3D 视觉

Large-Scale Photogrammetric Documentation of St. John's Co-Cathedral: A Workflow for Cultural Heritage Preservation

大规模摄影测量记录圣约翰共祭坛：文化保护的流程

Matthew Kenely, Mark Bugeja, Andre Grima, Peter Pullicino, Matthew Pullicino, Dylan Seychell

专题命中 三维重建 ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；point cloud(abstract)；分类 cs.GR

AI总结 本文介绍了一种用于大规模摄影测量记录马耳他瓦莱塔圣约翰共祭坛的完整流程，该建筑为世界遗产，具有复杂的巴洛克建筑和卡拉瓦乔作品。通过七晚的夜间拍摄，采集了99,000张照片，利用DSLR相机、无人机和激光雷达扫描，生成包含25-30十亿三角形的高精度3D重建。

Contrastive Multi-Modal Hypergraph Reasoning for 3D Crowd Mesh Recovery

对比多模态超图推理用于3D人群网格重建

Minghao Sun, Chongyang Xu, Yitao Xie, Buzhen Huang, Kun Li

机构 * Tianjin University（天津大学） ； Nanyang Technological University（南洋理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 本文提出对比多模态超图推理方法，结合语义、几何和姿态线索，解决人群重建中的遮挡和深度模糊问题，通过超图建模高阶人群动态，提升特征融合与跨模态正交性。

Comments ICME 2026

TurboVGGT: Fast Visual Geometry Reconstruction with Adaptive Alternating Attention

TurboVGGT: 基于自适应交替注意力的快速视觉几何重建

David Huang, Guile Wu, Chengjie Huang, Bingbing Liu, Dongfeng Bai

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； Foundation Model Department, Huawei（华为基础模型部门） 纠错

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

AI总结 本文提出TurboVGGT，通过自适应稀疏全局注意力和帧注意力实现高效多视图3D重建，在保持重建质量的同时提升效率。

Comments Technical Report

VGGT-360: Geometry-Consistent Zero-Shot Panoramic Depth Estimation

VGGT-360：几何一致的零样本全景深度估计

Jiayi Yuan, Haobo Jiang, De Wen Soh, Na Zhao

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 VGGT-360通过利用VGGT基础模型的内在3D一致性，提出一种无需训练的零样本全景深度估计框架，整合三个模块实现全景到3D到深度的统一流程，提升估计精度和鲁棒性。

Fast and Robust Mesh Simplification for Generated and Real-World 3D Assets

快速且稳健的网格简化用于生成和现实世界的3D资产

Kunal Bhosikar, Preet Savalia, Lokender Tiwari, Brojeshwar Bhowmick

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

AI总结 本文提出了一种针对现代3D资产的全面网格简化流程，通过引入新的多项式误差公式，实现了快速且稳健的网格简化，保留精细几何结构和高质量外观，适用于大规模真实世界数据集。

Comments The IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshop on 3D Geometry Generation for Scientific Computing (3D4S) 2026 (Best Paper Award Runner-up)

SuNeRF-CME: Physics-Informed Neural Radiance Fields for Tomographic Reconstruction of Coronal Mass Ejections

SuNeRF-CME：基于物理的神经辐射场用于日冕物质抛射的立体重建

Robert Jarolim, Martin Sanner, Chia-Man Hung, Emma Stevenson, Hala Lamdouar, Josh Veitch-Michaelis, Ioanna Bouri, Anna Malanushenko, Elena Provornikova, Vít Růžička, Carlos Urbina-Ortega

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文提出SuNeRF-CME框架，利用多视角日冕观测数据通过神经辐射场和 Thomson 散射建模，实现日球层等离子体三维重建，并通过合成观测验证了其在两个视角下的可靠性。