视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
DualTrack：无传感器3D超声需要局部和全局上下文
机构 * Queen's University, Kingston, Canada（昆士兰大学） ； ImFusion GmbH, Munich, Germany（ImFusion GmbH）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 DualTrack提出了一种双编码器架构，通过解耦的局部和全局编码器分别提取特征，以提高无传感器3D超声的轨迹估计精度和3D重建一致性。
Splats in Splats++: 一种鲁棒且通用的3D高斯点云隐写框架
机构 * State Key Laboratory of Multimedia Information Processing and National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（多媒体信息处理国家重点实验室和视觉技术国家工程研究中心、计算机科学学院，北京大学） ； Shanghai Key Laboratory of Integrated Administration Technologies for Information Security, School of Computer Science, Shanghai Jiao Tong University（信息安全集成管理技术上海市重点实验室、计算机科学学院，上海交通大学） ； National Biomedical Imaging Center, College of Future Technology, Peking University（生物医学成像国家中心、未来技术学院，北京大学） ； School of Software, Nanchang University（软件学院，南昌大学） ； Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（生物制药与健康工程研究院，清华大学深圳国际研究生院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(summary_cn,abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出一种统一的隐写框架，通过在3DGS表示中直接嵌入高容量3D/4D内容，实现安全高效的隐写，同时提升鲁棒性和通用性。
GaussianFlow SLAM：基于GaussianFlow的单目Gaussian Splatting SLAM
机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,title_cn)；3DGS(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出GaussianFlow SLAM，通过光学流引导场景结构和相机姿态优化，提升单目SLAM的映射质量和跟踪精度。
Comments 8 pages, 5 figures, 7 tables, accepted to IEEE RA-L
CLOTH-HUGS：具有布料感知的人形高斯点撒特
机构 * University of Texas at San Antonio（德克萨斯大学阿纳海姆分校）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 CLOTH-HUGS通过高斯点撒特框架实现逼真布料人形重建，分离身体和衣物表示，采用共享规范空间联合编码身体、衣物和场景原语，提升布料真实感和几何精度。
GlobalSplat: 通过全局场景标记实现高效的前馈3D高斯点绘
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Westlake University（西拉丘盘大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 GlobalSplat通过全局场景标记实现高效的前馈3D高斯点绘，解决了传统方法在空间分配上的局限性，实现紧凑且一致的重建。
混合隐变量：几何-外观感知的surfel撒点
机构 * Technical University of Munich（慕尼黑技术大学） ； Siemens Healthineers（西门子医疗）
专题命中 Gaussian Splatting ：NeRF(abstract,abstract_cn)；分类 cs.CV、cs.GR
AI总结 本文提出一种混合高斯哈希网格辐射表示，通过引入高斯隐变量特征，减少几何与外观的耦合，提升重建精度与渲染效率，实验证明在更少基元下取得更优效果。
Comments 22 pages, 9 figures
P3T: 用于3D视觉-语言模型的增强泛化原型点级提示微调
机构 * Department of Artificial Intelligence, University of Seoul（首尔大学人工智能系） ； Department of Applied Statistics, Yonsei University（延世大学应用统计系）
专题命中 点云 ：3D vision(title,abstract)；point cloud(abstract)；分类 cs.CV
AI总结 本文提出P3T，一种针对3D视觉-语言模型的高效提示微调方法，通过点级提示器和文本提示器提升模型泛化能力，并引入原型损失减少类别内方差，实验表明其在分类和少样本学习中表现优异。
Comments Accepted by ICRA 2026
APC：可转移且高效的对抗点反击用于鲁棒的3D点云识别
机构 * Department of Artificial Intelligence, University of Seoul, South Korea（首尔大学人工智能系，韩国） ； Department of Geo Informatics, University of Seoul, South Korea（首尔大学地理信息系，韩国）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出APC，一种轻量级输入级净化模块，通过生成实例特定的对抗扰动有效中和攻击，并通过混合训练策略提升跨不同攻击的泛化能力，实验表明其在3D识别基准上达到最先进的防御性能。
Comments Accepted by CVPR 2026 Findings
单张图像与多模态信息足矣实现新视角合成
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系）
专题命中 新视角合成 ：novel view synthesis(title,abstract)；分类 cs.CV
AI总结 本文提出利用稀疏多模态测距数据提升单图像新视角合成的几何一致性和视觉质量，通过多模态深度重建框架替代传统单目深度估计，增强扩散模型的生成效果。
DyTact：在手-物体操作中捕捉动态接触
机构 * Brown University（布朗大学） ； IIT Delhi（德里理工学院）
专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出DyTact方法，通过动态、可变形的2D高斯surfels表示，实现非侵入式手-物体动态接触捕捉，提升新型视角合成质量。
Comments 3DV 2026 Oral, Webpage: https://ivl.cs.brown.edu/research/dytact
Art3D: 无需训练的从平面着色插图生成3D
机构 * Brown University（布朗大学）
专题命中 3D生成 ：3D generation(title)；分类 cs.CV
AI总结 Art3D通过结合预训练2D图像生成模型和基于VLM的现实感评估，将平面着色插图提升为3D，解决了传统方法在处理无3D illusion的参考图像时的局限性，展示了其在多种绘画风格中的适应性。
Comments Technical Report. Project Page: https://joy-jy11.github.io/
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