视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
3DMorph: 单图引导的局部3D形状编辑与变形
机构 * ETH Zürich（苏黎世联邦理工学院）
专题命中 三维重建 ：3D generation(abstract)；分类 cs.CV、cs.GR
AI总结 提出无训练框架3DMorph，通过单张编辑图像自动定位并转移2D修改到3D局部区域，同时支持中间形状生成，在Delta3D基准上优于现有方法。
Comments Accepted to IJCNN 2026
骨骼锚定双谐波用于结构化三维建模
专题命中 三维重建 ：point cloud(abstract)；分类 cs.GR
AI总结 提出骨骼锚定双谐波（SADH）表示，通过内部锚点上的表面补丁和双通道球谐函数，联合优化表面几何与中轴骨骼结构，实现紧凑且连贯的三维形状建模。
Comments 11 pages
ARAPDiffusion: 基于ARAP正则化的扩散变形形状空间学习
机构 * University of Texas at Austin（德克萨斯大学） ； Westlake University（西拉丘学院）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV
AI总结 提出ARAPDiffusion，一种潜在扩散模型，通过注入ARAP变形模型作为正则化损失，学习变形形状集合的连续形状空间，减少对大量3D训练数据的依赖。
HRsR: 层次化旋转系统重建
专题命中 三维重建 ：point cloud(abstract)
AI总结 提出层次化旋转系统重建(HRsR)方法，通过边塌缩和顶点分裂的层次化流水线加速旋转系统重建(RsR)，实现高达6倍加速和8倍内存减少，同时保持几何保真度和拓扑控制。
EvoGS：基于进化树构建连续分层高斯泼溅以实现可扩展3D流式传输
机构 * National University of Singapore（国立新加坡大学） ； IRIT - University of Toulouse（图卢兹大学IRIT实验室） ； IPAL, IRL2955（IPAL研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出EvoGS，首个连续分层高斯泼溅表示，通过进化树结构实现父-子细化，消除冗余并支持可扩展3D流式传输，传输负载和显存占用分别降低2.4倍和5.5倍。
Comments Project page: https://yuang-ian.github.io/evogs/
RPC-GS：基于原生RPC渲染的卫星图像高斯泼溅
机构 * Fraunhofer Institute of Optronics, System Technologies and Image Exploitation（弗劳恩霍夫光学研究所、系统技术与图像 exploitation 研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出首个原生使用RPC模型的高斯泼溅框架RPC-GS，通过直接投影高斯均值和协方差避免近似误差，在卫星基准数据集上重建误差最低。
几何感知超图推理用于点云分割中的新类别发现
机构 * School of Artificial Intelligence, College of Intelligence and Computing, Tianjin University（人工智能学院、智能计算学院、天津大学） ； School of Computer Science and Information Engineering, Hefei University of Technology（计算机科学与信息工程学院、合肥工业大学） ； Department of Computer Science City St George’s, University of London（伦敦大学城市圣乔治学院计算机科学系）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出超图框架建模高阶关联，结合几何感知原型，实现点云分割中从已知到新类别的协同推理，提升分割精度。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
RigPAPR：基于固定视角视频的静态神经点云绑定动画
机构 * APEX Lab（APEX实验室） ； School of Computing Science（计算科学学院） ； Simon Fraser University（西蒙弗雷泽大学）
专题命中 点云 ：point cloud(title)；分类 cs.CV、cs.GR
AI总结 提出RigPAPR方法，通过直接线性混合蒙皮驱动静态神经点云，无需网格代理或姿态依赖校正，在合成和真实数据上减少关节边界伪影，新视角PSNR提升3+dB。
Comments An overview video is available at https://youtu.be/up3BwRHYWG8
一种用于鲁棒6-DoF抓取姿态估计的跨视图融合框架
机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出跨视图融合框架，通过辅助视图缓解遮挡，利用自监督对比学习增强点云特征的空间一致性和方向区分性，并设计跨视图对齐圆柱体集成模块融合抓取相关几何，提升角落视图下的6-DoF抓取姿态估计鲁棒性。
Comments Corresponding author: Jin Xie
面向可泛化3D视觉运动策略学习的任务编辑
机构 * Sun Yat-sen University（中山大学） ； Imperial College London（帝国理工学院） ； Nanyang Technological University（南洋理工大学） ； South China University of Technology（华南理工大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 提出Task-Edit框架，通过将任务分解为场景、技能和对象组件并灵活重组，生成多样化轨迹，提升3D视觉运动策略在长程操作任务中的泛化能力。
Comments 8 pages, 4 figures
Stream3D-VLM：基于增量几何先验的在线3D空间理解
机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯文汇） ； HKUST（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 空间理解 ：spatial understanding(title,abstract)；3D vision(abstract)；分类 cs.CV
AI总结 提出在线3D视觉语言模型Stream3D-VLM，通过自回归流控制、轻量视觉-空间特征融合模块和几何自适应体素压缩，实现从流式视频中实时理解3D空间，并构建超百万在线3D问答数据集，在多项任务上超越现有模型。
Comments Project Page: https://stream3d-vlm.github.io/
文本监督增强视觉-语言模型中的地理空间表示
机构 * University of São Paulo（圣保罗大学） ； National University of Singapore（新加坡国立大学）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 研究视觉、视觉-语言及多模态模型的地理空间表示能力，发现文本监督能有效提升空间编码，推动地理空间AI发展。
Comments Accepted at ICML 2026
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