3D 视觉

Towards Interactive Video World Modeling: Frontiers, Challenges, Benchmarks, and Future Trends

迈向交互式视频世界建模：前沿、挑战、基准与未来趋势

Jiuming Liu, Chaojun Ni, Mengmeng Liu, Chensheng Peng, Fangjinhua Wang, Sitian Shen, Marc Pollefeys, Masayoshi Tomizuka, Ayush Tewari, Per Ola Kristensson

机构 * Department of Engineering, University of Cambridge, U.K.（剑桥大学工程系） ； Peking University（北京大学） ； University of Twente（埃因霍温理工大学） ； Mechanical Systems Control Laboratory, University of California, Berkeley, USA（加州大学伯克利分校机械系统控制实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； University of Oxford（牛津大学） 纠错

专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV

AI总结 本文系统综述了交互式世界建模的研究趋势、技术挑战、评估基准，并提出了未来方向，重点在于动作条件可控性、长程交互与记忆以及实时响应性。

Comments Under review. The GitHub repository is publicly available at: https://github.com/liujiuming123/Awesome-Interactive-World-Model

SpaceTools: Tool-Augmented Spatial Reasoning via Double Interactive RL

SpaceTools: 通过双交互强化学习实现工具增强的空间推理

Siyi Chen, Mikaela Angelina Uy, Chan Hee Song, Faisal Ladhak, Adithyavairavan Murali, Qing Qu, Stan Birchfield, Valts Blukis, Jonathan Tremblay

机构 * NVIDIA ； University of Michigan（密歇根大学） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV、cs.RO

AI总结 提出双交互强化学习（DIRL）框架，通过两阶段训练让视觉语言模型学会协调多种工具（如深度估计、分割、姿态估计）进行精确空间推理，在多个基准上达到最优性能。

Comments CVPR 2026

ScaRF-SLAM: Scale-Consistent Reconstruction with Feed-Forward Models and Classical Visual SLAM

ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建

Yuhao Zhang, Yifu Tao, Frank Dellaert, Maurice Fallon

机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO

AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。

Comments 8 pages