3D 视觉

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