3D 视觉

BAT3R: Bootstrapping Articulated 3D Reconstruction from 2D Image Collections

BAT3R：从二维图像集合中自训练关节式三维重建

Jakub Zadrozny, Oisin Mac Aodha, Hakan Bilen

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 研究从单张图像进行关节物体3D重建，利用未标注2D图像集和单个绑定规范网格，提出训练框架，通过拟合网格到预测点图迭代估计关节和相机姿态，提升模型性能。

Comments Accepted to ECCV 2026. Project page: https://jakubzadrozny.github.io/bat3r/

City-Level 3D Surface Reconstruction with Viewpoint Orientation Partitioning and Scene Completion

基于视点方向划分和场景补全的城市级三维表面重建

Liang Han, Wenyuan Zhang, Junsheng Zhou, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；3DGS(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 针对多视图三维表面重建难题，提出基于视点方向的场景划分方法，确保相似方向视图共同参与以精确估计深度，并行计算更均衡，还提出检测修复点云缺失区域策略，提升大规模场景重建质量。

Comments Accepted by ECCV 2026

Targeted Structure Completion for Sparse-View 3D Reconstruction in Autonomous Driving

自动驾驶中稀疏视图3D重建的目标结构完成

Guoqing Wang, Pin Tang, Xiangxuan Ren, Liping Hou, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院） 纠错

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

AI总结 针对自动驾驶稀疏视图3D重建难题，提出FocusGS框架，通过解耦结构完成与确定性区域，集中计算于几何模糊区域，设计模块优化高斯查询，提升效率质量平衡。

Comments Accepted by ECCV2026

G$^2$TAM: Geometry Grounded Track Anything Model

G$^2$TAM：几何基础的轨迹任意模型

Chenming Zhu, Peizhou Cao, Jingli Lin, Wenbo Hu, Yunlong Ran, Jiangmiao Pang, Tai Wang, Xihui Liu

机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学） 纠错

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

AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。

Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/

MV-Forcing: Long Multi-View Video Generation via 4D-Grounded Spatio-Temporal Self-Forcing

MV-Forcing：基于4D锚定时空自强制的长时长多视角视频生成

Gal Fiebelman, Hadar Averbuch-Elor, Sagie Benaim

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 针对动态场景长时多视角一致视频生成难题，提出MV-Forcing框架，融合时序与视角自回归，实现任意时长视角数的高一致性多视角视频生成。

Comments Accepted to ECCV 2026. Project webpage: https://galfiebelman.github.io/mv-forcing/

Reliability-Aware Monocular Depth Supervision for Sparse-View Neural Reconstruction

用于稀疏视图神经重建的可靠性感知单目深度监督

Wei-Teng Chu, Yashasvini Gopalan, Changju Yuan

机构 * Stanford University（斯坦福大学） 纠错

专题命中 三维重建 ：NeRF(abstract)；分类 cs.CV、cs.GR

AI总结 研究稀疏视图神经重建的单目深度监督，用Depth Anything V2作密集单目深度先验，经尺度变换拟合对齐预测，通过仅RGB基线模型生成的光度掩码选择性应用深度监督，在不同场景评估，结果表明应选择性适度加权应用。

Comments 10 pages, 6 figures. All authors contributed equally

PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space

PixWorld：在像素空间中统一3D场景生成与重建

Sensen Gao, Zhaoqing Wang, Qihang Cao, Dongdong Yu, Changhu Wang, Jia-Wang Bian

机构 * Nanyang Technological University（南洋理工大学） ； AISphere（人工智能领域） 纠错

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

AI总结 针对3D场景生成与重建原有范式存在信息损失等缺陷，提出像素空间统一扩散框架PixWorld，引入几何感知损失，无需预训练自编码器，性能优于现有方法。

Comments Project page: https://sensengao.github.io/PixWorld/

Vision Pretraining for Dense Spatial Perception

面向稠密空间感知的视觉预训练

Zelin Fu, Bin Tan, Changjiang Sun, Shaohui Liu, Kecheng Zheng, Yinghao Xu, Xing Zhu, Yujun Shen, Nan Xue

专题命中 三维重建 ：spatial understanding(abstract)；分类 cs.CV

AI总结 针对现有视觉基础模型牺牲空间细节理解的问题，提出以边界为中心的掩码边界建模自监督预训练范式，提升稠密空间感知能力与下游任务性能。

Comments Tech report, 31 pages

AdaptiveSplat:Texture Aware Controllable 3D Gaussian Allocation for Feed-Forward Reconstruction

自适应拼接：用于前馈重建的纹理感知可控3D高斯分配

Badrinath Singhal, Srihari K G, Sreehari Iyer, Ankit Dhiman, Venkatesh Babu Radhakrishnan

机构 * Vision and AI Lab, Indian Institute of Science（视觉与人工智能实验室，印度科学研究所） ； Samsung R & D Institute India - Bangalore（三星印度研发中心 - 班加罗尔） 纠错

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

AI总结 研究前馈3D重建中高斯原语冗余问题，提出利用局部纹理信息控制高斯数量的方法，含纹理估计、纹理感知剪枝和自适应高斯头三个关键组件，实验验证了该方法有效性。

Comments Accepted at ECCV 2026. Project page: https://badrinaths.github.io/projects/adaptive-splat/

Property-Constrained 3D Porous Media Reconstruction from 2D Images via Conditional Generative Adversarial Networks

通过条件生成对抗网络从二维图像进行属性约束的三维多孔介质重建

Ali Sadeghkhani, Brandon Bennett, Arash Rabbani

机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院） 纠错

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

AI总结 提出基于二维薄片图像训练的条件生成对抗网络框架，结合属性条件生成与二维到三维重建，无需昂贵三维训练数据，保持对岩石物理属性控制，用混合架构和增强U-Net模型，在两类碳酸盐样本上验证成功。

Comments 6 pages, 3 figures. Submitted to the 87th EAGE Annual Conference & Exhibition, Aberdeen, UK, June 2026

Journal ref 87th EAGE Annual Conference & Exhibition, 2026, Vol. 2026, pp. 1-5

Diversity-aware View Partitioning for Scalable VGGT

面向可扩展VGGT的多样性感知视图划分

Jinsoo Park, Donggyu Choi, Ahyun Seo, Minsu Cho, Jeany Son

机构 * POSTECH（浦项科技大学） ； GIST（光州科学技术院） ； KAIST（韩国科学技术院） ； RLWRLD 纠错

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

AI总结 针对VGGT在大量视图下注意力计算成本高且冗余视图降低性能的问题，提出基于视觉差异和空间分散的图划分方法，将视图组织为多样性感知的平衡块，减少冗余注意力交互，提升相机位姿估计、多视图深度预测和3D重建性能。

Comments 34 pages, 11 figures, Accepted to ECCV 2026

Cam2Sim: Neural Scenario Reconstruction for Closed-Loop Autonomous Driving Simulation

Cam2Sim：用于闭环自动驾驶模拟的神经场景重建

Davide Jannussi, Stefano Carlo Lambertenghi, Constantin Carste, Andrea Stocco

专题命中 三维重建 ：Gaussian Splatting(abstract)

AI总结 为解决合成模拟器输出与真实相机观测差距问题，提出Cam2Sim工具，从相机图像和姿态重建多种元素，用高斯溅射增强环境，支持多环节，验证表明其缩小视觉差距并提升行为相似度。

Comments In proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26) - Tools and Datasets track

Fast 3D Foundation Model Initialized Gaussian Splatting

快速3D基础模型初始化高斯点云渲染

Anurag Dalal, Daniel Hagen, Kjell G. Robbersmyr, Kristian Muri Knausgård

机构 * Aust-Agder utviklings- og kompetansefond (AAUKF)（奥斯特-阿格德尔发展与能力基金） 纠错

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

AI总结 介绍一种无需传统运动结构方法的高质量3D高斯点云重建快速方法，利用3D基础模型初始化相机姿态和点云，通过深度引导损失函数联合优化，提升稀疏视图重建质量，减少训练时间。

Comments 8 pages, 5 figures, 5 tables. Accepted at ICECET 2026

Journal ref 2026 6th International Conference on Electrical, Computer and Energy Technologies (ICECET), Rome, Italy, July 6-9, 2026

Sparse-View Surface Reconstruction using Gaussian Splatting through High-Confidence Depth Propagation with Normal Priors

通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建

Liang Han, Bangcai Wei, Junsheng Zhou, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

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

AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。

Comments Accepted by ECCV 2026

AnchorSplat: Fast and Structure Consistent Detail Synthesis for Gaussian Splatting

AnchorSplat：用于高斯泼溅的快速且结构一致的细节合成

Dexu Zhu, Jiangnan Shao, Xiaofeng Wang, Junxian Duan, Jie Cao, Zheng Zhu, Huaibo Huang

机构 * MAIS&NLPR, CASIA（中国科学院自动化研究所模式识别国家重点实验室） ； GigaAI ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出AnchorSplat，一种端到端3D原生深度网络，通过点锚机制实现几何一致性，无需原始多视图图像，在3DGS-SR基准上实现比优化方法快10^5倍的细节合成。

Comments Accepted by ECCV2026. Code: https://github.com/zhude233/AnchorSplat

Provable Pruning for Efficient 3D Gaussian Splatting via Coresets

通过核心集实现高效3D高斯点云的可证明剪枝

Waseem Mousa, Alaa Maalouf

机构 * Department of Computer Science, University of Haifa（海法大学计算机科学系） 纠错

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

AI总结 研究3D高斯点云场景能否用更小加权子集替代以保持目标，先证无平凡乘法核心集，后给出特定分辨率下核心集构造定理，依敏感度采样高斯点，还将目标保证转为渲染保证，性能达最优。

Comments 39 pages, 15 figures, including supplementary material. Code: https://github.com/waseem-m/3dgs_provable_coresets

TemporalGS: Training-Free Plug-and-Play Acceleration for 3D Gaussian Splatting Rendering via Temporal Priors

TemporalGS：通过时间先验实现无训练即插即用的3D高斯点渲染加速

Yuhongze Zhou, Zihao Yang, Xinxin Zuo, Juwei Lu

机构 * McGill University（麦吉尔大学） ； University of Waterloo（滑铁卢大学） ； Concordia University（康考迪亚大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 研究针对3D高斯点渲染在高帧率和低延迟方面的挑战，提出TemporalGS，利用时间先验减少连续帧高斯预处理等操作冗余，有动态剔除和选择性渲染策略，可加速渲染且无需训练。

DL-SLAM: Enabling High-Fidelity Gaussian Splatting SLAM in Dynamic Environments based on Dual-Level Probability

DL-SLAM：基于双层次概率的动态环境中高保真高斯泼溅SLAM

Ziheng Xu, Qingfeng Li, Xuefeng Liu, Chen Chen, Jianwei Niu

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

AI总结 提出DL-SLAM，通过双层次概率框架结合语义与几何信息，实现动态环境中高保真高斯泼溅SLAM，提升跟踪精度达13%并生成无伪影静态地图。

WildSplat: Feedforward Gaussian Splatting from Unposed In-the-Wild Images

WildSplat：基于无位姿野外图像的前向高斯溅射方法

Xiyu Zhang, Jingyu Zhuang, Hongjia Zhai, Zizheng Yan, Jinwei Chen, Guofeng Zhang, Qingnan Fan

机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； vivo BlueImage Lab（vivo蓝河图像实验室） 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 针对前向3D重建在光照变化场景下性能不佳的问题，提出双分支解耦架构的WildSplat框架，实现单步前向的野外新视角合成与外观编辑SOTA性能。

Comments 22 pages, 9 figures; Accepted by ECCV 2026. Project page: https://zju3dv.github.io/wildsplat/

SharpSplat: Edge-Regularized 3D Gaussian Splatting for High Fidelity Urban Building Reconstruction from UAV images

SharpSplat：用于从无人机图像进行高保真城市建筑重建的边缘正则化3D高斯点云渲染

Porus Vaid, Shivam Chopra, Vaibhav Kumar

机构 * IISER Bhopal（印度比哈尔州理工学院） 纠错

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

AI总结 针对无人机图像重建高保真3D建筑模型时，现有3D高斯点云渲染技术在建筑立面上存在不足的问题，提出语义边缘正则化框架，利用SAM生成建筑掩码提取边缘，训练时对齐渲染图像梯度，提升边缘保真度。

Comments Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) - 2026

Signal Structure-Aware Gaussian Splatting for Large-Scale Scene Reconstruction

面向大规模场景重建的结构感知高斯泼溅

Weiyi Xue, Fan Lu, Chi Zhang, Tianhang Wang, Sanqing Qu, Zehan Zheng, Boyuan Zheng, Junqiao Zhao, Guang Chen

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Westwell Technology Co., Ltd（上海西井科技股份有限公司） ； Beijing University of Technology（北京工业大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对大规模场景中稀疏观测区域导致的高斯过度密集和冗余问题，提出SIG调度器，通过信号结构恢复视角同步图像监督与高斯频率，并引入球约束高斯控制优化，显著提升效率与渲染质量。

Real-Time LiDAR Gaussian Splatting SLAM

实时激光雷达高斯点云拼接SLAM

Seungjun Tak, Yewon Jeon, Jaeik Hwang, SukMin Hwang, Seongbo Ha, Hyeonwoo Yu

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 提出基于激光雷达的高斯点云拼接SLAM实时框架，将快速G-ICP配准与球形光栅化密集映射紧密结合，利用激光雷达几何信息优化地图，引入几何分数改进效果，在多数据集实验验证其性能。

Comments 18 pages, 5 figures

DeGenseGS: Geometrically and Semantically Decoupled Surgical Scene Understanding in 4D Gaussian Splatting

DeGenseGS：4D高斯点云渲染中几何与语义解耦的手术场景理解

Yimo Wang, Bin Kang, Shuojue Yang, Yueming Jin

机构 * School of Automation, Southeast University（东南大学自动化学院） ； School of Internet of Things, Nanjing University of Posts and Telecommunications（南京邮电大学物联网学院） ； Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） 纠错

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

AI总结 研究针对自主手术交互中语义与解剖错位问题，提出DeGenseGS框架，独立建模语义演变与几何变形，用时空纠缠模块同步语义与场景动态，还设计机制确保鲁棒性，提升了手术场景理解性能。

Semantic-Guided Progressive Object Removal with Gaussian Splatting

基于高斯点云的语义引导渐进式物体移除

Xianliang Huang, Chen Xiao, Yuanxiang Ni, Guanming Liu, Mingkai Liu, Dikai Fan, Xiao Liu, Hao Zhang

机构 * PICO, ByteDance Inc.（字节跳动公司PICO） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Fudan University（复旦大学） 纠错

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

AI总结 提出结合语义引导块匹配与区域渐进式细化的框架用于3D物体移除。利用DINOv2编码语义指导，通过RPR策略分区域优化，基于高斯点云实现高效重建，在物体移除上性能优于现有高斯方法。

Comments 8 pages, 4 figures

MACRO: Training-free Multi-plane Attention for Closeup Render Optimization

MACRO：用于特写渲染优化的免训练多平面注意力

Nitzan Hodos, Roy Amoyal, Lior Fritz, Ianir Ideses, Sagie Benaim, Netalee Efrat

机构 * Amazon Prime Video（亚马逊Prime视频） ； Technion, Israel Institute of Technology（以色列理工学院） ； Ben Gurion University（本古里安大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

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

AI总结 针对特写渲染难题，分析现有方法失败原因，提出MACRO，利用场景3D结构解决比例差距，无需架构改变和额外训练，贡献新基准和评估协议，取得领先成果。

Comments Project page: https://nitzanhod.github.io/MACRO

TryOnCrafter: Unleashing Camera Trajectories for Realistic Video Virtual Try-on via a Renderable 4D Try-on Proxy

TryOnCrafter: 通过可渲染的4D试穿代理释放相机轨迹以实现逼真的视频虚拟试穿

Hao Sun, Hao Yan, Mengting Chen, Quanjian Song, Yu Li, Juan Cao, Jinsong Lan, Xiaoyong Zhu, Bo Zheng, Sheng Tang

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xiamen University（厦门大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出TryOnCrafter，首个基于DiT的统一框架，通过可渲染4D试穿代理解耦人体与环境，实现相机可控的视频虚拟试穿，支持任意视角合成和下游应用。

Comments Project Page: https://sunhao242.github.io/TryOnCrafter_web.github.io/

PixGS: Pixel-Space Diffusion for Direct 3D Gaussian Splat Generation

PixGS: 像素空间扩散用于直接三维高斯泼溅生成

Cao Duy, Phong Nguyen-Ha

机构 * Qualcomm AI Research（高通人工智能研究院） 纠错

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

AI总结 提出单阶段管道PixGS，利用像素空间扩散从文本或图像直接生成高质量3D高斯泼溅，避免潜在压缩伪影，并引入表面法线、深度和高频结构监督，在单张A100 GPU上1秒内生成，性能超越现有方法。

Comments Accepted at ECCV 2026

UniSpine-GS: An Efficient Physics-Aware Gaussian Framework for Cross-Modality Multi-view Spine Image Synthesis

UniSpine-GS：一种用于跨模态多视图脊柱图像合成的高效物理感知高斯框架

Qiuhua Chen, Changning Yu, Na Huang, Chao Sun, Bo Du

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； The Department of Ultrasound of Renmin Hospital East Branch of Wuhan University（武汉大学人民医院东院区超声科） ； Institute of Artificial Intelligence, Wuhan University（武汉大学人工智能研究院） ； National Engineering Research Center for Multimedia Software, Wuhan University（武汉大学多媒体软件国家工程研究中心） ； Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（武汉大学多媒体网络通信工程湖北省重点实验室） 纠错

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

AI总结 为解决脊柱疾病诊断中3D成像成本高、模态差异挑战等问题，提出UniSpine-GS框架，通过3D感知表示用于多视图脊柱成像新视图投影渲染，引入策略提升边界保真度和局部细节，性能优于现有方法。

PRISM3D: Probabilistic Refinement and Robust Initialization for Physically Consistent Scene Modeling under Extreme Motion Blur

PRISM3D：极端运动模糊下物理一致场景建模的概率细化与鲁棒初始化

Gopi Raju Matta, Reddypalli Trisha, Vemunuri Divya Madhuri, Kaushik Mitra

机构 * Computational Imaging Lab, Dept. of Electrical Engineering, IIT Madras（印度理工学院马德拉斯分校电气工程系计算成像实验室） 纠错

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

AI总结 研究从极端运动模糊图像进行盲3D场景重建问题，提出PRISM3D框架，用鲁棒初始化策略结合概率物理方法，还介绍多模态扩展PRISM3D-E及基准，实验表明其达新的最优性能。

Comments Accepted to ECCV-26

Neural LiDAR Bundle Adjustment

神经激光雷达光束平差

Chin Yung Anson Hon, Kaicheng Zhang, Sen Wang

机构 * Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 研究探索RGB NeRFs和LiDAR NeRFs关键设计差异，发现体素采样密度对LiDAR NeRF重要，据此提出Neural LiDAR Bundle Adjustment算法，实验证明其在多视点云配准和3D映射中有出色性能。

Comments 8 pages, 8 figures, 4 tables