3D 视觉

RefracGS: Novel View Synthesis Through Refractive Water Surfaces with 3D Gaussian Ray Tracing

RefracGS：通过折射水表面进行新颖视图合成

Yiming Shao, Qiyu Dai, Chong Gao, Guanbin Li, Yeqiang Wang, He Sun, Qiong Zeng, Baoquan Chen, Wenzheng Chen

机构 * Shandong University, China（山东大学） ； Peking University, Beijing, China（北京大学） ； Sun Yat-sen University, China（中山大学） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） 纠错

专题命中 新视角合成 ：novel view synthesis(title,abstract)；NeRF(abstract)；Gaussian Splatting(abstract)；3DGS(abstract)

AI总结 RefracGS通过3D高斯射线追踪方法，结合折射水面与底层场景的重建，实现高保真新颖视图合成，实验表明其在视觉质量和效率上优于现有方法。

Benchmarking Efficient & Effective Camera Pose Estimation Strategies for Novel View Synthesis

对新颖视角合成中高效且有效的相机姿态估计策略进行基准测试

Jhacson Meza, Martin R. Oswald, Torsten Sattler

机构 * Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电子工程系） ； Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague（捷克技术大学信息技术、机器人与自动化研究所） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文提出一个基准测试，评估在新颖视角合成中高效且有效的相机姿态估计策略，通过减少特征数量和使用前馈网络结合经典SfM方法，实现效率与精度的平衡。

Thermal is Always Wild: Characterizing and Addressing Challenges in Thermal-Only Novel View Synthesis

热总是野性：在仅热成像的新型视角合成中的特征刻画与挑战应对

M. Kerem Aydin, Vishwanath Saragadam, Emma Alexander

机构 * Northwestern University（西北大学） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文针对热成像在新型视角合成中的难点，提出轻量预处理与溅射流程，提升动态范围并稳定光照度，实现先进性能。

Comments To be published at CVPR, 2026. 15 Pages, 29 Figures

Repurposing Geometric Foundation Models for Multi-view Diffusion

将几何基础模型重新利用于多视图扩散

Wooseok Jang, Seonghu Jeon, Jisang Han, Jinhyeok Choi, Minkyung Kwon, Seungryong Kim, Saining Xie, Sainan Liu

机构 * KAIST AI（韩国科学技术院人工智能实验室） ； New York University（纽约大学） ； Intel Labs（英特尔实验室） 纠错

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

AI总结 本文提出Geometric Latent Diffusion框架，利用几何一致的特征空间作为多视图扩散的潜在空间，提升多视角生成的几何一致性和图像质量。

Comments project website: https://cvlab-kaist.github.io/GLD/

Memory-V2V: Memory-Augmented Video-to-Video Diffusion for Consistent Multi-Turn Editing

Memory-V2V: 通过记忆增强的视频到视频扩散模型实现一致的多轮编辑

Dohun Lee, Chun-Hao Paul Huang, Xuelin Chen, Jong Chul Ye, Duygu Ceylan, Hyeonho Jeong

机构 * Adobe Research（Adobe研究实验室） ； KAIST AI（韩国科学技术院人工智能研究所） ； Adobe Internship（Adobe实习） ； Project Lead（项目负责人） 纠错

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

AI总结 Memory-V2V通过引入外部记忆模块，解决多轮视频编辑中的跨轮一致性问题，提升编辑连贯性并保持视觉质量，优于现有基线模型。

Comments Project page: https://dohunlee1.github.io/MemoryV2V