3D 视觉

PAS3R: Pose-Adaptive Streaming 3D Reconstruction for Long Video Sequences

PAS3R：面向长视频序列的姿态自适应流式3D重建

Lanbo Xu, Liang Guo, Caigui Jiang, Cheng Wang

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University, China（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学，中国） ； University of East Anglia, Norwich, NR47TJ, United Kingdom（东安格利亚大学，诺里奇，英国） 纠错

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

AI总结 PAS3R通过动态调节状态更新机制，解决流式3D重建中视角变化与结构稳定性矛盾，提升长视频序列的轨迹精度和点云重建质量。

UAVLight: A Benchmark for Illumination-Robust 3D Reconstruction in Unmanned Aerial Vehicle (UAV) Scenes

UAVLight：用于无人机（UAV）场景中抗光照干扰的3D重建基准

Kang Du, Xue Liao, Junpeng Xia, Chaozheng Guo, Yi Gu, Yirui Guan, Duotun Wang, Sheng Huang, Zeyu Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Meituan UAV（美团无人机） ； Beijing University of Chemical Technology（北京化工大学） 纠错

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

AI总结 UAVLight基准通过可控且真实的飞行路径捕获多时段多光照条件下的场景，提供一致几何和校准下的自然光照变化，用于评估抗光照干扰的3D重建方法。

Comments 10 pages, 6 figures

RayMap3R: Inference-Time RayMap for Dynamic 3D Reconstruction

RayMap3R: 动态3D重建的推理时RayMap

Feiran Wang, Zezhou Shang, Gaowen Liu, Yan Yan

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Cisco Research（思科研究） 纠错

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

AI总结 本文提出RayMap3R框架，通过对比RayMap与图像预测识别动态区域，采用重置度量对齐和状态感知平滑技术，实现动态场景重建的高精度性能。

Comments Project page: https://raymap3r.github.io/

Real2Edit2Real: Generating Robotic Demonstrations via a 3D Control Interface

Real2Edit2Real：通过3D控制界面生成机器人演示

Yujie Zhao, Hongwei Fan, Di Chen, Shengcong Chen, Liliang Chen, Xiaoqi Li, Guanghui Ren, Hao Dong

机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； PKU-AgiBot Lab（北大AgiBot实验室） ； AgiBot 纠错

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

AI总结 本文提出Real2Edit2Real框架，通过3D可编辑性与2D视觉数据结合，减少重复数据收集，提升空间泛化能力，实验表明其数据效率提升显著。

Comments Accepted to CVPR 2026

Gen3R: 3D Scene Generation Meets Feed-Forward Reconstruction

Gen3R：3D场景生成与前馈重建的结合

Jiaxin Huang, Yuanbo Yang, Bangbang Yang, Lin Ma, Yuewen Ma, Yiyi Liao

机构 * Zhejiang University（浙江大学） ； ByteDance Project（字节跳动项目） 纠错

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

AI总结 Gen3R通过结合基础重建模型的强先验与视频扩散模型，实现3D场景生成，生成RGB视频及3D几何数据，实验显示其在单图和多图条件下达到SOTA结果。

Comments Project page: https://xdimlab.github.io/Gen3R/

VoroLight: Learning Voronoi Surface Meshes via Sphere Intersection

VoroLight: 通过球体相交学习Voronoi表面网格

Jiayin Lu, Ying Jiang, Yumeng He, Yin Yang, Chenfanfu Jiang

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

AI总结 VoroLight通过球体相交损失促进可控的Voronoi退化，实现平滑的表面重建，保留Voronoi的拓扑一致性与凸性。

Omni-WorldBench: Towards a Comprehensive Interaction-Centric Evaluation for World Models

Omni-WorldBench：迈向全面的交互导向的世界模型评估

Meiqi Wu, Zhixin Cai, Fufangchen Zhao, Xiaokun Feng, Rujing Dang, Bingze Song, Ruitian Tian, Jiashu Zhu, Jiachen Lei, Hao Dou, Jing Tang, Lei Sun, Jiahong Wu, Xiangxiang Chu, Zeming Liu, Kaiqi Huang

机构 * School of Computer Science and Technology, UCAS（UCAS计算机科学与技术学院） ； The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, CASIA（复杂系统认知与决策智能重点实验室） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； State Key Laboratory of Networking and Switching Technology, BUPT（网络与交换技术国家重点实验室） ； AMAP, Alibaba Group（阿里妈妈实验室，阿里巴巴集团） 纠错

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

AI总结 本文提出Omni-WorldBench，一个针对4D世界模型交互响应能力的综合评估基准，通过Omni-WorldSuite和Omni-Metrics评估交互动作对状态转移的影响，分析现有模型的局限性。

GTSR: Subsurface Scattering Awared 3D Gaussians for Translucent Surface Reconstruction

GTSR：基于3D高斯的透明表面重建

Youwen Yuan, Xi Zhao

机构 * Xi'an Jiaotong University（西安交通大学） 纠错

专题命中 三维重建 ：3DGS(abstract)；分类 cs.CV

AI总结 本文提出GTSR方法，通过结合表面和内部高斯分布，利用Fresnel项融合高斯分布并引入Disney BSDF模型，实现透明物体的高效重建，实验表明其在NeuralTO Syn数据集上表现优异。

From Part to Whole: 3D Generative World Model with an Adaptive Structural Hierarchy

从部分到整体：具有自适应结构层次的3D生成世界模型

Bi'an Du, Daizong Liu, Pufan Li, Wei Hu

机构 * Wangxuan Institute of \ Technology, Peking University Beijing, China ； Institute for Math \& AI, Wuhan University Wuhan, China 纠错

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

AI总结 本文提出了一种自适应部分-整体层次的3D生成世界模型，通过直接从图像令牌推断出软且组合性的掩码，自主发现潜在结构槽，实现跨类别的形状共享和去噪。

Comments Accepted to ICME 2026

LoGoColor: Local-Global 3D Colorization for 360° Scenes

LoGoColor: 本地-全局 3D 色彩化用于 360 度场景

Yeonjin Chang, Juhwan Cho, Seunghyeon Seo, Wonsik Shin, Nojun Kwak

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出 LoGoColor 方法，通过本地-全局策略生成一致的 3D 色彩化结果，提升复杂 360 度场景的色彩多样性与一致性。

Comments Project page is available at: https://yeonjin-chang.github.io/LoGoColor/

Efficient View Planning Guided by Previous-Session Reconstruction for Repeated Plant Monitoring

基于先前会话重建的高效视图规划用于重复植物监控

Sicong Pan, Luca Lobefaro, Moein Taherkhani, Xuying Huang, Rohit Menon, Cyrill Stachniss, Maren Bennewitz

机构 * Humanoid Robots Lab, University of Bonn（波恩大学人形机器人实验室） ； Lab for Photogrammetry and Robotics, University of Bonn（波恩大学摄影测量与机器人实验室） 纠错

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

AI总结 本文提出基于先前会话重建的高效视图规划方法，通过重用前一次会话的3D模型提升当前会话的主动感知能力，减少执行视图数量和机器人路径长度。

Comments Submitted for review

Training-Free Instance-Aware 3D Scene Reconstruction and Diffusion-Based View Synthesis from Sparse Images

无需训练的实例感知3D场景重建与基于扩散的视图合成从稀疏图像

Jiatong Xia, Lingqiao Liu

机构 * The University of Adelaide（阿德莱德大学） 纠错

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

AI总结 本文提出一种无需训练的系统，从稀疏未定位RGB图像重建、理解并渲染3D室内场景，通过点云重建、2D到3D实例提升和扩散模型渲染实现高保真结果，支持实例编辑。

Comments Accepted by SIGGRAPH Asia 2025

UP2You: Fast Reconstruction of Yourself from Unconstrained Photo Collections

UP2You：从无约束照片集合中快速重建自己

Zeyu Cai, Ziyang Li, Xiaoben Li, Boqian Li, Zeyu Wang, Zhenyu Zhang, Yuliang Xiu

机构 * Westlake University（西湖大学） ； Nanjing University（南京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

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

AI总结 UP2You通过数据校正方法高效处理无结构照片，实现高保真的3D人物重建，无需预设模板，提升几何精度和纹理保真度。

Comments Page: https://zcai0612.github.io/UP2You Code: https://github.com/zcai0612/UP2You

Journal ref International Conference on Learning Representations (ICLR), 2026