3D 视觉

UniQueR: Unified Query-based Feedforward 3D Reconstruction

UniQueR：统一的基于查询的前馈3D重建

Chensheng Peng, Quentin Herau, Jiezhi Yang, Yichen Xie, Yihan Hu, Wenzhao Zheng, Matthew Strong, Masayoshi Tomizuka, Wei Zhan

机构 * Applied Intuition ； UC Berkeley（伯克利大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 UniQueR通过统一的基于查询的前馈框架实现高效准确的3D重建，利用稀疏3D查询推理问题，减少内存和计算成本，提升几何表达能力。

CAM3R: Camera-Agnostic Model for 3D Reconstruction

CAM3R：用于3D重建的相机无关模型

Namitha Guruprasad, Abhay Yadav, Cheng Peng, Rama Chellappa

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 CAM3R通过双视网络和Ray-Aware Global Alignment框架，实现对宽角度相机模型的3D重建，解决了传统方法在非矩形光学图像中的几何退化问题。

FullCircle: Effortless 3D Reconstruction from Casual 360$^\circ$ Captures

FullCircle：从随意的360度拍摄中轻松进行3D重建

Yalda Foroutan, Ipek Oztas, Daniel Rebain, Aysegul Dundar, Kwang Moo Yi, Lily Goli, Andrea Tagliasacchi

机构 * Simon Fraser University（西蒙弗雷泽大学） ； Bilkent University（比尔肯特大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出了一种直接从原始360度摄像机捕获数据进行3D重建的实用流程，无需特殊拍摄协议或预处理，且对人类操作员的干扰具有鲁棒性，展示了360度拍摄在随意重建中的优势。

Static Scene Reconstruction from Dynamic Egocentric Videos

从动态第一人称视频中进行静态场景重建

Qifei Cui, Patrick Chen

机构 * Department of Computer and Information Science（计算机与信息科学系） 纠错

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

AI总结 本文提出了一种适应长时动态第一人称视频的鲁棒静态重建方法，通过抑制动态前景和分块重建策略提升全局一致性，有效减少轨迹漂移，实验表明在HD-EPIC和室内无人机数据集上显著提高了绝对轨迹误差和静态几何的视觉质量。

ACCURATE: Arbitrary-shaped Continuum Reconstruction Under Robust Adaptive Two-view Estimation

ACCURATE：任意形状连续体的鲁棒自适应双视角估计下的精确重建

Yaozhi Zhang, Shun Yu, Yugang Zhang, Yang Liu

机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（未来技术全球研究院，上海交通大学） 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ACCURATE框架，结合图像分割神经网络与几何约束拓扑遍历算法，实现对任意形状连续体的高精度重建，实验表明在模拟和真实数据集上均达到亚毫米精度。

Multimodal Industrial Anomaly Detection via Geometric Prior

基于几何先验的多模态工业异常检测

Min Li, Jinghui He, Gang Li, Jiachen Li, Jin Wan, Delong Han

机构 * Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences)（教育部计算功率网络与信息安全重点实验室，山东计算机科学中心（济南国家超算中心），齐鲁工业大学（山东省科学院）） ； Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing, Shandong Fundamental Research Center for Computer Science（山东省计算功率互联网与服务计算重点实验室，山东省计算机科学基础研究中心） 纠错

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

AI总结 本文提出基于几何先验的异常检测网络GPAD，通过点云专家模型提取细粒度几何特征，并结合两阶段融合策略和几何先验实现高效多模态数据融合，提升几何缺陷检测精度。

Comments Accepted for publication in IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)