3D 视觉

AdvSplat: Adversarial Attacks on Feed-Forward Gaussian Splatting Models

AdvSplat：对抗攻击针对前馈高斯点云模型

Yiran Qiao, Yiren Lu, Yunlai Zhou, Rui Yang, Linlin Hou, Yu Yin, Jing Ma

机构 * Case Western Reserve University（凯斯西储大学） 纠错

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

Shuojue Yang, Zijian Wu, Chengjiaao Liao, Qian Li, Daiyun Shen, Chang Han Low, Septimiu E. Salcudean, Yueming Jin

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） 纠错

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

Zechen Li, Lanqing Yang, Yiheng Bian, Hao Pan, Yongjian Fu, Yezhou Wang, Zhuxi Chen, Yi-Chao Chen, Guangtao Xue

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Comments This paper is withdrawn because the technical approach has been significantly updated.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

Yixian Wang, Haolin Yu, Jiadong Tang, Yu Gao, Xihan Wang, Yufeng Yue, Yi Yang

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

Injae Kim, Chaehyeon Kim, Minseong Bae, Minseok Joo, Hyunwoo J. Kim

机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学） 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

Chang Liu, Hongliang Yuan, Lianghao Zhang, Sichao Wang, Jianwei Guo, Shi-Sheng Huang

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

Ramazan Fazylov, Sergey Zagoruyko, Aleksandr Parkin, Stamatis Lefkimmiatis, Ivan Laptev

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 纠错

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

Gal Fiebelman, Hadar Averbuch-Elor, Sagie Benaim

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） 纠错

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/