheng, Anwesa Choudhuri, Terrence Chen, Yue Wang, Andrew Feng, Ziyan Wu

机构 * University of Southern California（南加州大学） ； United Imaging Intelligence（联合影像智能） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR

AI总结 通用贝塔散射提出了一种统一框架，通过各向异性贝塔核实现显式光场渲染，能有效处理复杂光传输和动态场景，优于现有方法。

Comments ICLR 2026

Carré du champ flow matching: better quality-generalisation tradeoff in generative models

Carré du champ flow matching: 更好的质量-泛化权衡在生成模型中

Jacob Bamberger, Iolo Jones, Dennis Duncan, Michael M. Bronstein, Pierre Vandergheynst, Adam Gosztolai

机构 * Institute of Artificial Intelligence（人工智能研究所） ； Medical University of Vienna（维也纳医科大学） ； University of Oxford（牛津大学） ； AITHYRA ； EPFL（苏黎世联邦理工学院） 纠错

专题命中 Gaussian Splatting ：point cloud(abstract)

AI总结 Carré du champ flow matching通过几何感知噪声改进生成模型的质量-泛化权衡，适用于数据稀缺和非均匀采样场景。