3D 视觉

FILT3R: Latent State Adaptive Kalman Filter for Streaming 3D Reconstruction

FILT3R：用于流式3D重建的潜在状态自适应卡尔曼滤波器

Seonghyun Jin, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能研究所） 纠错

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

AI总结 FILT3R通过将递归状态更新转化为token空间的随机状态估计，解决了流式3D重建中状态更新规则不稳定的问题，提升了长期稳定性。

MonoArt: Progressive Structural Reasoning for Monocular Articulated 3D Reconstruction

MonoArt：基于渐进结构推理的单目关节3D重建

Haitian Li, Haozhe Xie, Junxiang Xu, Beichen Wen, Fangzhou Hong, Ziwei Liu

机构 * S-Lab, Nanyang Technological University, 637335 Singapore（南洋理工大学S实验室） 纠错

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

AI总结 MonoArt通过渐进结构推理实现单目关节3D重建，无需外部运动模板或多阶段流程，提升重建精度和推理速度，并扩展至机器人操作和关节场景重建。

Comments Project page: https://lihaitian.com/MonoArt

LiteGE: Lightweight Geodesic Embedding for Efficient Geodesics Computation and Non-Isometric Shape Correspondence

LiteGE：轻量级测地嵌入用于高效测地线计算和非等距形状对应

Yohanes Yudhi Adikusuma, Qixing Huang, Ying He

专题命中 三维重建 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.GR

AI总结 LiteGE通过PCA处理信息体素的无符号距离场样本，构建紧凑且类别感知的形状描述符，实现高效测地线计算和非等距形状对应，显著降低内存使用和推理时间。

Journal ref Proceedings of the 40th AAAI Conference on Artificial Intelligence (AAAI-26), 2026

FSFSplatter: Build Surface and Novel Views with Sparse-Views within 2min

FSFSplatter: 用稀疏视图在2分钟内构建表面和新视角

Yibin Zhao, Yihan Pan, Jun Nan, Liwei Chen, Jianjun Yi

机构 * East China University of Science and Technology, Shanghai（东华大学上海理工学院） ； Shanghai Xiaoyuan Innovation Center, Shanghai（上海小元创新中心） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出FSFSplatter方法，通过端到端的密集高斯初始化、相机参数估计和几何增强场景优化，实现从自由稀疏图像快速重建表面和新视角，优于现有最先进方法。

Perceptio: Perception Enhanced Vision Language Models via Spatial Token Generation

Perceptio：通过空间标记生成增强视觉语言模型

Yuchen Li, Amanmeet Garg, Shalini Chaudhuri, Rui Zhao, Garin Kessler

机构 * Amazon（亚马逊） 纠错

专题命中 三维重建 ：spatial understanding(abstract)；分类 cs.CV

AI总结 Perceptio通过生成2D和3D空间标记提升视觉语言模型的空间推理能力，结合语义分割和深度标记实现更精确的空间理解，提升多个基准测试性能。

Image2Gcode: Image-to-G-code Generation for Additive Manufacturing Using Diffusion-Transformer Model

Image2Gcode: 基于扩散-变换器模型的图像到G-code生成用于增材制造

Ziyue Wang, Yayati Jadhav, Peter Pak, Amir Barati Farimani

机构 * Department of Materials Science and Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（材料科学与工程系，卡内基梅隆大学，匹兹堡，PA，USA） ； Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文提出Image2Gcode框架，通过图像直接生成可打印的G-code，省去CAD建模步骤，提升增材制造的易用性和效率。