3D 视觉

DreamSat-Pose: Spacecraft Pose Estimation from Single-View 3D Reconstructions and Learned 2D-3D Feature Matching

DreamSat-Pose：基于单视图3D重建和学习的2D-3D特征匹配的航天器姿态估计

Josiane Uwumukiza, Jocelyn Zhao, Giovanni Lavezzi, Giacomo Battaglia, Paolo Panicucci, Minduli C. Wijayatunga, Victor Rodriguez-Fernandez, Richard Linares

机构 * Wellesley College（韦尔斯利学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Politecnico di Milano（米兰理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Universidad Politécnica de Madrid（马德里理工大学） 纠错

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

AI总结 针对未知航天器对象，本文提出新框架，先利用冻结的DINOv3提取图像特征、动态图卷积神经网络编码器计算几何特征，再经双流变压器匹配器细化描述符，通过学习2D-3D对应关系估计姿态，在数据集上评估效果良好，泛化能力强。

DermDepth: Toward Monocular Metric Scale 3D Reconstruction Models for Dermatology

DermDepth：迈向用于皮肤病学的单目度量尺度3D重建模型

Héctor Carrión, Narges Norouzi

机构 * University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） 纠错

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

AI总结 研究针对皮肤病学实践中常用2D方法的现状，提出DermDepth单视图度量尺度3D模型及D-Synth数据集，经实验训练和微调，能有效校正度量尺度误差，在多基准通用并与医学文献测量结果一致。

Comments Accepted at MICCAI 2026

CASA-SDF: Curriculum-Aware Spatial Adaptation with Curvature-Guided Density for Neural Implicit Surface Reconstruction

CASA-SDF：用于神经隐式曲面重建的基于曲率引导密度的课程感知空间自适应

Lei Yang, Weiqing Li, Zhiyong Su, Liang Xiao

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Automation, Nanjing University of Science and Technology（南京理工大学自动化学院） 纠错

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

AI总结 针对室内场景几何异质性带来的高保真曲面重建挑战，提出CASA-SDF框架。通过混合空间自适应不确定性退火构建课程进行先验监督，利用曲率感知局部自适应密度转换增强薄结构表示，实验证明该方法提升了高频结构曲面完整性和细节恢复，且不影响平面稳定性。

Differentiable Polarized Path Tracing

可微偏振路径追踪

Pramod Rao, Jérémy Riviere, Xilong Zhou, Abhijeet Ghosh, Abhimitra Meka, Thabo Beeler, Marc Habermann, Christian Theobalt, Delio Vicini

机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔兰信息学园区） ； VIA Research Center（VIA研究中心） ； Google（谷歌） 纠错

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

AI总结 研究逆渲染问题，提出偏振感知的可微路径追踪方法，通过路径重放和局部缓存组合估计无偏梯度，能在复杂场景中高效稳定优化材质和光照参数，拓宽基于物理的逆渲染适用性。

Comments Accepted at ECCV 2026

VersaQ-3D: Architecture Support for Visual Geometry Grounded Transformers via Versatile Quantization

VersaQ-3D：通过通用量化对视觉几何基础变压器的架构支持

Yipu Zhang, Jintao Cheng, Xingyu Liu, Zeyu Li, Carol Jingyi Li, Jin Wu, Lin Jiang, Ceyu Xu, Yuan Xie, Jiang Xu, Wei Zhang

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

AI总结 研究针对视觉几何基础变压器（VGGT）因参数规模大及量化困难限制设备部署的问题，提出VersaQ-3D算法-架构协同设计框架，算法上有无校准量化方法，架构上设计可重构加速器，实现低比特高精度及显著加速，能在边缘设备高效进行3D重建。

A 3DGS-Driven Dynamic Viewpoint and Vibrotactile Framework for Subsea Teleoperation Validated via fNIRS

一种由 3DGS 驱动的用于水下遥操作的动态视点和振动触觉框架，并通过功能近红外光谱法进行验证

Fang Xu, Tianyu Zhou, Ruitong Tian, Md Jahidul Islam, Jing Du

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

AI总结 研究针对水下遥操作受限于二维视图和通信延迟的问题，提出基于 ROS - Unity 框架的多模态架构，用 3DGS 驱动的 DAVS 及振动触觉套装辅助，经实验验证该方式能提升操作员性能与认知耐力。

Comments 9 pages, 6 figures

COLMAR: Cooperative View Policy Learning for Multi-Agent Active 3D Reconstruction

COLMAR：用于多智能体主动3D重建的协作视图策略学习

Phu Pham, Damon Conover, Aniket Bera

机构 * Purdue University（普渡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 研究多智能体主动3D重建中协调效率低的问题，提出COLMAR框架，将视点分配作为共享策略优化，用参数共享PPO训练，结合3DGS重建，实验表明相比基线在传感预算匹配时重建精度和覆盖率显著提升。

Comments 8 pages, 5 figures, IROS 2026

You Only Gaussian Once: Controllable 3D Gaussian Splatting for Ultra-Densely Sampled Scenes

你只需一次高斯：用于超密集采样场景的可控3D高斯点划法

Jinrang Jia, Zhenjia Li, Yifeng Shi

机构 * Ke Holdings Inc.（凯控股有限公司） 纠错

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

AI总结 本文提出YOGO框架，通过确定性预算均衡解决3DGS在工业应用中的资源消耗问题，并引入Immersion v1.0数据集提升重建精度。

Comments 15 pages, 5 figures

SalientGS: Unified SfM-to-3DGS with Importance-Guided MCMC Gaussian Allocation

SalientGS：基于重要性引导的马尔可夫链蒙特卡罗高斯分配的统一从结构光运动到3D高斯溅射方法

Tianyu Xiong, Rui Li, Suning Ge, Jiaqi Yang

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； CEMSE, King Abdullah University of Science and Technology（阿卜杜拉国王科技大学计算、电子与数学科学和工程学院） 纠错

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

AI总结 针对无序图像3D场景重建受SfM预处理等限制的问题，提出SalientGS统一流水线，用重要性引导的MCMC高斯分配聚合残差，实现15分钟端到端重建且质量一流，还提供相关分析及代码脚本。

Comments Accepted

Bake It Till You Make It: Ultrafast Spatial Texture-Atlas Splatting

烘焙直至成功：超快速空间纹理图集喷涂

Neel Kelkar, Simon Niedermayr, Kaloian Petkov, Klaus Engel, Rüdiger Westermann

机构 * Technical University of Munich（慕尼黑工业大学） ； Siemens-Healthineers（西门子医疗） 纠错

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

AI总结 研究针对3D高斯喷涂渲染成本高的问题，引入解耦辐射表示，结合稀疏性增强优化，利用几何稀疏性和GPU纹理映射，实现更快更稀疏重建，比3DGS速度提升五倍，能在消费硬件上实时4K 60帧渲染。

Comments 12 pages, 6 figures. Project page with videos and interactive demos: https://nilkel.github.io/bitymi/

ExtraGS: Enhancing Endoscopic View Extrapolation via Diffusion-Guided 3D Gaussian Splatting

ExtraGS：通过扩散引导的3D高斯点渲染增强内窥镜视图外推

Cheng-Tai Hsieh, Jiwei Shan, Han Fang, Jianshu Hu, Tao Ni, Lijun Han, Yutong Ban, Shing Shin Cheng, Hesheng Wang

机构 * The School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, and the Shanghai Key Laboratory of Navigation and Location-Based Services（上海交通大学自动化与智能感知学院以及上海市导航与位置服务重点实验室） ； Global College, Shanghai Jiao Tong University（上海交通大学密西根学院） ； Shanghai Ninth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第九人民医院） 纠错

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

AI总结 研究针对传统内窥镜视野局限及神经渲染外推有伪影问题，提出ExtraGS框架，通过不确定性引导虚拟相机采样、扩散模型细化视图及置信加权微调策略，增强内窥镜视图外推，在新视图合成中达先进性能。

NanoGS: Training-Free Gaussian Splat Simplification

NanoGS: 无训练高斯点简化

Butian Xiong, Rong Liu, Tiantian Zhou, Meida Chen, Zhiwen Fan, Andrew Feng

机构 * USC Institute for Creative Technologies（USC创意科技研究所） ； Texas A\&M University（德克萨斯农工大学） 纠错

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

AI总结 本文提出NanoGS，一种无需训练的高斯点简化框架，通过局部成对合并实现紧凑表示，保留场景结构与外观，适用于现有高斯点模型，运行高效且易于集成。

Learning Physics-Guided Residual Dynamics for Deformable Object Simulation

学习用于可变形物体模拟的物理引导残差动力学

Shivansh Patel, Kaifeng Zhang, Sanjay Pokkali, Svetlana Lazebnik, Yunzhu Li

机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 研究针对可变形物体模拟中动力学预测难的问题，提出物理引导残差动力学（PGRD）框架，结合物理与学习方法优势，采用特定架构和公式，在多物体模拟上结果更准，还展示了其在操作规划和交互式模拟中的应用效用。

Comments Website: https://pgrd-robot.github.io/

Deep Unrolling of Sparsity-Induced RDO for 3D Point Cloud Attribute Coding

用于3D点云属性编码的稀疏诱导RDO深度展开

Tam Thuc Do, Philip A. Chou, Gene Cheung

机构 * department of EECS, York University（EECS系，约克大学） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 研究3D点云属性编码中多分辨率B样条投影框架下的有损压缩问题，核心方法是将RD优化算法展开为前馈网络计算投影低通系数，主要贡献是使投影操作端到端可微且能数据驱动优化预测。

Efficiently Closing Loops in LiDAR-Based SLAM Using Point Cloud Density Maps

利用点云密度地图高效关闭LiDAR基于SLAM中的环路

Saurabh Gupta, Tiziano Guadagnino, Benedikt Mersch, Niklas Trekel, Meher V. R. Malladi, Cyrill Stachniss

机构 * University of Bonn, Center for Robotics（波恩大学机器人中心） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） 纠错

专题命中 点云 ：point cloud(title)；分类 cs.RO

AI总结 本文提出了一种鲁棒的环路关闭检测方法，通过生成局部地图并使用地面对齐模块处理平面和非平面运动，实现高效的SLAM系统。

Comments Accepted for publication at the International Journal of Robotics Research on 14 April, 2026

A novel network for classification of cuneiform tablet metadata

一种用于楔形文字泥板元数据分类的新型网络

Frederik Hagelskjær

机构 * SDU Robotics, University of Southern Denmark（丹麦南部大学机器人研究所） 纠错

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

AI总结 本文提出了一种新型网络，通过缩小点云并整合局部和全局信息，有效提升楔形文字泥板元数据分类性能。

Comments Point cloud, deep learning, cuneiform

WNOJ-LIO: A White-Noise-on-Jerk Motion-Prior EKF for High-Dynamic LiDAR-IMU Fusion

WNOJ-LIO：一种用于高动态激光雷达-惯性测量单元融合的基于加加速度白噪声运动先验的扩展卡尔曼滤波器

Junning Lyu, Qizhi Guo, Xia Ning, Tao Song, Shaoming He

机构 * School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学宇航学院） 纠错

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

AI总结 研究高动态驾驶下激光雷达-IMU融合问题，提出基于加加速度白噪声运动先验的扩展卡尔曼滤波器框架WNOJ-LIO，通过解耦先验预测状态、视IMU为高频测量源，经仿真和实际实验验证，提升了相关性能。

Understanding Fire Through Thermal Radiation Fields for Mobile Robots

通过热辐射场理解火灾以实现移动机器人安全导航

Anton R. Wagner, Madhan Balaji Rao, Xuesu Xiao, Sören Pirk

机构 * Department of Computer Science, Kiel University（计算机科学系，基尔大学） ； Department of Computer Science, George Mason University（计算机科学系，乔治·马歇尔大学） 纠错

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

AI总结 本文提出通过实时热辐射场帮助移动机器人安全导航，利用斯特凡-玻尔兹曼定律识别火灾并生成热安全路径。

PokeNet: Learning Kinematic Models of Articulated Objects from Human Observations

PokeNet: 从人类观察中学习机械结构模型

Anmol Gupta, Weiwei Gu, Omkar Patil, Jun Ki Lee, Nakul Gopalan

机构 * School of Computation and AI, ASU, Tempe（计算与人工智能学院，亚利桑那州立大学） ； AI Institute, Seoul National University, Seoul, South Korea（首尔国立大学人工智能研究所） 纠错

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

AI总结 PokeNet通过单个人类示范学习机械结构模型，无需先验知识，提升关节轴和状态估计精度达27%。

Efficient LiDAR Reflectance Compression via Scanning Serialization

通过扫描序列化实现高效的激光雷达反射率压缩

Jiahao Zhu, Kang You, Dandan Ding, Zhan Ma

机构 * School of Information Science and Technology, Hangzhou Normal University, Hangzhou, China（信息科学与技术学院，杭州师范大学） ； School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学） 纠错

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

AI总结 研究针对激光雷达反射率在神经压缩方法中未充分探索的问题,提出基于序列化的SerLiC框架。通过扫描序列化转换点云、标记点及采用双并行化方案建模,实验表明其压缩效果优,轻量级版本性能好,对实际应用有吸引力。

M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing

M3F-UAV：一种用于低空无线传感的缺失模态多模态基础模型

Pengxuan Gao, Kai Ying, Botao Wu, Jianhua Mo, Qingsong Wen

专题命中 点云 ：point cloud(abstract)

AI总结 针对复杂环境下单模态模型可靠性低的问题，提出M3F-UAV模型，通过特定模态预训练特征提取器、跨模态融合及缺失模态感知预训练，从多观测中学习统一表示，在LAMBDA数据集实验中性能优于单模态基线且在缺失模态下稳健。

DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation

DiffGI：用于高保真薄壳3D生成的可微几何图像

Eungjune Shim, Hansol Lee, Eunjung Ju

机构 * CLO Virtual Fashion Inc.（CLO虚拟时尚公司） 纠错

专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.CV

AI总结 DiffGI针对现有3D生成模型问题，提出端到端3D到2D映射框架，用连续函数取代二进制图，引入可微算法，训练相关模型，在薄壳3D生成中实现高保真、高精度，减少计算资源需求。

Comments Accepted to ECCV 2026

Hallo4D: Multi-Modal Hallucination Mitigation for Consistent Spatio-Temporal Generation

Hallo4D：用于一致时空生成的多模态幻觉缓解

Hongbo Wang, Huaibo Huang, Jie Cao, Jin Liu, Haoyang Tong, Ran He

机构 * Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shanghaitech University（上海科技大学） 纠错

专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV

AI总结 研究针对3D和4D内容生成中的时空幻觉问题，提出Hallo4D框架，利用多模态语言模型，通过生成-检测-校正范式及多种技术提升一致性，实验证明其在多样生成设置下优于基线，提供了可扩展通用的一致性感知内容生成方案。

AvAtar: Learning to Align via Active Optimal Transport

AvAtar: 通过主动最优输运学习对齐

Qi Yu, Ruizhong Qiu, Zhichen Zeng, My T. Thai, Huan Liu, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Florida（佛罗里达大学） ； Arizona State University（亚利桑那州立大学） 纠错

专题命中 3D生成 ：point cloud(abstract)

AI总结 提出AvAtar框架，利用主动学习策略通过熵正则化最优输运的梯度影响量化候选点信息量，并采用伴随状态法高效求解，以提升对齐性能。

Comments Published as a conference paper at ICML 2026

Self in Space: Benchmarking Self-Awareness and Spatial Cognition in UAV Embodied Intelligence

自我在空间中：无人机具身智能中的自我意识与空间认知基准测试

Zhishan Zou, Guoyan Sun, Zhiwei Wei, Jiancheng Pan, Yujie Li, Mugen Peng, Wenjia Xu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Hunan Normal University（湖南师范大学） 纠错

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

AI总结 研究针对无人机具身智能中自我意识与空间认知问题，引入SIS - Bench基准，通过多维度层次评估，揭示现有模型局限，探索运动感知表征提升性能，强调自我意识重要性，提供新基准和实证依据。

Comments Website:https://choucisan.github.io/publications/self-in-space ; Code:https://github.com/IntelliSensing/Self-in-Space