3D 视觉

3D Reconstruction of deciduous Trees using low-cost UAV- and Crane-based Photogrammetry for Monitoring Shoot Elongation across entire Canopies

利用基于低成本无人机和起重机的摄影测量技术对落叶树进行三维重建以监测整个树冠的新梢伸长

Stephan Nebiker, Micha Tschanz, Nando Amport, Frederik Baumgarten

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

AI总结 研究旨在用低成本无人机和起重机摄影测量技术三维重建落叶树，以监测新梢伸长。介绍了相关技术及数据处理策略，展示了点云精度等结果，引入新方法评估重建能力，还讨论了操作挑战与树木骨架化实验。

Comments Accepted to ISPRS Congress 2026, camera-ready version

HoloTetSphere: Unified TetSphere Mesh Reconstruction for Physical Simulations

HoloTetSphere：用于物理模拟的统一四面体网格重建

YaQiao Dai, Renjiao Yi, Zhirui Gao, Wei Chen, Kai Xu, Chenyang Zhu

机构 * National University of Defense Technology, Changsha, China（国防科技大学，中国长沙） ； Institute of AI for Industries, Chinese Academy of Sciences, Nanjing, China（产业人工智能研究所，中国科学院，中国南京） 纠错

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

AI总结 研究针对物理模拟的3D重建问题，提出通过耦合高斯球与四面体元素、联合最小化网格平滑能量和多视图高斯渲染误差等方法，构建统一且拓扑连贯的四面体网格，优于现有技术，简化物理模拟。

Comments Accepted to ECCV 2026

LTM: Large-scale Terrain Model for Wildfire-prone Landscapes

LTM：适用于易发生野火地区的大规模地形模型

Xiao Fu, Yue Hu, Meida Chen, Peter Anthony Beerel, Barath Raghavan

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

AI总结 针对易发生野火地区传统地形重建方法不足，提出利用过时DEM的多模态重建框架，通过物理像素对齐降低计算复杂度，经大型地形模拟器验证，相比现有技术显著提升了重建精度与计算效率，为野火应对提供可扩展方案。

Geometry and Gradient-based Partitioning for Panoramic Outdoor Reconstruction

基于几何和梯度的全景户外重建分区方法

Weijian Chen, Weibo Yao, Yuhang Zhang, Xiaolin Tang, Guo Wang, Weijun Zhang, Xitong Gao, Yihao Chen, Hongde Qin, Lu Qi

机构 * Insta360 Research（Insta360研究机构） ； Sun Yat-sen University（中山大学） ； South China University of Technology（华南理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Engineering University（哈尔滨工程大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 针对大规模全景3D高斯点云重建成本高问题，提出PanoLOG两阶段框架，利用几何和梯度进行分区，粗阶段用天球建模等，细化阶段构建自适应边界体积等，还构建数据集，实现了高质量渲染和可扩展训练。

Comments Project Webpage: https://insta360-research-team.github.io/GGPS-Website

Wat3R: Underwater 3D Geometry Learning without Annotations

Wat3R：无需标注的水下3D几何学习

Jiangwei Ren, Xingyu Jiang, Zijie Song, Wei Xu, Hongkai Lin, Dingkang Liang, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 针对水下3D几何估计难题，提出跨域半监督学习框架Wat3R，基于师生架构，无需标注水下数据，利用未标注视频学习，设计跨视图一致性损失，构建Water3D数据集，实验证明其在水下多视图深度估计和点云重建上性能优于现有方法。

Comments Accepted to ECCV 2026. The dataset and code are available at https://github.com/LSXI7/Wat3R

On Exploring Input Resolution Scaling For Anytime LiDAR Object Detection

关于探索用于任意时刻激光雷达目标检测的输入分辨率缩放

Ahmet Soyyigit, Shuochao Yao, Heechul Yun

机构 * The National Defense University（国防大学） ； George Mason University（乔治梅森大学） ； The University of Kansas（堪萨斯大学） 纠错

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

AI总结 研究为处理激光雷达点云的深度神经网络实现任意时刻计算，提出新方法可多分辨率推理，引入期限感知调度器，内存高效只需单个模型，实验表明优于现有方法，部署在模拟系统可实现无碰撞导航并避免停顿。

GrowFields: Compositional 4D Neural Fields for Topology-Changing Plant Growth

GrowFields：用于拓扑变化植物生长的组合式4D神经场

Joaquin Gajardo, Michele Volpi, Marko Mihajlovic, Siyu Tang, Lukas Roth, Sergey Prokudin

机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） ； Martin-Luther-Universität Halle-Wittenberg（马丁-路德-哈雷-维滕贝格大学） 纠错

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

AI总结 针对从稀疏纵向3D观测量化植物生长动力学的难题，提出GrowFields，将植物分解为器官并对齐到规范坐标系，学习共享神经变形场，在植物器官跟踪中表现优于现有表示。

Comments ECCV 2026 paper (main conference). v2 corrects the vertical guide lines in supplementary Figures 5-7. Project page and code available at https://joaquin-gajardo.github.io/growfields/

Building confidence regions for Reeb graphs using the interleaving distance

使用交织距离构建Reeb图的置信区域

Matteo Pegoraro, Alberto Conforti, Mathieu Carrière

专题命中 点云 ：point cloud(abstract)

AI总结 该研究利用交织距离从有限样本为Reeb图开发置信区域，通过构建有限邻近图等方法，证明Reeb估计器稳定性界，导出置信区域，还比较了对象级度量与基于持久性保证，数值实验展示了特征识别及投影到Mapper图解释的过程。

Selecting Interpretable Circular Coordinates from Data

从数据中选择可解释的圆形坐标

Vincent P. Grande, Marina Meila

专题命中 点云 ：point cloud(abstract)

AI总结 研究从数据中选择可解释圆形坐标的问题，提出从候选字典选坐标的方法，在连续和离散设置下介绍相关方法及证明，通过实验验证该方法在合成示例、分子模拟和神经记录上的有效性。

PanoImager: Geometry-Guided Novel View Synthesis and Reconstruction from Sparse Panoramic Views

PanoImager：基于几何引导的稀疏全景视图新视角合成与重建

Zhisong Xu, Takeshi Oishi

机构 * Institute of Industrial Science, The University of Tokyo（东京大学生产技术研究所） 纠错

专题命中 新视角合成 ：3DGS(summary_cn,abstract)；novel view synthesis(title)；3D reconstruction(abstract)；分类 cs.CV

AI总结 提出PanoImager框架，无需SfM，结合前馈位姿/深度先验、几何条件扩散视图补全和深度引导3DGS优化，从稀疏全景图像实现稳定新视角合成与重建。

Comments IROS 2026

Latent Memory Palace: Reasoning for Control as Autoregressive Variational Inference

潜在记忆宫殿：作为自回归变分推理的控制推理

Chuning Zhu, Eva Xu, Jose Barreiros, Krishnan Srinivasan, Paarth Shah, Abhishek Gupta

机构 * University of Washington（华盛顿大学） ； Toyota Research Institute（丰田研究院） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.RO

AI总结 研究将语言模型的推理能力应用于连续控制策略的问题，提出潜在记忆宫殿（LMP）方法，通过自回归潜在空间组织信息进行变分推理，推导强化学习技术优化下限，该方法在模拟和现实领域表现良好，还产生高性能动作分词器，为控制的潜在推理提供新视角。

Track2Map: Online Deformable SLAM with Motion-Aware Pose Optimization in Robotic Surgery

Track2Map：机器人手术中具有运动感知姿态优化的在线可变形同步定位与地图构建

Tianyi Song, Sierra Bonilla, Xinwei Ju, Evangelos Mazomenos, Danail Stoyanov, Adam Schmidt, Omid Mohareri, Sophia Bano, Francisco Vasconcelos

机构 * University College London（伦敦大学学院） ； Intuitive Surgical, Inc.（直观外科公司） 纠错

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

AI总结 针对机器人手术中3D重建问题，提出Track2Map在线3D高斯点云融合流程，能联合优化相机轨迹与场景表示。引入轨迹锚定变形初始化及利用轨迹统计稳定优化，实验显示其相比其他方法在重建质量和相机轨迹上有改进。

Comments Accepted at MICCAI 2026. This is the submitted version prior to peer review. The final authenticated version will be available on SpringerLink