3D 视觉

SSA-3DGS: Unsupervised Removal of Screen-Space Artifacts for 3D Gaussian Splatting

SSA-3DGS：用于3D高斯点渲染的屏幕空间伪影无监督移除

Kristof Overdulve, Lode Jorissen, Nick Michiels

机构 * Digital Future Lab, Flanders Make, Hasselt University（数字未来实验室，弗拉芒制造，哈塞尔特大学） 纠错

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

AI总结 针对3D高斯点渲染中屏幕空间伪影问题，提出SSA-3DGS无监督框架，利用视图几何一致性，联合优化3D场景与2D叠加，在合成及真实数据集上，相比同条件3DGS提高重建保真度9dB PSNR，且保留伪影。

Rendering-Aware Bayesian 3D Gaussian Splatting with Native Uncertainty and Adaptive Complexity Control

具有原生不确定性和自适应复杂度控制的渲染感知贝叶斯3D高斯点云渲染

Gaoxiang Jia, Vikram Appia, Junzhou Huang, Xinlei Wang

机构 * Advanced Micro Devices, Inc.（超威半导体公司） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校） 纠错

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

AI总结 研究针对3D高斯点云渲染标准训练管道的不足，引入渲染感知贝叶斯3DGS框架，通过特定后验跟踪高斯几何，有可选扩展及明确训练计划。实验表明该框架在主动视图选择等任务中表现出色，能提供原生预测不确定性，提升相关指标。

Comments 26 pages, 4 figures, 24 tables including appendix. Preprint

PhyMRI-SR: Toward Physics-Aware MRI Image Super-Resolution

PhyMRI-SR：迈向基于物理感知的MRI图像超分辨率

Lihua Wei, Huatong Gao, Jia Gong, Zhiyu Tan, Hao Li, Jun Liu, Zhihua Ren

机构 * School of Biomedical Engineering, ShanghaiTech University（上海科技大学生物医学工程学院） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通信学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学生物医学工程学院与先进医学材料与器械国家重点实验室） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心） 纠错

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

AI总结 研究旨在解决MRI图像超分辨率问题，将其视为物理感知重建问题。核心方法是采用2D高斯点渲染并引入三项创新，包括先验感知高斯表示、物理约束信号建模和元学习框架。主要贡献是在动态分辨率数据集和标准基准上实现领先性能，有临床部署潜力。

Comments Project Page: https://bio-med-i2-lab.github.io/projects/PhyMRI-SR

GaussFusion: Towards Multimodal 3D Gaussian Pretraining

高斯融合：迈向多模态3D高斯预训练

Zhixuan You, Jihua Zhu, Yiding Sun, Zihao Guo, Haozhe Cheng, Dongxu Zhang, Lin Chen, Hainan Luo

机构 * Wuhu HIT Robot Technology Research Institute Co., Ltd.（芜湖哈工大机器人技术研究院有限公司） 纠错

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

AI总结 研究提出GaussFusion多模态3D高斯预训练框架，通过跨模态语义对齐集成图像和文本监督，还提出高斯显著性引导的多尺度空洞掩码，实验表明该方法提高了高斯表示可迁移性，在ModelNet40和ScanObjectNN上有性能提升。

Comments 32 pages, 6 figures, 6 tables