3D 视觉

Perspective-aware fusion of incomplete depth maps and surface normals for accurate 3D reconstruction

视角感知的不完整深度图与表面法线融合以实现准确的3D重建

Ondrej Hlinka, Georg Kaniak, Christian Kapeller

机构 * Austrian Institute of Technology（奥地利技术研究所） ； Center for Vision, Automation and Control（视觉、自动化与控制中心） ； Competence unit High-Performance Vision System（高性能视觉系统能力单元） 纠错

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

AI总结 本文提出一种视角感知的对数深度融合方法，通过显式考虑透视投影，提升基于单视角相机的深度和法线图的3D重建精度，并利用法线信息填补缺失深度数据。

Comments submitted to IET Electronics Letters

DRoPS: Dynamic 3D Reconstruction of Pre-Scanned Objects

DRoPS: 动态物体预扫描的动态3D重建

Narek Tumanyan, Samuel Rota Bulò, Denis Rozumny, Lorenzo Porzi, Adam Harley, Tali Dekel, Peter Kontschieder, Jonathon Luiten

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 本文提出DRoPS方法，利用动态物体的预扫描作为几何和外观先验，通过网格结构模型和CNN参数化运动，提升渲染质量和3D跟踪精度。

Comments Project page: https://drops-dynamics.github.io/

PE3R: Perception-Efficient 3D Reconstruction

PE3R：感知高效的3D重建

Jie Hu, Shizun Wang, Xinchao Wang

机构 * xML Lab, National University of Singapore（新加坡国立大学xML实验室） 纠错

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

AI总结 PE3R提出一种无需调优的框架，通过集成多视图几何与2D语义先验，实现跨场景的高效3D语义重建，提升推理速度并取得新的SOTA精度。

Comments Accepted to CVPR 2026

A Semantically Disentangled Unified Model for Multi-category 3D Anomaly Detection

一种用于多类3D异常检测的语义解耦统一模型

SuYeon Kim, Wongyu Lee, MyeongAh Cho

机构 * Kyung Hee University（庆熙大学） 纠错

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

AI总结 本文提出一种语义解耦的统一模型，通过解耦语义表示提升多类3D异常检测的可靠性与性能，实验表明其在统一模型和类别特定模型上均取得SOTA结果。

Comments Accepted by CVPR 2026

Inferring Compositional 4D Scenes without Ever Seeing One

无需 ever 看到一个推断组合性4D场景

Ahmet Berke Gokmen, Ajad Chhatkuli, Luc Van Gool, Danda Pani Paudel

机构 * INSAIT, Sofia University “St. Kliment Ohridski”（INSAIT，索非亚大学“圣克莱门特·奥赫里德斯基”） 纠错

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

AI总结 COM4D通过设计空间和时间注意力训练，仅用静态多物体或动态单物体监督，一致预测4D/3D对象的结构和时空配置，无需4D组合训练数据，实现从单目视频重建完整持久的4D场景。

Comments Project page: https://github.com/insait-institute/COM4D

ICTPolarReal: A Polarized Reflection and Material Dataset of Real World Objects

ICTPolarReal：真实世界物体的偏振反射与材质数据集

Jing Yang, Krithika Dharanikota, Emily Jia, Haiwei Chen, Yajie Zhao

机构 * Institute for Creative Technologies, University of Southern California（南加州大学创意技术研究所） 纠错

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

AI总结 本文提出一个大规模真实世界物体偏振反射与材质数据集，用于改进逆渲染和正渲染模型的材料分离与光照真实性。

Comments CVPR 2026

KitchenTwin: Semantically and Geometrically Grounded 3D Kitchen Digital Twins

KitchenTwin: 基于语义和几何的3D厨房数字孪生

Quanyun Wu, Kyle Gao, Daniel Long, David A. Clausi, Jonathan Li, Yuhao Chen

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文提出一种基于语义和几何的3D厨房数字孪生框架，通过融合视觉引导的对象网格与Transformer预测的全局点云，实现几何一致的数字孪生构建。

TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification

TopoMesh: 通过拓扑统一实现高保真的网格自编码

Guan Luo, Xiu Li, Rui Chen, Xuanyu Yi, Jing Lin, Chia-Hao Chen, Jiahang Liu, Song-Hai Zhang, Jianfeng Zhang

机构 * Tsinghua University（清华大学） ； ByteDance Seed（字节跳动种子） ； HKUST（香港科技大学） 纠错

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

AI总结 TopoMesh通过拓扑统一框架解决网格生成中的拓扑不匹配问题，利用稀疏体素VAE实现高保真重建，提升几何细节和锐利特征的保留能力。

Comments Accepted to CVPR 2026. Project page: https://logan0601.github.io/projects/topomesh/index.html

ArtPro: Self-Supervised Articulated Object Reconstruction with Adaptive Integration of Mobility Proposals

ArtPro: 基于自监督的可动物体重建与移动提案的自适应整合

Xuelu Li, Zhaonan Wang, Xiaogang Wang, Lei Wu, Manyi Li, Changhe Tu

机构 * Shandong University（山东大学） ； Southwest University（西南大学） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 ArtPro提出了一种自监督框架，通过自适应整合移动提案来解决传统方法在复杂多部件物体重建中的精度和稳定性问题，实验表明其在合成和真实物体上均表现优异。