3D 视觉

3D Imaging of Complex Skyrmion and Hopf Topologies in an Extended Sample

扩展样品中复杂斯格明子与霍普夫子拓扑结构的三维成像

I. Binnie, H. Fang, B. Shearer, A. Grafov, N. Jenkins, Y. Shao, C. O'Leary, Y. Liao, T. Feggeler, A. Oh, S. Yazdi, J. Zou, B. Wang, E-E. Cating, S. A. Montoya, D. Shapiro, J. Miao, H. C. Kapteyn, M. M. Murnane

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

AI总结 利用矢量叠层断层扫描技术，首次实验揭示了Fe/Gd多层膜中扩展三维斯格明子晶格，包括畴壁形状、拓扑荷、螺旋度和霍普夫子指数，并观察到从表面Néel型到体块Bloch型扭曲螺旋度的转变。

Comments 36 pages, 11 figures (Main text 16 pages, 5 figures)

Sculpting NeRF Geometry: Human-Preference Fine-Tuning of a 3D-Aware Face GAN

雕刻NeRF几何：基于人类偏好的3D感知人脸GAN微调

Archer Moore, Mingming Gong, Liam Hodgkinson

机构 * School of Mathematics and Statistics, The University of Melbourne（墨尔本大学数学与统计学院） 纠错

专题命中 NeRF ：NeRF(title,title_cn)；3D generation(abstract)；分类 cs.CV

AI总结 提出直接对辐射场密度值进行人类偏好强化学习微调，无需网格或形状先验，显著改善3D人脸几何，在74.4%的成对比较中用户偏好微调后的几何。

Capacity-Controlled Multi-View Stylization of 3D Gaussian Splatting

容量控制的多视图3D高斯泼溅风格化

Zhihao Wen, Yixin Yang, Bojian Wu, Yang Zhou, Dani Lischinski, Daniel Cohen-Or, Hui Huang

机构 * Guangdong Provincial Key Laboratory of Visual Media and Multidimensional Intelligence, CSSE, Shenzhen University（广东省可视媒体与多维智能重点实验室，计算机科学与软件工程学院，深圳大学） ； Tencent Games（腾讯游戏） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 提出基于最优传输的容量控制框架，通过半平衡最优传输和列容量约束解决多视图风格分配不稳定问题，实现跨视图一致的3D风格化。

Comments Accepted to ECCV 2026. Project page: https://vcc2310.github.io/SceneStyler/

SatSplatDiff: Geometry-preserving generative refinement for high-fidelity satellite Gaussian Splatting

SatSplatDiff: 用于高保真卫星高斯泼溅的几何保持生成式精化

Jiyong Kim, Shuang Song, Ronjgun Qin

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

AI总结 提出SatSplatDiff方法，通过单目深度监督、多尺度几何精化和阴影引导的生成式精化，在保持几何一致性的同时提升卫星高斯泼溅的视觉保真度，在IARPA2016和DFC2019数据集上实现几何MAE降低18%、视觉保真度提升28-45%。

Comments 23 pages, 15 figures

Rendering Novel Views of MRI Using 3D Gaussian Splatting

使用3D高斯泼溅渲染MRI的新视图

Robin Y. Park, Mark C. Eid, Rhydian Windsor, Amir Jamaludin, Ana I. L. Namburete, João F. Henriques, Andrew Zisserman

机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Oxford Machine Learning in NeuroImaging Lab, University of Oxford（牛津大学神经影像学机器学习实验室） 纠错

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

AI总结 通过3D高斯泼溅从稀疏各向异性MRI重建体积并采样与目标解剖对齐的平面，生成更优的放射学分级视图，相比原始扫描和体素插值方法提高了椎管狭窄分级准确性。

Learning Motion Feasibility from Point Clouds in Cluttered Environments

从杂乱环境中的点云学习运动可行性

Sajid Ansari, Arthi, Girish Varma, Antony Thomas

机构 * International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴） 纠错

专题命中 点云 ：point cloud(title)；分类 cs.RO

AI总结 提出直接从RGB-D观测学习7自由度机械臂运动可行性预测的方法，构建包含270万抓取可行性标签的大规模基准，并评估三种分类器架构，最佳模型GRASPFC-PTX在新型物体上AUROC达0.996且预测速度远超基于采样的运动规划器。

UAV-MapFusion: RTK-Aligned Uncertainty-Aware Coarse-to-Fine Multi-Session UAV Mapping

UAV-MapFusion: RTK对齐的不确定性感知粗到细多会话无人机建图

Feng Pan, Chunran Zheng, Bing Xue, Yukang Cui, Jiayu Wen, Zhiyu Chen, Wei Wang

机构 * College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） 纠错

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

AI总结 提出一种不确定性感知的多会话点云地图合并与粗到细优化系统，通过RTK时空对齐和迭代平面因子优化，在抑制长距离漂移的同时保持局部几何精度。

Comments 8 pages, 5 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

Multi-Modal Environment-Aware Beam Management for Massive MIMO: A Geometry-Driven Virtual Base Station Framework

大规模MIMO的多模态环境感知波束管理：一种几何驱动的虚拟基站框架

Yijie Bian, Wei Guo, Jie Yang, Shenghui Song, Jun Zhang, Shi Jin, Khaled B. Letaief

专题命中 点云 ：point cloud(abstract)

AI总结 提出几何驱动框架，利用3D LiDAR点云和位置信息构建虚拟基站数据库，通过镜像对称建模主导反射路径，实现粗信道重建和低开销波束训练，并采用双智能体深度强化学习协调波束选择，提升波束管理效率。

An Evaluation of Decentralized Group Formation Techniques for Flying Light Specks

飞行光点去中心化编队技术的评估

Hamed Alimohammadzadeh, Heather Culbertson, Shahram Ghandeharizadeh

专题命中 点云 ：point cloud(abstract)

AI总结 本文评估了四种去中心化编队技术，用于飞行光点（FLS）的3D显示，发现随机子集（RS）技术在小规模编队（G≤5）中表现最优，而最近可用邻居优先（CANF）技术在大规模编队（G≥10）中表现更佳。

Comments Appeared in ACM Multimedia Asia 2023 (MMAsia '23), December 06-08, 2023, Tainan, Taiwan. ACM, New York, NY, USA, 7 pages

Learning Stable Canonical Worlds for Novel View Synthesis and Beyond

学习稳定规范世界用于新视角合成及更多应用

Xiaoyu Xu, Jian Zou, Sheyang Tang, Zhihua Wang, Jing Liao, Kede Ma

机构 * City University of Hong Kong（香港城市大学） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 提出CanonicalGS，一种前馈高斯泼溅管道，通过不确定性感知融合将多视图观测映射到稳定场景表示，提升新视角合成质量并迁移到下游视觉任务。

Modeling Local, Global, and Cross-Modal Context in Multimodal 3D MRI

多模态3D MRI中的局部、全局和跨模态上下文建模

Minh Duc Do, Tillmann Rheude, Noel Kronenberg, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health at Charité - Universitätsmedizin Berlin（柏林健康研究所，柏林夏里特医学院） ； Health Data Science Unit, Heidelberg University Hospital and BioQuant（海德堡大学医院与BioQuant健康数据科学部） ； Intelligent Medicine Institute, Fudan University（复旦大学智能医学研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） 纠错

专题命中 其他3D视觉 ：3D vision(abstract)；分类 cs.CV

AI总结 提出MICViT，一种3D视觉Transformer，通过四种注意力机制显式建模模态内和跨模态的局部与全局交互，在多数据集脑龄预测任务中优于现有方法。