视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
CARD: 一种用于复杂道路地形密集3D重建的多模态汽车数据集
机构 * CARIAD SE（CARIAD公司） ； Technische Universität Berlin（柏林技术大学） ； Vision & Robotics GmbH（视觉与机器人技术有限公司）
专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV
AI总结 CARD数据集通过提供连续序列中的近密3D地面真实信息，解决了现有数据集在复杂道路地形下深度估计和补全的不足，支持更精确的几何和感知任务评估。
Comments Accepted at CVPR 2026 (Highlight). Project page: https://card.content.cariad.digital
从视频先验构建统一的4D世界动作模型
机构 * Tsinghua University（清华大学） ； Xiaomi Robotics（小米机器人） ； Peking University（北京大学） ； CASIA
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出X-WAM，统一了实时机器人动作执行与高保真的4D世界合成，在单一框架中解决传统统一世界模型仅建模2D像素空间且无法平衡动作效率与世界建模质量的问题。
Comments Project website: https://sharinka0715.github.io/X-WAM/
稀疏到完整：从稀疏图像捕获到完整3D场景
机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； University of Utah（犹他大学） ； Hangzhou Research Institute of Holographic and AI Technology（杭州全息与人工智能技术研究院）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出S2C-3D框架，通过六到八张图像实现高保真完整场景重建，结合专用扩散模型、视图一致性条件采样和相机轨迹规划，提升3D重建质量与鲁棒性。
Journal ref SIGGRAPH 2026 Conf. Proc
MesonGS++: 3D高斯散射的后训练压缩与超参数搜索
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shenzhen Technology University（深圳技术大学） ； Xiamen University（厦门大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Jiangxing Intelligence Inc.（江兴智能有限公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV、cs.GR
AI总结 MesonGS++提出了一种基于超参数搜索的3D高斯散射后训练压缩方法，通过联合重要性剪枝、八叉树几何编码等技术，实现34倍压缩并保持渲染质量，优于现有方法并精准满足目标存储预算。
KFC-W: 从未经摆拍的互联网照片生成3D一致的视频
机构 * Cornell University（康奈尔大学） ； Adobe Research（Adobe研究）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 本文提出KFC-W模型，通过自监督学习从未经摆拍的互联网照片生成3D一致的视频，无需3D标注，优于现有方法，在几何和外观一致性上表现更佳，适用于3D高斯点扩散等应用。
Comments project page: https://genechou.com/kfcw/
通过新颖视角合成从车辆侧数据生成道路侧LiDAR数据集
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai 200240, China（自动化与智能感知学院，上海交通大学，上海200240，中国） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai 200240, China（系统控制与信息处理重点实验室，中华人民共和国教育部，上海200240，中国） ； Global College, Shanghai Jiao Tong University, Shanghai 200240, China（全球学院，上海交通大学，上海200240，中国）
专题命中 点云 ：novel view synthesis(title,abstract)；point cloud(abstract)；分类 cs.RO
AI总结 本文提出VRS框架，通过LiDAR新颖视角合成从车辆侧数据生成标注道路侧LiDAR数据集，缓解车辆到道路域差距，提升道路侧感知模型的泛化能力。
点-SRA：用于3D表示学习的自表示对齐
机构 * School of Electronics and Information, Xi’an Polytechnic University（西安理工大学电子与信息学院） ； School of Software, Xi’an Jiaotong University（西安交通大学软件学院） ； School of Computer Science, Xi’an Polytechnic University（西安理工大学计算机科学学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 Point-SRA通过自蒸馏和概率建模对齐表示，改进3D表示学习，通过不同掩码比例和MeanFlow Transformer实现互补信息提取，优于Point-MAE并在多个任务中取得优异性能。
Comments This is an AAAI 2026 accepted paper titled "Point-SRA: Self-Representation Alignment for 3D Representation Learning", spanning 13 pages in total. The submission includes 7 figures (fig1 to fig7) that visually support the technical analysis
Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026, Vol. 40, No. 13
基于文本的CAD检索：一个强大的基线
机构 * School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； College of Computer Science and Software Engineer, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出文本到CAD检索任务，通过多模态嵌入框架实现CAD模型的语义检索，为下游CAD生成奠定基础。
LiCamPose：结合多视角LiDAR和RGB相机实现鲁棒的单帧3D人体姿态估计
机构 * Department of Automation, BNRist, Tsinghua University, China（自动化系、北京人工智能研究院、清华大学、中国）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出LiCamPose，结合多视角RGB和稀疏点云数据，通过单帧实现鲁棒的3D人体姿态估计，并设计了合成数据生成器和无监督域适应策略，验证了方法在多种数据集上的泛化能力。
Comments Accepted by WACV2025
Grokking 的拓扑特征
机构 * Imperial College London（帝国学院伦敦） ； Queen Mary University of London（女王玛丽大学伦敦） ； University of Fribourg（弗里堡大学）
专题命中 点云 ：point cloud(abstract)
AI总结 通过拓扑学视角研究Grokking现象，利用持久同调分析嵌入矩阵的点云，发现H1同调的持久性显著增加，揭示了任务的循环结构。持久同调为表示学习提供了统一的几何和拓扑描述，且与泛化而非记忆相关。
Comments 19 pages, 14 figures, 2 tables
HyQuRP：具有旋转和置换等价性的混合量子-经典神经网络
机构 * School of Integrated Technology, Yonsei University, Seoul 03722, Korea（整合技术学院，延世大学，首尔03722，韩国） ； Department of Quantum Information, Yonsei University, Seoul 03722, Korea（量子信息系，延世大学，首尔03722，韩国）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出HyQuRP，一种具有旋转和置换等价性的混合量子-经典神经网络，通过组表示理论分析门空间维度，实验证明其在稀疏点云分类中优于经典和量子基线模型。
Comments 12+41 pages; 1 figure
结构化3D潜在空间出人意料地强大：通过2D扩散模型释放可泛化的风格
机构 * Case Western Reserve University（凯斯西储大学）
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
AI总结 本文提出DiLAST方法，利用预训练的2D扩散模型生成通用风格先验，通过扩散引导对齐渲染视角与目标风格，优化结构化3D潜在表示，实现对Out-of-distribution风格的有效生成。
感知空间：面向高效准确3D场景理解的自我运动感知视频表示
机构 * Department of Computer Science（计算机科学系） ； University of Michigan（密歇根大学） ； University of Michigan Ann Arbor（密歇根大学安阿伯分校）
专题命中 空间理解 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出Motion-MLLM框架，结合IMU数据与视觉特征，通过运动-视觉关键帧过滤模块和异构跨模态融合模块，提升3D场景理解与空间推理的效率和准确性。
Comments 22 pages, 10 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈