3D 视觉

S2D: Sparse to Dense Lifting for 3D Reconstruction with Minimal Inputs

S2D：基于稀疏到密集的3D重建方法，使用最少输入

Yuzhou Ji, Qijian Tian, He Zhu, Xiaoqi Jiang, Guangzhi Cao, Lizhuang Ma, Yuan Xie, Xin Tan

机构 * Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Chery Automobile（奇瑞汽车） 纠错

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

AI总结 S2D通过稀疏到密集的提升方法，在最少输入下实现高质量的3DGS重建，提升稀疏点云和3DGS的一致性与稳定性。

LCAMV: High-Accuracy 3D Reconstruction of Color-Varying Objects Using LCA Correction and Minimum-Variance Fusion in Structured Light

LCAMV：利用LCA校正和最小方差融合实现颜色变化物体的高精度3D重建

Wonbeen Oh, Jae-Sang Hyun

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

AI总结 LCAMV通过LCA校正和最小方差融合技术，实现对颜色变化物体的高精度3D重建，有效降低深度误差。

PLANING: A Loosely Coupled Triangle-Gaussian Framework for Streaming 3D Reconstruction

PLANING：一种松散耦合的三角高斯框架用于流式3D重建

Changjian Jiang, Kerui Ren, Xudong Li, Kaiwen Song, Guanghao Li, Linning Xu, Tao Lu, Junting Dong, Yu Zhang, Bo Dai, Mulin Yu

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

AI总结 PLANING提出了一种松散耦合的三角高斯框架，实现高效流式3D重建，提升重建质量并提高计算效率，适用于大规模场景建模和模拟环境。

Comments Project page: https://city-super.github.io/PLANING/

Regularizing INR with diffusion prior self-supervised 3D reconstruction of neutron computed tomography data

通过扩散先验正则化INR实现中子计算机断层扫描数据的自监督3D重建

Maliha Hossain, Haley Duba-Sullivan, Amirkoushyar Ziabari

专题命中 三维重建 ：3D reconstruction(title)

AI总结 本文提出DINR方法，通过扩散先验正则化INR，实现中子CT数据的高质量3D重建，提升稀疏视图下的重建性能和图像质量。

ODIN: Confirmation and 3D Reconstruction of Six Massive Protoclusters at Cosmic Noon

ODIN：确认六个质量巨大的原星团并在宇宙正午进行三维重建

Ashley Ortiz, Vandana Ramakrishnan, Kyoung-Soo Lee, Arjun Dey, Yucheng Guo, Ethan Pinarski, Anand Raichoor, Francisco Valdes, J. Aguilar, Steven Ahlen, Maria Celeste Artale, Davide Bianchi, August Bliese, David Brooks, Rebecca Canning, Maria Cerdosino, Todd Claybaugh, Andrei Cuceu, Axel de la Macorra, Peter Doel, Jaime Forero, Eric Gawiser, Enrique Gaztanaga, Satya Gontcho, Caryl Gronwall, Lucia Guaita, Gaston Gutierrez, Hiram K. Herrera-Alcantar, Ho Seong Hwang, Woong-Seob Jeong, Dick Joyce, Robert Kehoe, Theodore Kisner, Anthony Kremin, Ankit Kumar, Ofer Lahav, Martin Landriau, Jaehyun Lee, Seong-Kook Lee, Laurent Le Guillou, Marc Manera, Aaron Meisner, Ramon Miquel, Byeongha Moon, John Moustakas, Adam Myers, Seshadri Nadathur, Nathalie Palanque-Delabrouille, Changbom Park, Will Percival, Ignasi Perez-Rafols, Francisco Prada, Eshwar Puvvada, Graziano Rossi, Eusebio Sanchez, David Schlegel, Michael Schubnell, Joseph Harry Silber, Hyunmi Song, David Sprayberry, Gregory Tarle, Paulina Troncoso, Ana Sofia Uzsoy, Benjamin Weaver, Yujin Yang, Rongpu Zhou, Hu Zou

专题命中 三维重建 ：3D reconstruction(title)

AI总结 ODIN研究确认六个原星团并进行三维重建，发现原星团核心中的星系受环境影响更大，且红移越高效应越显著。

TopGen: Learning Structural Layouts and Cross-Fields for Quadrilateral Mesh Generation

TopGen：学习四边形网格生成的结构布局和交叉字段

Yuguang Chen, Xinhai Liu, Xiangyu Zhu, Yiling Zhu, Zhuo Chen, Dongyu Zhang, Chunchao Guo

专题命中 三维重建 ：point cloud(abstract)；分类 cs.GR

AI总结 TopGen通过同时预测结构布局和交叉字段，实现高效且稳健的四边形网格生成，提供直观可编辑的基础以提升几何保真度和拓扑合理性。

Comments 14 pages, 9 figures

ScanDP: Generalizable 3D Scanning with Diffusion Policy

ScanDP: 可泛化的3D扫描与扩散策略

Itsuki Hirako, Ryo Hakoda, Yubin Liu, Matthew Hwang, Yoshihiro Sato, Takeshi Oishi

专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO

AI总结 ScanDP提出一种基于扩散策略的高效3D扫描框架，通过占据网格映射和混合方法提升鲁棒性和泛化能力，实现对多样化物体的高效扫描。

Comments 8 pages, 7 figures, 5 tables. Project Page: https://treeitsuki.github.io/ScanDP/

High-Order Meshfree Surface Integration, Including Singular Integrands

高阶无网格表面积分，包括奇异积分

Daniel R. Venn, Steven J. Ruuth

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出了一种高阶无网格表面积分方法，适用于任意分段光滑曲面，能处理奇异积分并保持高精度。