3D 视觉

ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

ZipMap: 通过测试时训练实现线性时间的态持久3D重建

Haian Jin, Rundi Wu, Tianyuan Zhang, Ruiqi Gao, Jonathan T. Barron, Noah Snavely, Aleksander Holynski

机构 * Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 ZipMap通过测试时训练层实现线性时间双向3D重建，效率超过二次时间方法，能在10秒内处理700多帧。

Comments Project page: https://haian-jin.github.io/ZipMap

Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction

Scal3R: 适用于大规模3D重建的可扩展测试时间训练

Tao Xie, Peishan Yang, Yudong Jin, Yingfeng Cai, Wei Yin, Weiqiang Ren, Qian Zhang, Wei Hua, Sida Peng, Xiaoyang Guo, Xiaowei Zhou

机构 * Zhejiang University（浙江大学） ； Horizon Robotics（地平线机器人） ； Zhejiang Lab（之江实验室） 纠错

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

AI总结 本文提出Scal3R，通过轻量神经子网络在测试时自监督学习，提升大规模3D重建的精度和一致性，实验证明其在KITTI和Oxford Spires数据集上的优越性能。

Comments Project page: https://zju3dv.github.io/scal3r

SurfelSplat: Learning Efficient and Generalizable Gaussian Surfel Representations for Sparse-View Surface Reconstruction

SurfelSplat: 学习高效且可泛化的高斯Surfel表示以进行稀疏视图表面重建

Chensheng Dai, Shengjun Zhang, Min Chen, Yueqi Duan

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出SurfelSplat框架，通过稀疏视图图像生成高效且可泛化的高斯Surfel表示，利用Nyquist采样定理解决传统方法在几何属性恢复中的不足，实验表明其在DTU基准上表现优异且速度提升显著。

Comments Code is available at https://github.com/Simon-Dcs/Surfel_Splat

Brain3D: EEG-to-3D Decoding of Visual Representations via Multimodal Reasoning

Brain3D: 通过多模态推理实现EEG到3D视觉表示的解码

Emanuele Balloni, Emanuele Frontoni, Chiara Matti, Marina Paolanti, Roberto Pierdicca, Emiliano Santarnecchi

机构 * Università Politecnica delle Marche（马尔凯理工大学） ； University of Macerata（马切拉塔大学） ； Horizon Intelligence Labs（地平线智能实验室） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） 纠错

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

AI总结 本文提出Brain3D，通过多模态推理实现EEG到3D解码，分阶段生成3D网格，提升神经解码的几何理解与应用性。

Comments 17 pages, 2 figures

AI-Driven Marine Robotics: Emerging Trends in Underwater Perception and Ecosystem Monitoring

AI驱动的海洋机器人：水下感知与生态系统监测的新兴趋势

Scarlett Raine, Tobias Fischer

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

AI总结 本文探讨了气候变暖背景下，AI在水下感知与生态系统监测中的应用发展，分析了环境需求、公民科学平台和研究人员迁移等因素推动的AI创新，展示了弱监督学习、开放集识别和鲁棒感知等技术的进展。

Comments 9 pages, 3 figures, Accepted for Oral Presentation at AAAI Conference on Artificial Intelligence 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40 (2026), 40981-40989

3DrawAgent: Teaching LLM to Draw in 3D with Early Contrastive Experience

3DrawAgent：通过早期对比经验教LLM进行3D绘制

Hongcan Xiao, Xinyue Xiao, Yilin Wang, Yue Zhang, Yonggang Qi

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Jiangnan University（江南大学） ； HaoHan Data（浩瀚数据） 纠错

专题命中 三维重建 ：spatial understanding(abstract)；分类 cs.CV

AI总结 3DrawAgent通过几何反馈利用大语言模型生成3D贝塞尔曲线，引入相对经验优化策略，无需参数更新提升3D空间理解与绘制质量，实现免训练的3D草图智能发展。

Comments CVPR 2026 Highlight

Sampling-Aware 3D Spatial Analysis in Multiplexed Imaging

多维成像中考虑采样几何的3D空间分析

Ido Harlev, Tamar Oukhanov, Raz Ben-Uri, Leeat Keren, Shai Bagon

机构 * Weizmann Institute of Science（魏茨曼科学研究所） 纠错

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

AI总结 本文研究采样几何对常用空间统计稳定性的影响，提出一种几何感知重建模块，通过连续切片实现稀疏但一致的3D分析，验证了在有限预算下稀疏3D重建的实用价值。

Comments Accepted to The 11th IEEE Workshop on Computer Vision for Multimodal Microscopy Image Analysis (CVMI), a CVPR 2026 workshop

Monocular Depth Estimation From the Perspective of Feature Restoration: A Diffusion Enhanced Depth Restoration Approach

单目深度估计：从特征修复的角度出发：一种扩散增强的深度修复方法

Huibin Bai, Shuai Li, Hanxiao Zhai, Yanbo Gao, Chong Lv, Yibo Wang, Haipeng Ping, Wei Hua, Xingyu Gao

机构 * School of Software, Shandong University（山东大学软件学院） ； Shandong University-WeiHai Research Institute of Industrial Technology（山东大学威海工业技术研究院） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； Shandong Institute of Information Technology Industry Development（山东省信息技术产业发展研究院） ； Research Institute of Interdisciplinary Innovation, Zhejiang Lab（之江实验室交叉创新研究院） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文从特征修复角度提出扩散增强深度修复方法，通过改进编码器特征提升深度估计性能，在KITTI基准上取得显著提升。

Comments Accepted by IEEE TMM

A Survey on 3D Gaussian Splatting

3D高斯散射的综述

Guikun Chen, Wenguan Wang

机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University（浙江大学脑机智能全国重点实验室） 纠错

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

AI总结 本文综述了3D高斯散射的原理、应用及最新进展，分析其在3D重建中的潜力与挑战，为研究者提供参考。

Comments Accepted by ACM Computing Surveys; Paper list: https://github.com/guikunchen/Awesome3DGS ; Benchmark: https://github.com/guikunchen/3DGS-Benchmarks

AnchorSplat: Feed-Forward 3D Gaussian Splatting with 3D Geometric Priors

AnchorSplat: 基于3D几何先验的馈送式3D高斯点描绘

Xiaoxue Zhang, Xiaoxu Zheng, Yixuan Yin, Tiao Zhao, Kaihua Tang, Michael Bi Mi, Zhan Xu, Dave Zhenyu Chen

机构 * Huawei Technologies Ltd.（华为技术有限公司） 纠错

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

AI总结 本文提出AnchorSplat，一种基于3D几何先验的馈送式3D高斯点描绘方法，通过直接在3D空间中表示场景，减少高斯数量，提升重建精度和计算效率。

Comments CVPR 2026

RDSplat: Robust Watermarking for 3D Gaussian Splatting Against 2D and 3D Diffusion Editing

RDSplat: 3D高斯散射中针对2D和3D扩散编辑的鲁棒水印

Longjie Zhao, Ziming Hong, Zhenyang Ren, Runnan Chen, Mingming Gong, Tongliang Liu

机构 * The University of Sydney（悉尼大学） ； The University of Melbourne（墨尔本大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 RDSplat是首个能抵御2D和3D扩散编辑的3D高斯散射水印框架，通过在低频高斯基元中嵌入100位水印，结合频率感知基元选择和替代策略，实现高效训练和强鲁棒性。

GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting

GEAR: 基于高斯点划法的几何-运动交替优化用于关节物体建模

Jialin Li, Bin Fu, Ruiping Wang, Xilin Chen

机构 * Key Laboratory of AI Safety of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS（中国科学院人工智能安全重点实验室，中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 GEAR通过交替优化几何与运动，提升关节物体重建的精度和泛化能力，尤其在复杂多关节物体上表现优异。

Comments Accepted to CVPRF2026

Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting

Part$^{2}$GS: 基于3D高斯溅射的关节物体部分感知建模

Tianjiao Yu, Vedant Shah, Muntasir Wahed, Ying Shen, Kiet A. Nguyen, Ismini Lourentzou

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出Part$^{2}$GS框架，通过部分感知的3D高斯表示实现高保真度的多部件关节物体建模，结合物理一致的运动约束，提升运动连贯性。

Physically Plausible Human-Object Rendering from Sparse Views via 3D Gaussian Splatting

基于稀疏视角的物理合理人类-物体渲染：通过3D高斯点云

Weiquan Wang, Jun Xiao, Yi Yang, Yueting Zhuang, Long Chen

机构 * College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） 纠错

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

AI总结 本文提出HOGS框架，通过3D高斯点云实现高效且物理合理的稀疏视角人类-物体渲染，解决高渲染质量、物理合理性与计算效率的平衡问题。

Comments 16 pages, 14 figures, accepted by IEEE Transactions on Image Processing (TIP)

ReconPhys: Reconstruct Appearance and Physical Attributes from Single Video

ReconPhys：从单个视频中重建外观和物理属性

Boyuan Wang, Xiaofeng Wang, Yongkang Li, Zheng Zhu, Yifan Chang, Angen Ye, Guosheng Zhao, Chaojun Ni, Guan Huang, Yijie Ren, Yueqi Duan, Xingang Wang

机构 * GigaAI ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出ReconPhys，首个能从单目视频联合学习物理属性估计和3D高斯点云重建的端到端框架，实现快速高效的目标检测与生成。

Horticultural Temporal Fruit Monitoring via 3D Instance Segmentation and Re-Identification using Colored Point Clouds

通过彩色点云进行3D实例分割与重识别的园艺时间水果监测

Daniel Fusaro, Federico Magistri, Jens Behley, Alberto Pretto, Cyrill Stachniss

机构 * University of Padua（帕多瓦大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所） 纠错

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

AI总结 本文提出利用彩色点云进行3D水果实例分割与重识别的方法，通过学习模型和注意力匹配网络实现动态果园中水果的准确监测。

Journal ref Computers and Electronics in Agriculture, Volume 247, Pages 111723, 2026

Revisiting Radar Perception With Spectral Point Clouds

重新审视雷达感知与光谱点云

Hamza Alsharif, Jing Gu, Pavol Jancura, Satish Ravindran, Gijs Dubbelman

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； NXP Semiconductors（恩智浦半导体） 纠错

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

AI总结 本文提出光谱点云范式，证明稀疏点云在加入光谱信息后可媲美密集光谱数据，为统一雷达感知提供更鲁棒的输入表示。

Comments CVPR 2026 Workshop (PBVS 2026). Project page: https://www.tue-mps.org/Spectral-Point-Clouds-Radar/

Hierarchical Feature Learning for Medical Point Clouds via State Space Model

通过状态空间模型进行医疗点云的分层特征学习

Guoqing Zhang, Jingyun Yang, Yang Li

机构 * Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳市普适数据赋能重点实验室） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出基于状态空间模型的分层特征学习框架，用于医疗点云理解，通过多级下采样和KNN查询聚合多尺度结构信息，并引入坐标顺序和内向外扫描策略提升处理效率，最终在MedPointS数据集上验证了方法的优越性。

Comments 10 pages, 3 figures

Diff-PCR: Diffusion-Based Correspondence Searching in Doubly Stochastic Matrix Space for Point Cloud Registration

Diff-PCR: 基于双随机矩阵空间的扩散对应搜索用于点云配准

Haihua Shi, Qianliang Wu

机构 * Jinling Institute of Technology（金陵科技学院） ； PCA Lab, Key Lab of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, and Jiangsu Key Lab of Image and Video Understanding for Social Security, School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院，教育部高维信息智能感知与系统重点实验室，江苏省社会安全图像与视频理解重点实验室，PCA实验室） 纠错

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

AI总结 本文提出Diff-PCR框架，利用去噪扩散模型在双随机矩阵空间中预测最优匹配矩阵的搜索梯度，通过迭代优化提升点云配准的准确性与效率。

HOTFLoc++: End-to-End Hierarchical LiDAR Place Recognition, Re-Ranking, and 6-DoF Metric Localisation in Forests

HOTFLoc++: 端到端分层激光雷达位置识别、重排序及6自由度度量局部化在森林中的应用

Ethan Griffiths, Maryam Haghighat, Simon Denman, Clinton Fookes, Milad Ramezani

机构 * CSIRO Robotics（澳大利亚联邦科学与工业研究组织机器人实验室） ； School of Electrical Engineering and Robotics, Queensland University of Technology (QUT)（昆士兰科技大学电气工程与机器人学院） 纠错

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

AI总结 本文提出HOTFLoc++框架，通过多粒度特征提取提升森林和城市环境中鲁棒性，结合可学习多尺度几何验证减少重排序失败，实现更精确的局部化。

Comments 8 pages, 2 figures, Accepted for publication in IEEE RA-L (2026)

"Don't Do That!": Guiding Embodied Systems through Large Language Model-based Constraint Generation

别这样做！

Amin Seffo, Aladin Djuhera, Masataro Asai, Holger Boche

机构 * Technical University Munich（慕尼黑工业大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

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

AI总结 本文提出STPR框架，利用LLM将自然语言中的约束转化为可执行Python代码，解决复杂约束的翻译问题，并在仿真环境中验证其高效性和兼容性。

Comments ICLR 2026 Workshop -- Agentic AI in the Wild: From Hallucinations to Reliable Autonomy

Novel View Synthesis as Video Completion

新颖视角合成作为视频补全

Qi Wu, Khiem Vuong, Minsik Jeon, Srinivasa Narasimhan, Deva Ramanan

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 新视角合成 ：novel view synthesis(title,abstract)；分类 cs.CV

AI总结 本文提出将稀疏新颖视角合成视为低帧率视频补全任务，通过改进架构实现视角不变性，证明视频模型能以最少监督生成竞争性稀疏视角合成结果。

Comments Project page: https://frame-crafter.github.io/

MV-SAM3D: Adaptive Multi-View Fusion for Layout-Aware 3D Generation

MV-SAM3D：面向布局感知的多视图融合3D生成

Baicheng Li, Dong Wu, Jun Li, Shunkai Zhou, Zecui Zeng, Lusong Li, Hongbin Zha

机构 * Peking University（北京大学） ； JD Explore Academy（京东探索研究院） 纠错

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

AI总结 MV-SAM3D通过多视图一致性与物理合理性提升3D生成质量，无需额外训练，实现更可信的布局生成。

RQR3D: Reparametrizing the regression targets for BEV-based 3D object detection

RQR3D：基于鸟瞰图的3D目标检测的回归目标重新参数化

Ozsel Kilinc, Cem Tarhan

机构 * Amazon Lab 126（亚马逊126实验室） ； Togg/Trutek AI Team（Togg/Trutek人工智能团队） 纠错

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

AI总结 本文提出RQR3D方法，通过重新参数化回归目标将旋转目标检测转化为关键点回归任务，实现高效且准确的3D目标检测，适用于自动驾驶场景。

Comments To appear in proceedings of CVPR Findings 2026

OpenSpatial: A Principled Data Engine for Empowering Spatial Intelligence

OpenSpatial: 一种原则性的数据引擎，以赋能空间智能

Jianhui Liu, Haoze Sun, Wenbo Li, Yanbing Zhang, Rui Yang, Zhiliang Zhu, Yijun Yang, Shenghe Zheng, Nan Jiang, Jiaxiu Jiang, Haoyang Huang, Tien-Tsin Wong, Nan Duan, Xiaojuan Qi

机构 * Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 本文提出OpenSpatial数据引擎，通过构建五类基础任务的空间数据层次，生成高质量大规模数据集，提升空间推理性能，并系统分析数据属性对空间感知的影响。

Comments Code: https://github.com/VINHYU/OpenSpatial