3D 视觉

Meshtryoshka: Differentiable Rendering of Real-World Scenes via Mesh Rasterization

Meshtryoshka: 通过网格光栅化实现真实场景的可微分渲染

David Charatan, Daniel Xu, Richard Szeliski, George Kopanas, Vincent Sitzmann

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Washington（华盛顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 提出Meshtryoshka框架，利用嵌套网格壳表示和现成三角形光栅化器，通过符号距离函数间接更新顶点位置，实现大规模无界场景的高质量可微分渲染。

Comments Daniel Xu and David Charatan contributed equally; author order decided by coin flip. Project website: https://danielxu9393.github.io/meshtryoshka-website/

IBPA: Real-time Free-form Manifold Mesh Reconstruction via Incremental Ball Pivoting with Integrated Hole Detection

IBPA：通过集成孔检测的增量球旋转实现实时自由形式流形网格重建

Mauhing Yip, Mohit Singh, Kostas Alexis, Christian Schellewald, Annette Stahl

机构 * Department of Engineering Cybernetics, NTNU（工程 cybernetics 系，NTNU） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.GR、cs.RO

AI总结 针对水下航行器获取数据覆盖不完整及传统方法表达能力有限问题，提出IBPA方法，通过改进球旋转算法，从流点云数据增量构建可定向流形网格，引入孔检测机制，支持复杂表面拓扑且无需先验假设。

Comments The source code will be made public after the pre-print paper is available online

GHOST: Geometry-Guided Hallucination of Opaque Surface Textures

GHOST：不透明表面纹理的几何引导幻觉

Langxu Zhao, Zuan Gu, Tianhan Gao

机构 * School of Software, Northeastern University, Shenyang, China（软件学院，东北大学，沈阳，中国） 纠错

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

AI总结 针对透明物体给深度估计和3D重建带来的挑战，提出几何引导预处理框架GHOST，利用视觉基础模型，经多步骤处理分离属性、恢复法线先验并整合多模态线索，合成不透明RGB图像，显著提升相关模型对透明物体的处理精度。

OmniX: Any-view and Any-time 4D Reconstruction via Feed-forward Trajectory Fields

OmniX：通过前馈轨迹场进行任意视角和任意时刻的4D重建

Yanqin Jiang, Tengfei Wang, Zhengwei Wang, Chenjie Cao, Junta Wu, Wenhan Luo, Weiming Hu, Jin Gao, Chunchao Guo

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元） ； HKUST（香港科技大学） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（多模态信息超智能安全北京重点实验室） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） 纠错

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

AI总结 针对前馈4D重建方法局限，提出OmniX框架，通过解耦动态运动建模与静态几何预测，利用动态令牌和3D运动结构生成轨迹场，并构建数据引擎和数据集，在多任务上取得领先性能。

Comments Accepted by ECCV 2026, project page: https://omnix4d.github.io/

Reconstructing solar wind inhomogeneous structures from stereoscopic observations in white-light: Solar wind transients in 3D

从立体观测在白光中重建日风不均匀结构：日风瞬变的3D

Xiaolei Li, Yuming Wang, Rui Liu, Chenglong Shen, Quanhao Zhang, Shaoyu Lyu, Bin Zhuang, Fang Shen, Jiajia Liu, Yutian Chi

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 通过立体观测白光图像，提出一种方法重建太阳风瞬变的三维结构，揭示日冕物质抛射的复杂三维形态。

Comments 29 pages, 12 figures, 2 tables, to be published on Journal of Geophysical Research - Space Physics

PanDORA: Casual HDR Radiance Acquisition of Indoor Scenes for Image-based Lighting

PanDORA: 用于基于图像的照明的室内场景因果高动态范围辐射获取

Mohammad Reza Karimi Dastjerdi, Dominique Tanguay-Gaudreau, Frédéric Fortier-Chouinard, Yannick Hold-Geoffroy, Nima Kalantari, Jean-François Lalonde

机构 * Université Laval（洛瓦尔大学） ； Adobe（Adobe公司） ； Texas A&M University（德克萨斯农工大学） 纠错

专题命中 NeRF ：NeRF(summary_cn,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 PanDORA通过双摄像头和NeRF算法高效获取高动态范围辐射数据，提升室内场景真实光照重建效果。

Comments Accepted at ICCP 2026. Selected for PAMI Special Issue

Direct Object-Level Reconstruction via Probabilistic Gaussian Splatting

通过概率高斯溅射实现直接的对象级重建

Shuai Guo, Ao Guo, Junchao Zhao, Qi Chen, Yuxiang Qi, Zechuan Li, Dong Chen, Mingliang Xu

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

AI总结 本文提出一种基于2D高斯溅射的高效单对象3D重建方法，通过整合前景-背景概率提示和动态剪枝低概率高斯，提升内存和计算效率，实验表明其在遮罩误差下具有强自修正能力，重建质量接近标准3DGS方法，但高斯数量仅为1/10。

GeoGS-SLAM: Online Monocular Reconstruction Using Gaussian Splatting with Geometric Priors

GeoGS-SLAM：使用带几何先验的高斯点云的在线单目重建

Ruilan Gao, Letian Jin, Yu Zhang

机构 * State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University（工业控制技术国家重点实验室，浙江大学控制科学与工程学院） ； Key Laboratory of Collaborative Sensing and Autonomous Unmanned Systems of Zhejiang Province（浙江省协同感知与自主无人系统重点实验室） 纠错

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

AI总结 研究提出GeoGS-SLAM在线单目密集重建系统，结合3DGS地图表示与几何先验。利用前馈模型预测先验，通过采样扩展地图，粗到细优化姿态和地图，纳入回环检测与姿态图优化，实验表明其在质量、精度和实时性上优于现有方法。

AsySplat: Efficient Asymmetric 3D Gaussian Splatting for Long-Sequence Scene Modeling

AsySplat：用于长序列场景建模的高效非对称3D高斯点云渲染

Yingji Zhong, Dave Zhenyu Chen, Fuzhao Ou, Youyu Chen, Zhihao Li, Lanqing Hong, Dan Xu

机构 * HKUST（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； CityU（城市大学） 纠错

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

AI总结 研究针对长序列场景建模中3D高斯点云渲染的冗余计算问题，提出非对称架构解耦几何与外观建模，通过双边连接交互，减少计算冗余，提高参数效率，在32视图960P输入上大幅提升效率并超越零样本性能。

Comments The project page is at https://zhongyingji.github.io/asysplat/

On the Design of Mixture-of-Experts for Dynamic Gaussian Splatting

关于动态高斯点云的专家混合模型设计

In-Hwan Jin, Hyeongju Mun, Joonsoo Kim, Kugjin Yun, Kyeongbo Kong

机构 * Pusan National University（釜山国立大学） ； Electronics and Telecommunications Research Institute (ETRI)（电子和电信研究所） 纠错

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

AI总结 研究动态3D高斯表示的多变形建模问题，提出变形专家混合（MoDE）和动态高斯点云专家混合（MoE-GS）两种方法，通过不同集成约束实现多变形建模，为该领域提供替代策略并阐明集成约束对变形专家设计及行为的影响。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI, 2026)

GLC-SLAM: Gaussian Splatting SLAM with Efficient Loop Closure

GLC-SLAM：基于高效循环闭合的高斯点云SLAM

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

机构 * Beihang University（北航大学） ； Hangzhou Innovation Institute of Beihang University（北航杭州创新研究院） 纠错

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

AI总结 GLC-SLAM通过全局优化和高效循环闭合解决大规模环境中的SLAM漂移问题，提升密集建图性能。

Journal ref Expert Systems with Applications (2026)

SyncSpace: Layout-Conditioned 3D Gaussian Splatting for Space Reskinning in Mixed Reality

SyncSpace：用于混合现实中空间重塑的布局条件3D高斯溅射

Qinchuan Zhang, Weibo Xu, Yunge Wen

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3DGS(abstract,abstract_cn)

AI总结 SyncSpace系统通过深度感应提取3D边界框，经生成世界模型生成高斯溅射场景，再用粗到精算法与物理空间对齐，实现空间重塑，可展示手部跟踪吞噬交互及同一空间重塑为多风格世界。

Comments 2 pages, 2 figures

DP-Splat: Bayesian Nonparametric Complexity Control for Gaussian Splatting

DP-Splat：用于高斯点云的贝叶斯非参数复杂度控制

Aqi Dong

机构 * Embry-Riddle Aeronautical University（安柏瑞德航空大学） 纠错

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

AI总结 研究如何控制高斯点云的复杂度，提出用截断的折断棒狄利克雷过程先验等方法，使组件数量适应数据，更新为闭式步骤。实验表明有效复杂度能适应场景，DP先验贡献在复杂度选择，在多方面表现优于固定K的VBGS。

Comments 18 pages, 8 figures. Code and experiment records: https://github.com/archiedong/dp-splat

SparseLGS: Sparse View Language Embedded Gaussian Splatting

SparseLGS：稀疏视图语言嵌入高斯溅射

Jun Hu, Zhang Chen, Zhong Li, Yi Xu, Juyong Zhang

机构 * School of Mathematical Science, University of Science and Technology of China（科学技术大学数学科学学院） ； Meta ； Apple Inc.（苹果公司） ； Alpha Labs at Goertek（Goertek的Alpha实验室） 纠错

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

AI总结 研究针对无姿态和稀疏视图输入图像的3D场景理解难题，提出SparseLGS方法。利用密集立体模型与区域匹配法，提取低维信息并引入重建损失。实验表明该方法用较少输入重建语义场质量可比SOTA，且速度提升5倍。

Comments Project Page: https://ustc3dv.github.io/SparseLGS

MAC-Splat: Multi-Attribute Consistency for High-Fidelity Sparse-View Reconstruction

MAC-Splat：用于高保真稀疏视图重建的多属性一致性

Jinqian Yang, Yichen Wu, Wanhua Li, Haokun Lin, Renzhen Wang, Xiangchu Feng, Xixi Jia

机构 * Xidian University（西安电子科技大学） ； Harvard University（哈佛大学） ； Nanyang Technological University（南洋理工大学） ； City University of Hong Kong（香港城市大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 针对稀疏视图重建中现有方法存在几何伪影的问题，提出MAC-Splat训练框架，利用MASt3R和DINOv3获取2D对应关系并定义MAC损失，联合正则化3D属性，实验证明该方法能有效解决不适定的稀疏视图重建问题，性能优于基线。

Comments Accepted to the European Conference on Computer Vision (ECCV 2026)

Grassmannian Splatting I: Moving rank-2 Spacetime Surfels for Dynamic Scene Rendering

格拉斯曼体点云绘制 I：用于动态场景渲染的移动秩-2时空表面元素

Aaron Maurice Berman, Shantanu Dave

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

AI总结 该研究提出格拉斯曼体点云绘制用于动态场景渲染，其基元为特定高斯分布，运动模型封闭，无需学习变形场和自定义CUDA。在17个HyperNeRF场景训练速度最快，PSNR、MS-SSIM和LPIPS排名第二。

Incremental Online Scene Reconstruction by 3D Gaussian Triangulation

基于3D高斯三角剖分的增量式在线场景重建

Yanjin Zhu, Shaofan Liu, Jianke Zhu

机构 * Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 研究增量式在线场景重建问题，提出通过直接对密集几何高斯表示三角剖分来重建和更新显式网格的方法，还给出直接网格化算法及相关约束，实验证明该方法性能优于传统高斯方法。

CoSAG: Compact Semantic Anchor Gaussians via Training-Free Rate-Distortion Coding

CoSAG：通过无训练率失真编码实现的紧凑语义锚定高斯模型

Yuang Jia, Jinlong Wang, Junhong Lin, Ruiting Dai, Wei Gao

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

AI总结 研究开放词汇3D场景理解中存储瓶颈问题，提出CoSAG方法，通过特定构建方式和存储编码，无需场景训练，实现亚兆字节存储，在多项协议上匹配或超越现有技术，大幅减小场大小。

Satellite-Free Training for Drone-View Geo-Localization

无需卫星的无人机视角地理定位

Tao Liu, Yingzhi Zhang, Kan Ren, Xiaoqi Zhao

机构 * Nanjing University of Science and Technology（南京理工大学） ； University of Tsukuba（筑波大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出无需卫星数据的训练框架，通过三维场景重建、伪正射影像生成和特征聚合，提升无人机在无GPS环境下的地理定位性能。

Comments Withdrawn by the authors to allow for substantial revision in light of valuable reviewer feedback. A thoroughly revised version may be submitted in the future

Empirical Hodge Laplacians: Spectral Convergence and Harmonic Forms from Point Clouds

经验Hodge拉普拉斯算子、上同调环与流形学习

Hông Vân Lê

专题命中 点云 ：point cloud(title,abstract)

AI总结 针对高维欧氏空间中的紧致可定向光滑黎曼子流形，构造变形Hodge拉普拉斯算子族并证明其收敛到经典算子，进而基于点云数据建立经验算子的谱收敛，从而实现对de Rham上同调环、第二基本形式及庞特里亚金特征类的无偏恢复。

Comments Version 5: minor corrections and improvements. 85.p

SLIDER: Sparse History-Guided Aerial Robot Target Search using Sliding Local Maps

SLIDER：使用滑动局部地图的稀疏历史引导空中机器人目标搜索

Xiaolei Hou, Zheng Pan, Hua Lan, Zhenghao Zou, Yinhong Chen, Chenxi Zhu, Yang Lyu, Jinwen Hu, Chunhui Zhao

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

AI总结 针对空中机器人在大规模未知环境中目标搜索难题，提出SLIDER框架，结合局部滑动地图与稀疏全局历史信息，通过新评估方法、聚类策略及维护拓扑地图实现高效搜索，性能优于现有方法。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L), 2026. https://github.com/Poaos/SLIDER

Physics-inspired Pseudo Anomaly Generation and Prototype Feature Guidance for 3D Anomaly Detection

用于3D异常检测的物理启发式伪异常生成与原型特征引导

Jian Ning, Qin Zou, Linchun Wu, Yuanhao Yue, Kunmo Li, Shoubin Chen, Zhongyuan Wang

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； School of Information and Software Engineering, East China Jiaotong University（华东交通大学信息工程学院） ； School of Computer Science and Technology, Dalian University of Technology（大连理工大学计算机科学与技术学院） 纠错

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

AI总结 针对3D点云异常检测中真实异常样本稀缺等问题，提出PA3AD框架，采用物理启发式伪异常生成策略及原型特征引导，通过关键创新有效学习分布变化，实验证明其检测性能优于现有方法。

Comments 20 pages; already accepted by Pattern Recognition

Annotation-Free Furniture Codes: What They Encode, and How Far They Transfer

无标注家具编码：它们编码了什么以及能转移多远

Benjamin Friedman

机构 * DLR Group（DLR集团） 纠错

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

AI总结 研究能否用源自物体几何形状的自监督令牌取代类别标签和规范姿态约定。通过对FSQ点云自动编码器进行倒角训练，发现编码能恢复多种信息，其旋转内容可由训练目标设置，跨资产库缩放时编码转移情况因类别而异。

A Numerically-Robust ROS 2 Port of iG-LIO: Diagnosing and Fixing Toolchain-Induced Failures in Incremental GICP LiDAR-Inertial Odometry

iG-LIO的数值稳健ROS 2端口：诊断和修复增量GICP激光雷达惯性里程计中工具链引起的故障

Afonso E. Carvalho, David Portugal, Paulo Peixoto

机构 * Robotics Institute (RI), Carnegie Mellon University (CMU)（卡内基梅隆大学机器人研究所） ； Institute of Systems and Robotics (ISR), University of Coimbra (UC)（科英布拉大学系统与机器人研究所） 纠错

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

AI总结 研究针对iG-LIO的ROS 2端口，诊断并修复由工具链导致的数值故障。通过分析QoS不匹配等问题，采取修正点场解析、添加传感器支持等方法，在多种传感器上验证了改进后的端口，为该端口提供了可引用参考。

Comments 3 pages, 1 figure, 4 references

Back to Point: Exploring Point-Language Models for Zero-Shot 3D Anomaly Detection

回到点：探索用于零样本3D异常检测的点语言模型

Kaiqiang Li, Gang Li, Mingle Zhou, Min Li, Delong Han, Jin Wan

机构 * Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences), Jinan, China（计算机功率网络与信息安全重点实验室，教育部，山东计算机科学中心（济南国家超级计算机中心），齐鲁大学（山东科学院），济南，中国） ； Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing, Shandong Fundamental Research Center for Computer Science, Jinan, China（山东省计算功率互联网与服务计算重点实验室，山东省计算机科学基础研究中心，济南，中国） 纠错

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

AI总结 本文提出BTP框架，通过结合3D点云和文本嵌入，提升零样本3D异常检测的性能，实验表明其在Real3D-AD和Anomaly-ShapeNet上表现优异。

Comments CVPR 2026

A Ground Mobile Robot for Autonomous Terrestrial Laser Scanning-Based Field Phenotyping

一种用于自主地面激光扫描的田间表型分析机器人

Javier Rodriguez-Sanchez, Kyle Johnsen, Changying Li

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； The University of Georgia（佐治亚大学） ； Bio-Sensing, Automation and Intelligence Laboratory（生物传感、自动化与智能实验室） ； Agricultural & Biological Engineering（农业与生物工程） ； The University of Florida（佛罗里达大学） 纠错

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

AI总结 本研究开发了一种自主地面机器人系统，利用高分辨率三维激光扫描仪实现田间表型分析，提高了田间作物生长监测的自动化和准确性。

Comments Submitted to Journal of Field Robotics

Manifold Constrained Conformal Prediction for Spatial Events

空间事件的流形约束共形预测

Collin Nill, Trevor Harris, Jason Adams

机构 * Department of Statistics University of Connecticut（统计学系 美国康乃狄克大学） ； Sandia National Laboratories（桑地亚国家实验室） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 该研究针对空间事件预测，提出基于将空间点云表示为经验测度，用（切片）瓦瑟斯坦距离评分，并约束预测集在训练数据流形附近的新共形预测方法，经实验其在覆盖及距离指标上优于基线。

Comments 21 pages, 10 figures, 4 tables

Integrating Physics-Informed Neural Networks and 3D Vascular Geometry Learning for Cerebral Aneurysm Detection and Multimodal Rupture-Risk Prediction

将物理信息神经网络与3D血管几何学习相结合用于脑动脉瘤检测和多模态破裂风险预测

Eshan Vipuil, Xianqi Li

专题命中 点云 ：point cloud(abstract)

AI总结 研究旨在结合物理信息神经网络与3D血管几何学习用于脑动脉瘤检测及多模态破裂风险预测。通过基于PointNeXt的检测器识别动脉瘤，利用物理信息神经网络生成血流动力学描述符，多模态模型整合多种变量预测风险，取得良好检测及预测效果，提供了定量多模态评估策略。

Spectral-Domain Deep Learning of Intrinsic Scattering Operators for Arbitrarily Shaped Compact 3D Particles

用于任意形状紧凑三维粒子的本征散射算子的谱域深度学习

Daize Li, Jiafu Shen, Yifei Liu, Bonan Zhang, Heping Xie

专题命中 点云 ：point cloud(abstract)

AI总结 研究任意形状三维粒子光学散射预测难题，提出双谱域神经散射模型，将粒子几何压缩为球谐系数，光学响应编码为T矩阵，经谱令牌变换器训练，能恢复模态结构、再现散射图，确立谱域算子学习为有效预测途径。

Maximum diversity and weighting for invariants of periodic time series

周期时间序列不变量的最大多样性与加权

Byungchang So

专题命中 点云 ：point cloud(abstract)

AI总结 本文聚焦周期时间序列不变量，基于量和最大多样性的连续性成果，研究加权连续性及对应最大多样性的变化。通过引入新不变量用于时间序列分析，并进行简单机器学习实验，结果表明所提不变量提升了性能。

Comments 30 pages, 8 figures, 7 tables