3D 视觉

Dehaze-then-Splat: Generative Dehazing with Physics-Informed 3D Gaussian Splatting for Smoke-Free Novel View Synthesis

先去雾后散射：基于物理的3D高斯散射生成去雾与无烟新视角合成

Boss Chen, Hanqing Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 本文提出一种两阶段管道，通过生成去雾和新视角合成，解决多视角烟雾去除问题，利用物理引导的3D高斯散射补偿视角不一致。

WildSplatter: Feed-forward 3D Gaussian Splatting with Appearance Control from Unconstrained Images

WildSplatter: 无约束图像中基于馈送的3D高斯散射与外观控制

Yuki Fujimura, Takahiro Kushida, Kazuya Kitano, Takuya Funatomi, Yasuhiro Mukaigawa

机构 * NAIST（名古屋大学信息科学研究所） ； Ritsumeikan University（立命馆大学） ； Kyoto University（京都大学） 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WildSplatter，一种无需姿态信息的3D高斯散射模型，通过无约束图像学习3D高斯和外观嵌入，实现快速重建和光照变化下的外观控制。

Comments Project page: https://github.com/yfujimura/WildSplatter

2L-LSH: A Locality-Sensitive Hash Function-Based Method For Rapid Point Cloud Indexing

2L-LSH：一种基于局部敏感哈希函数的快速点云索引方法

Shurui Wang, Yuhe Zhang, Ruizhe Guo, Yaning Zhang, Yifei Xie, Xinyu Zhou

机构 * School of Information Science and Technology, Northwest University, Xi’an, PR China（信息科学与技术学院，西北大学，西安，中国） 纠错

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

AI总结 本文提出2L-LSH方法，通过两阶段哈希策略高效解决大规模点云快速邻近点搜索问题，优于Kd-tree和Octree，在kNN和RN搜索时间上分别降低51.111%和94.159%。

Comments 13 pages, 13 figures. Published in The Computer Journal

Journal ref The Computer Journal 67(9) (2024) 2809-2818

EdgeFormer: local patch-based edge detection transformer on point clouds

EdgeFormer：基于局部补丁的点云边缘检测变换器

Yifei Xie, Zhikun Tu, Tong Yang, Yuhe Zhang, Xinyu Zhou

机构 * School of Information Science and Technology, Northwest University（信息科学与技术学院，西北大学） 纠错

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

AI总结 本文提出EdgeFormer，通过局部补丁特征描述和分类，有效提取点云中精细边缘特征，实验表明其性能优于六个基线模型。

Comments 22 pages, 9 figures. Published in Pattern Analysis and Applications

Journal ref Pattern Analysis and Applications 28, 11 (2025)

Spira: Exploiting Voxel Data Structural Properties for Efficient Sparse Convolution in Point Cloud Networks

Spira: 利用体素数据的结构特性实现点云网络中的高效稀疏卷积

Dionysios Adamopoulos, Anastasia Poulopoulou, Georgios Goumas, Christina Giannoula

机构 * SPIN-Research-Group（SPIN研究组） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 Spira通过利用体素坐标整数性、空间范围限制和几何连续性等特性，设计了高效的稀疏卷积引擎，显著提升了点云网络的推理效率和层间执行性能。

OmniFit: Multi-modal 3D Body Fitting via Scale-agnostic Dense Landmark Prediction

OmniFit：通过尺度无关密集地标预测实现多模态3D身体拟合

Zeyu Cai, Yuliang Xiu, Renke Wang, Zhijing Shao, Xiaoben Li, Siyuan Yu, Chao Xu, Yang Liu, Baigui Sun, Jian Yang, Zhenyu Zhang

机构 * Nanjing University（南京大学） ； Westlake University（西湖大学） ； iROOTECH ； Nanjing University of Science and Technology（南京理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 OmniFit通过尺度无关的密集地标预测，实现对多模态输入（如完整扫描、部分深度观测和图像）的无缝处理，首次在日常和宽松服装场景中超越多视图优化基线，达到毫米级精度。

Comments Project Page: https://zcai0612.github.io/OmniFit/

SparseGF: A Height-Aware Sparse Segmentation Framework with Context Compression for Robust Ground Filtering Across Urban to Natural Scenes

SparseGF: 一种具有高度意识的稀疏分割框架与上下文压缩，用于在城市到自然场景中实现鲁棒的地面过滤

Nannan Qin, Pengjie Tao, Haiyan Guan, Zhizhong Kang, Lingfei Ma, Xiangyun Hu, Jonathan Li

机构 * School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science and Technology（南京信息工程大学遥感与地理信息工程学院） ； Tiandu-Nuist Deep Space Exploration Laboratory（天都-南京信息工程大学深空探测实验室） ； School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感与信息工程学院） ； School of Land Science and Technology, China University of Geosciences（中国地质大学（北京）土地科学与技术学院） ； School of Geospatial Artificial Intelligence, East China Normal University（华东师范大学地理信息智能学院） ； Department of Geography and Environmental Management, University of Waterloo（滑铁卢大学地理与环境管理系） ； Department of Systems Design Engineering, University of Waterloo（滑铁卢大学系统设计工程系） 纠错

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

AI总结 本文提出SparseGF，通过上下文压缩模块、混合稀疏体素点网络架构和高度感知损失函数，解决大规模处理中的上下文细节矛盾和高大物体随机误分类问题，实现跨场景鲁棒的地面过滤。

Empowering NPC Dialogue with Environmental Context Using LLMs and Panoramic Images

通过LLMs和全景图像增强NPC对话的环境上下文

Grega Radež, Ciril Bohak

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

AI总结 本文提出利用LLMs和计算机视觉技术增强游戏NPC的环境感知能力，通过语义分割生成环境结构化数据，提升NPC对玩家行为的响应性和沉浸感。