arXivDaily arXiv每日学术速递 周一至周五更新

视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-04-16 至 2026-04-16 共收录 4 信号源:cs.CV, cs.GR, cs.RO

1. 三维重建 4 篇

2604.14048 2026-04-16 cs.CV 79%

Free Geometry: Refining 3D Reconstruction from Longer Versions of Itself

自由几何:从更长版本的自身中细化3D重建

Yuhang Dai, Xingyi Yang

机构 * The Hong Kong Polytechnic University, Hong Kong SAR(香港理工大学)

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

AI总结 本文提出Free Geometry框架,通过在测试时让3D重建模型自我进化,提升在遮挡、镜面反射等复杂场景下的重建精度,改进了多个基准数据集的相机姿态和点云预测性能。

Comments Code is available at https://github.com/hiteacherIamhumble/Free-Geometry

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.13235 2026-04-16 cs.CV 79%

Neural 3D Reconstruction of Planetary Surfaces from Descent-Phase Wide-Angle Imagery

从下降阶段宽角影像进行行星表面的神经3D重建

Melonie de Almeida, George Brydon, Divya M. Persaud, John H. Williamson, Paul Henderson

机构 * University of Glasgow(格拉斯哥大学)

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

AI总结 本文提出了一种基于神经网络的行星下降影像3D重建方法,利用显式神经高度场表示提升重建精度,验证了神经方法在行星表面重建中的有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.11797 2026-04-16 cs.CV 74%

SyncFix: Fixing 3D Reconstructions via Multi-View Synchronization

SyncFix:通过多视图同步修复3D重建

Deming Li, Abhay Yadav, Cheng Peng, Rama Chellappa, Anand Bhattad

机构 * Johns Hopkins University(约翰霍普金斯大学) University of Virginia(弗吉尼亚大学)

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

AI总结 SyncFix通过多视图同步在扩散过程中修复3D重建的语义和几何不一致,利用联合潜在桥接匹配问题提升重建质量,即使在无干净参考图像时也能生成高质量结果。

Comments Project website: https://syncfix.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.14025 2026-04-16 cs.CV cs.AI cs.GR 62%

Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective

前馈3D场景建模:以问题为导向的视角

Weijie Wang, Qihang Cao, Sensen Gao, Donny Y. Chen, Haofei Xu, Wenjing Bian, Songyou Peng, Tat-Jen Cham, Chuanxia Zheng, Andreas Geiger, Jianfei Cai, Jia-Wang Bian, Bohan Zhuang

机构 * Zhejiang University(浙江大学) Nanyang Technological University(南洋理工大学) Monash University(墨尔本大学) ETH Zurich(苏黎世联邦理工学院) University of Tübingen(图宾根大学)

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

AI总结 本文探讨了前馈3D重建的通用方法,提出以模型设计为核心的分类体系,涵盖特征增强、几何意识、模型效率等五个核心问题,旨在推动3D场景建模的标准化与可扩展性。

Comments 67 pages, 395 references. Project page: https://ff3d-survey.github.io. Code: https://github.com/ziplab/Awesome-Feed-Forward-3D. This work has been submitted to Springer for possible publication

详情

展开后加载摘要…

URL PDF HTML 收藏