3D 视觉

VBGS-SLAM: Variational Bayesian Gaussian Splatting Simultaneous Localization and Mapping

VBGS-SLAM：变分贝叶斯高斯点撒SLAM

Yuhan Zhu, Yanyu Zhang, Jie Xu, Wei Ren

机构 * University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出VBGS-SLAM，结合高斯点撒地图优化与相机姿态跟踪，通过变分推断提升鲁棒性和精度，实验证明在长序列预测和多场景中表现优异。

SparseSplat: Towards Applicable Feed-Forward 3D Gaussian Splatting with Pixel-Unaligned Prediction

SparseSplat: 向可应用的前馈3D高斯点划法迈进：像素不齐预测

Zicheng Zhang, Xiangting Meng, Ke Wu, Wenchao Ding

机构 * Fudan University（复旦大学） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文提出SparseSplat，首个可适应场景结构和局部区域信息丰富度的前馈3D高斯点划法模型，生成紧凑的3DGS地图，实验表明其在22%和1.5%的高斯数量下均能获得优异渲染质量。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

FACT-GS: Frequency-Aligned Complexity-Aware Texture Reparameterization for 2D Gaussian Splatting

FACT-GS：频率对齐的复杂度感知纹理重参数化用于2D高斯点划法

Tianhao Xie, Linlian Jiang, Xinxin Zuo, Yang Wang, Tiberiu Popa

机构 * Concordia University（康考迪亚大学） ； Mila–Quebec AI Institute（Mila-魁北克人工智能研究所） 纠错

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

AI总结 FACT-GS通过根据局部视觉频率分配纹理采样密度，提高2D高斯点划法的纹理空间利用效率，实现更清晰的高频细节表现。

Comments 11 pages, 6 figures, CVPR 2026 Findings track. Project page: https://tianhaoxie.github.io/project/FACT-GS/

Flash-Mono: Feed-Forward Accelerated Gaussian Splatting Monocular SLAM

Flash-Mono: 基于前馈加速的高斯点云单目SLAM

Zicheng Zhang, Ke Wu, Xiangting Meng, Keyu Liu, Jieru Zhao, Wenchao Ding

机构 * Fudan University（复旦大学） ； ShanghaiTech University（上海科技大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 Flash-Mono通过前馈预测前端和高效隐藏状态模块，解决了单目高斯点云SLAM在时间效率、几何精度和多视角一致性方面的不足，实现10倍速度提升和高质量渲染。

Journal ref International Conference on Learning Representations, 2026

NavCrafter: Exploring 3D Scenes from a Single Image

NavCrafter：从单张图像探索3D场景

Hongbo Duan, Peiyu Zhuang, Yi Liu, Zhengyang Zhang, Yuxin Zhang, Pengting Luo, Fangming Liu, Xueqian Wang

机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院人工智能与机器人中心） ； Peng Cheng Laboratory（鹏城实验室） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络空间安全学院） ； Central Media Technology Institute, Huawei Incorporated Company（华为技术有限公司中央媒体技术研究院） 纠错

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

AI总结 NavCrafter通过合成新颖视角视频序列，实现从单张图像生成灵活的3D场景，采用视频扩散模型和几何感知扩展策略，提升可控多视角合成与3D重建精度。

Comments 8 pages accepted by ICRA 2026

Streaming Real-Time Rendered Scenes as 3D Gaussians

流式实时渲染场景作为3D高斯分布

Matti Siekkinen, Teemu Kämäräinen

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

AI总结 本文提出通过流式传输3D高斯分布场景表示替代传统2D视频流，提升延迟补偿的视角灵活性和多用户场景建模效率。

Scene Grounding In the Wild

野外场景的场景定位

Tamir Cohen, Leo Segre, Shay Shomer-Chai, Shai Avidan, Hadar Averbuch-Elor

机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出一种框架，通过将部分重建与完整的参考模型对齐，提升无视觉重叠时的大尺度场景重建一致性。方法基于伪合成渲染，利用3D高斯点云和逆特征优化，引入WikiEarth数据集验证效果。

Comments CVPR 2026. Project page at https://tau-vailab.github.io/SceneGround/

UNICA: A Unified Neural Framework for Controllable 3D Avatars

UNICA：一种统一的神经框架用于可控的3D人形 avatars

Jiahe Zhu, Xinyao Wang, Yiyu Zhuang, Yanwen Wang, Jing Tian, Yao Yao, Hao Zhu

机构 * Nanjing University（南京大学） ； State Key Laboratory of Novel Software Technology（计算机软件新技术国家重点实验室） 纠错

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

AI总结 UNICA通过动作条件扩散模型和点转换器生成可控的3D人形，实现无需骨骼的统一生成框架，支持自由视角渲染和动态衣物处理。

Comments Opensource code: https://github.com/zjh21/UNICA

Better Rigs, Not Bigger Networks: A Body Model Ablation for Gaussian Avatars

更好的骨架，而非更大的网络：一种用于高斯avator的体模消融

Derek Austin

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

AI总结 本文通过将SMPL替换为MHR，展示了在PeopleSnapshot和ZJU-MoCap数据集上，体模表达能力是avator重建的主要瓶颈，且网格表示能力和姿态估计质量均对整体性能有显著贡献。