3D 视觉

POTR: Post-Training 3DGS Compression

POTR：训练后3DGS压缩

Bert Ramlot, Martijn Courteaux, Peter Lambert, Glenn Van Wallendael

机构 * IDLab-MEDIA research group（IDLab-MEDIA研究组） ； Ghent University（根特大学） ； imec 纠错

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

AI总结 提出POTR后训练压缩框架，通过改进的3DGS光栅化器高效剪枝和重算光照系数，实现2-4倍剪枝率和1.5-2倍推理加速，在率失真和速度上优于现有方法。

Comments 15 pages, 12 figures. Submitted to IEEE TCSVT, under review

Journal ref IEEE Transactions on Circuits and Systems for Video Technology (TCSVT), 2026

GlowGS: Generative Semantic Feature Learning for 3D Gaussian Splatting in Nighttime Glow Scenes

GlowGS: 夜间发光场景中用于3D高斯溅射的生成式语义特征学习

Beibei Lin, Xiao Cao, Jingyuan Guo, Robby T. Tan

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对夜间发光场景中3D高斯溅射因缺乏纹理和边缘等结构特征而难以渲染高质量新视图的问题，提出GlowGS方法，利用扩散模型和视觉基础模型生成语义特征作为隐式结构线索，并通过新视图语义学习实现无真实标签的优化，显著提升渲染质量。

Comments Accepted by CVPR Findings 2026

LangFlash: Feed-forward 3D Language Gaussian Splatting from Sparse Unposed Images

LangFlash: 基于前馈的3D语言高斯泼溅从稀疏无位姿图像

Yilong Liu, Wanhua Li, Chen Zhu-Tian, Hanspeter Pfister

机构 * Harvard University（哈佛大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； University of Minnesota - Twin Cities（明尼苏达大学-双城分校） 纠错

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

AI总结 提出LangFlash，一种前馈框架，从稀疏无位姿多视图图像直接预测3D高斯原语及其语言对齐语义特征，实现低延迟3D重建和语义一致场景理解。

Comments CVPRF 2026

ForeSplat: Optimization-Aware Foresight for Feed-Forward 3D Gaussian Splatting

ForeSplat：面向前馈3D高斯泼溅的优化感知预判

Yuke Li, Weihang Liu, Cheng Zhang, Yuefeng Zhang, Jiadi Cui, Zixuan Wang, Junran Ding, Haoyu Wu, Yujiao Shi, Jingyi Yu, Xin Lou

机构 * ShanghaiTech University（上海科技大学） ； GGU Technology Co., Ltd（GGU技术有限公司） ； Stereye 纠错

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

AI总结 提出优化感知训练框架ForeSplat，通过元梯度规则使前馈3DGS模型生成利于快速精细优化的初始化，缩小了前馈预测与逐场景优化之间的差距。

GAF: Gaussian Action Field as a 4D Representation for Dynamic World Modeling in Robotic Manipulation

GAF: 高斯动作场作为机器人操作中动态世界建模的4D表示

Ying Chai, Litao Deng, Ruizhi Shao, Jiajun Zhang, Kangchen Lv, Liangjun Xing, Xiang Li, Hongwen Zhang, Yebin Liu

机构 * Tsinghua University（清华大学） ； Beijing Normal University（北京师范大学） ； Shadow AI 纠错

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

AI总结 提出GAF，通过扩展3D高斯溅射引入可学习运动属性，实现动态场景的4D建模，并利用动作-视觉对齐去噪框架提升机器人操作成功率。

Comments https://ChaiYing1.github.io/projects/GAF/

RiGS: Rigid-aware 4D Gaussian Splatting from a Single Monocular Video

RiGS: 从单目视频中的刚性感知4D高斯泼溅

Chenyu Wu, Wanhua Li, Zhu-Tian Chen, Hanspeter Pfister

机构 * Harvard University（哈佛大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； University of Minnesota - Twin Cities（明尼苏达大学-双城分校） 纠错

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

AI总结 提出RiGS，通过静态、刚性和瞬态三种高斯原语分别建模不同时间尺度的运动，并利用目标动态掩码和场景流引导实现单目视频动态场景重建，在新视角合成任务上达到最优性能。

OctCGS: Octree-Contextual Gaussian Splatting with Explicit Multi-Order Propagation Modeling for Channel Knowledge Map Construction

OctCGS: 基于八叉树上下文的高斯泼溅与显式多阶传播建模的信道知识图谱构建

Jinghan Zhang, Xitao Gong, Qi Wang, Richard A. Stirling-Gallacher, Giuseppe Caire

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)

AI总结 提出OctCGS框架，利用八叉树上下文的高斯泼溅显式建模多跳无线传播的阶数，实现高效的信道知识图谱构建，在信道增益MAE和NMAE上分别提升0.88 dB和0.021。

Comments Submitted to IEEE GLOBECOM 2026

Learning a Particle Dynamics Model with Real-world Videos

利用真实世界视频学习粒子动力学模型

Chanho Kim, Suhas V. Sumukh, Li Fuxin

机构 * Oregon State University（俄勒冈州立大学） 纠错

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

AI总结 提出一种从无标签真实视频直接训练神经物体动力学模型的框架，结合高斯溅射技术，通过渲染监督学习粒子位置和旋转变化，避免对合成数据的依赖。

Comments CVPR 2026 Findings

OpenGaFF: Open-Vocabulary Gaussian Feature Field with Codebook Attention

OpenGaFF: 基于码本注意力的开放词汇高斯特征场

Kunyi Li, Michael Niemeyer, Sen Wang, Stefano Gasperini, Nassir Navab, Federico Tombari

机构 * Technical University of Munich（慕尼黑技术大学） ； Google（谷歌） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Visualais 纠错

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

AI总结 提出OpenGaFF框架，通过高斯特征场和码本注意力机制实现开放词汇3D场景理解，提升语义一致性和分割质量。