3D 视觉

High-Fidelity Surface Splatting-Based 3D Reconstruction from Multi-View Images

基于高保真表面点云的多视角图像三维重建

Nandhana Sunil, Abhirami R Iyer, Avirup Mandal

机构 * IIT Palakkad（帕拉卡德理工学院） 纠错

专题命中 三维重建 ：3D reconstruction(title)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)

AI总结 本文提出改进的隐式移动最小二乘方法，通过紧凑多项式核和随机正则化提升多视角图像的高频率几何重建精度和渲染质量。

Comments 19 pages, 9 figures

Seeing Across Skies and Streets: Feedforward 3D Reconstruction from Satellite, Drone, and Ground Images

跨越天空与街道：从卫星、无人机和地面图像进行前馈3D重建

Qiwei Wang, Zhongyao Tuo, Xianghui Ze, Yujiao Shi

机构 * ShanghaiTech University（上海科技大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

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

AI总结 本文提出Cross3R模型，通过融合卫星、无人机和地面图像，实现跨视角3D点云重建及6自由度相机姿态估计，同时构建了跨地理三视角数据集CrossGeo以评估模型性能。

SAM 3D Animal: Promptable Animal 3D Reconstruction from Images in the Wild

SAM 3D Animal：基于图像的野外多动物3D重建的可提示框架

Xuyi Hu, Jin Lyu, Jiuming Liu, Yebin Liu, Silvia Zuffi, Liang An, Stefan Goetz

机构 * University of Cambridge（剑桥大学） ； Southern University of Science and Technology（南方科技大学） ； Tsinghua University（清华大学） ； IMATI-CNR, Milan, Italy（意大利米兰IMATI-CNR研究所） 纠错

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

AI总结 本文提出SAM 3D Animal，首个可提示的多动物3D重建框架，基于SMAL+参数化动物模型，通过关键点和掩码提示实现拥挤和遮挡场景的可靠重建，利用Herd3D数据集在多个数据集上取得最优结果。

Mind the Gap: Geometrically Accurate Generative Reconstruction from Disjoint Views

注意间隙：从不重叠视角进行几何准确的生成重建

Grzegorz Wilczynski, Mikołaj Zielinski, Bartosz Świrta, Dominik Belter, Przemysław Spurek

机构 * Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究机构） ； Poznań University of Technology（波兹南技术大学） ； Warsaw University of Technology（华沙技术大学） 纠错

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

AI总结 本文提出了一种新的生成重建范式，针对不重叠视角下的几何重建问题，提出GLADOS框架，通过生成桥梁、鲁棒粗重建和迭代上下文扩展优化，解决传统方法在零重叠场景下的失败问题。

PET-Adapter: Test-Time Domain Adaptation for Full and Limited-Angle PET Image Reconstruction

PET-Adapter：全角度和有限角度PET图像重建的测试时间域适应

Rüveyda Yilmaz, Yuli Wu, Johannes Stegmaier, Volkmar Schulz

机构 * Institute of Imaging and Computer Vision, RWTH Aachen University, Germany（成像与计算机视觉研究所，亚琛工业大学，德国） ； Machine Learning for Medical Data, Heinrich Heine University Düsseldorf, Germany（医学数据机器学习，杜伊斯堡-艾森大学，德国） 纠错

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

AI总结 PET-Adapter通过测试时间域适应框架，使预训练于phantom数据的生成式PET重建模型适应不同解剖结构、示踪剂和扫描仪配置的临床数据，无需配对真实数据，提升全角度和有限角度重建性能。

Uncertainty Quantification for Cardiac Shape Reconstruction with Deep Signed Distance Functions via MCMC methods

基于MCMC方法的深度符号距离函数在心脏形状重建中的不确定性量化

Jan Verhülsdonk, Thomas Grandits, Francisco Sahli Costabal, Thomas Beiert, Simone Pezzuto, Alexander Effland

机构 * Department of Mathematics and Scientific Computing, University of Graz, Austria（格拉茨大学数学与科学计算系，奥地利） ； PRIN-PNRR project no. P2022N5ZNP（PRIN-PNRR项目编号P2022N5ZNP） ； INdAM-GNCS 纠错

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

AI总结 本文提出结合深度符号距离函数与MCMC采样方法的不确定性感知心脏形状重建框架，通过隐式建模心脏几何并进行贝叶斯推断，实现高精度重建与可靠不确定性估计。

Real-IAD MVN: A Multi-View Normal Vector Dataset and Benchmark for High-Fidelity Industrial Anomaly Detection

Real-IAD MVN：一种多视角法向量数据集和基准，用于高保真工业异常检测

Wenbing Zhu, Jianing Liang, Linjie Cheng, Yurui Pan, Zhuhao Chen, Qingwang Yan, Yudong Cheng, Jianghui Zhang, Mingmin Chi, Bo Peng

机构 * Fudan University（复旦大学） ； Shanghai Ocean University（上海海洋大学） ； Donghua University（东华大学） ； Rongcheer Co., Ltd.（荣驰科技有限公司） 纠错

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

AI总结 本文提出Real-IAD-MVN数据集，通过多视角法向量捕捉微细几何缺陷，验证密集多视角伪3D数据在工业异常检测中的优越性能。

Comments Accepted to CVPR 2025. 15 pages

A Step to Decouple Optimization in 3DGS

在3DGS中实现优化解耦的一步

Renjie Ding, Yaonan Wang, Min Liu, Jialin Zhu, Jiazheng Wang, Jiahao Zhao, Wenting Shen, Feixiang He, Xiang Chen

机构 * National Engineering Research Center of Robot Visual Perception and Control Technology, School of Artificial Intelligence and Robitics, Hunan University（机器人视觉感知与控制技术国家工程研究中心，人工智能与机器人学院，湖南大学） ； Baidu Inc.（百度公司） ； Central South University（中南大学） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文针对3DGS优化中的耦合问题，提出解耦方法，通过稀疏Adam、重状态正则化和解耦属性正则化提升优化效率和表示效果。

Comments Accepted by ICLR 2026 (fixed typo)

AsyncEvGS: Asynchronous Event-Assisted Gaussian Splatting for Handheld Motion-Blurred Scenes

AsyncEvGS: 异步事件辅助高斯点云法用于手持运动模糊场景

Jun Dai, Renbiao Jin, Bo Xu, Yutian Chen, Linning Xu, Mulin Yu, Tianfan Xue, Shi Guo

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； CUHK MMLab（香港大学多模态实验室） ； CPII under InnoHK（创新香港下的CPII） 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 本文提出异步事件辅助高斯点云法，通过高分辨率双相机系统和跨域姿态估计模块，解决运动模糊场景下的3D重建问题，提出AsyncEv-Deblur数据集，提升重建鲁棒性。

AdpSplit: Error-Driven Adaptive Splitting for Faster Geometry Discovery in 3D Gaussian Splatting

AdpSplit：基于误差的自适应分裂以加速3D高斯点云中的几何发现

Yongjae Lee, Jingxing Li, Abhay Kumar Yadav, Rama Chellappa, Deliang Fan

机构 * Arizona State University（亚利桑那州立大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 AdpSplit通过基于误差的自适应分裂操作减少3DGS训练时间，同时保持渲染质量，在多个数据集上实现9.2%-22.3%的加速。

SatSurfGS: Generalizable 2D Gaussian Splatting for Sparse-View Satellite Surface Reconstruction

SatSurfGS: 基于2D高斯散射的通用稀疏视图卫星表面重建

Min Chen, Wei Guo, Bin Wang, Wen Li, Tong Fang, Jinbo Zhang, Junqi Zhao, Hong Kuang, Han Hu, Xuming Ge, Qing Zhu, Bo Xu

机构 * Faculty of Geosciences and Engineering, Southwest Jiaotong University, Chengdu, P.R. China（地质科学与工程学院，西南交通大学，成都，中华人民共和国） 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SatSurfGS方法，通过构建粗到细的高斯属性预测框架，解决稀疏视图卫星表面重建中的多视图匹配可靠性问题，提升重建精度和泛化能力。

VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling

VDEGaussian：基于视频扩散的4D高斯点云用于动态城市场景建模

Yuru Xiao, Zihan Lin, Chao Lu, Deming Zhai, Kui Jiang, Wenbo Zhao, Wei Zhang, Junjun Jiang, Huanran Wang, Xianming Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出一种结合视频扩散的4D高斯点云方法，解决动态场景建模中快速移动物体建模难题，通过时间一致性先验和不确定性蒸馏提升新型视角合成效果。

Differentiable Ray Tracing with Gaussians for Unified Radio Propagation Simulation and View Synthesis

基于高斯的可微射线追踪用于统一的无线传播模拟与视图合成

Niklas Vaara, Lam Huynh, Pekka Sangi, Miguel Bordallo López, Janne Heikkilä

机构 * Center for Machine Vision and Signal Analysis, University of Oulu, Finland（奥卢大学机器视觉与信号分析中心，芬兰） ； CubiCasa Oy, Finland（芬兰CubiCasa公司） 纠错

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

AI总结 本文提出一种基于高斯的可微射线追踪框架，实现无线传播模拟与视图合成的统一空间表示，通过可视化重建神经场景直接计算点对点路径，保留高质量视觉渲染。

Disambiguating 2D-3D Correspondences in Gaussian Splatting-based Feature Fields for Visual Localization

在基于高斯散射的特征场中区分2D-3D对应关系以实现视觉定位

Miso Lee, Sangeek Hyun, Yerim Jeon, Jae-Pil Heo

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 本文提出SplitGS-Loc框架，通过高斯属性区分2D-3D对应关系，解决传统GSFF在视觉定位中的问题，实现稳定PnP收敛，达到最先进的定位性能。

PropSplat: Map-Free RF Field Reconstruction via 3D Gaussian Propagation Splatting

PropSplat: 通过3D高斯传播散射实现无地图的射频场重建

William Bjorndahl, Maninder Pal Singh, Farhad Nouri, Joseph Camp

机构 * Department of Electrical and Computer Engineering, Southern Methodist University, Dallas, TX, USA（电气与计算机工程系，南方 Methodist 大学，德克萨斯州达拉斯市） ； Department of Engineering Technology, University of Houston, Houston, TX, USA（工程技术系，德克萨斯大学休斯敦分校） 纠错

专题命中 Gaussian Splatting ：NeRF(abstract,abstract_cn)

AI总结 PropSplat利用3D各向异性高斯体重建射频场，无需地理数据或外部信息，通过端到端优化实现精准传播建模，优于现有方法。

Comments Accepted for presentation at IEEE DySPAN 2026

TAIL-Safe: Task-Agnostic Safety Monitoring for Imitation Learning Policies

TAIL-Safe: 无任务依赖的安全监控用于模仿学习策略

Riad Ahmed, Momotaz Begum

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

AI总结 本文提出TAIL-Safe，通过构建Lipschitz连续的Q值函数，基于可见性、可识别性和可抓取性等短期任务无关标准，确定模仿学习策略的安全集，利用Nagumo定理启发的恢复机制提升策略安全性。

Channel-Level Relation to Attentive Aggregation with Neighborhood-Homogeneity Constraint for Point Cloud Analysis

通道级关系与具有邻域同质性约束的注意聚合在点云分析中的应用

Jiaqi Shi, Jin Xiao, Xiaoguang Hu, Wenxuan Ji, Zichong Jia, Zifan Long, Tianyou Chen, Baochang Zhang

机构 * 1School of Automation Science ； Electrical Engineering, Beihang University, Beijing, China 2Wuhan Leaddo Measuring \& Control Technology, Wuhan, China 3School of Artificial Intelligence, Beihang University, Beijing, China Emails 纠错

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

AI总结 本文提出PointCRA网络，通过引入时间趋势变化作为新评估维度，解决现有空间和通道注意机制中权重维度坍缩导致的信息丢失问题，提升点云分析的精度与效率。

Super-Resolution of Airborne Laser Scanning Point Clouds for Forest Inventory

航空激光扫描点云的超分辨率处理用于森林调查

Jinyuan Shao, Sangyoong Park, Chunxi Zhao, Ayman Habib, Songlin Fei

机构 * Department of Forestry and Natural Resources, Purdue University（林业与自然资源系，普渡大学） ； Lyles School of Civil and Construction Engineering, Purdue University（莱尔斯土木与建设工程学院，普渡大学） 纠错

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

AI总结 本文提出3D Forest Super Resolution模型，通过提升点云密度和减少噪声，提高森林调查精度，实验表明其在树干定位和直径估计上表现优异。

GraphFusion3D: Dynamic Graph Attention Convolution with Adaptive Cross-Modal Transformer for 3D Object Detection

GraphFusion3D: 动态图注意力卷积与自适应跨模态Transformer用于3D目标检测

Md Sohag Mia, Md Nahid Hasan, Muhammad Abdullah Adnan

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

AI总结 本文提出GraphFusion3D框架，结合多模态融合与先进特征学习，通过自适应跨模态Transformer增强几何与语义信息，并引入图推理模块捕捉局部结构与全局语义，实验在SUN RGB-D和ScanNetV2上均取得显著提升。

UniD-Shift: Towards Unified Semantic Segmentation via Interpretable Share-Private Multimodal Decomposition

UniD-Shift：通过可解释的共享-私有多模态分解实现统一的语义分割

Shuai Zhang, Zhecheng Shi, Zhuxiao Li, Jing Ou, Tengxi Wang, Yuan Liu, Wufan Zhao

机构 * HKUST(GZ)（香港科技大学（广州）） 纠错

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

AI总结 本文提出UniD-Shift框架，通过结合视觉和几何编码器提取互补特征，并通过共享-私有子空间分解实现2D-3D语义分割的统一。实验表明在SemanticKITTI和nuScenes数据集上优于基线方法，且具有良好的泛化能力。

GEM: Generating LiDAR World Model via Deformable Mamba

GEM: 通过可变形Mamba生成LiDAR世界模型

Yang Wu, Zhaojiang Liu, Qiang Meng, Youquan Liu, Renliang Weng, Jianjun Qian, Jian Yang, Jin Xie

机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； NTU（南京理工大学） 纠错

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

AI总结 GEM通过可变形Mamba架构提升LiDAR世界模型的逼真度与想象力，解决点云无序和动态静态区分难题，实现空间时间感知与自主探索能力。

Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance

掌 sized 全向视觉基于的无人机探索与稀疏拓扑图引导

Zirui Wang, Xinjia Luo, Haotian Sun, Jun Ma, Jian Guo, Boyu Zhou

机构 * Department of Mechanical and Energy Engineering, Southern University of Science and Technology（南方科技大学机械与能源工程系） ； Thrust of Robotics and Autonomous Systems, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统研究所） ； International Digital Economy Academy, Shenzhen, China（深圳国际数字经济学院） 纠错

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

AI总结 本文提出一种轻量级自主探索系统，利用全向视觉和稀疏拓扑图引导，通过多鱼眼相机实现全向视场和深度估计，采用拓扑节点表示前沿区域，减少内存和计算需求，实现在模拟和实际无人机中高效探索。

DiffeoMorph: Learning to Morph 3D Shapes Using Differentiable Agent-Based Simulations

DiffeoMorph: 通过可微分基于代理的模拟学习3D形状变形

Seong Ho Pahng, Guoye Guan, Benjamin Fefferman, Sahand Hormoz

机构 * Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Departments of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学部） ； Broad Institute of MIT and Harvard（MIT与哈佛大学Broad研究所） 纠错

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

AI总结 本文提出DiffeoMorph框架，通过可微分代理模拟学习形态发生协议，使代理群体变形为目标3D形状，采用SE(3)等价图神经网络和基于3DZernike多项式的形状匹配损失实现旋转不变性和反射敏感性。

Topology-Enhanced Alignment for Large Language Models: Trajectory Topology Loss and Topological Preference Optimization

基于拓扑的大型语言模型对齐：轨迹拓扑损失与拓扑偏好优化

Yurui Pan, Ke Xu, Bo Peng

机构 * School of Computing and Intelligent Innovation, Fudan University（复旦大学计算与智能创新学院） ； School of Economics and Management, Tongji University（同济大学经济与管理学院） ； College of Information Technology, Shanghai Ocean University（上海海洋大学信息学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出基于拓扑的对齐框架，通过轨迹拓扑损失和拓扑偏好优化提升大型语言模型的对齐性能，实验表明其在自动偏好指标和LLM判断评估中优于传统方法。

Comments Accepted to ACL 2026. 15 pages

3D Generation for Embodied AI and Robotic Simulation: A Survey

用于具身AI和机器人模拟的3D生成：综述

Tianwei Ye, Yifan Mao, Minwen Liao, Jian Liu, Chunchao Guo, Dazhao Du, Quanxin Shou, Fangqi Zhu, Song Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Wuhan University（武汉大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Xinjiang University（新疆大学） ； Tencent（腾讯） 纠错

专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.CV、cs.RO

AI总结 本文综述了用于具身AI的3D生成，探讨了其在数据生成、模拟环境构建和Sim2Real桥梁中的作用，指出领域正从视觉真实转向交互准备，并识别了物理标注有限、几何质量与物理有效性差距等主要瓶颈。

Comments 27 pages, 11 figures, 8 tables

SpatialPrompt: XR-Based Spatial Intent Expression as Executable Constraints for AI Generative 3D Design

SpatialPrompt: 基于扩展现实的空问意图表达作为AI生成3D设计的可执行约束

Yichen Andy Yu, Wanru Li, Qiaoran Wang, Jymon Ross, Gavin Johnson, Mandy Lui, Qiao Jin

专题命中 3D生成 ：3D generation(abstract)

AI总结 SpatialPrompt通过XR系统将空间草图转化为可控的3D生成约束，支持协作创作中的迭代优化与同步生成，提升生成效率与反馈清晰度。

Journal ref Proc. DIS Companion 2026, 4 pages

Rollback-Free Stable Brick Structures Generation

无需回滚的稳定砖块结构生成

Chenhui Xu, Ziyue Bai, Fuxun Yu, Heng Huang, Jinjun Xiong

机构 * University of Buffalo（布法罗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Microsoft（微软） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

专题命中 3D生成 ：3D generation(abstract)

AI总结 本文提出一种强化学习方法，通过训练时的策略优化而非测试时的纠正，实现稳定砖块结构的高效生成，提升生成质量和推理速度。

Dr-BA: Separable Optimization for Direct Radar Bundle Adjustment & Localization

Dr-BA：直接雷达束调整与定位的可分离优化

Daniil Lisus, Cedric Le Gentil, Timothy D. Barfoot

机构 * Robotics Institute, University of Toronto（多伦多大学机器人研究所） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出Dr-BA框架，通过直接处理2D旋转雷达强度图像实现雷达束调整与定位，利用雷达抗雨优势，解决稠密地图与传感器姿态联合估计问题，实现最先进的雷达束调整与跨会话定位性能。

Comments Accepted for presentation at RSS 2026