Implicit reconstruction from point cloud: an adaptive level-set-based semi-Lagrangian method
点云隐式重建：一种自适应层级集半拉格朗日方法
专题命中 三维重建 ：point cloud(title,abstract)
AI总结 本文提出一种基于层级集的半拉格朗日方法，用于从点云中重建表面。该方法通过自适应分级笛卡尔网格，结合曲率约束和高阶插值器，实现高质量隐式表示。
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 三维重建 5 篇
SLAT-Phys: Fast Material Property Field Prediction from Structured 3D Latents
SLAT-Phys：从结构化3D潜在特征快速预测材料属性场
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.GR、cs.RO
AI总结 SLAT-Phys通过单张RGB图像直接预测3D资产的空间变化材料属性场，利用预训练的3D资产生成模型的结构化潜在特征，结合轻量级神经解码器，高效估计杨氏模量、密度和泊松比，实现比传统方法更快的材料属性预测。
Comments 8 page, 4 figures
Form-Fitting, Large-Area Sensor Mounting for Obstacle Detection
适配式、大区域传感器安装用于障碍物检测
机构 * University of Colorado Boulder（科罗拉多大学博尔德分校）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出一种低成本方法，用于在机器人连杆上安装传感器以实现大范围感知覆盖，无需事先校准传感器位置和方向。通过计算机辅助设计生成机器人皮肤单元，可适配非可展表面，嵌入不同尺寸的电路板支架，保持传感器固定位置。
Comments Accepted at 2025 Humanoids Workshop on Advances in Contact-Rich Robotics: Rich Tactile-Based Physical Interaction [ConRich]
Neu-PiG: Neural Preconditioned Grids for Fast Dynamic Surface Reconstruction on Long Sequences
Neu-PiG：神经预条件网格用于长序列快速动态表面重建
机构 * University of Bonn（波恩大学）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出Neu-PiG，通过预条件潜在网格编码实现快速动态表面重建，解决了长序列中点云数据的一致性问题，提升精度和效率。
Comments CVPR 2026, Code: https://github.com/vc-bonn/neu-pig
FlashVGGT: Efficient and Scalable Visual Geometry Transformers with Compressed Descriptor Attention
FlashVGGT: 高效且可扩展的视觉几何变换器与压缩描述符注意力
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出FlashVGGT，通过压缩描述符注意力机制解决传统自注意力的可扩展性问题，实现高效多视角图像三维重建，实验表明其在精度和效率上优于VGGT。
Comments CVPR2026
2. Gaussian Splatting 8 篇
AdvSplat: Adversarial Attacks on Feed-Forward Gaussian Splatting Models
AdvSplat：对抗攻击针对前馈高斯点云模型
机构 * Case Western Reserve University（凯斯西储大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文研究了对抗攻击对前馈高斯点云模型的影响，提出两种高效的黑盒算法，通过频域参数化优化像素空间扰动，验证了输入图像中不可察觉的扰动对重建结果的破坏性。
Instrument-Splatting++: Towards Controllable Surgical Instrument Digital Twin Using Gaussian Splatting
Instrument-Splatting++: 向可控手术工具数字双胞胎迈进的高斯点云技术
机构 * Department of Biomedical Engineering, National University of Singapore (NUS)（生物医学工程系，新加坡国立大学） ； Department of Electrical and Computer Engineering, The University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出Instrument-Splatting++框架，通过高斯点云技术实现高保真可控的手术工具数字双胞胎，利用CAD先验知识和语义感知姿态估计提升重建精度和纹理学习效果。
Comments 10 pages, 9 figures
Wideband RF Radiance Field Modeling Using Frequency-embedded 3D Gaussian Splatting
基于嵌入频率的3D高斯点云的宽频带RF辐射场建模
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)
AI总结 本文提出一种新型3DGS算法，用于统一宽频带RF辐射场建模，通过嵌入频率的电磁特征网络，在不同频率下高效重建辐射场。
Comments This paper is withdrawn because the technical approach has been significantly updated. The methods and results in this version are no longer representative of the latest research progress
FilterGS: Traversal-Free Parallel Filtering and Adaptive Shrinking for Large-Scale LoD 3D Gaussian Splatting
FilterGS: 无遍历并行过滤与自适应收缩用于大规模LoD 3D高斯点扩散
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 FilterGS通过并行过滤机制和自适应高斯收缩策略，解决大规模LoD 3D高斯点扩散中遍历效率低和冗余高斯-瓷砖对的问题，实现高效渲染。
F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting
F4Splat：面向前馈3D高斯点绘制的预测密集化
机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出F4Splat，通过面向前馈3D高斯点绘制的预测密集化方法，引入基于密集度指导的分配策略，实现自适应的空间复杂度和多视角重叠的高斯点分配，减少冗余并提升重建质量。
Comments Project Page: $\href{https://mlvlab.github.io/F4Splat}{\text{this http URL}}$
HybridSplat: Fast Reflection-baked Gaussian Tracing using Hybrid Splatting
HybridSplat: 基于混合散射的快速反射烘焙高斯追踪
专题命中 Gaussian Splatting ：NeRF(abstract)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出HybridSplat机制，通过在高斯体素中烘焙视依赖反射，结合统一混合散射框架，实现高保真场景重建，并引入流水线加速和反射敏感高斯剪枝，提升渲染速度和降低内存占用。
Comments The authors have decided to withdraw this manuscript to undergo a comprehensive revision of the methodology and data analysis. The current version no longer accurately reflects the final scope and quality of our ongoing research
AGORA: Adversarial Generation Of Real-time Animatable 3D Gaussian Head Avatars
AGORA：对抗生成实时可动画的3D高斯头人像
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Polynome AI（波尼莫AI） ； MTS AI
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 AGORA通过将3D高斯点云与生成对抗网络结合，实现高保真可动画的3D人像生成，提升表达精度与可控性，并在单GPU上实现560FPS的渲染速度。
Comments Extended the method to support mobile devices; updated experiments, results and supplementary
Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation
让雪落下！通过物理引导的分数蒸馏动画3D高斯场景的动态天气效果
机构 * The Hebrew University of Jerusalem（希伯来大学耶路撒冷分校） ； Cornell University（康奈尔大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出物理引导的分数蒸馏框架，通过结合物理模拟和视频基于的分数蒸馏采样，实现3D场景的动态天气效果生成，提升真实感与动态一致性。
Comments Accepted to CVPR 2026. Project webpage: https://galfiebelman.github.io/let-it-snow/
3. 点云 5 篇
Adapting Point Cloud Analysis via Multimodal Bayesian Distribution Learning
通过多模态贝叶斯分布学习适应点云分析
机构 * MoE Key Lab of BIPC, University of Science and Technology of China（脑信息处理实验室，中国科学技术大学） ； Opus AI Research（Opus AI研究院） ； Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学）
专题命中 点云 ：point cloud(title,abstract)；3D vision(abstract)；分类 cs.CV
AI总结 本文提出BayesMM框架，通过多模态贝叶斯分布学习实现测试时点云分析的持续适应，利用文本先验和流式视觉特征的高斯分布融合，提升在分布偏移下的鲁棒性。
Comments CVPR 2026
PointRFT: Explicit Reinforcement Fine-tuning for Point Cloud Few-shot Learning
PointRFT：针对点云少样本学习的显式强化微调
机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； International School, Beijing University of Posts and Telecommunications（北京邮电大学国际学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出PointRFT，一种专为点云表示学习设计的强化微调方法，通过定制奖励函数提升训练稳定性，实验表明其在多种基准上优于传统监督微调。
Blind Quality Enhancement for G-PCC Compressed Dynamic Point Clouds
无监督质量提升用于G-PCC压缩的动态点云
专题命中 点云 ：point cloud(title,abstract)
AI总结 本文提出首个无监督质量提升模型，通过利用时间依赖性和多级失真水平下的特征相似性与差异性，提升压缩动态点云质量，实验显示在G-PCC压缩中取得显著PSNR提升和BD-rate改善。
An Adapter-free Fine-tuning Approach for Tuning 3D Foundation Models
一种无需适配器的微调方法用于调整3D基础模型
机构 * Concordia University（康科德大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出MCFT方法，通过选择性微调和动量一致性约束，在保持参数效率的同时提升3D基础模型的适应能力，实验表明其在少样本和半监督场景下表现优异。
Comments Accepted at The Fifth International Conference on Pattern Recognition and Artificial Intelligence (ICPRAI 2026)
A Reproducible Reality-to-VR Pipeline for Ecologically Valid Aging-in-Place Research
一种可重复的现实到VR流程用于生态效度的在地衰老研究
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种可重复的现实到VR流程，用于创建高保真的环境模拟，支持对在地衰老的认知研究。通过TLS扫描、点云处理、几何建模和Unreal Engine 5集成，实现高视觉保真度和稳定的90Hz帧率，降低老年人眩晕风险。
Comments 28 pages, 5 figures, 2 tables
4. 3D生成 1 篇
Dehallu3D: Hallucination-Mitigated 3D Generation from Single Image via Cyclic View Consistency Refinement
Dehallu3D：通过循环视图一致性细化实现单图像hallucination抑制的3D生成
机构 * Sichuan University（四川大学）
专题命中 3D生成 ：3D generation(title,abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 Dehallu3D通过设计平衡的多视图连续性约束和Outlier Risk Measure指标，有效抑制单图像3D生成中的hallucination，提升生成结构的几何精度和细节保留能力。
5. 空间理解 4 篇
3D-Mix for VLA: A Plug-and-Play Module for Integrating VGGT-based 3D Information into Vision-Language-Action Models
3D-Mix用于VLA：一种用于将基于VGGT的3D信息整合到视觉-语言-动作模型中的即插即用模块
机构 * HIT（哈尔滨工业大学） ； ZGCA（中钢集团自动化研究院） ； ZGCI（中钢集团信息研究院） ； HUST（华中科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； BUAA（北京航空航天大学） ； ECNU（华东师范大学） ； DeepCybo
专题命中 空间理解 ：3D vision(abstract)；spatial understanding(abstract)；分类 cs.RO
AI总结 本文提出3D-Mix模块，通过语义条件门控融合机制提升视觉-语言-动作模型的3D感知能力，在标准化基准测试中实现最佳性能。
Comments 13 pages
Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving
潜在世界动作建模：端到端自动驾驶的潜在世界建模
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Zhongguancun Academy（中关村学院）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出Latent-WAM框架，通过空间感知和动态感知的潜在世界表示实现高效端到端自动驾驶，实验显示在NAVSIM v2和HUGSIM上取得新的SOTA结果。
See, Remember, Explore: A Benchmark and Baselines for Streaming Spatial Reasoning
看见、记忆、探索：面向流式空间推理的基准与基线
机构 * The University of Hong Kong（香港大学） ； Yinwang Intelligent Technology Co. Ltd.（云网智能技术有限公司） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 本文提出S3-Bench基准，通过流式空间问答与主动探索解决传统方法在长时序推理和主动感知方面的不足，并提出AMF-VLM模型在压缩内存与主动探索方面实现性能提升。
Do 3D Large Language Models Really Understand 3D Spatial Relationships?
三维大语言模型真的能理解三维空间关系吗？
机构 * VGG（视觉信息组） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Google DeepMind（谷歌DeepMind）
专题命中 空间理解 ：3D vision(abstract)；分类 cs.RO
AI总结 本文挑战了3D-LLM对三维空间关系的理解能力，提出Real-3DQA基准测试，发现现有模型在去除简单线索后表现不佳，并提出3D重加权训练目标以提升空间推理能力。
Comments ICLR 2026
