视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
一个Atlas就足够了：解码器侧的高斯点云渲染用于沉浸式视频
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.GR
AI总结 本文提出了解码器侧高斯点云渲染（DSGS）框架，通过将深度估计阶段替换为前馈3DGS推理，优化整个体积场景，从而在解码器侧从压缩纹理和元数据中实现高质量的沉浸式视频生成。
RT-Splatting：基于高斯点散布的联合反射-透射建模
机构 * State Key Laboratory of General Artificial Intelligence（国家一般人工智能重点实验室） ； School of Intelligence Science and Technology（智能科学与技术学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出RT-Splatting方法，通过将高斯点的几何占用与光学不透明度分离，实现对半透明表面复杂反射和清晰透射的联合建模，从而在实时渲染中获得高质量的反射和透射效果。
Comments CVPR 2026 Highlight, Project Page: https://sjj118.github.io/RT-Splatting/
具有任意相机轨迹可视化引擎的3D斜高斯散射
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.GR
AI总结 本文提出3D斜高斯散射（3DSGS），通过引入斜高斯分布来提升3D高斯散射的结构保真度和紧凑性，以解决对称高斯分布在捕捉形状和颜色不连续性方面的不足，从而提高可视化效果和空间数据探索的准确性。
Comments 16 pages
Topo-GS: 通过拓扑高斯散射实现高维数据的连续体积分嵌入
机构 * Universidade Federal do ABC (UFABC)（巴西圣安德烈大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.GR
AI总结 本文提出Topo-GS方法，利用拓扑感知策略将高维数据转换为连续体积分表示，通过局部几何约束优化，保持局部拓扑保真度，同时显式表现投影扭曲。
Comments 7 pages, 2 figures
AdaptSplat: 为前馈3D高斯点划法适应视觉基础模型
机构 * Ke Holdings Inc.（凯控股公司）
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AdaptSplat，通过在通用架构中引入一个仅含1.5M参数的轻量级适配器，有效提升了前馈3D高斯点划法在跨领域泛化和高频几何保真度方面的性能。
GSCompleter: 一种无需蒸馏的插件，用于在几秒钟内进行基于度量的3D高斯溅射完成
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Shanghai Innovation Institute（上海创新研究院） ； Chongqing Key Laboratory of Precision Optics, Chongqing Institute of East China Normal University（重庆精密光学重点实验室，东华大学重庆研究院） ； Shanghai Key Laboratory of Computer Software Evaluating and Testing（上海计算机软件评测测试重点实验室） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出了一种无需蒸馏的GSCompleter插件，通过稳定的'生成-注册'流程实现基于度量的3D高斯溅射完成，提高了完成质量和效率，并在三个基准上取得了新的最先进的结果。
P2GS: 基于物理先验的高斯点云法用于光度一致的城市重建
机构 * Chubu University（名古屋大学） ； Turing Inc.（图灵公司）
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P2GS，一种基于物理先验的高斯点云法，用于解决自动驾驶中由于异质相机管道和动态户外照明导致的光度不一致问题，通过联合分解视图不变的线性HDR光场、每视图曝光尺度和色调映射函数，提升光度一致性与光照一致性。
Comments Accepted CVPR2026 main
ArtMesh：带有运动一致动态的部件感知可变形网格场
机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of North Texas（北卡罗来纳州立大学）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 ArtMesh通过构建基于网格的可微渲染基础，实现了从多视角图像中重建可变形物体的连接三角网格，并在100个新基准数据集上超越了现有3DGS方法。
GaussianZoom: 一种结合几何和语义引导的渐进式缩放生成3D高斯点云
机构 * State Key Lab of CAD & CG（计算机辅助设计与图形学国家重点实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出GaussianZoom，一种结合几何一致场景建模和多尺度语义推理的生成式缩放3D重建系统，通过迭代渐进框架实现从低分辨率输入生成高保真的极端缩放渲染。
Comments 10 pages, 7 figures
分离运动与几何的4D高斯点散射
机构 * Sun Yat-sen University（中山大学） ； University of Trento（特伦特大学） ； Huazhong University of Science and Technology（华中科技大学） ； Lanzhou University（兰州大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出VeGaS框架，通过引入伽利略剪切矩阵和几何变形网络，分离高斯运动与几何属性，提升复杂非线性运动建模能力，实验表明其在公开数据集上达到最先进的性能。
通过紧凑的高斯场景表示和加速的密集姿态估计实现高效的稀疏到密集视觉定位
机构 * Electronic Information School, Wuhan University（武汉大学电子信息学院） ； School of Robotics, Wuhan University（武汉大学机器人学院） ； Electronic Information School and the School of Robotics, Wuhan University（武汉大学电子信息学院和机器人学院）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 本文提出了一种高效的视觉定位方法LiteLoc，通过去除冗余的色彩字段和优化密集姿态估计，显著提升了内存和计算效率，同时保持了定位性能。
Comments IEEE/CAA JAS 2026
GRaD-Nav++: 基于视觉-语言模型的视觉无人机导航：高斯辐射场与可微动力学
机构 * Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天工程系）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.RO
AI总结 GRaD-Nav++提出一种轻量级视觉-语言-动作框架，通过可微强化学习在3D高斯点云模拟器中训练，实现基于自然语言指令的实时无人机导航，展示在多任务和多环境下的高效导航能力。
Comments Published in: IEEE Robotics and Automation Letters ( Volume: 11, Issue: 2, February 2026)
Journal ref Chen, Qianzhong, et al. "Grad-nav++: Vision-language model enabled visual drone navigation with gaussian radiance fields and differentiable dynamics." IEEE Robotics and Automation Letters 11.2 (2025): 1418-1425
DiffWind: 基于物理的可微风驱物体动力学建模
机构 * State Key Laboratory of CAD & CG（CAD与计算机图形学国家重点实验室） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Ant Group（蚂蚁集团） ； Shenzhen University（深圳大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 本文提出DiffWind，一种基于物理的可微框架，统一了风-物体相互作用建模、基于视频的重建和正向模拟。通过将风表示为基于网格的物理场，物体表示为从3D高斯点散布派生的粒子系统，并利用材料点方法（MPM）建模其相互作用，从而实现了对风驱物体动力学的重建。此外，本文还引入了WD-Objects数据集，通过大量实验证明了该方法在重建精度和模拟保真度方面显著优于现有动态场景建模方法。
Comments Accepted by ICLR 2026. Project page: https://zju3dv.github.io/DiffWind/
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