3D 视觉

Anchor3R: Streaming 3D Reconstruction with Transient Anchors for Long-Horizon Visual Mapping

Anchor3R: 基于瞬态锚点的流式3D重建用于长时程视觉映射

Peilin Tao, Chong Cheng, Yuansen Du, Caiwei Song, Zhengqing Chen, Xiaoyang Guo, Wei Yin, Weiqiang Ren, Qian Zhang, Hainan Cui, Shuhan Shen

机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院自动化研究所） ； Horizon Robotics（Horizon机器人技术有限公司） ； HKUST(GZ)（香港科技大学（广州）） 纠错

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

AI总结 提出Anchor3R框架，通过将前馈重建视为当前帧坐标系下的局部测量预测而非全局回归，结合窗口相对位姿预测、闭环插入和运动平均，实现长序列上的在线3D重建与位姿估计。

A Fourier-based Approach for Iterative 3D Reconstruction from Cryo-EM Images

基于傅里叶的方法用于从冷冻电镜图像中迭代三维重建

Lanhui Wang, Yoel Shkolnisky, Amit Singer

专题命中 三维重建 ：3D reconstruction(title,abstract)

AI总结 本文提出一种快速准确的傅里叶迭代重建方法（FIRM），利用运算符A* A的Toeplitz结构，通过非均匀快速傅里叶变换预计算卷积核，提升三维重建效率和精度。

3D Reconstruction for Partial Data Electrical Impedance Tomography Using a Sparsity Prior

使用稀疏先验的部分数据电阻抗断层成像的3D重建

Henrik Garde, Kim Knudsen

专题命中 三维重建 ：3D reconstruction(title)

AI总结 本文提出利用稀疏先验和空间先验信息改进部分数据电阻抗断层成像的3D重建，通过ℓ1范数惩罚项和空间分布正则化参数提升重建效果。

Comments 10 pages, 3 figures. arXiv admin note: substantial text overlap with arXiv:1405.6554

Journal ref Proceedings of the 10th AIMS International Conference (Madrid, Spain), nov 2015, pp. 495-504

SAM 3D: 3Dfy Anything in Images

SAM 3D: 将图像中的任何内容3D化

SAM 3D Team, Xingyu Chen, Fu-Jen Chu, Pierre Gleize, Kevin J Liang, Alexander Sax, Hao Tang, Weiyao Wang, Michelle Guo, Thibaut Hardin, Xiang Li, Aohan Lin, Jiawei Liu, Ziqi Ma, Anushka Sagar, Bowen Song, Xiaodong Wang, Jianing Yang, Bowen Zhang, Piotr Dollár, Georgia Gkioxari, Matt Feiszli, Jitendra Malik

机构 * Meta Superintelligence Labs（Meta超智能实验室） 纠错

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

AI总结 提出SAM 3D生成模型，从单张图像重建3D物体的几何、纹理和布局，通过人机协同标注和分阶段训练突破数据瓶颈，在真实场景中取得显著优势。

Comments Website: https://ai.meta.com/sam3d/

An application of numerical differentiation formulas to discontinuity curve detection from irregularly sampled data

利用数值微分公式从不规则采样数据中检测断点曲线的应用

Cesare Bracco, Oleg Davydov, Carlotta Giannelli, Alessandra Sestini

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出了一种从散乱数据中检测断点曲线（通常称为断层）的方法，通过数值微分公式近似梯度，提取靠近断点的点集，并利用局部回归线和二次最小二乘逼近重构断点形状，最后通过曲线插值算法完成重建。

An automatic regularization method: An application for 3D X-ray micro-CT reconstruction using sparse data

一种自动正则化方法：用于使用稀疏数据的3DX射线微CT重建的应用

Zenith Purisha, Sakari S. Karhula, Juuso Ketola, Juho Rimpeläinen, Miika T. Nieminen, Simo Saarakkala, Heikki Kröger, Samuli Siltanen

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文提出基于三维剪切let变换域内稀疏性约束的自动正则化方法，用于提升稀疏数据下3DX射线微CT重建的鲁棒性，实验表明在减少X射线投影数量10%的情况下仍能保持重建质量。

Compressed Sensing and Reconstruction of Unstructured Mesh Datasets

压缩感知与无结构网格数据集的重建

Maher Salloum, Nathan Fabian, David M. Hensinger, Jeremy A. Templeton

专题命中 三维重建 ：point cloud(abstract)

AI总结 研究压缩感知在无结构网格数据集中的应用，采用二级小波和StOMP算法实现数据压缩与重建，实现10-30倍压缩率且视觉质量损失小。

Comments 18 pages, 7 figures

Geometry Gaussians: Decoupling Appearance and Geometry in Gaussian Splatting

几何高斯：在高斯泼溅中解耦外观与几何

Hongyu Zhou, Zorah Lähner

机构 * University of Bonn（波恩大学） ； Lamarr Institut（拉马尔研究所） 纠错

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

AI总结 针对3D高斯泼溅在几何表示与外观渲染间的冲突，提出通过为每个溅射添加几何不透明度参数并配合透明度优化流程，实现几何与外观的解耦，提升复杂场景（尤其是透明物体）的渲染与几何性能。

$\text{VG}^2$GT: Voxel-Gaussian Splatting Visual Geometry Grounded Transformer

VG²GT: 体素-高斯泼溅视觉几何基础变换器

Yibin Zhao, Yihan Pan, Jun Nan, Wenli Yang, Liwei Chen, Jianjun Yi

机构 * East China University of Science and Technology（东华大学） ； Shanghai Open University（上海开放大学） ； Shanghai Xiaoyuan Innovation Center（上海小元创新中心） 纠错

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

AI总结 提出VG²GT，利用冻结的视觉基础模型、多尺度可微体素模块和体素特征直接回归高斯原语参数，通过随机实体体渲染监督深度图，实现几何精确的高斯场景重建，在多个数据集上达到最优性能。

Multi-Agent Next-Best-View Optimization for Risk-Averse Planning

多智能体风险规避规划中的下一最佳视角优化

Amirhossein Mollaei Khass, Vivek Pandey, Guangyi Liu, Athanasios Cosse, Emrah Bayrak, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（莱文大学机械工程与力学系） ； Amazon Robotics（亚马逊机器人） 纠错

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

AI总结 提出一种分布式、风险感知的多智能体下一最佳视角框架，通过共识ADMM优化信息增益并建模碰撞风险，在降低通信开销的同时接近集中式方法的映射质量和轨迹安全性。

Comments 8 pages, 5 figures. Submitted to IROS 2026

A Cookbook of 3D Vision: Data, Learning Paradigms, and Application

3D视觉食谱：数据、学习范式与应用

Hongyang Du, Zongxia Li, Dawei Liu, Runhao Li, Haoyuan Song, Qingyu Zhang, Yubo Wang, Jingcheng Ni, Shihang Gui, Congchao Dong, Tao Hu

机构 * Brown University（布朗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； New York University（纽约大学） ； The University of Sydney（悉尼大学） ； Stability AI 纠错

专题命中 点云 ：3D vision(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 本文提出一种以数据为中心的3D视觉分类法，通过分析点云、网格、体素和3D高斯等几何表示及其获取流程，以及数据集设计、基准构建和监督机制，统一了表示、学习范式与下游任务（重建、生成、视频建模）之间的关系。

Comments Accepted to the CVPR 2026 OpenSUN3D Workshop. Official version available at CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026W/OpenSUN3D/html/Du_A_Cookbook_of_3D_Vision_Data_Learning_Paradigms_and_Application_CVPRW_2026_paper.html

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

Automatic Interpretation of Unordered Point Cloud Data for UAV Navigation in Construction

无人机在建筑施工中无序点云数据的自动解释

M. D. Phung, C. H. Quach, D. T. Chu, N. Q. Nguyen, T. H. Dinh, Q. P. Ha

机构 * University of Engineering and Technology（工程大学） ； Vietnam National University, Hanoi（越南国家大学河内分校） ； University of Technology Sydney（悉尼技术大学） 纠错

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

AI总结 本文提出了一种数据处理系统，用于自动为无人机生成航路点，以检查建筑和桥梁等结构表面。系统通过两个正交安装的2D激光扫描仪和惯性测量单元的数据，利用数据注册、表面检测和航路生成算法，实现结构点云重建和航路规划。

Comments In The 14th International Conference on Control, Automation, Robotics and Vision, ICARCV 2016

A Two-stage Classification Method for High-dimensional Data and Point Clouds

高维数据和点云的两阶段分类方法

Xiaohao Cai, Raymond Chan, Xiaoyu Xie, Tieyong Zeng

机构 * Mullard Space Science Laboratory (MSSL), University College London, Surrey RH5 6NT, UK（穆拉德空间科学实验室（MSSL），伦敦大学学院， Surrey RH5 6NT，英国） ； Department of Mathematics, City University of Hong Kong, Kowloon Tong, Hong Kong（城市大学数学系， Hong Kong， 香港） ； Department of Mathematics, The Chinese University of Hong Kong, Shatin, Hong Kong（香港中文大学数学系， Shatin， Hong Kong） 纠错

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

AI总结 本文提出了一种两阶段多阶段半监督分类方法，用于高维数据和无结构点云的分类。首先使用模糊分类方法如标准支持向量机生成初始解，然后应用SaT（平滑和阈值）两阶段方法改进分类。第一阶段通过无约束凸变分模型净化和平滑初始解，第二阶段将第一阶段得到的平滑分区投影到二进制分区。这两个阶段可以重复进行，以提高分类质量。我们证明了平滑阶段的凸模型有唯一解，并可以通过专门设计的对偶算法求解。我们在多个基准数据集上测试了我们的方法，并与最先进的方法进行了比较。实验结果表明，我们的方法在高维数据和点云的分类准确率和计算速度上均优于现有方法。

Comments 21 pages, 4 figures

Improved accuracy of monotone finite difference schemes on point clouds and regular grids

改进点云和规则网格上单调有限差分方案的准确性

Chris Finlay, Adam Oberman

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出改进的有限差分方案，提高点云和规则网格上求解非线性退化椭圆PDE的精度，分别达到O(R + dθ²)和O(R² + dθ²)的更高阶精度。

Point Cloud Movement For Fully Lagrangian Meshfree Methods

点云运动用于完全拉格朗日无网格方法

Pratik Suchde, Joerg Kuhnert

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出改进的点云运动方法，通过引入特征速度ODE系统提升精度，克服传统一阶方法的体积和质量守恒误差。

Journal ref Journal of Computational and Applied Mathematics. 340: 89-100. 2018

An algorithm for optimal transport between a simplex soup and a point cloud

在简单形汤和点云之间求最优运输的算法

Quentin Mérigot, Jocelyn Meyron, Boris Thibert

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种数值方法，用于在低维子集上的测度与有限支持测度之间求最优运输映射，通过非线性系统求解来指定Laguerre图中各单元的质量，证明了阻尼牛顿算法的线性收敛性，并应用于三维空间中的运输计划计算及表面概率密度最优量化、重网格化和刚性点集注册。

Point cloud discretization of Fokker-Planck operators for committor functions

Fokker-Planck算子的点云离散化用于跃迁函数

Rongjie Lai, Jianfeng Lu

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种点云离散化方法，用于计算跃迁函数，假设跃迁发生在低维流形上，通过模型系统验证了方法的有效性。

Comments 17 pages, 11 figures

Modified Virtual Grid Difference for Discretizing the Laplace-Beltrami Operator on Point Clouds

改进的虚拟网格差分法用于点云上拉普拉斯-贝尔特拉米算子的离散化

Meng Wang, Shingyu Leung, Hongkai Zhao

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种新的简单离散化方法，即改进的虚拟网格差分（MVGD），用于点云采样曼陀结构上拉普拉斯-贝尔特拉米（LB）算子的数值近似。通过局部笛卡尔坐标系参数化和最小二乘逼近，改进了线性系统的对角优势和条件数，提高了求解效率。

Continuation of Point Clouds via Persistence Diagrams

通过持续图延续点云

Marcio Gameiro, Yasuaki Hiraoka, Ippei Obayashi

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用持续图延续点云的数学和算法框架，通过持续图的可微性应用牛顿-拉夫森方法，将原始点云转换为目标持续图的中间点云。

Convergence of the Point Integral method for the Poisson equation with Dirichlet boundary on point cloud

点积分法在带有狄利克雷边界条件的泊松方程上的收敛性

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出点积分法用于求解点云上泊松方程，证明了该方法在狄利克雷边界条件下的收敛性。

Convergence of the Point Integral method for Poisson equation on point cloud

泊松方程在点云上的点积分方法收敛性分析

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了点积分方法在带有Neumann边界条件的子流形上的泊松方程收敛性，分析了该方法在点云上的离散化性能。

Comments arXiv admin note: substantial text overlap with arXiv:1312.4424

A convergent point integral method for isotropic elliptic equations on point cloud

一个用于点云上各向同性椭圆方程的收敛点积分方法

Zhen Li, Zuoqiang Shi

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种基于点积分方法求解点云上各向同性椭圆方程的数值方法，通过适当核函数获得椭圆算子的积分近似，并证明其保持原算子的 coercivity，从而保证方法的收敛性。

Comments arXiv admin note: text overlap with arXiv:1403.2141, arXiv:1506.01788

Point Integral Method for Solving Poisson-type Equations on Manifolds from Point Clouds with Convergence Guarantees

点积分法用于从点云中求解流形上的泊松型方程并保证收敛性

Zhen Li, Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出点积分法（PIM）用于从点云中求解流形上的泊松型方程，通过积分方程代替微分方程，避免导数运算，从而保证收敛性，并通过数值实验验证其有效性。

Comments arXiv admin note: text overlap with arXiv:1403.2141

Convergence of Laplacian Spectra from Point Clouds

点云中拉普拉斯谱的收敛性

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了点云中离散拉普拉斯算子的谱结构收敛性，提出点积分法在计算拉普拉斯谱时的数学基础，并给出了收敛速率的估计。

Multi-scale Non-Rigid Point Cloud Registration Using Robust Sliced-Wasserstein Distance via Laplace-Beltrami Eigenmap

基于鲁棒切线瓦瑟斯坦距离的多尺度非刚性点云配准方法

Rongjie Lai, Hongkai Zhao

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用拉普拉斯-贝蒾特征映射和鲁棒切线瓦瑟斯坦距离进行多尺度非刚性点云配准，通过不同尺度的n值实现快速且鲁棒的配准过程。

Comments 29 pages, 8 figures

Recent Advances and Trends in Learning-based 3D Representations

基于学习的3D表示的最新进展与趋势

Adrien Schockaert, Hamid Laga, Hazem Wannous, Vincent Magnier, Guillaume Dufaye, Jean-françois Witz

机构 * CERI SN, IMT Nord Europe（CERI SN，IMT Nord Europe） ； Univ. Lille, CNRS, Centrale Lille, UMR 9013 - LaMcube - Laboratoire de Mécanique, Multiphysique, Multiéchelle（里尔大学，CNRS，Centrale Lille，UMR 9013 - LaMcube - 机械、多物理场、多尺度实验室） ； Downs, 59670 Sainte-Marie-Cappel（Downs，59670 Sainte-Marie-Cappel） ； School of Information Technology, Murdoch University（墨尔本大学信息科技学院） 纠错

专题命中 点云 ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 本文综述了从离散显式格式到连续隐式场（基于神经渲染或基元溅射）的3D表示家族，分析了其优缺点及关键应用，并强调了向隐式表示的范式转变。

Hierarchical Space Partition for Surface Reconstruction

表面重建的层次空间划分

Minjie Tang, Xiangfei Li

机构 * Independent Researcher（独立研究员） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 点云 ：3D vision(abstract,comments)；point cloud(abstract)；分类 cs.CV

AI总结 针对点云重建中因LiDAR扫描局限导致细节缺失的问题，提出基于平面分类与优先级生长的层次空间划分方法，并通过最小割优化生成水密多边形网格。

Comments Published in 2026 International Conference on 3D Vision (3DV)

Journal ref in 2026 International Conference on 3D Vision (3DV), Vancouver, BC, Canada, 2026, pp. 207-216

Error estimation of weighted nonlocal Laplacian on random point cloud

加权非局部拉普拉斯算子在随机点云上的误差估计

Zuoqiang Shi, Bao Wang, Stanley J. Osher

专题命中 点云 ：point cloud(title)

AI总结 本文研究了加权非局部拉普拉斯算子在高维随机数据上的收敛性，揭示了缩放权重μ∼P|/|S|的重要性，为高维数据插值提供了理论基础。

Comments 15 pages; 2 figures

SE3-Pose-Nets: Structured Deep Dynamics Models for Visuomotor Planning and Control

SE3-姿态网络：用于视觉-运动规划和控制的结构深度动力学模型

Arunkumar Byravan, Felix Leeb, Franziska Meier, Dieter Fox

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

AI总结 本文提出了一种基于结构深度动力学模型的深度视觉-运动控制方法，通过编码器-解码器结构学习低维姿态嵌入，实现场景分割和姿态预测，并在现实世界中实现了闭环控制。

Comments 8 pages, Initial submission to IEEE International Conference on Robotics and Automation (ICRA) 2018

GeM-NR: Geometry-Aware Multi-View Editing for Nonrigid Scene Changes

GeM-NR：面向非刚性场景变化的几何感知多视角编辑

Josef Bengtson, Yaroslava Lochman, Fredrik Kahl

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 提出GeM-NR，一种无需训练的快速灵活方法，通过深度图对齐、视角投影和条件细化实现多视角一致的通用非刚性图像编辑，支持几何和外观的显著变化。

Comments Project page: https://gem-nr.github.io/