视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
DermDepth：迈向用于皮肤病学的单目度量尺度3D重建模型
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）
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
VersaQ-3D：通过通用量化对视觉几何基础变压器的架构支持
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。
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
机构 * Ke Holdings Inc.（凯控股有限公司）
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：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
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）
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
ExtraGS：通过扩散引导的3D高斯点渲染增强内窥镜视图外推
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）
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: 无训练高斯点简化
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）
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。
用于3D点云属性编码的稀疏诱导RDO深度展开
机构 * department of EECS, York University（EECS系，约克大学）
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。
一种用于楔形文字泥板元数据分类的新型网络
机构 * SDU Robotics, University of Southern Denmark（丹麦南部大学机器人研究所）
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
通过热辐射场理解火灾以实现移动机器人安全导航
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）
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: 从人类观察中学习机械结构模型
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）
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%。
通过扫描序列化实现高效的激光雷达反射率压缩
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）
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。
Hallo4D：用于一致时空生成的多模态幻觉缓解
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）
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: 通过主动最优输运学习对齐
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）
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
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
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Hunan Normal University（湖南师范大学）
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
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