3D 视觉

SimuScene: Simulation-Ready Compositional 3D Scene Reconstruction from a Single Image

SimuScene: 从单张图像重建仿真就绪的组合式3D场景

Inhee Lee, Sangwon Baik, Sungjoo Kim, Hyeonwoo Kim, Hyunsoo Cha, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO

AI总结 提出SimuScene，一种将物理仿真融入形状和布局估计的组合式3D重建流水线，通过物理引擎诊断重建错误并驱动修正，生成稳定且仿真就绪的场景。

Comments Project Page: https://snuvclab.github.io/SimuScene/

EvoMemNav: Efficient Self-Evolving Fine-Grained Memory for Zero-Shot Embodied Navigation

EvoMemNav: 用于零样本具身导航的高效自进化细粒度记忆

Zuhao Ge, Xiaosong Jia, Chao Wu, Yuchen Zhou, Zuxuan Wu, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI (TEAI), Fudan University（可信具身人工智能研究院，复旦大学） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 提出EvoMemNav框架，通过构建视觉-语义记忆图并采用预算驱动的粗到细策略，结合反射驱动写回机制，实现零样本具身导航中高效、自进化的细粒度记忆，提升多实例区分和停止验证性能。

Comments Preprint

BA-T: An Iterative Transformer for Two-View Bundle Adjustment

BA-T: 一种用于双视图束调整的迭代Transformer

Ganlin Zhang, Weirong Chen, Daniel Cremers, Xi Wang

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 受经典束调整启发，提出BA-T，一种通过迭代Transformer在隐式token空间中实现结构化更新的轻量级方法，用于改进双视图三维重建的精度和多视图一致性。

Sparse-View Lung Nodule Volumetry from Digitally Reconstructed Radiographs via AReT: Anatomy-Regularized TensoRF

通过AReT：解剖正则化TensoRF从数字重建放射图像进行稀疏视图肺结节体积测量

Spoorthi M, Suja Palaniswamy

机构 * Amrita University（阿姆里塔大学） 纠错

专题命中 NeRF ：NeRF(abstract,abstract_cn)；分类 cs.CV

AI总结 本文发现并解决了TensoRF在X射线衰减场中的默认密度偏移问题，提出解剖正则化张量辐射场框架AReT，仅用三个正交X射线投影即可实现肺结节的稳定体积重建，在LIDC-IDRI数据集上达到高精度。

KC-3DGS: Kurtosis-Constrained Gaussian Splatting for High-Fidelity View Synthesis

KC-3DGS: 基于峰度约束的高斯泼溅用于高保真视图合成

Vivekjyoti Banerjee, Abhay Yadav, Rama Chellappa, Aniket Roy

机构 * Johns Hopkins University（约翰霍普金斯大学） ； NEC Labs America（NEC美国实验室） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出KC-3DGS，通过在小波域添加多尺度对齐损失、峰度集中损失和跨频带协方差惩罚，增强3DGS的感知质量，尤其改善稀疏视图下的高频细节和结构伪影。

Characterizing Detectability in 3DGS Poisoning: A Stage-wise Benchmark

表征3DGS投毒中的可检测性：分阶段基准测试

Quoc-Anh Bui-Huynh, Thanh Duc Ngo, Xue Geng, Kaixin Xu, Wang Zhe, Xulei Yang, Ngai-Man Cheung

机构 * Temasek Laboratories, Singapore University of Technology and Design（新加坡科技与设计大学Temasek实验室） ； Vietnam National University, Ho Chi Minh City（越南国家大学胡志明市分校） ； University of Information Technology, VNU-HCM（越南国家大学胡志明市信息技术大学） ； Agency for Science, Technology, and Research (A*STAR)（科技研究局（A*STAR）） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对3DGS易受多种投毒攻击的问题，提出分阶段基准Poison-3DGS，系统研究各阶段可检测性差异，发现不同攻击在不同阶段产生独特取证信号，后期阶段（如训练动态和高斯参数统计）提供早期不可观测的强线索。

GS-ROR$^2$: Bidirectional-guided 3DGS and SDF for Reflective Object Relighting and Reconstruction

GS-ROR$^2$: 双向引导的3DGS和SDF用于反射物体重光照与重建

Zuo-Liang Zhu, Beibei Wang, Jian Yang

机构 * VCIP, College of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； School of Intelligence Science and Technology, Nanjing University（智能科学与技术学校，南京大学） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 提出一种双向引导框架，通过SDF辅助的高斯溅射优化重光照模型，并利用GS引导的SDF增强实现高质量几何重建，解决反射物体重光照与重建中的几何约束和细节捕捉问题。

Comments Accepted by ACM TOG

PersistGS: Differentiable Physics for Object Permanence in 4D Gaussian Splatting

PersistGS: 4D高斯溅射中物体持久性的可微物理

Adrian Ramlal, John S. Zelek

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 提出PersistGS方法，通过将可微刚体模拟与3D高斯溅射耦合，在物体被遮挡期间利用物理规律预测其SE(3)轨迹，从而恢复物体持久性，并引入质心轮廓损失降低轨迹误差。

Comments Accepted in IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026 Workshop on Generative 3D Reconstruction

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 4687-4696

GN0: Toward a Unified Paradigm for Generation, Evaluation, and Policy Learning in Visual-Language Navigation

GN0：迈向视觉语言导航中生成、评估与策略学习的统一范式

Xinhai Li, Xiaotao Zhang, Yuehao Huang, Jiankun Dong, Tianhang Wang, Sunyao Zhou, Yunzi Wu, Chengnuo Sun, Yunfei Ge, Qizhen Weng, Chi Zhang, Chenjia Bai, Xuelong Li

机构 * Institute of Artificial Intelligence, China Telecom（人工智能研究院，中国电信） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Jiangsu University（江苏大学） 纠错

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

AI总结 提出GN0统一框架，通过自动生成大规模导航数据集GN-Matrix、基于3DGS的高保真仿真平台和BEV基准GN-Bench，结合RL驱动的导航基础模型BAE，在VLN任务上超越现有方法。

Ref-DGS: Reflective Dual Gaussian Splatting

Ref-DGS: 反射性双高斯泼溅

Ningjing Fan, Yiqun Wang, Dong-Ming Yan, Peter Wonka

机构 * Chongqing University（重庆大学） ； MAIS, Institute of Automation, Chinese Academy of Sciences and UCAS（自动化研究所，中国科学院，UCAS） ； King Abdullah University of Science and Technology (KAUST)（卡塔尔科学与技术大学） 纠错

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

AI总结 提出Ref-DGS框架，通过双高斯场景表示和物理感知的镜面自适应混合着色器，在高效光栅化管线中解耦表面重建与镜面反射，实现反射场景的SOTA新视图合成且训练速度远快于基于光线的方法。

Comments Project page: https://njfan.github.io/Ref-DGS/

BEAST3D: Animal behavioral analysis and neural encoding from multi-view video via Gaussian splatting

BEAST3D: 通过高斯泼溅从多视角视频进行动物行为分析与神经编码

Yanchen Wang, Lenny Aharon, Wangshu Zhu, Kyle Daruwalla, Linghua Zhang, Jiaru Zou, Selmaan Chettih, Helen Hou, Liam Paninski, Matthew R Whiteway

机构 * Columbia University（哥伦比亚大学） ； Cold Spring Harbor（冷泉港） ； Stanford University（斯坦福大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出BEAST3D自监督预训练框架，利用未标注的多视角视频通过3D高斯泼溅重建和动物分割，学习3D视觉表征，有效应用于新视角合成、多视角姿态估计和神经编码。

SparseStreet: Sparse Gaussian Splatting for Real-Time Street Scene Simulation

SparseStreet: 用于实时街景模拟的稀疏高斯泼溅

Qingpo Wuwu, Xiaobao Wei, Peng Chen, Nan Huang, Zhongyu Zhao, Hao Wang, Ming Lu, Ningning Ma, Shanghang Zhang

机构 * Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Autonomous Driving Development, NIO（蔚来自动驾驶开发） 纠错

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

AI总结 针对街景重建中高斯原语冗余问题，提出节点可学习剪枝与背景压缩框架，实现高达80%压缩比且质量损失极小。

MLP Splatting: Object-Centric Neural Fields

MLP Splatting: 以对象为中心的神经场

Shinjeong Kim, Yuzhou Cheng, Xin Kong, Paul H. J. Kelly, Andrew J. Davison

机构 * Department of Computing, Imperial College London（帝国理工学院伦敦分校计算机系） 纠错

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

AI总结 提出MLP-Splatting方法，通过少量紧凑MLP原语实现场景分解和新视角合成，支持对象级编辑且内存和渲染效率优于现有方法。

UnsOcc: 3D Semantic Occupancy Prediction in Unstructured Scene via Rendering Fusion

UnsOcc：非结构化场景下基于渲染融合的3D语义占用预测

Ye Wu, Ruiqi Song, Baiyong Ding, Nanxin Zeng, Junjie Cheng, Yunfeng Ai

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Waytous Inc.（Waytous公司） 纠错

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

AI总结 提出UnsOcc多模态框架，通过渲染融合模块和基于高斯溅射的细节感知辅助监督，解决非结构化场景中跨模态融合困难与长尾分布问题，在露天矿和nuScenes数据集上超越现有方法。

Comments 8 pages

LiDAR Point Cloud Colourisation Using Multi-Camera Fusion and Low-Light Image Enhancement

使用多相机融合和低光图像增强的LiDAR点云着色

Pasindu Ranasinghe, Dibyayan Patra, Bikram Banerjee, Simit Raval

专题命中 点云 ：point cloud(title,abstract)；spatial understanding(abstract)；分类 cs.CV

AI总结 提出一种硬件无关的方法，通过多相机融合和低光增强模块，实现机械LiDAR点云的360度着色，在低光照条件下仍能恢复场景细节。

Journal ref Sensors 25(21), 6582 (2025)

SRENet: Spectral Re-Entry Network for Point Cloud Action Recognition

SRENet：用于点云动作识别的频谱重入网络

Qiuxia Wu, Jiarui Lan, Wenxiong Kang, Zhiyong Wang, Kun Hu

机构 * School of Software Engineering, South China University of Technology（南方科技大学软件工程学院） ； School of Automation Science and Engineering, South China University of Technology（南方科技大学自动化科学与工程学院） ； School of Computer Science, University of Sydney（悉尼大学计算机科学学院） ； School of Science, Edith Cowan University（爱丁堡牛津大学科学学院） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 提出SRENet，通过频谱分解与重入模块从频率角度学习全局上下文和细粒度时间动态，实现点云序列动作识别。

Comments 13 pages, 11 figures. Accepted by IEEE Transactions on Circuits and Systems for Video Technology

RadarSFD: Single-Frame Diffusion with Pretrained Priors for Radar Point Clouds

RadarSFD：基于预训练先验的单帧扩散用于雷达点云

Bin Zhao, Nakul Garg

机构 * Rice University（里士大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO

AI总结 提出RadarSFD，一种条件潜在扩散框架，利用预训练单目深度估计器的几何先验，从单帧雷达数据重建密集LiDAR-like点云，无需合成孔径或多帧聚合。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026). Project page: https://phi-lab-rice.github.io/RadarSFD/

Locally controlled globally smooth ground surface reconstruction from terrestrial point clouds

从地面点云进行局部控制全局光滑的地面表面重建

Igor Rychkov

专题命中 点云 ：point cloud(title,abstract)

AI总结 提出基于局部最小二乘平面和分区统一方法，结合B样条或紧支撑指数函数，实现地面点云孔洞填充与全局光滑表面重建。

EXACT-MPPI: Exact Signed-Distance Navigation for Arbitrary-Footprint Robots from Point Clouds via Path Integral Control

EXACT-MPPI：通过路径积分控制实现点云中任意足迹机器人的精确有符号距离导航

Chen Peng, Zhikang Ge, Wenwu Lu, Haiming Gao, Stavros Vougioukas, Peng Wei

机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University, Hangzhou, China（浙江大学杭州全球科技创新中心） ； College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou, China（浙江大学生物系统工程与食品科学学院） ； Department of Biological and Agricultural Engineering, University of California, Davis, Davis, California, USA（加州大学戴维斯分校生物与农业工程系） 纠错

专题命中 点云 ：point cloud(title)；分类 cs.RO

AI总结 提出EXACT-MPPI框架，将解析精确有符号距离评估器嵌入模型预测路径积分控制器，无需中间地图表示，直接处理点云实现任意形状足迹机器人的安全导航。

Exploring Easy Boosts for Lidar Semantic Scene Completion

探索激光雷达语义场景补全的简易提升方法

Tetiana Martyniuk, Jonathan Seele, Alexandre Boulch, Gilles Puy, Renaud Marlet, Raoul de Charette

机构 * Inria, France（法国国家信息与自动化技术研究所） ； valeo.ai, France（valeo.ai公司） ； ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； LIGM, CNRS, Univ Gustave Eiffel, ENPC, IP Paris, France（法国高等科学研究院（CNRS）） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文研究无需复杂架构重设计的“免费午餐”策略，通过为输入点云添加语义伪标签和可见性信息，显著提升激光雷达语义场景补全性能，使旧模型与最先进系统竞争甚至超越。

Comments Accepted to ICIP 2026

FRED: A Multi-Modal Autonomous Driving Dataset for Flooded Road Environments

FRED：面向洪水道路环境的多模态自动驾驶数据集

Connor Malone, Sebastien Demmel, Sebastien Glaser

机构 * Queensland University of Technology（昆士兰理工大学） ； ARC Training Centre for Automated Vehicles in Rural and Remote Regions (AVR3)（农村和偏远地区自动化车辆培训中心（AVR3）） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 提出首个针对道路水险场景的多模态自动驾驶数据集FRED，包含相机、LiDAR和IMU数据，并提供语义标签以支持水险检测方法训练与评估。

Semantic-weighted ICP for LiDAR Odometry: Class-Aware Residual Reweighting for Robust Scan Registration

语义加权ICP用于LiDAR里程计：基于类感知残差加权的鲁棒扫描配准

Vasco Carvalho, Tiago Barros, Urbano J. Nunes

机构 * Institute of Robotics and Autonomous Systems, University of Lisbon（里斯本大学机器人与自主系统研究所） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 提出语义加权ICP方法，通过根据语义类别的几何稳定性对残差进行加权，在动态和复杂环境中提升LiDAR里程计的位姿估计鲁棒性。

From 3D Perception to Safety Reasoning: A Graph-Based Framework for Real-Time Underground Mine Monitoring

从3D感知到安全推理：基于图的实时地下矿井监控框架

Pasindu Ranasinghe, Simit Raval, Dibyayan Patra, Bikram Banerjee, Ismet Canbulat

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

AI总结 提出一个结合3D语义感知、不确定性异常检测、规则检查、设备端LLM推理和GraphRAG记忆分析的连续监控框架，通过场景图和时序图实现结构化安全推理，在115个危险场景中达到93%的覆盖率和92.7%的感知精度。

I2PRef: Image-Driven Point Completion with Iterative Refinement

I2PRef: 图像驱动的点云补全与迭代细化

Azhar Hussian, Marina Ritthaler, André Kaup, Vasileios Belagiannis

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

AI总结 提出一种以图像为主要几何来源的点云补全方法，通过图像到点（I2P）模块直接从单张RGB图像重建完整点云，并利用基于Transformer的点到点（P2P）细化模块迭代优化，在ShapeNet-ViPC上取得最先进性能，Chamfer距离相对提升12.3%。

Comments Accepted at European Signal Processing Conference (EUSIPCO 2026)

A complete simulation framework for stone degradation on 3D real geometries

一种用于3D真实几何体上石材退化的完整模拟框架

Silvia Preda, Gabriella Bretti, Francesco Freddi, Bruno Nazarena, Matteo Semplice

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种完整工作流，结合摄影测量获取几何、水平集表示和PDE数值离散，预测艺术品中大理石硫酸盐化等石材退化现象。

From Holo Pockets to Electron Density: GPT-style Drug Design with Density

从全息口袋到电子密度：基于密度的GPT式药物设计

Jiahao Chen, Letian Gao, Yanhao Zhu, Wenbiao Zhou, Bing Su, Zhi John Lu, Bo Huang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出EDMolGPT，一种利用低分辨率电子密度作为物理条件进行从头药物设计的自回归框架，通过密度点云生成分子，减轻结构偏差并产生3D构象。

Comments Published as a conference paper in ICML 2026

Topological De-Noising: Strengthening the Topological Signal

拓扑去噪：增强拓扑信号

Jennifer Kloke, Gunnar Carlsson

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种易于实现、计算高效的预处理算法，用于噪声点云数据的拓扑数据分析，通过拓扑去噪恢复阈值方法无法获取的拓扑信息。

Comments 13 pages, 37 figures, content added

Minimal positive stencils in meshfree finite difference methods for the Poisson equation

泊松方程无网格有限差分方法中的最小正模板

Benjamin Seibold

专题命中 点云 ：point cloud(abstract)

AI总结 针对泊松方程的无网格有限差分方法，提出一种在点云上生成最小尺寸正模板的方法，并给出存在正模板的点云几何条件，与最小二乘法在精度和计算性能上进行比较。

Comments 26 pages, 20 figures

Journal ref Comput. Methods Appl. Mech. Engrg., Vol. 198 (3-4), 2008, pp. 592-601

Counting faces of randomly-projected polytopes when the projection radically lowers dimension

当投影大幅降低维度时随机投影多面体的面计数

David L. Donoho, Jared Tanner

专题命中 点云 ：point cloud(abstract)

AI总结 本文发展渐近方法计数随机高维多面体的面，并揭示在统计、概率、信息论和信号处理中的意外应用，包括高斯点云凸包、随机投影信号恢复以及高斯纠错码可纠正的粗差数量。

Comments 56 pages

From None to All: Self-Supervised 3D Reconstruction via Novel View Synthesis

从无到有：通过新视角合成的自监督3D重建

Ranran Huang, Weixun Luo, Ye Mao, Krystian Mikolajczyk

专题命中 新视角合成 ：3D reconstruction(title,abstract)；novel view synthesis(title)；分类 cs.CV

AI总结 提出NAS3R框架，通过自监督学习从无标注图像中联合估计3D几何和相机参数，利用新视角合成进行训练，无需真实标注或预训练先验。