3D 视觉

Transcoding a 3D Gaussian Splatting Model from a Plenoptic Point Cloud or Mesh without the Original Multi-view Images

从视光点云或网格无原始多视角图像转码3D高斯点播模型

Maja Krivokuća, Riad Bendouro, Neus Sabater

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；point cloud(title,abstract)

AI总结 本文提出了一种端到端的转码流程，用于从现有的3D视光点云或网格模型生成3D高斯点播（3DGS）模型，当原始多视角图像不可用时。还提出了一种定制的初始化方法，以引导3DGS模型学习，并通过约束确保最终的3DGS模型与输入点云或网格表面紧密对齐。在高质量的标准视光点云数据集上的测试表明，我们的流程生成高质量的3DGS模型，其点数远少于原始密集点云中的点数。此外，我们的定制初始化方法比通常用于3DGS模型学习的基于SfM的默认初始化方法，导致更快的收敛速度和更干净的表面表示。

Comments Submitted to an ICIP 2026 satellite workshop

Improving 3D Gaussian Splatting Compression by Scene-Adaptive Lattice Vector Quantization

通过场景自适应晶格向量量化改进3D高斯散射压缩

Hao Xu, Xiaolin Wu, Xi Zhang

机构 * Department of Electrical & Computer Engineering, McMaster University（麦卡特尼大学电气与计算机工程系） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

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

AI总结 本文提出了一种场景自适应晶格向量量化（SALVQ）方法，用于改进3D高斯散射（3DGS）的压缩性能，通过优化晶格基矢来提高适应性和R-D效率，同时减少计算开销和训练时间。

Comments Accepted by IEEE TIP. Code available at https://github.com/hxu160/SALVQ

E2GS: Event Enhanced Gaussian Splatting

E2GS：事件增强的高斯点撒法

Hiroyuki Deguchi, Mana Masuda, Takuya Nakabayashi, Hideo Saito

机构 * Keio University（庆应大学） 纠错

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

AI总结 本文提出E2GS方法，结合事件数据与高斯点撒法，提升图像去模糊和高质量视角合成效果，实验表明其在合成和真实数据集上均能生成视觉吸引人的渲染结果，且训练和渲染速度更快（140 FPS）

Comments 7pages, Accepted at ICIP 2024

Conflict-Aware Active Perception and Control in 3D Gaussian Splatting Fields via Control Barrier Functions

基于控制屏障函数的3D高斯点云场中冲突感知与控制

Amirhossein Mollaei Khass, Athanasios Cosse, Vivek Pandey, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（机械工程与力学系，莱恩大学） 纠错

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

AI总结 本文提出了一种基于控制屏障函数的冲突感知与控制框架，用于在3D高斯点云场环境中安全导航并获取信息以减少地图不确定性，通过统一的安全关键和感知感知二次规划程序解决安全与感知目标的冲突。

Comments Project website: https://sircesoc.github.io/Conflict_Aware_Active_Perception/

Towards Physically Consistent 4D Scene Reconstruction for Closed-loop Autonomous Driving Simulation

迈向物理一致的闭环自动驾驶模拟中的4D场景重建

Bowyn Tan, Yutong Xie, Bai Huang, Fan Luo, Xiao Li, Naizheng Wang, Yang Guan, Shengbo Eben Li

机构 * Tsinghua University（清华大学） ； Meituan（美团） ； Central University of Finance and Economics（中央财经大学） 纠错

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

AI总结 本文提出了一种信息几何诊断框架，解决3DGS方法在同时实现空间和时间参数建模时的信用分配难题，通过引入正交投影梯度（OPG）和时间正则化策略，提升了4D场景重建的物理一致性。

Comments 20 pages, 4 figures

AIR: Amortized Image Reconstruction Framework for Self-Supervised Feed-Forward 2D Gaussian Splatting

AIR: 一种用于自监督前馈2D高斯点散射的 amortized 图像重建框架

Zhaojie Zeng, Yuesong Wang, Yawei Luo, Tao Guan

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Technology, Zhejiang University（浙江大学软件学院） 纠错

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

AI总结 本文提出了一种自监督前馈框架AIR，通过将迭代高斯拟合 amortized 到单次网络传递中，消除了每张图像测试时的优化需求。该框架采用分阶段残差架构，逐步从重建残差中预测额外的高斯原始体，并结合显式的阶段控制机制，仅在欠重建区域激活新的原始体。通过预测-优化-蒸馏训练策略，稳定了多阶段预测，最终实现了更高效的图像重建。

Comments preprint version

CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation

CAdam: 3D高斯密度细化中的上下文自适应矩估计

SeungJeh Chung, Geonho Park, Misong Kim, HyeongYeop Kang

机构 * IIIXR Lab, Kyung Hee University（庆尚大学IIIXR实验室） ； IIIXR Lab, Korea University（韩国大学IIIXR实验室） 纠错

专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.GR

AI总结 本文提出CAdam方法，通过将密度细化问题转化为统计信号验证问题，解决生成式蒸馏中密度估计的瓶颈，从而在保持视觉质量的同时显著减少高斯点数量。

Comments Accepted to SIGGRAPH 2026 Conference Papers. 12 pages, 8 figures

Learning Structural Latent Points for Efficient Visual Representations in Robotic Manipulation

为机器人操作中的高效视觉表征学习结构潜在点

Yicheng Jiang, Jiaxu Wang, Junhao He, Zesen Gan, Junhao Li, Qiang Zhang, Jingkai Sun, Jiahang Cao, Mingyuan Sun, Xiangyu Yue, Qiming Shao

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； X-Humanoid Robots（X-Humanoid机器人） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） 纠错

专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.RO

AI总结 本文提出了一种新的预训练框架，通过学习混合表示-结构潜在点，结合隐式表示的表达能力和显式表示的结构先验，以提高机器人操作中的视觉表征效率和鲁棒性。

Journal ref International Conference on Robotics and Automation 2026

RCGDet3D: Rethinking 4D Radar-Camera Fusion-based 3D Object Detection with Enhanced Radar Feature Encoding

RCGDet3D: 重新思考基于增强雷达特征编码的4D雷达-相机融合3D目标检测

Weiyi Xiong, Bing Zhu

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） 纠错

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

AI总结 本文提出RCGDet3D，通过增强雷达特征编码而非复杂的多模态融合策略，实现了在3D目标检测中更高的准确性和实时性，为实时部署设定了新标准。

FlowLong: Inference-time Long Video Generation via Manifold-constrained Tweedie Matching

FlowLong: 通过流形约束的 Tweedie 匹配实现推理时的长视频生成

Jangho Park, Geon Yeong Park, Gihyun Kwon, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； Amazon（亚马逊） 纠错

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

AI总结 本文提出了一种新的推理时长视频生成方法，通过流形约束的Tweedie匹配在重叠滑动窗口中生成长视频，同时保持时间和空间一致性，并且无需额外训练。

Comments Project Page: https://flowlong-video.github.io/