视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
TouchAnything: 从稀疏机器人触碰引导的3D重建
机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV、cs.RO
AI总结 本文提出TouchAnything框架，利用预训练的2D视觉扩散模型作为语义和几何先验，从稀疏触觉测量中实现准确的3D重建，优于现有基线方法，支持开放世界中未见过的物体实例重建。
Comments Project Page: https://grange007.github.io/touchanything
一种用于中世纪手稿微型画三维重建的半自动化框架
机构 * University of Macerata（马切拉塔大学） ； University of Pisa（比萨大学）
专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV
AI总结 本文提出一种半自动化框架，将中世纪手稿中的二维微型画转换为适用于扩展现实、触觉3D打印和网络可视化三维数字模型，通过评估七种图像到3D方法，发现体积扩展与几何保真度之间的权衡。
HD-VGGT：高分辨率视觉几何变换器
机构 * Zhejiang University（浙江大学） ； Huzhou University（湖州师范学院） ； Nanjing University of Science and Technology（南京理工大学） ； Huawei（华为） ； Tongji University（同济大学）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 HD-VGGT通过双分支架构实现高效稳定的高分辨率3D重建，利用低分辨率分支生成全局一致的几何结构，高分辨率分支通过学习的特征上采样模块细化细节，采用特征调制技术抑制不稳定特征，提升重建质量。
高分辨率远距离3D单光子成像技术基于紧凑型SPAD阵列
专题命中 三维重建 ：3D reconstruction(abstract)
AI总结 本文提出一种基于DMD和紧凑型SPAD阵列的高分辨率远距离3D单光子成像系统，通过高分辨率空间调制与并行时间分辨检测结合，实现超越传统检测器格式的采样，并通过飞行时间测量保持深度信息，实验中在670米距离实现256x256有效空间分辨率的3D重建。
SIC3D：基于风格图像的文本到3D高斯点云生成
机构 * School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；3D generation(abstract)；分类 cs.CV
AI总结 SIC3D通过引入变分风格化分数蒸馏损失，提升文本到3D生成的可控性和纹理精度，实验表明其在几何真实性和风格一致性上优于现有方法。
LoBE-GS：负载均衡且高效的3D高斯点散射用于大规模场景重建
机构 * National Tsing Hua University（国立清华大学） ； NVIDIA AI Technology Center (NVAITC)（NVIDIA AI技术中心（NVAITC））
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV
AI总结 LoBE-GS通过负载均衡的KD树分区和优化切线，提升大规模3DGS场景重建效率，实现两倍更快的端到端训练时间，同时保持重建质量并支持无法用传统3DGS处理的场景。
AudioGS：基于频谱的音频高斯点云用于声音场重建
机构 * School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； Institute of Cultural and Creative Industry, Shanghai Jiao Tong University（上海交通大学文创学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)
AI总结 AudioGS通过频谱构建音频高斯点云，无需视觉先验，有效重建空间音频，实验显示其在MAG和DPAM指标上优于现有方法。
具有结构意识的细粒度高斯点散布用于表现力Avatar重建
机构 * School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（教育部新一代人工智能技术及其跨学科应用重点实验室（东南大学）） ； Purple Mountain Laboratories（紫金山实验室） ； Engineering Research Center of Blockchain Application, Supervision And Management (Southeast University), Ministry of Education（教育部区块链应用监管工程研究中心（东南大学）） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS)（多模态人工智能系统全国重点实验室） ； Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出SFGS方法，通过空间三平面和时间六平面捕捉动态特征，结合结构感知高斯模块和残差细化模块，实现高保真全身体素Avatar重建，优于现有方法。
Comments The code is on Github: https://github.com/Su245811YZ/SFGS
生成式3D高斯散射用于任意分辨率的大气降尺度与预测
机构 * 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） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； School of Computer and Information Sciences, University of Newcastle（纽卡斯尔大学计算机与信息科学学院） ； School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学与电子学学院（iOPEN））
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出GSSA-ViT框架，通过生成式3D高斯模型与尺度感知注意力机制，实现高维大气场的任意分辨率预测与降尺度，提升多尺度预测效率与准确性。
Comments 20 pages, 13 figures
DynFOA: 利用条件扩散生成动态和声学复杂的360度视频的首阶混响
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)
AI总结 本文提出DynFOA，通过整合动态场景重建与条件扩散模型，从360度视频生成首阶混响，解决复杂场景中声学效果建模问题，实验表明其在空间准确性、声学保真度等方面优于现有方法。
Comments Accidental duplicate submission. This paper was intended to be a replacement (v2) for arXiv:2602.06846
专题命中 Gaussian Splatting ：point cloud(abstract)
增量语义辅助的LiDAR-惯性里程计与RGB直接标签转移的网格生成
机构 * Faculty of Geo-Information Science and Earth Observation (ITC), University of Twente（特温特大学地理信息科学与地球观测学院（ITC））
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出基于RGB和LiDAR的增量语义辅助网格生成方法，通过直接标签转移提升几何重建精度，优于ImMesh和Voxblox，为XR和数字建模提供新路径。
Comments 8 pages, 5 figures, 2 tables. Accepted in ISPRS Archives 2026
生成仿真在物理人机交互中政策学习中的应用
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出零样本生成仿真框架，通过自然语言提示生成多样化的物理人机交互场景，用于自主收集合成数据并训练基于视觉的模仿学习策略，实现从仿真到现实的零样本迁移。
Comments 9 pages, 3 figures, 2 tables
ETCH-X：通过可组合数据集增强具有衣物人类的表达性身体拟合
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Nanjing University（南京大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出ETCH-X，通过引入紧致性感知拟合范式、SMPL-X扩展和隐式密集对应关系，提升身体拟合的鲁棒性和细节表达，实现对衣物动态、姿态变化和噪声输入的高效处理。
Comments Page: https://xiaobenli00.github.io/ETCH-X/, Code: https://github.com/XiaobenLi00/ETCH-X
R3PM-Net：实时、稳健、真实世界点匹配网络
机构 * Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电气工程系） ； Sioux Technologies
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出R3PM-Net，一种轻量级、全局感知的点匹配网络，旨在解决点云配准在真实工业场景中的泛化性和实时性问题，通过两个新数据集验证其在精度和速度上的优势。
Comments Accepted to CVPRw 2026 (Oral), Code and datasets at https://github.com/YasiiKB/R3PM-Net
VisionFoundry: 通过合成图像教授VLMs的视觉感知
机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 本文提出VisionFoundry，通过任务关键词生成合成数据，提升VLMs在空间理解和视角识别等视觉感知任务上的性能，构建了包含10k图像-问题-答案三元组的VQA数据集，并在多个基准测试中取得显著提升。
Comments Project Page: https://zlab-princeton.github.io/VisionFoundry/
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈