视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-06-08 至 2026-06-08 共收录 2 篇信号源：cs.CV, cs.GR, cs.RO

1. 空间理解 2 篇

2606.06891 2026-06-08 cs.CV 新提交 83%

Stream3D-VLM：基于增量几何先验的在线3D空间理解

Hanxun Yu, Xuan Qu, Lei Ke, Boqiang Zhang, Yuxin Wang, Jianke Zhu, Dong Yu

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。

2606.07172 2026-06-08 cs.CV cs.AI cs.CL cs.LG 新提交 57%

文本监督增强视觉-语言模型中的地理空间表示

Marcelo Sartori Locatelli, Fernando Tonucci, Jea Kwon, Luiz Felipe Vecchietti, Bryan Nathanael Wijaya, Cheng Yaw Low, Virgilio Almeida, Meeyoung Cha

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