3D 视觉

Accurate Point Measurement in 3DGS -- A New Alternative to Traditional Stereoscopic-View Based Measurements

3DGS中的准确点测量——一种传统立体视图测量的新替代方法

Deyan Deng, Rongjun Qin

机构 * Dept. of Civil, Environmental and Geodetic Engineering, The Ohio State University, Columbus OH, US（土木、环境与大地测量工程系，俄亥俄州立大学，哥伦布 OH，美国） ； Dept. of Electrical and Computer Engineering, The Ohio State University, Columbus OH, US（电气与计算机工程系，俄亥俄州立大学，哥伦布 OH，美国） 纠错

专题命中 Gaussian Splatting ：3DGS(title,abstract)；Gaussian Splatting(abstract)；point cloud(abstract)；novel view synthesis(abstract)

AI总结 本文提出一种基于3DGS的点测量方法，通过三角化不同视图中的共线点，实现高精度3D点测量，无需立体工作站或专业操作员能力，且支持多视图交点以提高精度。

Comments Accepted to the 2026 ISPRS Congress

Pose-Free Omnidirectional Gaussian Splatting for 360-Degree Videos with Consistent Depth Priors

无姿态全景方向高斯溅射用于具有一致深度先验的360度视频

Chuanqing Zhuang, Xin Lu, Zehui Deng, Zhengda Lu, Yiqun Wang, Junqi Diao, Jun Xiao

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Chongqing University（重庆大学） ； Air Force Engineering University（空军工程大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出PFGS360方法，通过无姿态全景视频重建3D高斯，利用一致性深度先验估计姿态并提升视图合成保真度。

HyperGaussians: High-Dimensional Gaussian Splatting for High-Fidelity Animatable Face Avatars

HyperGaussians: 高维高斯点云用于高质量可动画人脸仿生体

Gent Serifi, Marcel C. Buehler

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出HyperGaussians，一种高维多变量高斯点云的扩展，用于生成高质量可动画人脸仿生体。通过引入可学习的局部嵌入条件，提升表达能力，解决传统3DGS在非线性变形和细节表现上的不足。

Comments CVPR 2026, Project page: https://gserifi.github.io/HyperGaussians, Code: https://github.com/gserifi/HyperGaussians

Stochastic Ray Tracing for the Reconstruction of 3D Gaussian Splatting

随机光线追踪用于3D高斯点云重建

Peiyu Xu, Xin Sun, Krishna Mullia, Raymond Fei, Iliyan Georgiev, Shuang Zhao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（Adobe 研究院） ； Canva Research（Canva 研究院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV

AI总结 本文提出一种无排序的随机光线追踪方法，用于重建和渲染标准及可照明的3D高斯点云场景，提升了重建质量和速度。

Comments Project Page: https://xupaya.github.io/stoch3DGS/

Cross-Instance Gaussian Splatting Registration via Geometry-Aware Feature-Guided Alignment

跨实例高斯点云对齐 via 几何感知特征引导对齐

Roy Amoyal, Oren Freifeld, Chaim Baskin

机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV

AI总结 本文提出GSA方法，通过相似变换对齐不同类别的3DGS模型，无需真实尺度输入，通过迭代特征引导绝对对齐和多视图特征一致性优化，实现跨实例对齐。

Comments Accepted to CVPR 2026

3D Gaussian Splatting with Self-Constrained Priors for High Fidelity Surface Reconstruction

具有自约束先验的3D高斯点云用于高保真的表面重建

Takeshi Noda, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；NeRF(abstract)；3DGS(abstract)；分类 cs.CV

AI总结 本文提出自约束先验以约束3D高斯学习，提升深度渲染精度，通过融合当前3D高斯生成的深度图得到TSDF网格，生成带状约束以优化高斯分布，同时定期更新以提高准确性。

Comments Accepted by CVPR 2026. Project page: https://takeshie.github.io/GSPrior

Learning Explicit Continuous Motion Representation for Dynamic Gaussian Splatting from Monocular Videos

从单目视频学习显式连续运动表示以实现动态高斯点扩散

Xuankai Zhang, Junjin Xiao, Shangwei Huang, Wei-shi Zheng, Qing Zhang

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（教育部机器智能与先进计算重点实验室） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出了一种从单目视频生成高质量动态高斯点扩散的方法，通过SE(3) B样条运动基函数显式建模动态高斯的连续位置和姿态变形，并采用自适应控制机制提升计算效率和复杂运动建模能力。

Comments Accepted to CVPR 2026

IDESplat: Iterative Depth Probability Estimation for Generalizable 3D Gaussian Splatting

IDESplat: 迭代深度概率估计用于通用的3D高斯散射

Wei Long, Haifeng Wu, Shiyin Jiang, Jinhua Zhang, Xinchun Ji, Shuhang Gu

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 IDESplat通过迭代深度概率估计提升3D高斯散射的通用性，利用多级DPBU单元消除单一 warp 的不稳定性，实现更精确的高斯均值预测。

Less Gaussians, Texture More: 4K Feed-Forward Textured Splatting

更少高斯，纹理更多：4K前馈纹理散射

Yixing Lao, Xuyang Bai, Xiaoyang Wu, Nuoyuan Yan, Zixin Luo, Tian Fang, Jean-Daniel Nahmias, Yanghai Tsin, Shiwei Li, Hengshuang Zhao

机构 * HKU（香港大学） ； Apple（苹果公司） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出LGTM方法，通过预测紧凑高斯体与每体纹理，实现高分辨率4K视图合成，无需场景优化，显著减少高斯体数量。

MoRel: Long-Range Flicker-Free 4D Motion Modeling via Anchor Relay-based Bidirectional Blending with Hierarchical Densification

MoRel：通过基于锚点中继的双向混合与分层密集化实现长距离无闪烁的4D运动建模

Sangwoon Kwak, Weeyoung Kwon, Jun Young Jeong, Geonho Kim, Won-Sik Cheong, Jihyong Oh

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV

AI总结 本文提出MoRel框架，通过锚点中继双向混合与分层密集化方法，实现长距离动态场景的高效4D重建，解决内存占用、时间闪烁及遮挡处理问题。

Comments CVPR 2026 (camera ready ver.). The first two authors contributed equally to this work (equal contribution). Please visit our project page at https://cmlab-korea.github.io/MoRel/

MoRGS: Efficient Per-Gaussian Motion Reasoning for Streamable Dynamic 3D Scenes

MoRGS：面向流式动态3D场景的高效每高斯运动推理

Wonjoon Lee, Sungmin Woo, Donghyeong Kim, Jungho Lee, Sangheon Park, Sangyoun Lee

机构 * Yonsei University（延世大学） ； Electronics and Telecommunications Research Institute (ETRI)（韩国电子通信研究院） 纠错

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

AI总结 本文提出MoRGS，通过显式建模每高斯运动提升4D重建质量，利用稀疏关键视图的光流作为轻量运动提示，引入每高斯运动置信度以区分动态与静态高斯，提升重建质量和时间一致性。

$π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation

$π$, 但使其飞行：基于物理的VLA模型向空中操作的转移

Johnathan Tucker, Denis Liu, Aiden Swann, Allen Ren, Javier Yu, Jiankai Sun, Brandon Kim, Lachlain McGranahan, Quan Vuong, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Physical Intelligence 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。