3D 视觉

AnyRecon: Arbitrary-View 3D Reconstruction with Video Diffusion Model

AnyRecon：基于视频扩散模型的任意视角3D重建

Yutian Chen, Shi Guo, Renbiao Jin, Tianshuo Yang, Xin Cai, Yawen Luo, Mingxin Yang, Mulin Yu, Linning Xu, Tianfan Xue

机构 * AnyRecon: Arbitrary-View 3D Reconstruction with Video Diffusion Model（AnyRecon：任意视角3D重建与视频扩散模型） 纠错

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

AI总结 AnyRecon通过视频扩散模型实现任意视角3D重建，保留显式几何控制并支持灵活条件设置，通过全局场景记忆和几何感知条件策略提升大场景重建效率与鲁棒性。

Comments Webpage: https://yutian10.github.io/AnyRecon/

VLM-3R: Vision-Language Models Augmented with Instruction-Aligned 3D Reconstruction

VLM-3R：融合指令对齐3D重建的视觉-语言模型

Zhiwen Fan, Jian Zhang, Renjie Li, Junge Zhang, Runjin Chen, Hezhen Hu, Kevin Wang, Huaizhi Qu, Shijie Zhou, Dilin Wang, Zhicheng Yan, Hongyu Xu, Justin Theiss, Tianlong Chen, Jiachen Li, Zhengzhong Tu, Zhangyang Wang, Rakesh Ranjan

机构 * UT Austin（德克萨斯大学奥斯汀分校） ； XMU（厦门大学） ； TAMU（德克萨斯大学阿灵顿分校） ； UCR（加州大学河滨分校） ； UNC（北卡罗来纳大学教堂山分校） ； Meta ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 本文提出VLM-3R，通过融合3D重建指令微调，实现单目视频的3D空间辅助与具身推理，提升了视觉-空间推理和时间3D上下文理解的准确性和可扩展性。

Comments Project Page: https://vlm-3r.github.io/

Memory Over Maps: 3D Object Localization Without Reconstruction

记忆超越映射：无需重建的3D物体定位

Rui Zhou, Xander Yap, Jianwen Cao, Allison Lau, Boyang Sun, Marc Pollefeys

机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软） 纠错

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

AI总结 本文提出无需重建的3D物体定位方法，通过轻量级视觉记忆实现快速场景索引，显著降低预处理成本，验证了基于图像的场景记忆可替代密集3D重建。

Comments 8 pages, 6 figures

Unposed-to-3D: Learning Simulation-Ready Vehicles from Real-World Images

未置姿到3D：从真实世界图像学习仿真准备的车辆

Hongyuan Liu, Bochao Zou, Qiankun Liu, Haochen Yu, Qi Mei, Jianfei Jiang, Chen Liu, Cheng Bi, Zhao Wang, Xueyang Zhang, Yifei Zhan, Jiansheng Chen, Huimin Ma

机构 * University of Science and Technology Beijing（北京科技大学） ； Li Auto Inc（利汽车公司） 纠错

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

AI总结 本文提出Unposed-to-3D框架，通过图像-only监督从真实驾驶图像重建3D车辆，解决现有方法在真实世界分布上的领域差距问题，实现姿态一致且符合仿真的3D模型生成。

Comments Accepted by CVPR 2026

RoomRecon: High-Quality Textured Room Layout Reconstruction on Mobile Devices

RoomRecon: 在移动设备上实现高质量纹理房间布局重建

Seok Joon Kim, Dinh Duc Cao, Federica Spinola, Se Jin Lee, Kyu Sung Cho

机构 * MAXST Co.（MAXST公司） ； MAXST Co., Ltd（MAXST有限公司） ； Independent Researcher（独立研究者） 纠错

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

AI总结 RoomRecon提出一种交互式实时扫描和纹理化流程，通过AR引导图像采集和生成式AI模型提升室内空间的纹理质量，实验表明其在纹理质量和设备计算时间上优于现有方法。

Comments 23 pages, including supplementary material. Accepted to the 2024 IEEE International Symposium on Mixed and Augmented Reality (ISMAR). Best Paper Nominee

Journal ref Proc. IEEE Int. Symp. Mixed and Augmented Reality (ISMAR), 2024, pp. 544-553

SmokeGS-R: Physics-Guided Pseudo-Clean 3DGS for Real-World Multi-View Smoke Restoration

SmokeGS-R：基于物理的伪清洁3DGS用于真实世界多视角烟雾修复

Xueming Fu, Lixia Han

机构 * University of Science and Technology of China（中国科学技术大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

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

AI总结 本文提出SmokeGS-R，通过分离几何恢复与外观校正，利用改进的暗通道先验和引导滤波生成物理引导的伪清洁监督，训练纯清洁3D高斯点散布源模型，并通过几何均值参考聚合、LAB空间Reinhard传输和光高斯平滑和谐化其渲染结果，实现真实世界多视角烟雾修复。

Comments Lab Report for NTIRE 2026 3DRR Track 2

RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM

RMGS-SLAM：基于3D高斯散射的实时多传感器SLAM

Dongen Li, Yi Liu, Junqi Liu, Zewen Sun, Zefan Huang, Shuo Sun, Jiahui Liu, Chengran Yuan, Hongliang Guo, Francis E. H. Tay, Marcelo H. Ang

机构 * Advanced Robotics Centre, National University of Singapore（新加坡国立大学先进机器人中心） ； School of Aeronautics and Astronautics, Shanghai Jiao Tong University（上海交通大学航空宇航学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟） 纠错

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

AI总结 本文提出一种实时多传感器SLAM框架，结合激光雷达、惯性导航和视觉数据，通过高斯散射实现高精度定位与真实感映射，解决了大规模环境中的实时SLAM挑战。

Comments The manuscript has been improved, with refined content and updated and corrected experimental results

An Object-Centered Data Acquisition Method for 3D Gaussian Splatting using Mobile Phones

基于移动电话的面向对象的3D高斯散射数据采集方法

Yuezhe Zhang, Luqian Bai, Mengting Yu, Lei Wei, Shuai Wan, Yifan Zhang

机构 * School of Electronics and Information, Northwestern Polytechnical University（电子信息学院，西北工业大学） ； College of Engineering, Xi'an International University（工程学院，西安国际大学） 纠错

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

AI总结 本文提出了一种面向对象的3D高斯散射数据采集方法，通过移动设备的实时传感器信号和设备姿态校准，实现更均匀的视角覆盖和更高质量的重建。

AdaGScale: Viewpoint-Adaptive Gaussian Scaling in 3D Gaussian Splatting to Reduce Gaussian-Tile Pairs

AdaGScale：基于视角适应的高斯缩放以减少高斯-瓷砖对数量

Joongho Jo, Hyerin Lim, Hanjun Choi, Jongsun Park

机构 * Korea University（韩国大学） 纠错

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

AI总结 本文提出AdaGScale，通过视角适应的高斯缩放技术减少高斯-瓷砖对数量，提升3D高斯点云渲染速度并保持图像质量。

Comments DAC 2026

SketchFaceGS: Real-Time Sketch-Driven Face Editing and Generation with Gaussian Splatting

SketchFaceGS: 基于草图的实时人脸编辑与生成与高斯点散布

Bo Li, Jiahao Kang, Yubo Ma, Feng-Lin Liu, Bin Liu, Fang-Lue Zhang, Lin Gao

机构 * Shandong Technology and Business University（山东科技与商务大学） ； Nanchang Hangkong University（南昌航空大学） ； Institute of Computing Technology, Chinese Academy of Sciences（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） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 本文提出SketchFaceGS，通过高斯点散布实现基于2D草图的实时人脸生成与编辑，采用粗到细架构和UV特征预测模块，提升生成和编辑的精度与灵活性。

Comments Accepted to CVPR 2026 as a Highlight. Jittor implementation: https://github.com/gogoneural/SketchFaceGS_jittor. (C) 2026 IEEE. Personal use of this material is permitted

MAGICIAN: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping

MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图

Shiyao Li, Antoine Guédon, Shizhe Chen, Vincent Lepetit

机构 * LIGM, École Nationale des Ponts et Chaussées, IP Paris, Univ Gustave Eiffel, CNRS, France（LIGM，巴黎国立桥梁与道路学院，IP巴黎，格雷夫埃菲尔大学，法国国家科学研究中心，法国） ； École Polytechnique, France（法国高等理工学院，法国） ； Inria, École normale supérieure, CNRS, PSL Research University, France（法国国家科学研究中心，巴黎高等师范学院，法国国家信息与自动化技术研究院，法国） 纠错

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

AI总结 MAGICIAN通过想象高斯分布实现高效长期规划，提升主动建图的探索效率与重建完整性，适用于不同动作空间的室内和室外基准测试。

Comments Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/

PhysMorph-GS: Render-Guided Volumetric Morphing with Differentiable Physics

PhysMorph-GS: 基于渲染的体积形变与可微物理

Chang-Yong Song, David Hyde

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

AI总结 本文提出PhysMorph-GS框架，结合材料点方法与可微3D高斯散射，通过变形梯度F注入视觉监督，减少轮廓误差，提升体积形变精度。

Comments 12pages, 11figures

A Nonparametric Goodness-of-Fit Test for High-Dimensional Generalized Gaussian Distributions via Nearest-Neighbor Graphs

基于最近邻图的高维广义高斯分布 goodness-of-fit 非参数检验

Mehmet Sıddık Çadırcı, Yener Ünal

专题命中 Gaussian Splatting ：point cloud(abstract)

AI总结 本文提出基于最近邻图和适应性零原理的非参数检验方法，用于评估高维广义高斯分布模型的拟合优度，通过稳健标准化和交叉边计数实现，具有高维扩展性和几何解释。

Comments 22 pages, 5 pages

CLIPoint3D: Language-Grounded Few-Shot Unsupervised 3D Point Cloud Domain Adaptation

CLIPoint3D: 基于语言的少样本无监督3D点云领域适应

Mainak Singha, Sarthak Mehrotra, Paolo Casari, Subhasis Chaudhuri, Elisa Ricci, Biplab Banerjee

机构 * University of Trento（特伦托大学） ； MDSR Labs Adobe（Adobe MDSR实验室） ； IIT Bombay（印度理工学院班加罗尔分校） ； Fondazione Bruno Kessler（布鲁诺·科斯勒基金会） 纠错

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

AI总结 本文提出CLIPoint3D，首个基于CLIP的3D点云无监督领域适应框架，通过知识驱动的提示调优和熵引导视图采样策略，实现跨领域3D点云适应，实验表明在PointDA-10和GraspNetPC-10基准上性能提升3-16%。

Comments Accepted in CVPR 2026

Towards Precise Channel Knowledge Map: Exploiting Environmental Information from 2D Visuals to 3D Point Clouds

迈向精确的信道知识图谱：利用二维视觉信息到三维点云的环境信息

Yancheng Wang, Chuan Huang, Songyang Zhang, Guanying Chen, Wei Guo, Shenglun Lan, Lexi Xu, Xinzhou Cheng, Xiongyan Tang, Shuguang Cui

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用三维环境信息构建高精度信道知识图谱，通过混合模型和数据驱动方法整合3D点云，展示其在下一代无线通信中的应用潜力。

Radar-Informed 3D Multi-Object Tracking under Adverse Conditions

基于雷达的三维多目标跟踪在恶劣条件下的应用

Bingxue Xu, Emil Hedemalm, Ajinkya Khoche, Patric Jensfelt

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出RadarMOT框架，利用雷达点云提升远距离目标跟踪精度，在MAN-TruckScenes数据集上提升了AMOTA指标12.7%和10.3%。

Comments 7 pages, 5 figures

Multimodal embodiment-aware navigation transformer

多模态具身感知导航Transformer

Louis Dezons, Quentin Picard, Rémi Marsal, François Goulette, David Filliat

机构 * LARIAD 纠错

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

AI总结 本文提出ViLiNT，通过融合多模态数据提升机器人导航鲁棒性，利用Transformer和扩散模型生成可导航路径，实现在不同环境中导航成功率提升166%。

Comments 8 pages, 7 figures

Neural Operator Representation of Granular Micromechanics-based Failure Envelope

基于颗粒微力学的失效包络的神经算子表示

Jinkyo Han, Payam Poorsolhjouy, Bahador Bahmani

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种可微神经算子，用于学习微结构配置到失效包络的映射，实现高效正向预测和逆向识别，同时通过物理指导训练策略保证包络的凸性，减少计算成本。

Topological analysis of hemodynamic response to cardiac resynchronization therapy

心室再同步治疗对血流动力学反应的拓扑分析

Aina Ferrà Marcús, Carles Casacuberta, Josep Vives, Joan Guich, Gerard Amorós-Figueras, Jose M. Guerra

专题命中 点云 ：point cloud(abstract)

AI总结 本研究利用拓扑数据分析中的Mapper算法，结合新型量化指标，比较左心室心外膜与心内膜起搏对非缺血性心肌病模型的影响，揭示不同心区起搏的血流动力学差异。

Comments 12 pages, with 2 figures, plus supplementary material (4 pages, 2 figures)

HyperLISTA-ABT: An Ultra-light Unfolded Network for Accurate Multi-component Differential Tomographic SAR Inversion

HyperLISTA-ABT：一种超轻展开网络用于准确的多成分差分雷达成像反演

Kun Qian, Yuanyuan Wang, Peter Jung, Yilei Shi, Xiao Xiang Zhu

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出HyperLISTA-ABT算法，通过分析方法确定权重，实现超轻量级模型，提升计算效率并保持性能，实验证明其在4D点云重建中表现优异。

MacroNav: Multi-Task Context Representation Learning Enables Efficient Navigation in Unknown Environments

MacroNav：多任务上下文表示学习实现未知环境中的高效导航

Kuankuan Sima, Longbin Tang, Zhenyu Yang, Haozhe Ma, Lin Zhao

机构 * Department of Electrical and Computer Engineering（电子与计算机工程系） ； Department of Mechanical Engineering（机械工程系） ； School of Computing（计算学院） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出MacroNav框架，通过多任务自监督学习和强化学习策略，实现高效导航。实验表明其在成功率和路径长度加权成功率上优于现有方法，且计算效率高。

Comments Accepted by IEEE Robotics and Automation Letters

Paparazzo: Active Mapping of Moving 3D Objects

Paparazzo：移动3D物体的主动映射

Davide Allegro, Shiyao Li, Stefano Ghidoni, Vincent Lepetit

机构 * University of Padova（帕多瓦大学） 纠错

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出Paparazzo方法，通过学习-free方案实现移动3D物体的主动映射，提升3D重建的完整性和准确性，建立新基准测试。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026