3D 视觉

RANGER: A Monocular Zero-Shot Semantic Navigation Framework through Visual Contextual Adaptation

RANGER：通过视觉上下文适应的单目零样本语义导航框架

Ming-Ming Yu, Yi Chen, Börje F. Karlsson, Wenjun Wu

机构 * Beihang University（北京航空航天大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） 纠错

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

AI总结 RANGER通过视觉上下文学习实现零样本语义导航，无需依赖深度和姿态信息，利用3D基础模型和视觉语言模型提升任务效率与环境适应性。

Comments Accepted at ICRA 2026

Shape Representation using Gaussian Process mixture models

基于高斯过程混合模型的形状表示

Panagiotis Sapoutzoglou, George Terzakis, Georgios Floros, Maria Pateraki

机构 * Laboratory of Photogrammetry, School of Rural, Surveying 纠错

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

AI总结 本文提出了一种基于高斯过程混合模型的物体特定功能性形状表示方法，通过学习连续方向距离场来高效表示复杂几何结构。

Comments To appear in ISPRS 2026

MoonAnything: A Vision Benchmark with Large-Scale Lunar Supervised Data

MoonAnything: 一个具有大规模月球监督数据的视觉基准

Clémentine Grethen, Yuang Shi, Simone Gasparini, Géraldine Morin

机构 * IRIT - Université de Toulouse（图卢兹第三大学-计算机科学研究所） ； National University of Singapore（新加坡国立大学） ； IPAL, IRL2955 纠错

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

AI总结 本文提出MoonAnything基准，基于真实月球地形和物理渲染，提供首个全面的几何和光度监督。包含LunarGeo和LunarPhoto两个子数据集，共13万+样本，适用于低纹理、高对比条件下的算法测试。

Comments Accepted to ACM MMSys 2026

Reliev3R: Relieving Feed-forward Reconstruction from Multi-View Geometric Annotations

Reliev3R: 从多视角几何注释中解脱的前馈重建

Youyu Chen, Junjun Jiang, Yueru Luo, Kui Jiang, Xianming Liu, Xu Yan, Dave Zhenyu Chen

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei（华为） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 Reliev3R通过弱监督方法训练前馈重建模型，无需昂贵的多视角几何注释，利用单目相对深度和图像稀疏对应关系进行3D知识学习，提升重建效率与可扩展性。

Comments Accepted by CVPR2026

Minimum-norm interpolation for unknown surface reconstruction

未知表面重建的最小范数插值

Alex Shiu Lun Chu, Leevan Ling, Ka Chun Cheung

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于径向基函数的核插值方法，通过改进的混合维试空间提升点云表面重建精度，尤其在法线估计上优于传统RBF方法。

RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives

RT-GS：基于反射和透射原语的高斯散射

Kunnong Zeng, Chensheng Peng, Yichen Xie, Masayoshi Tomizuka, Cem Yuksel

机构 * University of Utah（犹他大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 RT-GS通过整合微面材料模型与光线追踪，解决高斯散射中同时建模镜面反射和半透明表面后物体外观的问题，提升视图合成的真实感。

CLoD-GS: Continuous Level-of-Detail via 3D Gaussian Splatting

CLoD-GS：通过3D高斯散射实现连续细节层次

Zhigang Cheng, Mingchao Sun, Yu Liu, Zengye Ge, Luyang Tang, Mu Xu, Yangyan Li, Peng Pan

机构 * Tsinghua University（清华大学） ； AMAP（高德地图） 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CLoD-GS框架，利用3D高斯散射技术实现连续细节层次，通过动态调整高斯体透明度，实现单模型的平滑细节渐变，减少存储开销和视觉瑕疵。

Comments Accepted by ICLR 2026 poster

Diff3R: Feed-forward 3D Gaussian Splatting with Uncertainty-aware Differentiable Optimization

Diff3R: 前馈3D高斯点云与不确定性感知的可微优化

Yueh-Cheng Liu, Jozef Hladký, Matthias Nießner, Angela Dai

机构 * Technical University of Munich（慕尼黑工业大学） ； Computing Systems Lab, Huawei Technologies, Switzerland（华为技术瑞士计算系统实验室） 纠错

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

AI总结 Diff3R结合前馈预测与测试时优化，通过可微优化层提升3DGS性能，降低计算成本，增强鲁棒性。

Comments Project page: https://liu115.github.io/diff3r, Video: https://www.youtube.com/watch?v=IxzNSAdUY70

LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting

LG-HCC：局部几何感知的层次上下文压缩用于3D高斯点扩散

Xuan Deng, Xiandong Meng, Hengyu Man, Qiang Zhu, Tiange Zhang, Debin Zhao, Xiaopeng Fan

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology Suzhou Research Institute（哈尔滨工业大学苏州研究院） 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LG-HCC框架，通过引入局部几何感知的锚点修剪和分层熵编码，提升3D高斯点扩散的存储效率与几何一致性。

Comments 10

Moving Light Adaptive Colonoscopy Reconstruction via Illumination-Attenuation-Aware 3D Gaussian Splatting

通过光照衰减感知的3D高斯点云进行动态光源适应性结肠镜重建

Hao Wang, Ying Zhou, Haoyu Zhao, Rui Wang, Qiang Hu, Xing Zhang, Qiang Li, Zhiwei Wang

机构 * Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（武汉光电国家研究中心，华中科技大学） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； Wuhan United Imaging Healthcare Surgical Technology Co., Ltd（武汉联影医疗手术技术有限公司） 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ColIAGS框架，通过引入光照衰减模型和改进的几何与外观建模，提升结肠镜中动态光源下的视图合成与几何重建精度。

Comments Accepted by ICME2026

Compact Keyframe-Optimized Multi-Agent Gaussian Splatting SLAM

紧凑化关键帧优化多智能体高斯点云SLAM

Monica M. Q. Li, Pierre-Yves Lajoie, Jialiang Liu, Giovanni Beltrame

机构 * Polytechnique Montreal（蒙特利尔理工学院） ； University of Wisconsin（威斯康星大学） 纠错

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

AI总结 本文提出一种改进的多智能体RGB-D高斯点云SLAM框架，通过压缩步骤和中央闭环计算减少通信负载，提升地图保真度，实验证明数据传输量减少85-95%。

TRiGS: Temporal Rigid-Body Motion for Scalable 4D Gaussian Splatting

TRiGS：用于可扩展4D高斯点分布的时序刚体运动

Suwoong Yeom, Joonsik Nam, Seunggyu Choi, Lucas Yunkyu Lee, Sangmin Kim, Jaesik Park, Joonsoo Kim, Kugjin Yun, Kyeongbo Kong, Sukju Kang

机构 * Sogang University（西江大学） ； Pusan National University（釜山国立大学） ； POSTECH（浦项科技大学） ； Seoul National University（首尔国立大学） ； Electronics and Telecommunications Research Institute（电子通信研究院） 纠错

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

AI总结 TRiGS通过统一的连续几何变换解决4D高斯点分布中时间碎片化问题，实现对复杂非线性动态的稳定建模，支持扩展视频序列的高效渲染。

Comments Project page: https://wwwjjn.github.io/TRiGS-project_page/

ARGS: Auto-Regressive Gaussian Splatting via Parallel Progressive Next-Scale Prediction

ARGS：通过并行渐进下一尺度预测实现自动回归高斯点撒

Quanyuan Ruan, Kewei Shi, Jiabao Lei, Xifeng Gao, Xiaoguang Han

机构 * South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Lightspeed 纠错

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

AI总结 本文提出ARGS框架，通过并行生成多尺度高斯表示，实现3D物体生成的高效下一尺度预测，提升结构一致性与视觉保真度。

Geometric-Photometric Event-based 3D Gaussian Ray Tracing

几何-光度事件基于的3D高斯射线追踪

Kai Kohyama, Yoshimitsu Aoki, Guillermo Gallego, Shintaro Shiba

机构 * Keio University（庆应义塾大学） ； Technische Universität Berlin（柏林工业大学） ； Science of Intelligence Excellence Cluster（智能科学卓越集群） ； Einstein Center Digital Future（爱因斯坦数字未来中心） ； Robotics Institute Germany（德国机器人研究所） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出GPERT框架，通过分离事件渲染与快照渲染，解决事件基于3DGS的精度与时间分辨率平衡问题，实现高精度3D重建。

Comments 15 pages, 12 figures, 5 tables

Journal ref IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Denver, 2026

Autoregressive Appearance Prediction for 3D Gaussian Avatars

自回归外观预测用于3D高斯姿态 avatars

Michael Steiner, Zhang Chen, Alexander Richard, Vasu Agrawal, Markus Steinberger, Michael Zollhöfer

机构 * Graz University of Technology, Austria（格拉茨技术大学） ； Meta Reality Labs, Pittsburgh, USA（Meta现实实验室（匹兹堡）） 纠错

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

AI总结 本文提出一种基于3D高斯点划法的avatar模型，通过自回归方法预测外观潜变量，提高渲染稳定性和细节重建质量。

Comments Project Page: https://steimich96.github.io/AAP-3DGA/

MoRe-3DGSMR: Motion-resolved reconstruction framework for free-breathing pulmonary MRI based on 3D Gaussian representation

MoRe-3DGSMR：基于3D高斯表示的自由呼吸肺部MRI运动解析重建框架

Tengya Peng, Ruyi Zha, Qing Zou

机构 * Department of Biomedical Engineering, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心生物医学工程系） ； Australian National University（澳大利亚国立大学） ； Department of Pediatrics, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心儿科学系） ； Department of Radiology, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心放射学系） ； Advanced Imaging Research Center, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心高级影像研究中心） 纠错

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

AI总结 本文提出一种无监督的自由呼吸肺部MRI运动解析重建框架，利用3D高斯表示解决运动解析3D等距肺部MRI重建问题，通过空间表示连续化提升图像质量。

Sparkle: A Robust and Versatile Representation for Point Cloud based Human Motion Capture

Sparkle：一种稳健且多功能的点云基于人体动作捕捉表示

Yiming Ren, Yujing Sun, Aoru Xue, Kwok-Yan Lam, Yuexin Ma

机构 * ShanghaiTech University（上海科技大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信任中心） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出Sparkle，一种结合骨骼关节和表面锚点的结构化表示，通过层次模块学习几何连续性和运动学约束，实现高精度、鲁棒性和泛化能力。

Comments Accepted at ICLR 2026

Neural Reconstruction of LiDAR Point Clouds under Jamming Attacks via Full-Waveform Representation and Simultaneous Laser Sensing

通过全波形表示和同时激光感知实现对抗攻击下的LiDAR点云神经重建

Ryo Yoshida, Takami Sato, Wenlun Zhang, Yuki Hayakawa, Shota Nagai, Takahiro Kado, Taro Beppu, Ibuki Fujioka, Yunshan Zhong, Kentaro Yoshioka

机构 * Keio University（庆应义塾大学） ； Sony Semiconductor Solutions（索尼半导体解决方案公司） ； Hainan University（海南大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出PULSAR-Net，利用全波形表示和同时激光感知，在对抗攻击下重建真实点云，通过轴向空间注意力机制识别攻击信号，实验显示其在静态和驾驶场景中对车辆的重建率分别达92%和73%。

Open-Set Supervised 3D Anomaly Detection: An Industrial Dataset and a Generalisable Framework for Unknown Defects

开集监督三维异常检测：一个工业数据集和一个通用框架用于未知缺陷

Hanzhe Liang, Luocheng Zhang, Junyang Xia, HanLiang Zhou, Bingyang Guo, Yingxi Xie, Can Gao, Ruiyun Yu, Jinbao Wang, Pan Li

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机学院） ； Software College, Northeastern University（东北大学软件学院） ； Shenzhen Audencia Financial Technology Institute（深圳南特金融科技学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Zhejiang Institute of Artificial Intelligence（浙江省人工智能研究所） ； Northeastern University（东北大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出Open3D-AD框架，利用正常样本、模拟异常和部分观察的真实异常，通过对应分布采样减少正常与非正常分布重叠，提升开集监督三维异常检测性能。

Comments Resources: https://github.com/hzzzzzhappy/open-industry

ReinDriveGen: Reinforcement Post-Training for Out-of-Distribution Driving Scene Generation

ReinDriveGen：强化学习后训练用于分布外驾驶场景生成

Hao Zhang, Lue Fan, Weikang Bian, Zehuan Wu, Lewei Lu, Zhaoxiang Zhang, Hongsheng Li

机构 * MMLab, CUHK（MMLab，香港中文大学） ； CASIA（中国科学院自动化研究所） ； SenseTime Research（商汤科技研究院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 ReinDriveGen通过动态点云场景生成与强化学习后训练，实现对驾驶场景的可控生成，提升安全关键场景的模拟质量。

Comments Project page: https://drive-sim.github.io/ReinDriveGen/

Enhancing Floor Plan Recognition: A Hybrid Mix-Transformer and U-Net Approach for Precise Wall Segmentation

增强平面识别：一种混合Mix-Transformer和U-Net方法用于精确墙体分割

Dmitriy Parashchuk, Alexey Kaspshitskiy, Yuriy Karyakin

机构 * Tyumen State University（秋明国立大学） 纠错

专题命中 点云 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出MitUNet，结合Mix-Transformer和U-Net，通过改进的损失函数提升墙体分割精度，实验显示其在CubiCasa5k数据集上表现优异，为自动化3D重建提供基础。

Comments 11 pages, 5 figures, 3 tables

Learning to Infer Parameterized Representations of Plants from 3D Scans

从3D扫描中学习植物参数化表示

Samara Ghrer, Christophe Godin, Stefanie Wuhrer

机构 * Inria center at Université Grenoble Alpes（法国国家信息与自动化研究所格勒诺布尔阿尔卑斯大学中心） ； Inria center at Lyon（法国国家信息与自动化研究所里昂中心） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出通过递归神经网络从3D点云推断植物参数化结构，用于植物表型分析中的重建、分割和骨架化任务，方法在合成数据上训练后能有效泛化到真实3D扫描。

Diagnosing Neural Convergence with Topological Alignment Spectra

通过拓扑对齐光谱诊断神经网络收敛

Tiago F. Tavares, Fabio Ayres, Paris Smaragdis

机构 * Insper（Insper教育研究学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出拓扑对齐光谱(TAS)，通过多尺度分析识别神经网络中局部噪声与语义重组的区别，揭示微尺度几何抖动与宏观语义重组的差异，挑战任务适应仅是保守或局部的观点。

ForgeDreamer: Industrial Text-to-3D Generation with Multi-Expert LoRA and Cross-View Hypergraph

ForgeDreamer: 工业文本到3D生成的多专家LoRA与跨视图超图

Junhao Cai, Deyu Zeng, Junhao Pang, Lini Li, Zongze Wu, Xiaopin Zhong

机构 * Shenzhen University（深圳大学） ； Guangzhou Maritime University（广州航海学院） 纠错

专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.CV

AI总结 本文提出ForgeDreamer框架，通过多专家LoRA集合和跨视图超图增强方法，解决工业文本到3D生成中的领域适应与几何推理问题，提升语义泛化和几何精度。

Comments Accepted to CVPR 2026 Findings!

Communicating about Space: Language-Mediated Spatial Integration Across Partial Views

关于空间的交流：通过语言介导的空间整合跨部分视图

Ankur Sikarwar, Debangan Mishra, Sudarshan Nikhil, Ponnurangam Kumaraguru, Aishwarya Agrawal

机构 * Mila – Quebec AI Institute（Mila – 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； IIIT Hyderabad（海得拉巴国际信息技术学院） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV

AI总结 研究探讨多模态大语言模型能否通过对话整合不同视角，发现其在识别共享锚点物体上表现较好，但在关系推理和全局地图构建上存在不足。

NeuroVase: A Tangible Mobile Augmented Reality Learning System for Neurovascular Anatomy and Stroke Education

NeuroVase：一种用于神经血管解剖和中风教育的可触摸移动增强现实学习系统

Bahar Jahani, Matsanga Leyila Kaseka, Marta Kersten-Oertel, Yiming Xiao

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 NeuroVase通过可触摸卡片和AR技术提供交互式神经血管解剖学习，提升中风教育的效率和用户体验。