视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
三步条件扩散光场显微三维重建
机构 * Yanshan University（雁山大学） ； Peking University（北京大学）
专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV
AI总结 针对光场显微成像中传统算法分辨率低、伪影重、计算成本高，以及现有学习方法重建精度和泛化能力不足的问题，提出一种基于三步条件扩散的高保真三维重建方法，通过确定性三步采样和轻量条件U-Net实现快速准确重建，并引入类间检测模块增强稳定性。
Comments 10 pages, 6 figures. Accepted to CVPR 2026 Findings
AnyScene: 迈向高度可控的任意位置驾驶场景生成及超越
机构 * Li Auto（利汽车） ； Southwest Jiaotong University（西南交通大学） ； Tsinghua University（清华大学）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO
AI总结 提出AnyScene框架，通过时空占用扩散Transformer和几何引导视图扩展模块，实现从BEV布局生成语义占用序列和参考无关的多视角驾驶视频，支持精确可控和长时生成。
Comments Work in progress. Project page: https://mind-omni.github.io/
理解几何基础模型对视觉-语言-动作模型的影响
机构 * Amazon Personal Robotics Group（亚马逊个人机器人小组） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO
AI总结 本文通过线性探测分析量化了视觉-语言-动作模型（VLA）与几何基础模型（GFM）之间的“几何差距”，比较了三种注入几何信息的架构，并研究了非架构因素对几何VLA性能的影响。
TriSplat: 面向仿真的前馈式3D场景重建
机构 * Zhejiang University（浙江大学） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； Microsoft（微软） ； Monash University（莫纳什大学）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 提出TriSplat，一种前馈式重建网络，使用有向三角形图元表示场景，直接从稀疏视图图像预测并导出可直接用于仿真的网格场景。
Comments Project Page: https://lhmd.top/trisplat, Code: https://github.com/ziplab/TriSplat
基于非接触式雷达成像和物理信息神经网络的3D心脏网格生成
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Fudan University（复旦大学） ； Peking University（北京大学）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV
AI总结 提出SAR2Mesh框架，通过粗到细的网格变形过程，结合几何感知特征投影和物理信息雷达损失，从合成孔径雷达图像重建高保真3D心脏几何结构。
DexSIM: 具有统一因果视频扩散的实时灵巧仿真
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 提出DexSIM框架，通过两阶段训练（双向视频扩散和自回归滚动训练）实现实时、长时一致的灵巧操作仿真，在像素相似度、运动保真度和手部投影精度上超越基线。
Comments World Model @ ICLR 2026
基于全身毫米波扫描的非侵入性身体成分评估
机构 * Chair for Computer Aided Medical Procedures（计算机辅助医疗程序研究所） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
专题命中 三维重建 ：point cloud(abstract)
AI总结 提出一种利用毫米波雷达扫描通过多任务学习回归身体成分指标的方法，在真实扫描中实现了内脏脂肪体积和体脂百分比的预测。
COSY: 用于解耦人像编辑的组合式3DGS合成
机构 * Fraunhofer Heinrich-Hertz Institute, Germany（弗劳恩霍夫 Heinrich-Hertz 研究所，德国） ； Humboldt University Berlin, Germany（柏林洪堡大学，德国） ； NVIDIA, USA（NVIDIA，美国）
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 提出一种组合式3DGS生成器架构，通过独立合成头发、皮肤、眼镜和躯干等组件实现语义属性的精确解耦编辑，无需分割掩码或几何先验。
ConFi-GS：置信度引导的高频注入用于3D高斯泼溅超分辨率
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出一种可靠性感知的频率建模框架，通过几何引导的细节需求先验和频率感知的可靠性图，指导低分辨率3DGS重建中高频细节的注入，提升保真度和感知质量。
ArtSplat: 基于前馈的关节式3D高斯泼溅从稀疏多状态未标定视图
机构 * Seoul National University（首尔国立大学） ； Sogang University（成均馆大学） ； NAVER AI Lab（NAVER AI实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出首个前馈框架ArtSplat，通过稀疏多视图跨多个关节状态，一次性重建几何和关节参数，引入逐像素关节图表示和跨状态注意力机制，在PartNet-Mobility上实现400倍加速。
CodecSplat: 用于前馈式3D高斯泼溅的超紧凑潜在编码
机构 * Sun Yat-sen University（中山大学） ； Peking University（北京大学） ； Pengcheng Laboratory（鹏城实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出CodecSplat框架，通过将压缩集成到前馈式高斯生成流水线中，利用结构化中间特征表示实现超紧凑场景编码，显著降低存储和传输开销。
用于高保真高斯增强面元渲染的深度剥离
机构 * State Key Lab of CAD&CG, Zhejiang University（计算机辅助设计与图形学国家重点实验室，浙江大学） ； Hangzhou Research Institute of Holographic and AI Technology（杭州全息与人工智能技术研究院）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；NeRF(abstract_cn)；Gaussian Splatting(abstract)；novel view synthesis(abstract)
AI总结 提出DP-GES，通过半透明边界增强不透明面元并利用深度剥离建立逐像素排序，实现无排序高斯溅射和正确透射率调制，消除锯齿和弹出伪影，提升重建质量。
RxGS：面向射频数据合成的接收器泛化三维高斯泼溅
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)
AI总结 提出RxGS，通过两阶段学习（共享几何与条件方向辐射）实现单个模型对任意接收器的射频数据合成，显著降低训练、推理和存储成本。
R5DGS：基于刚体约束的语义感知4D高斯泼溅用于高效动态场景重建
机构 * Biomechatronics and Energy-Efficient Robotics (BE2R) Lab, ITMO University（生物机电学与节能机器人实验室，ITMO大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出R5DGS框架，通过紧凑身份编码和CLIP对象查找表实现语义感知的4D高斯表示，并利用刚体推理约束仅预测对象质心动力学，从而在保持轨迹合理性的同时实现11 FPS的加速。
Comments Code: https://github.com/be2rlab/r5dgs
SplitAvatar: 基于自回归高斯分裂的单次头部化身
机构 * South China University of Technology（华南理工大学） ； University of Tokyo（东京大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 提出一种基于自回归高斯分裂的单图像可动画头部化身重建方法，通过图分裂网络渐进生成高斯体，解决高斯数量不匹配和细粒度细节缺失问题。
物理感知的三维高斯编辑用于驾驶场景生成
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； National Key Laboratory of Automotive Chassis Integration and Bionics, Jilin University（吉林大学汽车底盘集成与生物力学国家重点实验室） ； China FAW Group Co., Ltd.（中国第一汽车集团有限公司）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 提出RoVES系统，通过单图像驱动的道路几何插入和4-DOF半车动力学模型，实现物理感知的驾驶场景编辑与车辆姿态校正。
网格与点云的连续域曲线骨架化
机构 * TCS Research（TCS研究） ； IIT Delhi（德里理工学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV、cs.GR
AI总结 提出CSCD框架，将基于局部分隔符的骨架化方法推广到连续域，通过CSCD-M（网格）和CSCD-PC（点云）两种实现，提升了骨架提取的鲁棒性和拓扑保持能力。
Comments 31 pages, 26 figures, 7 tables, 4 algorithms. Published at IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026
度量-相位场：从无定向点云中解耦距离和符号以重建薄结构
机构 * S-Lab, Nanyang Technological University, Singapore ； Key Laboratory of System Software (CAS), Institute of Software, Chinese Academy of Sciences, China ； University of Chinese Academy of Sciences, China ； School of Mathematics, Nanjing University of Aeronautics ； Department of Computer Science, City University of Hong Kong, Hong Kong SAR, China ； Department of Computer Science ； Engineering, Texas A\&M University, USA
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出度量-相位场（MPF），通过解耦度量距离和拓扑相位，结合门控度量公式和残差相位注入，实现从无定向点云中稳定重建薄结构和开放边界。
InvariantCloud：一种全局不变、唯一索引的点云框架，用于鲁棒的6自由度触觉姿态跟踪
机构 * Department of Mechanical and Aerospace Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学机械与航空航天工程系） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO
AI总结 提出InvariantCloud框架，利用视觉触觉传感器上表面标记星座的全局不变性，通过一次性全局不变点云配准实现6自由度物体姿态估计，抑制累积漂移并准确估计偏航旋转，在长序列操作任务中展现出高精度和鲁棒性。
PQDT: 伪查询双Transformer用于鲁棒点云修复
机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； University of Bonn（波恩大学） ； Fraunhofer SCAI（弗劳恩霍夫SCAI研究所）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出一种基于伪查询模块和Transformer主干网络的统一3D修复网络，通过两阶段几何变换增强结构清晰度和局部细节，在多种退化场景下超越现有方法。
Comments To be published in The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
点云中的鬼影：瞬态域中的LiDAR去眩光
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对固态LiDAR内部多径眩光导致的伪影问题，提出基于瞬态眩光扩散函数（TGSF）的物理模型和无训练算法，在点云形成前抑制眩光，保留真实场景结构。
Comments CVPR 2026
学习双射曲面参数化以通过网格变形从稀疏点云推断符号距离函数
机构 * School of Software, Tsinghua University, Beijing, China（清华大学软件学院，北京，中国） ； Department of Computer Science, Wayne State University, Detroit, USA（韦恩州立大学计算机科学系，底特律，美国）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出一种动态变形网络结合双射曲面参数化和网格变形优化的方法，从稀疏点云端到端预测符号距离函数，显著优于现有方法。
Comments Accepted by Conference on Computer Vision and Pattern Recognition (CVPR) 2025. Project page:https://takeshie.github.io/Bijective-SDF
学习拉普拉斯特征空间：基于质量感知神经算子的点云处理
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海智院） ； Laoshan Laboratory（崂山实验室）
专题命中 点云 ：point cloud(title,abstract)
AI总结 提出神经特征空间算子（NEO），通过预测稳定不变的低频子空间而非特征向量，结合质量感知神经算子和瑞利-里兹精化，实现点云上拉普拉斯-贝尔特拉米算子的快速谱分解。
GreenSeg: 基于RGB-D点云的地中海温室农业机器人地面分割算法
机构 * Department of Informatics, CIESOL, ceiA3, Universidad de Almería（信息学院，CIESOL，ceiA3，阿尔梅里亚大学）
专题命中 点云 ：point cloud(title)；分类 cs.RO
AI总结 针对地中海温室狭窄通道、异构地形和光学干扰等挑战，提出一种基于RGB-D感知的双层验证地面分割框架GreenSeg，通过全局平面拟合、曲率滤波和种子点区域生长实现稳定导航，在AGRICOBIOT I平台上验证了其在动态光照下优于基准方法。
双路径几何感知多模态大语言模型用于空间智能
机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto Inc.（利汽车公司） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 点云 ：point cloud(abstract)；spatial understanding(abstract)；分类 cs.CV
AI总结 提出GAMSI，一种仅以RGB图像为输入、通过双路径查询和专家引导视觉对齐实现3D结构与度量尺度联合感知的多模态大语言模型，在七个空间智能基准上达到最优性能。
面向自动驾驶的空间感知视觉语言模型
机构 * Motional ； University of Amsterdam（阿姆斯特丹大学）
专题命中 点云 ：point cloud(abstract)；spatial understanding(abstract)；分类 cs.CV
AI总结 提出LVLDrive框架，通过融合LiDAR点云与视觉语言模型，利用渐进融合Q-Former和空间感知问答数据集，解决3D度量空间推理瓶颈，提升自动驾驶场景理解与决策可靠性。
Comments Accepted to CVPR AutoPilot Workshop 2026
Sensor2Sensor: 自动驾驶的跨本体传感器转换
机构 * Waymo ； Johns Hopkins University（约翰霍普金斯大学） ； Google DeepMind（谷歌DeepMind） ； University of Washington（华盛顿大学）
专题命中 点云 ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出Sensor2Sensor生成模型，将单目行车记录仪视频转换为多模态传感器数据（多视角相机图像和LiDAR点云），通过4D高斯泼溅重建和扩散架构解决无配对数据问题，为自动驾驶开发解锁外部数据源。
Comments Accepted by CVPR 2026
扩展以占据为中心的驾驶场景生成：数据集与方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究院） ； School of Electronic Information and Electrical Engineering（电子信息与电气工程学院） ； Li Auto（力汽车） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生实验室） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院）
专题命中 点云 ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 针对占据数据稀缺问题，构建最大语义占据数据集Nuplan-Occ，并提出统一框架联合生成高质量语义占据、多视角视频和LiDAR点云，采用时空解耦架构及高斯泼溅稀疏点图渲染和传感器感知嵌入策略，实现高保真生成。
Comments IEEE TPAMI
AgentGrounder：使用多模态语言模型的零样本3D视觉点云定位
机构 * Biomechatronics and Energy-Efficient Robotics (BE2R) Lab, ITMO University（生物机械与高效能机器人实验室，ITMO大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出AgentGrounder框架，通过两阶段设计（离线构建对象查找表和在线工具驱动代理）实现零样本3D视觉定位，在ScanRefer和Nr3D上分别提升2.5%和6.3%的准确率。
Comments Code: https://github.com/be2rlab/AgentGrounder
ComPose：用于鲁棒类别级物体姿态估计的统一补全-姿态框架
机构 * University of Science and Technology of China（中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家空间科学探测重点实验室，深空探测实验室） ； Beijing Institute of Control Engineering（北京控制工程研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出ComPose框架，通过关键点渐进补全模块和几何关系一致性损失，将形状补全与姿态估计紧密集成，在不依赖类别级形状先验的情况下提升点云不完整场景下的姿态估计精度和效率。
Comments Accepted by CVPR 2026 (Oral, Best Paper Award Candidate). Project page is available at renhuan1999.github.io/ComPose
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