3D 视觉

Web2Grasp: Learning Functional Grasps from Web Images of Hand-Object Interactions

Web2Grasp：从网络手物交互图像中学习功能性抓取

Hongyi Chen, Yunchao Yao, Yufei Ye, Zhixuan Xu, Homanga Bharadhwaj, Jiashun Wang, Arthur Jakobsson, Ruihan Zhao, Shubham Tulsiani, Zackory Erickson, Jeffrey Ichnowski

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Nvidia（英伟达） ； National University of Singapore（新加坡国立大学） ； UT Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 提出从网络图像中提取人手抓取信息，利用3D重建和交互中心模型学习功能性抓取，在仿真和真实实验中优于基线方法。

MVGS: Multi-view Regulated Gaussian Splatting for Novel View Synthesis

MVGS：多视图调控的高斯泼溅用于新视角合成

Xiaobiao Du, Yida Wang, Xin Yu

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(title)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)

AI总结 提出多视图调控的3D高斯泼溅优化方法，通过多视图训练策略、跨内参引导、交叉射线致密化和多视图增强致密化，解决单视图过拟合问题，提升新视角合成质量和3D几何精度。

Comments ECCV2026, Project Page:https://xiaobiaodu.github.io/mvgs-project/

SpaceDG: Benchmarking Spatial Intelligence under Visual Degradation

SpaceDG: 在视觉退化下评估空间智能的基准测试

Xiaolong Zhou, Yifei Liu, Ziyang Gong, Jiarui Li, Qiyue Zhao, Muyao Niu, Yuanyuan Gao, Le Ma, Xue Yang, Hongjie Zhang, Zhihang Zhong

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Electronic Science and Technology of China（电子科技大学） ； Chongqing University（重庆大学） ； The University of Tokyo（东京大学） ； Beihang University（北航） ； Northwestern Polytechnical University（西北工业大学） 纠错

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

AI总结 本文提出SpaceDG，首个针对退化感知空间理解的大型数据集，通过物理基础的退化合成引擎生成9种退化类型，评估多模态大语言模型在视觉退化下的空间推理能力，并展示在退化条件下微调可提升模型鲁棒性。

Scene Generation at Absolute Scale: Utilizing Semantic and Geometric Guidance From Text for Accurate and Interpretable 3D Indoor Scene Generation

绝对尺度下的场景生成：利用文本的语义和几何引导实现精确且可解释的3D室内场景生成

Stefan Ainetter, Thomas Deixelberger, Edoardo A. Dominici, Philipp Drescher, Konstantinos Vardis, Markus Steinberger

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

AI总结 提出GuidedSceneGen框架，通过文本预测全局3D布局并利用全景扩散模型和视频扩散模型生成绝对尺度的室内场景，实现高一致性、可导航的3D重建。

Instant Expressive Gaussian Head Avatars at Over 100 FPS

即时表达性高斯头部虚拟化身，帧率超过100 FPS

Kaiwen Jiang, Xueting Li, Seonwook Park, Ravi Ramamoorthi, Shalini De Mello, Koki Nagano

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA（英伟达） 纠错

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

AI总结 提出一种前馈编码器流水线，将单张野外图像转换为3D一致、快速且富有表现力的可动画化表示，通过轻量级局部融合策略实现高动画表现力，运行速度达107.31 FPS。

Comments Project website is https://research.nvidia.com/labs/amri/projects/instant4d

Unified Gaussian Primitives for Scene Representation and Rendering

统一的高斯基元用于场景表示与渲染

Yang Zhou, Songyin Wu, Lingqi Yan

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.GR

AI总结 提出基于3D高斯分布的统一渲染基元，支持从光滑表面到模糊元素的外观，并实现基于物理的散射以进行全局光照，兼容蒙特卡洛路径追踪，可转换自网格和3D高斯泼溅，支持透射率优化。

Comments Accepted to ACM Transactions on Graphics (June 2026). Project page: https://mangosister.github.io/gsr_site/

UniGeo: Unifying Geometric Guidance for Camera-Controllable Image Editing via Video Models

UniGeo：通过视频模型统一几何指导以实现相机可控的图像编辑

Hong Jiang, Wensong Song, Zongxin Yang, Ruijie Quan, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学） 纠错

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

AI总结 UniGeo通过统一的几何指导在三个层面提升相机可控图像编辑的几何一致性与视觉质量，克服传统方法在连续相机运动下的几何漂移和结构退化问题。

Complex-Valued 2D Gaussian Representation for Computer-Generated Holography

复值二维高斯表示用于计算机生成全息术

Yicheng Zhan, Xiangjun Gao, Long Quan, Kaan Akşit

机构 * University College London（伦敦大学学院） ； Hong Kong University of Science and Technology (HKUST)（香港科技大学） 纠错

专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 提出基于复值二维高斯基元的全息图表示，通过最小化空间-频率不确定性并利用可微分光栅化器实现端到端优化，在减少显存和加速优化的同时，显著提升重建质量与渲染速度。

Comments 36 pages, 22 figures

Let Language Constrain Geometry: Vision-Language Models as Semantic and Spatial Critics for 3D Generation

让语言约束几何：视觉-语言模型作为3D生成的语义和空间评判者

Weimin Bai, Yubo Li, Weijian Luo, Zeqiang Lai, Yequan Wang, Wenzheng Chen, He Sun

机构 * Peking University（北京大学） ； hi-lab, Xiaohongshu Inc.（小红书科技公司 hi-lab） ； MMLab, CUHK（香港中文大学 MMLab） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 3D生成 ：3D generation(title,abstract)；spatial understanding(abstract)；分类 cs.CV

AI总结 提出VLM3D框架，利用视觉-语言模型作为可微分的语义和空间评判者，通过双查询评判信号改善文本到3D生成的语义对齐和几何一致性。

Comments arXiv admin note: substantial text overlap with arXiv:2509.15772