视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
Argus：室内场景的度量全景三维重建
机构 * Realsee, China（Realsee中国）
专题命中 三维重建 ：3D reconstruction(title,abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出混合数据集Realsee3D和端到端网络Argus，通过可学习的共视模块解决全景稀疏捕获中的位姿漂移，并分解像素到世界映射以增强几何一致性，在相机位姿、深度和点云重建上达到最优。
BAT3R：从二维图像集合中自训练关节式三维重建
机构 * University of Edinburgh（爱丁堡大学）
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/
基于视点方向划分和场景补全的城市级三维表面重建
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）
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
自动驾驶中稀疏视图3D重建的目标结构完成
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）
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：几何基础的轨迹任意模型
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）
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/
LoMa：局部特征匹配的再审视
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Linköping University（林雪平大学） ； University of Amsterdam（阿姆斯特丹大学） ； Centre for Mathematical Sciences, Lund University（隆德大学数学科学中心）
专题命中 三维重建 ：3D vision(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文从数据驱动角度重新审视局部特征匹配，提出LoMa方法，通过结合大规模数据混合、现代训练方案和模型容量，提升了性能，并在新数据集HardMatch上取得显著成果。
MV-Forcing：基于4D锚定时空自强制的长时长多视角视频生成
机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Cornell University（康奈尔大学）
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/
用于稀疏视图神经重建的可靠性感知单目深度监督
机构 * Stanford University（斯坦福大学）
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
Syn4D：多视图合成4D数据集
机构 * VGG ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 针对动态场景稠密3D重建跟踪缺高质量标注数据集的问题，构建含多类真值标注的Syn4D数据集，支撑多下游任务，助力相关研究。
Comments 33 pages, 11 figures, project page: https://jzr99.github.io/Syn4D/
PixWorld：在像素空间中统一3D场景生成与重建
机构 * Nanyang Technological University（南洋理工大学） ； AISphere（人工智能领域）
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/
面向稠密空间感知的视觉预训练
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
自适应拼接：用于前馈重建的纹理感知可控3D高斯分配
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）
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/
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
机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院）
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
面向可扩展VGGT的多样性感知视图划分
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
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：用于闭环自动驾驶模拟的神经场景重建
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
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