3D 视觉

Unblur-SLAM: Dense Neural SLAM for Blurry Inputs

Unblur-SLAM：用于模糊输入的密集神经SLAM

Qi Zhang, Denis Rozumny, Francesco Girlanda, Sezer Karaoglu, Marc Pollefeys, Theo Gevers, Martin R. Oswald

机构 * University of Amsterdam（阿姆斯特丹大学） ； Meta Reality Labs（Meta现实实验室） ； ETH Zürich（苏黎世联邦理工学院） 纠错

专题命中 SLAM与定位 ：3DGS(abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出Unblur-SLAM，一种针对模糊图像输入的RGB SLAM pipeline，能够处理多种模糊类型，在运动模糊和失焦模糊情况下表现出最佳性能，通过调整计算量和多视图优化提升重建效果。

Comments 14 pages, 9 figures (based on the document's total length and the final Figure 9 ). Accepted By CVPR 2026

Demo-Pose: Depth-Monocular Modality Fusion For Object Pose Estimation

Demo-Pose: 深度-单目模态融合用于物体姿态估计

Rachit Agarwal, Abhishek Joshi, Sathish Chalasani, Woo Jin Kim

机构 * Samsung Electronics Suwon, Republic of Korea（三星电子水原，韩国） 纠错

专题命中 SLAM与定位 ：3D vision(abstract)；分类 cs.CV

AI总结 本文提出Demo-Pose，通过新颖的多模态融合策略融合单目语义特征与基于深度的图卷积表示，提升物体姿态估计的几何推理能力，在REAL275数据集上优于现有方法。

Comments Accepted at ICASSP 2026, 5 pages, 3 figures, 3 tables