3D 视觉

PoInit-of-View: Poisoning Initialization of Views Transfers Across Multiple 3D Reconstruction Systems

视角污染：跨多种3D重建系统的视角初始化污染

Weijie Wang, Songlong Xing, Zhengyu Zhao, Nicu Sebe, Bruno Lepri

机构 * University of Trento（特伦托大学） ； Fondazione Bruno Kessler（布鲁诺·科斯勒基金会） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文提出PoInit-of-View方法，通过优化对抗扰动在不同3D重建系统中引发视角污染，破坏关键点检测和特征匹配，从而降低重建质量。

Comments Accepted by CVPR 2026

AI Approach for MRI-only Full-Spine Vertebral Segmentation and 3D Reconstruction in Paediatric Scoliosis

基于AI的MRI-only全脊柱椎体分割及3D重建在儿童脊柱侧弯中的应用

Nathasha Naranpanawa, Maree T. Izatt, Robert D. Labrom, Geoffrey N. Askin, J. Paige Little

机构 * Biomechanics and Spine Research Group, School of Mechanical, Medical, and Process Engineering, Faculty of Engineering, Queensland University of Technology（生物力学与脊柱研究组，机械、医学与过程工程学院，工程学院，昆士兰理工大学） ； Centre for Biomedical Technologies, School of Mechanical, Medical and Process Engineering, Faculty of Engineering, Queensland University of Technology（生物医学技术中心，机械、医学与过程工程学院，工程学院，昆士兰理工大学） ； Orthopaedics Department, Queensland Children’s Hospital（骨科部门，昆士兰儿童医院） 纠错

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

AI总结 本文提出一种AI框架，通过GAN将低剂量CT转换为MRI图像，结合已有MRI数据训练U-Net模型，实现全脊柱3D重建，提升分割精度并缩短处理时间，支持无辐射的脊柱侧弯评估。

Comments Presented at 2026 Spine Society of Australia 37th Annual Scientific Meeting

ToFiE, a Topology-aware Fiber Extraction workflow for 3D reconstruction of dense and heterogeneous biological fiber networks from microscopy images

ToFiE，一种拓扑感知的纤维提取工作流程，用于从显微图像中重建密集且异质的生物纤维网络

Risa Togo, Sara Cardona, Irène Nagle, Gijsje H. Koenderink, Behrooz Fereidoonnezhad, Mathias Peirlinck

专题命中 三维重建 ：3D reconstruction(title)

AI总结 本文提出ToFiE工作流程，用于从高分辨率显微图像中重建密集且异质的生物纤维网络，保留三维连接性，通过合成图像和胶原凝胶网络验证其有效性。

UniMesh: Unifying 3D Mesh Understanding and Generation

UniMesh: 统一3D网格理解与生成

Peng Huang, Yifeng Chen, Zeyu Zhang, Hao Tang

机构 * Boston University（波士顿大学） ； Peking University（北京大学） 纠错

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

AI总结 UniMesh提出统一框架，结合3D生成与理解，引入Mesh Head、CoM和自反思机制，提升迭代编辑与双向增强能力。

Score-Based Matching with Target Guidance for Cryo-EM Denoising

基于目标引导的cryo-EM去噪评分匹配

Xiaoqi Wu, Xueying Zhan, Wen Li, Junhao Wu, Xin Huang, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Towson University（托马斯大学） 纠错

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

AI总结 本文提出基于评分的cryo-EM去噪框架，通过学习干净数据评分恢复粒子信号并保留结构信息，引入目标引导变体以稳定评分学习，提升下游分析性能。

HyKey: Hyperspectral Keypoint Detection and Matching in Minimally Invasive Surgery

HyKey：微创手术中超光谱关键点检测与匹配

Alexander Saikia, Chiara Di Vece, Zhehua Mao, Sierra Bonilla, Chloe He, Joao Ramalhinho, Tobias Czempiel, Sophia Bano, Danail Stoyanov

机构 * University College London（伦敦大学学院） ； UCL Hawkes Institute（伦敦大学霍克斯研究所） ； EnAcuity Ltd.（EnAcuity公司） 纠错

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

AI总结 本文提出HyKey模型，通过融合3D和2D卷积神经网络提取超光谱图像的空谱特征，提升微创手术中关键点检测与匹配的鲁棒性。

Comments 15 pages, 5 figures, IPCAI/IJCARS

A Rapid Deployment Pipeline for Autonomous Humanoid Grasping Based on Foundation Models

基于基础模型的快速部署管道用于自主人形抓取

Yifei Yan, Yankai Liao, Linqi Ye

机构 * School of Future Technology, Shanghai University（未来技术学院，上海大学） ； School of Mechanical Engineering, Shanghai Institute of Technology（机械工程学院，上海理工大学） 纠错

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

AI总结 本文提出一种端到端的快速部署管道，利用基础模型组件将新物体的上boarding周期缩短至约30分钟，包括自动标注、3D重建和零样本6自由度姿态跟踪。

PCM-NeRF: Probabilistic Camera Modeling for Neural Radiance Fields under Pose Uncertainty

PCM-NeRF：在姿态不确定性下基于概率的相机建模用于神经辐射场

Shravan Venkatraman, Rakesh Raj Madavan, Pavan Kumar Sathya Venkatesh

机构 * Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； University of Amsterdam（阿姆斯特丹大学） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

专题命中 NeRF ：NeRF(title,title_cn)；分类 cs.CV、cs.GR

AI总结 PCM-NeRF通过引入可学习的不确定性来增强神经表面重建，利用概率分布建模相机姿态，有效应对姿态估计不准确的问题，提升重建精度。

Comments CVPR-W 2026 (GenRec3D)

MU-GeNeRF: Multi-view Uncertainty-guided Generalizable Neural Radiance Fields for Distractor-aware Scene

MU-GeNeRF：多视角不确定性引导的可泛化神经辐射场用于干扰感知场景

Wenjie Mu, Zhan Li, Chuanzhou Su, Xuanyi Shen, Ziniu Liu, Fan Lu, Yujian Mo, Junqiao Zhao, Tiantian Feng, Chen Ye, Guang Chen

机构 * School of Computer Science and Technology, Tongji University, Shanghai, China（同济大学计算机科学与技术学院，上海，中国） ； MOE Key Lab of Embedded System and Service Computing, Tongji University, Shanghai, China（同济大学嵌入式系统与服务计算MOE重点实验室，上海，中国） ； College of Surveying and Geographic Informatics, Tongji University, Shanghai, China（同济大学测绘地理信息学院，上海，中国） 纠错

专题命中 NeRF ：NeRF(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出MU-GeNeRF，通过多视角不确定性组件提升神经辐射场在存在瞬时干扰时的鲁棒性，实验表明其在场景重建中优于现有方法。

Comments Accepted by CVPR 2026

Positioning radiata pine branches requiring pruning by drone stereo vision

利用无人机立体视觉定位需修剪的辐射松枝位置

Yida Lin, Bing Xue, Mengjie Zhang, Sam Schofield, Richard Green

机构 * Centre of Data Science and Artificial Intelligence & School of Engineering and Computer Science（数据科学与人工智能中心及工程与计算机科学学院） 纠错

专题命中 NeRF ：NeRF(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出基于无人机的立体视觉系统，用于检测和定位辐射松枝以支持自主修剪。通过比较不同模型在自定义数据集上的表现，验证了深度学习方法在低成本立体视觉中用于林业自动枝条定位的可行性。

Generalizable Radio-Frequency Radiance Fields for Spatial Spectrum Synthesis

可泛化的射频辐射场用于空间频谱合成

Kang Yang, Yuning Chen, Wan Du

机构 * University of California, Merced（加州大学梅德福分校） 纠错

专题命中 NeRF ：NeRF(abstract)

AI总结 GRaF通过空间频谱合成实现了射频信号传播的建模，利用通用方法而非特定场景训练，结合Transformer编码器和神经射线追踪算法，在单场景和未见场景中均表现优异。

A Comparative Evaluation of Geometric Accuracy in NeRF and Gaussian Splatting

神经渲染中NeRF与高斯散射几何精度的比较评估

Mikolaj Zielinski, Eryk Vykysaly, Bartlomiej Biesiada, Jan Baturo, Mateusz Capala, Dominik Belter

机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（机器人与机器智能研究所，波兹南技术大学） 纠错

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

AI总结 本文提出评估神经渲染方法几何精度的流程，包含19个多样场景，系统评估重建方法的表面和形状保真度，补充传统视觉指标。

D-Prism: Differentiable Primitives for Structured Dynamic Modeling

D-Prism：用于结构动态建模的可微原始体

Xingyuan Yu, Yijin Li, Chong Zeng, Yuhang Ming, Hujun Bao, Guofeng Zhang

机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Stanford University（斯坦福大学） ； Hangzhou Dianzi University（杭州电子科技大学） 纠错

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

AI总结 本文提出D-Prism框架，通过扩展可微原始体到动态领域，实现高保真的结构动态建模，结合3DGS和原始体的优势，引入变形网络和自适应控制策略，提升结构动态建模的精度和效率。

Comments Accepted to CVPR 2026. Project page: https://zju3dv.github.io/d-prism/

NVGS: Neural Visibility for Occlusion Culling in 3D Gaussian Splatting

NVGS：神经可见性用于3D高斯点扩散中的遮挡剔除

Brent Zoomers, Florian Hahlbohm, Joni Vanherck, Lode Jorissen, Marcus Magnor, Nick Michiels

机构 * Digital Future Lab, Flanders Make, Hasselt University（数字未来实验室，弗拉芒制造，哈塞尔特大学） ； Computer Graphics Lab, TU Braunschweig（计算机图形学实验室，图林根工业大学） ； Physics and Astronomy, University of New Mexico（物理与天文学，新墨西哥大学） 纠错

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

AI总结 本文提出一种基于神经网络的遮挡剔除方法，通过学习高斯点的视角依赖可见性函数，减少渲染时的遮挡点数量，提升VRAM利用率和图像质量。

Comments 17 pages, 15 figures

Splatography: Sparse multi-view dynamic Gaussian Splatting for filmmaking challenges

Splatography：稀疏多视角动态高斯点绘用于电影制作挑战

Adrian Azzarelli, Nantheera Anantrasirichai, David R Bull

机构 * Bristol Visual Institute（布里斯托视觉研究所） ； University of Bristol（布里斯托大学） 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Splatography方法，通过稀疏掩码将高斯点绘分为前景和背景，分别训练不同损失函数以实现高质量动态3D重建，实验显示在3D场景中PSNR提升3倍且模型更小。

Comments Accepted to IEEE International Conference on 3DV (2026)

GS-STVSR: Ultra-Efficient Continuous Spatio-Temporal Video Super-Resolution via 2D Gaussian Splatting

GS-STVSR：通过二维高斯散射实现超高效的连续时空视频超分辨率

Mingyu Shi, Xin Di, Long Peng, Boxiang Cao, Anran Wu, Zhanfeng Feng, Jiaming Guo, Renjing Pei, Xueyang Fu, Yang Cao, Zhengjun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 本文提出GS-STVSR框架，通过二维高斯散射实现高效的连续时空视频超分辨率，利用高斯核的时空演变避免密集网格查询，提升处理效率和质量。

Voronoi-guided Bilateral 2D Gaussian Splatting for Arbitrary-Scale Hyperspectral Image Super-Resolution

基于Voronoi引导的双侧二维高斯点撒法的任意尺度超光谱图像超分辨率

Jie Zhang, Jinkun You, Shi Chen, Yicong Zhou

机构 * Department of Computer and Information Science（计算机与信息科学系） ； University of Macau（澳门大学） 纠错

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

AI总结 本文提出GaussianHSI框架，通过Voronoi引导的双侧二维高斯点撒法实现任意尺度超光谱图像超分辨率，结合谱细节增强模块提升重建效果。

R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation

R3D2：通过扩散实现自动驾驶模拟中的真实3D资产插入

William Ljungbergh, Bernardo Taveira, Wenzhao Zheng, Adam Tonderski, Chensheng Peng, Fredrik Kahl, Christoffer Petersson, Michael Felsberg, Kurt Keutzer, Masayoshi Tomizuka, Wei Zhan

机构 * Zenseact ； Linköping University（林哈尔大学） ； Chalmers University（查尔姆斯理工大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 R3D2是一种轻量级单步扩散模型，用于在现有场景中实时生成真实3D资产，通过训练学习真实集成，提升自动驾驶模拟的真实性。

SemMorph3D: Unsupervised Semantic-Aware 3D Morphing via Mesh-Guided Gaussians

SemMorph3D：通过网格引导高斯进行无监督的语义感知3D变形

Mengtian Li, Yunshu Bai, Yimin Chu, Xinru Guo, Haolin Liu, Zhifeng Xie, Chaofeng Chen

机构 * Shanghai University School of Artificial Intelligence , Wuhan University Tencent Shanghai Engineering Research Center of Motion Picture Special Effects（上海大学人工智能学院、武汉大学、腾讯、上海影视特效工程研究中心） 纠错

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

AI总结 SemMorph3D通过网格引导高斯方法实现从多视角图像直接生成语义感知的3D形状和纹理变形，解决传统方法在结构完整性和输入拓扑上的不足，提升变形的稳定性和颜色一致性。

Comments Project page: https://baiyunshu.github.io/GAUSSIANMORPHING.github.io/

A Survey of Spatial Memory Representations for Efficient Robot Navigation

一种用于高效机器人导航的空间记忆表示综述

Ma. Madecheen S. Pangaliman, Steven S. Sison, Erwin P. Quilloy, Rowel Atienza

机构 * University of the Philippines Diliman（菲律宾大学杜马扬分校） ； University of Santo Tomas（圣托马斯大学） 纠错

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

AI总结 本文综述了88篇文献，探讨了空间记忆效率问题，提出α指标评估部署可行性，揭示了内存架构对实际部署的影响。

Comments Accepted at the Women in Computer Vision (WiCV) Workshop at CVPR 2026

VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning

VADv2：通过概率规划实现端到端向量自主驾驶

Bo Jiang, Shaoyu Chen, Hao Gao, Bencheng Liao, Qian Zhang, Wenyu Liu, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Horizon Robotics 纠错

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

AI总结 本文提出VADv2，一种基于概率规划的端到端自主驾驶模型，通过概率场函数建模动作空间到概率分布的映射，利用大规模驾驶演示提升闭合回路性能，优于现有方法。

Comments Accepted to ICLR 2026. Code is available at https://github.com/hustvl/VAD

AvatarPointillist: AutoRegressive 4D Gaussian Avatarization

AvatarPointillist: 基于自回归的4D高斯虚拟角色生成

Hongyu Liu, Xuan Wang, Zijian Wu, Yating Wang, Ziyu Wan, Yue Ma, Runtao Liu, Boyao Zhou, Yujun Shen, Qifeng Chen

机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出AvatarPointillist框架，通过自回归Transformer生成动态4D高斯虚拟角色，结合点云生成与高斯点散射，实现高精度、可控制的虚拟角色生成。

Comments Accepted by the CVPR 2026 main conference. Project page: https://kumapowerliu.github.io/AvatarPointillist/

3DGR-CT: Sparse-View CT Reconstruction with a 3D Gaussian Representation

3DGR-CT：基于3D高斯表示的稀疏视图CT重建

Yingtai Li, Xueming Fu, Han Li, Shang Zhao, Ruiyang Jin, S. Kevin Zhou

机构 * organization= School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advance Research, USTC , city= Suzhou , postcode= 215123 , state= Jiangsu , country= China ； organization= Key Laboratory of Precision ； organization= Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS , city= Beijing , postcode= 100190 , country= China 纠错

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

AI总结 本文提出3DGR-CT方法，利用3D高斯表示替代隐式神经表示，通过FBP图像引导初始化和高效可微CT投影器提升稀疏视图CT重建精度与收敛速度，实现高精度实时物理模拟。

Journal ref Medical Image Analysis, Volume 103, 103585, 2025

Instant Colorization of Gaussian Splats

高斯溅射的即时着色

Daniel Lieber, Alexander Mock, Nils Wandel

机构 * University of Osnabrück（奥斯纳布吕克大学） 纠错

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

AI总结 本文提出了一种高效方法，将2D图像信息反向映射到高斯溅射场景中，用于场景复原和语义分割，实现速度提升。

GeGS-PCR: Effective and Robust 3D Point Cloud Registration with Two-Stage Color-Enhanced Geometric-3DGS Fusion

GeGS-PCR: 有效且鲁棒的3D点云配准：两阶段颜色增强几何-3DGS融合

Jiayi Tian, Haiduo Huang, Tian Xia, Wenzhe Zhao, Pengju Ren

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； National Engineering Research Center of Visual Information and Applications（视觉信息与应用国家工程研究中心） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文提出GeGS-PCR，通过结合几何、颜色和高斯信息，解决点云配准中颜色信息利用的挑战，采用颜色编码器和Geometric-3DGS模块提升鲁棒性，结合LORA优化和可微渲染改进收敛性，实现高精度配准。

UGD: An Unsupervised Geometric Distance for Evaluating Real-world Noisy Point Cloud Denoising

UGD：一种无监督的几何距离用于评估现实世界噪声点云去噪

Zhiyong Su, Jincan Wu, Yonghui Liu, Zheng Li, Weiqing Li

机构 * School of Automation, Nanjing University of Science and Technology（自动化学院，南京理工大学） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） 纠错

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

AI总结 本文提出UGD，一种无监督几何距离，通过学习清洁点云的先验模型，基于噪声点云评估去噪效果，实验表明其性能与监督方法相当。

Comments to be published in IEEE Transactions on Visualization and Computer Graphics

Pointy - A Lightweight Transformer for Point Cloud Foundation Models

Pointy - 一种轻量级的点云基础模型变压器

Konrad Szafer, Marek Kraft, Dominik Belter

机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（机器人与机器智能研究所，波兹南技术大学） 纠错

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

AI总结 Pointy通过轻量级的点云变压器架构，在仅使用39k点云数据的情况下，超越了使用超过20万样本训练的更大基础模型，展示了精心设计的训练设置和架构的价值。

Comments To appear in the proceedings of ACIVS 2025. An earlier version was presented at the SCI-FM workshop at ICLR 2025

Journal ref In: Blanc-Talon, J., Delmas, P., Takahashi, H., Yasuhiro, M. (eds) Advanced Concepts for Intelligent Vision Systems. ACIVS 2025. Lecture Notes in Computer Science, vol 15656. Springer, Cham

FlashFPS: Efficient Farthest Point Sampling for Large-Scale Point Clouds via Pruning and Caching

FlashFPS: 通过剪枝和缓存实现大规模点云的高效最远点采样

Yuzhe Fu, Hancheng Ye, Cong Guo, Junyao Zhang, Qinsi Wang, Yueqian Lin, Changchun Zhou, Hai, Li, Yiran Chen

机构 * Duke University（杜克大学） 纠错

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

AI总结 本文提出FlashFPS框架，通过剪枝和缓存减少FPS计算冗余，提升PNN处理效率，实现GPU和PNN加速器上的显著速度提升。

Comments Accepted to DAC'26

Deep learning based Non-Rigid Volume-to-Surface Registration for Brain Shift compensation Using Point Cloud

基于深度学习的非刚性体积分到表面注册用于脑移位补偿的点云方法

Eashrat Jahan Muniya, Gernot Kronreif, Ander Biguri, Wolfgang Birkfellner, Sepideh Hatamikia

机构 * Austrian Center for Medical Innovation and Technology（奥地利医学创新与技术中心） ； Medical University of Vienna（维也纳医学大学） ； University of Cambridge（剑桥大学） ； Danube Private University (DPU)（多瑙私人大学（DPU）） 纠错

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

AI总结 本文提出基于深度学习的非刚性体积分到表面注册方法，利用稀疏手术表面观测进行密集位移场估计，实现有限视野下的脑移位补偿。

C-GenReg: Training-Free 3D Point Cloud Registration by Multi-View-Consistent Geometry-to-Image Generation with Probabilistic Modalities Fusion

C-GenReg：基于多视角一致的几何到图像生成的无训练3D点云配准

Yuval Haitman, Amit Efraim, Joseph M. Francos

机构 * Ben-Gurion University（本·古里安大学） 纠错

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

AI总结 C-GenReg通过多视角一致的几何到图像生成，结合概率模态融合，实现无训练的3D点云配准，解决了跨模态、采样差异和环境的泛化问题。

Comments CVPR 2026