3D 视觉

3D Smoke Scene Reconstruction Guided by Vision Priors from Multimodal Large Language Models

由多模态大语言模型视觉先验引导的3D烟雾场景重建

Xinye Zheng, Fei Wang, Yiqi Nie, Kun Li, Junjie Chen, Jiaqi Zhao, Yanyan Wei, Zhiliang Wu

机构 * Hefei University of Technology（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Anhui University（安徽大学） ； United Arab Emirates University（阿联酋大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出整合视觉先验与高效3D场景建模的框架，通过增强烟雾退化图像和开发Smoke-GS框架，提升烟雾场景重建与视图合成的鲁棒性与一致性。

ViVo: A Dataset for Volumetric Video Reconstruction and Compression

ViVo：用于体积分解与压缩的数据集

Adrian Azzarelli, Ge Gao, Ho Man Kwan, Fan Zhang, Nantheera Anantrasirichai, Ollie Moolan-Feroze, David Bull

机构 * Visual Information Lab, University of Bristol（布里斯托大学视觉信息实验室） ； Condense Reality Ltd（Condense Reality有限公司） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出ViVo数据集，用于体积分解与压缩，包含多样化的内容，涵盖人类特征和动态视觉现象，通过基准测试展示了数据集的挑战性和现有方法的局限性。

Semantic-guided Gaussian Splatting for High-Fidelity Underwater Scene Reconstruction

语义引导的高斯点云法用于高保真水下场景重建

Zhuodong Jiang, Haoran Wang, Guoxi Huang, Brett Seymour, Nantheera Anantrasirichai

机构 * School of Computer Science, University of Bristol（布里斯托大学计算机科学学院） ； Submerged Resources Centre（水下资源中心） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)

AI总结 本文提出SWAGSplatting框架，通过整合语义先验信息提升水下场景重建的保真度，采用语义一致性损失和自适应高斯点云重分配策略，有效解决光照不均问题，实验验证其在PSNR、SSIM和LPIPS指标上的优越性。

FluSplat: Sparse-View 3D Editing without Test-Time Optimization

FluSplat：无需测试时优化的稀疏视角3D编辑

Haitao Huang, Shin-Fang Chng, Huangying Zhan, Qingan Yan, Yi Xu

机构 * Goertek Alpha Labs（科特克阿尔法实验室） 纠错

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

AI总结 本文提出一种无需测试时优化的稀疏视角3D编辑框架，通过图像域中的跨视角正则化方案实现视图一致性，提升编辑质量和效率。

Confidence-Based Mesh Extraction from 3D Gaussians

基于置信度的3D高斯体网格提取

Lukas Radl, Felix Windisch, Andreas Kurz, Thomas Köhler, Michael Steiner, Markus Steinberger

机构 * Graz University of Technology, Austria（奥地利格拉茨理工大学） ； Huawei Technologies, Austria（奥地利华为技术） 纠错

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

AI总结 本文提出基于置信度的3D高斯体网格提取方法，通过自监督置信框架平衡光度和几何监督，提升表面提取效率与精度。

Comments Project Page: https://r4dl.github.io/CoMe/

Efficient Transceiver Design for Aerial Image Transmission and Large-scale Scene Reconstruction

高效空中图像传输与大规模场景重建的收发器设计

Zeyi Ren, Jialin Dong, Wei Zuo, Yikun Wang, Bingyang Cheng, Sheng Zhou, Zhisheng Niu

机构 * Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系） ； Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong（香港大学电子与计算机工程系） 纠错

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

AI总结 本文提出一种基于深度学习的端到端收发器设计，整合3D高斯点划法提升场景恢复质量，通过稀疏导频方案降低传输开销，实现实时高效的大规模场景重建。

Comments 6 pages, 6 figures, Accepted in ISIT 2026 IEEE International Symposium on Information Theory-w

Random Walk on Point Clouds for Feature Detection

点云上随机游走用于特征点检测

Yuhe Zhang, Zhikun Tu, Zhi Li, Jian Gao, Bao Guo, Shunli Zhang

机构 * School of Information Science and Technology（信息科学与技术学院） 纠错

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

AI总结 本文提出RWoDSN方法，通过两阶段分析提取点云中的关键特征点，结合局部表面的空间分布、拓扑属性和几何特性，提升提取精度和召回率。

Comments 20 pages, 11 figures. Published in Information Sciences

Journal ref Information Sciences 709 (2025) 122082

REVNET: Rotation-Equivariant Point Cloud Completion via Vector Neuron Anchor Transformer

REVNET: 通过向量神经元锚定变换实现旋转等变点云补全

Zhifan Ni, Eckehard Steinbach

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出REVNET框架，利用向量神经元网络在任意旋转下实现点云补全，通过等变锚点和改进的特征表达提升稳定性，实验证明在合成和真实数据集上均优于现有方法。

Comments ICPR 2026

FurnSet: Exploiting Repeats for 3D Scene Reconstruction

FurnSet：利用重复实例进行3D场景重建

Paul Dobre, Xin Wang, Hongzhou Yang

机构 * University of Calgary（卡尔加里大学） 纠错

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

AI总结 FurnSet通过显式识别和利用重复物体实例提升3D场景重建质量，结合场景级和物体级条件引导重建，并利用点云优化布局。

Multi-FEAT: Multi-Feature Edge Alignment for Targetless Camera-LiDAR Calibration

多特征边缘对齐：无目标相机-激光雷达校准

Bichi Zhang, Holger Caesar, Raj Thilak Rajan

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出Multi-FEAT方法，通过将3D激光雷达点云投影到2D全景图，并利用多种激光雷达特征信息补充稀疏边界，结合相机边缘提取和特征匹配函数优化校准参数，实验表明其在KITTI数据集上优于现有无目标校准方法。

ALAS: Adaptive Long-Horizon Action Synthesis via Async-pathway Stream Disentanglement

ALAS: 通过异步路径流解构实现自适应长时域动作合成

Yutong Shen, Hangxu Liu, Lei Zhang, Penghui Liu, Yinqi Liu, Liuxiang Yang, Tongtong Feng

机构 * Beijing University of Technology（北京理工大学） ； Fudan University（复旦大学） ； University of Hamburg（汉堡大学） ； Hubei University of Chinese Medicine（湖北中医药大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出ALAS框架，通过生物启发的双流解构方法，解决长时域任务中环境与技能耦合问题，提升跨域任务执行效率与成功率。

Comments 10 pages, 7 figures. arXiv admin note: substantial text overlap with arXiv:2508.07842

Exploring Spatial Intelligence from a Generative Perspective

从生成视角探索空间智能

Muzhi Zhu, Shunyao Jiang, Huanyi Zheng, Zekai Luo, Hao Zhong, Anzhou Li, Kaijun Wang, Jintao Rong, Yang Liu, Hao Chen, Tao Lin, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； State Key Laboratory of CAD & CG（计算机辅助设计与图形学国家重点实验室） ； Ant Group（蚂蚁集团） ； Westlake University（西湖大学） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 本文提出GSI-Bench，首个评估生成空间智能的基准，通过空间 grounded 图像编辑量化空间合规性与编辑保真度，实验表明生成训练可提升空间推理能力。

Comments Accepted by CVPR 2026. Project page: https://aim-uofa.github.io/GSI-Bench/