3D 视觉

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/