3D 视觉

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