3D 视觉

Think, Act, Build: An Agentic Framework with Vision Language Models for Zero-Shot 3D Visual Grounding

思考、行动、构建：一种基于视觉语言模型的代理框架用于零样本3D视觉定位

Haibo Wang, Zihao Lin, Zhiyang Xu, Lifu Huang

机构 * University of California, Davis（加州大学戴维斯分校） ； Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 本文提出TAB框架，通过2D到3D重建范式直接处理原始RGB-D流，利用2D VLMs解析复杂空间语义并结合多视图几何构建3D结构，克服传统方法依赖预处理点云的局限，实验证明其在ScanRefer和Nr3D上优于零样本方法和全监督基线。

GVGS: Gaussian Visibility-Aware Multi-View Geometry for Accurate Surface Reconstruction

GVGS: 基于高斯可见性感知的多视角几何用于准确表面重建

Mai Su, Qihan Yu, Zhongtao Wang, Yilong Li, Chengwei Pan, Yisong Chen, Guoping Wang, Fei Zhu

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV

AI总结 本文提出GVGS方法，通过显式建模高斯体的可见性，改进多视角几何一致性，提升表面重建精度，实验表明优于现有基于高斯的方法。