3D 视觉

SegVGGT: Joint 3D Reconstruction and Instance Segmentation from Multi-View Images

SegVGGT：从多视角图像联合进行3D重建和实例分割

Jinyuan Qu, Hongyang Li, Lei Zhang

机构 * Tsinghua University（清华大学） ； South China University of Technology（华南理工大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院（IDEA）） 纠错

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

AI总结 SegVGGT通过端到端框架联合完成多视角图像的3D重建和实例分割，引入对象查询与多级几何特征交互，解决注意力分散问题，实验显示在ScanNetv2和ScanNet200上达到SOTA性能。

ReLi3D: Relightable Multi-view 3D Reconstruction with Disentangled Illumination

ReLi3D：可重照明的多视角3D重建与解耦照明

Jan-Niklas Dihlmann, Mark Boss, Simon Donne, Andreas Engelhardt, Hendrik P. A. Lensch, Varun Jampani

机构 * University of Tübingen（图宾根大学） ； Stability AI 纠错

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

AI总结 ReLi3D通过统一端到端管道，从稀疏多视角图像中在一秒内重建完整的3D几何、空间变化的物理材质和环境照明，利用多视角约束提升材质与照明解耦效果。

Comments Project Page: https://reli3d.jdihlmann.com/

Journal ref ICLR 2026

A Unified Platform and Quality Assurance Framework for 3D Ultrasound Reconstruction with Robotic, Optical, and Electromagnetic Tracking

一种用于具有机器人、光学和电磁追踪的3D超声重建的统一平台和质量保证框架

Lewis Howell, Manisha Waterston, Tze Min Wah, James H. Chandler, James R. McLaughlan

机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； School of Electronic and Electrical Engineering, University of Leeds（利兹大学电子与电气工程学院） ； St James’s University Hospital, Leeds Teaching Hospitals NHS Trust（利兹教学医院，利兹教学医院国家健康服务信托基金） ； Leeds Institute of Medical Research, University of Leeds（利兹医学研究所，利兹大学） 纠错

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

AI总结 本文提出了一种统一平台和质量保证框架，用于评估机器人、光学和电磁追踪的3D超声重建的体积准确性和可重复性，通过定制的仿生体评估不同扫描速度和入射角下的追踪性能，实现了高精度的3D重建和验证。

Comments This work has been submitted to the IEEE for possible publication

SOFTMAP: Sim2Real Soft Robot Forward Modeling via Topological Mesh Alignment and Physics Prior

SOFTMAP：通过拓扑网格对齐和物理先验实现的仿真到现实软机器人前向建模

Ziyong Ma, Uksang Yoo, Jonathan Francis, Weiming Zhi, Jeffrey Ichnowski, Jean Oh

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Australian Centre for Robotics, The University of Sydney（悉尼大学机器人研究中心） ； College of Connected Computing, Vanderbilt University（范德比尔特大学连接计算学院） 纠错

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

AI总结 本文提出SOFTMAP框架，结合拓扑对齐、轻量前向模型、残差修正网络和线性校准层，实现软手指 manipulator 的高精度 3D 前向建模与控制，取得毫米级轨迹跟踪和任务成功率提升。

A New Multi-Constraint Potential Field Source Surface (PFSS) Extrapolation Model

一种新的多约束潜在场源表面（PFSS）外推模型

C. Antonio, I. Chifu, R. Gafeira, J. J. G. Lima

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

AI总结 本文提出一种结合三维日冕纤维信息的改进PFSS模型，通过引入 divergence-free、loop几何和force-free约束，提升与观测的一致性并保持计算效率。

Comments 12 pages, 13 figures. Submitted to A&A

Deep Learning Based Dynamic Environment Reconstruction for Vehicular ISAC Scenarios

基于深度学习的车辆ISAC场景动态环境重建

Junzhe Song, Ruisi He, Mi Yang, Zhengyu Zhang, Bingcheng Liu, Jiahui Han, Haoxiang Zhang, Bo Ai

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于ISAC信道的深度学习框架，通过多模态测量建立联合信道环境数据集，开发多阶段网络实现高精度动态环境重建，实验显示其在Chamfer Distance和F Score@1%上表现优异。

Generalizable NGP-SR: Generalizable Neural Radiance Fields Super-Resolution via Neural Graph Primitives

可推广的NGP-SR：通过神经图形原语实现可推广的神经辐射场超分辨率

Wanqi Yuan, Omkar Sharad Mayekar, Connor Pennington, Nianyi Li

机构 * Clemson University（克莱姆森大学） 纠错

专题命中 NeRF ：NeRF(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出一种3D感知的超分辨率框架，直接从低分辨率图像重建高分辨率辐射场，无需外部参考或后处理，提升重建质量和运行效率。

Matryoshka Gaussian Splatting

俄罗斯套娃高斯点撒技术

Zhilin Guo, Boqiao Zhang, Hakan Aktas, Kyle Fogarty, Jeffrey Hu, Nursena Koprucu Aslan, Wenzhao Li, Canberk Baykal, Albert Miao, Josef Bengtson, Chenliang Zhou, Weihao Xia, Cristina Nader Vasconcelos, Cengiz Oztireli

机构 * University of Cambridge（剑桥大学） ； Chalmers University of Technology（挑战者技术大学） ； Google（谷歌） 纠错

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

AI总结 本文提出Matryoshka Gaussian Splatting，通过随机预算训练实现连续LOD，保持高容量渲染质量，实现单模型的速度-质量平衡。

Comments project page: https://zhilinguo.github.io/MGS

SRGS: Super-Resolution 3D Gaussian Splatting

SRGS：超分辨率3D高斯溅射

Xiang Feng, Yongbo He, Linxi Chen, Yan Yang, Chengkai Wang, Yifei Chen, Yixuan Zhong, Zhenzhong Kuang, Jiajun ding, Xufei Yin, Yanming Zhu

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； ShanghaiTech University（上海科技大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Xiangtan University（湘潭大学） ； Griffith University（格里菲斯大学） 纠错

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

AI总结 本文提出统一的模块化框架，将3DGS超分辨率分解为先验注入和跨视图正则化，分析了多种方法的改进来源，并通过实验验证了方法的鲁棒性。

Comments The first to focus on the HRNVS of 3DGS

Efficient Label Refinement for Face Parsing Under Extreme Poses Using 3D Gaussian Splatting

使用3D高斯溅射实现极端姿态下的人脸解析高效标签细化

Ankit Gahlawat, Anirban Mukherjee, Dinesh Babu Jayagopi

机构 * International Institute of Information Technology, Bangalore (IIIT-B)（国际信息技术研究所，班加罗尔（IIIT-B）） 纠错

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

AI总结 本文提出利用3D高斯溅射生成准确分割掩码，通过联合拟合两个模型提升多视角一致性，从而提高极端姿态下的人脸解析精度。

Comments Accepted to VCIP 2025 (International Conference on Visual Communications and Image Processing 2025)

Journal ref Proc. VCIP 2025

FeatureSLAM: Feature-enriched 3D gaussian splatting SLAM in real time

FeatureSLAM: 实时特征增强的3D高斯点云SLAM

Christopher Thirgood, Oscar Mendez, Erin Ling, Jon Storey, Simon Hadfield

机构 * CVSSP, Computer Science and Electronic Engineering, University of Surrey（Surrey大学计算机科学与电子工程系） ； Surrey Institute for People-Centered Artificial Intelligence, University of Surrey（Surrey大学人中心人工智能研究所） ； Industrial 3D Robotics（Industrial 3D Robotics公司） 纠错

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

AI总结 本文提出一种实时SLAM系统，结合高效相机跟踪与逼真特征映射，利用3D高斯点云技术。核心贡献是将密集特征栅格化整合到新视角合成中，提升语义准确性，优于传统RGB-D输入，增强跟踪与映射精度。

Camera-Aware Cross-View Alignment for Referring 3D Gaussian Splatting Segmentation

面向相机的跨视角对齐用于指称3D高斯点云分割

Yuwen Tao, Kanglei Zhou, Xin Tan, Yuan Xie

机构 * East China Normal University（东华师范大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出CaRF框架，通过引入CAM和GCLA模块，实现3D高斯点云中跨视角指称的一致性对齐，提升分割性能。

Comments Accepted to ICME 2026

StreetForward: Perceiving Dynamic Street with Feedforward Causal Attention

StreetForward：基于前馈因果注意力的动态街道感知

Zhongrui Yu, Zhao Wang, Yijia Xie, Yida Wang, Xueyang Zhang, Yifei Zhan, Kun Zhan

机构 * Li Auto Inc.（Li汽车公司） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出StreetForward框架，通过交替注意力机制和时间掩码注意力模块，实现动态街道的前馈重建，统一表示静态内容和动态实例，并在Waymo数据集上验证了其在视图合成和深度估计上的优越性。

Pseudo-Simulation for Autonomous Driving

伪模拟用于自动驾驶

Wei Cao, Marcel Hallgarten, Tianyu Li, Daniel Dauner, Xunjiang Gu, Caojun Wang, Yakov Miron, Marco Aiello, Hongyang Li, Igor Gilitschenski, Boris Ivanovic, Marco Pavone, Andreas Geiger, Kashyap Chitta

机构 * University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； NVIDIA Research（NVIDIA研究） ； Robert Bosch GmbH（罗伯特·博世集团） ； OpenDriveLab at Shanghai Innovation Institute（上海创新研究院自动驾驶实验室） ； University of Stuttgart（斯图加特大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出伪模拟方法，通过在真实数据上生成合成观测，提升自动驾驶评估的现实性和效率，实现与闭环模拟更紧密的关联。

Comments CoRL 2025, updated with leaderboard snapshot from March 2026

GoDe: Gaussians on Demand for Progressive Level of Detail and Scalable Compression

GoDe：为渐进细节层次和可扩展压缩的高斯

Francesco Di Sario, Riccardo Renzulli, Marco Grangetto, Akihiro Sugimoto, Enzo Tartaglione

机构 * National Institute of Informatics（日本信息处理研究所） 纠错

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

AI总结 GoDe通过重新组织高斯原始体，实现可扩展压缩和渐进细节控制，无需重新训练或微调，提升内存和带宽效率。

Layered Quantum Architecture Search for 3D Point Cloud Classification

分层量子架构搜索用于3D点云分类

Natacha Kuete Meli, Jovita Lukasik, Vladislav Golyanik, Michael Moeller

机构 * University of Siegen（锡根大学） ； MPI for Informatics（马克斯·普朗克信息研究所） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV；3D vision(journal_ref)

AI总结 本文提出分层量子架构搜索方法，通过逐步增长和适应量子电路架构，提升3D点云分类性能，优于传统量子优化方法。

Journal ref International Conference on 3D Vision (3DV) 2026

Learning Hierarchical Orthogonal Prototypes for Generalized Few-Shot 3D Point Cloud Segmentation

学习通用少样本3D点云分割的分层正交原型

Yifei Zhao, Fanyu Zhao, Zhongyuan Zhang, Shengtang Wu, Yixuan Lin, Yinsheng Li

机构 * College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） 纠错

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

AI总结 本文提出HOP3D框架，通过分层正交原型和熵基少样本正则化，实现通用少样本3D点云分割中新型类适应与基类性能的平衡。

Comments 6 pages, 6 figures, 2 tables, Accepted by ICME 2026

PCSTracker: Long-Term Scene Flow Estimation for Point Cloud Sequences

PCSTracker: 点云序列的长期场景流估计

Min Lin, Gangwei Xu, Xianqi Wang, Yuyi Peng, Xin Yang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Optics Valley Laboratory（光谷实验室） 纠错

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

AI总结 本文提出PCSTracker，通过引入IGMO和STTU模块，解决点云序列中长期场景流估计的时序一致性问题，实现实时32.5 FPS性能，优于RGB-D方法。

Comments Accepted in CVPR 2026 (Findings)

Uncertainty-aware Prototype Learning with Variational Inference for Few-shot Point Cloud Segmentation

具有不确定性意识的原型学习与变分推断用于少样本点云分割

Yifei Zhao, Fanyu Zhao, Yinsheng Li

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

AI总结 本文提出UPL方法，通过引入双流原型细化模块和变分推断框架，提升少样本点云分割的鲁棒性和不确定性建模能力，在ScanNet和S3DIS基准上取得最佳性能。

Comments 5 pages, 3 figures, 3 tables, accepted by ICASSP 2026

How to Enable LLM with 3D Capacity? A Survey of Spatial Reasoning in LLM

如何使LLM具备3D能力？LLM中空间推理的综述

Jirong Zha, Yuxuan Fan, Xiao Yang, Chen Gao, Xinlei Chen

机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guang Zhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 本文综述了将LLM与3D空间理解结合的方法，提出分类体系，涵盖图像、点云和混合模态方法，并讨论了当前限制与未来研究方向。

Comments 9 pages, 5 figures

Journal ref IJCAI 2025

LIORNet: Self-Supervised LiDAR Snow Removal Framework for Autonomous Driving under Adverse Weather Conditions

LIORNet：一种用于恶劣天气条件下自动驾驶的自监督激光雷达雪清除框架

Ji-il Park, Inwook Shim

机构 * Ministry of National Defense（国防 ministry） ； Department of Smart Mobility Engineering（智能移动工程系） 纠错

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

AI总结 本文提出LIORNet，通过自监督学习和多物理统计线索生成伪标签，有效区分噪声点与环境结构，提升恶劣天气下激光雷达感知的准确性和鲁棒性。

Comments 14 pages, 6 figures, 2 tables

SpikeGrasp: A Benchmark for 6-DoF Grasp Pose Detection from Stereo Spike Streams

SpikeGrasp：一种从立体尖峰流中检测6自由度抓取姿态的基准

Zhuoheng Gao, Jiyao Zhang, Zhiyong Xie, Hao Dong, Zhaofei Yu, Rongmei Chen, Guozhang Chen, Tiejun Huang

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

AI总结 本文提出SpikeGrasp框架，通过模拟生物视觉运动通路，利用立体尖峰相机的原始异步事件直接推断抓取姿态，无需重建点云，在复杂和纹理缺失场景中优于传统点云方法。

Comments Some real machine experiments need to be supplemented, and the entire paper is incomplete

PanORama: Multiview Consistent Panoptic Segmentation in Operating Rooms

PanORama：手术室多视角一致的全景分割

Tuna Gürbüz, Ege Özsoy, Tony Danjun Wang, Nassir Navab

机构 * MCML, Germany（MCML，德国） 纠错

专题命中 点云 ：spatial understanding(abstract)；分类 cs.CV

AI总结 本文提出PanORama，通过单次前向传递在骨干网络中建模跨视角交互，实现手术室多视角一致的全景分割，优于现有方法，且无需校准参数。

ReMAP-DP: Reprojected Multi-view Aligned PointMaps for Diffusion Policy

ReMAP-DP：基于重投影多视角对齐点地图的扩散策略

Xinzhang Yang, Renjun Wu, Jinyan Liu, Xuesong Li

机构 * School of Computer Science, Beijing Institute of Technology, China（北京理工大学计算机科学学院） 纠错

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

AI总结 本文提出ReMAP-DP框架，结合标准化视角重投影与结构感知双流扩散策略，解决2D视觉表示在3D空间感知上的不足，提升机器人在多样化任务中的精度与鲁棒性。

Comments fix some typos

Prompt-based Adaptation in Large-scale Vision Models: A Survey

基于提示的大规模视觉模型适应：综述

Xi Xiao, Yunbei Zhang, Lin Zhao, Yiyang Liu, Xiaoying Liao, Zheda Mai, Xingjian Li, Xiao Wang, Hao Xu, Jihun Hamm, Xue Lin, Min Xu, Qifan Wang, Tianyang Wang, Cheng Han

机构 * University of Alabama at Birmingham, USA（美国阿拉巴马大学伯明翰分校） ； Tulane University, USA（美国路易斯安那大学） ； Northeastern University, USA（美国东北大学） ； University of Missouri-Kansas City, USA（美国密苏里大学堪萨斯城分校） ； Johns Hopkins University, USA（约翰霍普金斯大学） ； Ohio State University, USA（俄亥俄州立大学） ； Carnegie Mellon University, USA（卡内基梅隆大学） ； Oak Ridge National Laboratory, USA（橡树岭国家实验室） ； Harvard University, USA（哈佛大学） ； Mohamed bin Zayed University of Artificial Intelligence, UAE（阿联酋Mohamed bin Zayed人工智能大学） ； Meta AI, USA（Meta AI） 纠错

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

AI总结 本文综述了基于提示的视觉模型适应方法，探讨了VP和VPT的核心机制及在不同领域的应用，揭示了其在测试时适应和可信AI中的作用，并总结了当前基准和未来研究方向。

Comments Accepted by TMLR 2026

FalconBC: Flow matching for Amortized inference of Latent-CONditioned physiologic Boundary Conditions

FalconBC：用于潜伏条件生理边界条件的近似推断流匹配

Chloe H. Choi, Alison L. Marsden, Daniele E. Schiavazzi

机构 * Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所） ； Bioengineering, Stanford University（斯坦福大学生物工程系） ； Pediatric Cardiology, Stanford University（斯坦福大学儿科心脏病学） ； Department of Applied and Computational Mathematics and Statistics, University of Notre Dame（诺丁汉大学应用与计算数学与统计学系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出FalconBC框架，通过概率流方法实现对患者特定生理边界条件的近似推断，解决了开放环路模型和血管病变解剖结构中边界条件无法孤立调节的问题。

OrbitNVS: Harnessing Video Diffusion Priors for Novel View Synthesis

OrbitNVS: 利用视频扩散先验进行新视角合成

Jinglin Liang, Zijian Zhou, Rui Huang, Shuangping Huang, Yichen Gong

机构 * South China University of Technology（华南理工大学） ； King's College London（伦敦大学国王学院） ； Agentic Labs, XGTech（Agentic实验室，XGTech） ； Pazhou Laboratory（Pazhou实验室） 纠错

专题命中 新视角合成 ：novel view synthesis(title,abstract)；分类 cs.CV

AI总结 OrbitNVS将新视角合成重新定义为轨道视频生成任务，通过定制模型设计和训练策略，利用预训练视频生成模型的丰富视觉先验，提升几何和外观一致性，实验表明在GSO和OmniObject3D基准上表现优异。

Comments 26 pages, 10 figures

Dual-Domain Representation Alignment: Bridging 2D and 3D Vision via Geometry-Aware Architecture Search

双域表示对齐：通过几何感知的架构搜索桥接2D和3D视觉

Haoyu Zhang, Zhihao Yu, Rui Wang, Yaochu Jin, Qiqi Liu, Ran Cheng

机构 * IEEE Publication Technology Group（IEEE出版技术组） 纠错

专题命中 新视角合成 ：3D vision(title)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出EvoNAS框架，通过融合Vision State Space和Vision Transformer模块，结合跨架构双域知识蒸馏策略，提升多目标架构搜索效率与一致性，实验证明EvoNets在精度与效率间取得帕累托最优平衡。

DreamCS: Geometry-Aware Text-to-3D Generation with Unpaired 3D Reward Supervision

DreamCS: 基于几何感知的文本到3D生成与无配对3D奖励监督

Xiandong Zou, Ruihao Xia, Hongsong Wang, Pan Zhou

机构 * Singapore Management University（新加坡管理学院） ； East China University of Science and Technology（东华大学） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出DreamCS框架，通过无配对3D-MeshPref数据训练奖励模型，提升文本到3D生成的几何准确性和人类偏好对齐能力。

IUP-Pose: Decoupled Iterative Uncertainty Propagation for Real-time Relative Pose Regression via Implicit Dense Alignment v1

IUP-Pose：解耦迭代不确定性传播用于通过隐式密集对齐的实时相对姿态回归

Jun Wang, Xiaoyan Huang

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出IUP-Pose，通过隐式密集对齐解决相对姿态估计中姿态与位移估计耦合和跨视图特征对齐不足的问题，实现高精度与高效能的实时部署。