3D 视觉

NoDrift3R: Raymap-Guided Coupling for Drift-Robust Unposed Feed-Forward 3D Reconstruction

NoDrift3R：用于无漂移前馈3D重建的光线图引导耦合

Xiangyu Sun, Liu Liu, Seungkwon Yang, Jingbing Han, Seungtae Nam, Zhizhong Su, Eunbyung Park

机构 * Sungkyunkwan University（成均馆大学） ； Horizon Robotics（地平线机器人） ； Yonsei University（延世大学） 纠错

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

AI总结 研究针对无姿态前馈3D重建中长序列因姿态漂移致性能下降等问题，提出用光线图引导耦合模块明确耦合几何与外观的协同框架及双频视点调度策略，提升了渲染和姿态估计性能，验证了几何-外观协同的关键作用。

Comments Project page: see https://xiangyu1sun.github.io/NoDrift3R-project-page/

Event3R: Asynchronous-to-Global 3D Reconstruction from Event Camera via Spatial-Temporal Feature Aggregation

Event3R：通过时空特征聚合从事件相机进行异步到全局的3D重建

Jian Huang, Haotian Shen, Xinhao Lou, Chengrui Dong, Wenpu Li, Peidong Liu

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

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

AI总结 研究针对事件相机异步、稀疏和高动态特性及缺乏标注数据集的问题，提出Event3R框架，通过时空体素表示、时间注意力模块、掩码箱建模策略及对比对齐和一致性正则化损失，实现鲁棒的3D重建，性能显著优于现有方法。

Comments accepted to IROS 2026

Toward Semantic Communication for Real-time Mobile 3D Reconstruction

迈向实时移动 3D 重建的语义通信

Fangzhou Zhao, Yao Sun, Xuesong Liu, Runze Cheng, Shang Kai, Yi Sun

机构 * School of Electrical and Electronic Engineering, North China Electric Power University（华北电力大学电气与电子工程学院） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） ； School of Computer Science and Technology, China University of Petroleum (East China)（中国石油大学（华东）计算机科学与技术学院） 纠错

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

AI总结 针对实时移动 3D 重建中几何估计对通信失真敏感的问题，提出语义通信框架，含语义收发器输出带置信度图的重建图像，引入置信度引导几何估计方法，仿真显示该框架能保持图像质量并提升姿态估计精度和 3D 结构一致性。

ReCal3R: Reliability-Calibrated Learning Rates for Streaming 3D Reconstruction

ReCal3R：面向流式3D重建的可靠性校准学习率

Xinze Li, Yiyuan Wang, Pengxu Chen, Weifeng Su, Weisi Lin, Wentao Cheng

机构 * Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； Hong Kong Baptist University（香港浸会大学） ； Jilin University（吉林大学） ； Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science（广东省数据科学交叉研究与应用重点实验室） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 针对流式3D重建中循环场景状态易被噪声观测破坏的问题，提出可靠性校准学习率方法ReCal3R，在不增加额外开销的前提下大幅提升长序列重建精度。

Comments 23 pages, 7 figures. Project Page: https://powertony102.github.io/recal3r.github.io/

Beyond Frontiers: Scene-Anomaly Guided Autonomous Exploration

超越边界：场景异常引导的自主探索

Akash Kumbar, Abhinav Raundhal, Madhava Krishna

机构 * Robotics Research Center, IIIT-Hyderabad（机器人研究中心，印度国际信息技术学院海得拉巴分校） 纠错

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

AI总结 研究针对传统3D环境自主探索方法忽视结构背景致轨迹低效及重建质量差的问题，提出SCAGE框架，将探索视为几何异常最小化问题，依据对室内建筑的理解标记异常引导机器人，实现空间发现与高保真映射结合，提升了覆盖率和重建质量。

Comments Accepted in IEEE/RSJ IROS 2026. Project page: https://beyondfrontiers.github.io/

ContactFusion: Stochastic Poisson Surface Maps from Visual and Contact Sensing

ContactFusion：基于视觉和接触传感的随机泊松曲面地图

Aditya Kamireddypalli, Joao Moura, Russell Buchanan, Matias Mattamala, Sethu Vijayakumar, Subramanian Ramamoorthy

机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） ； Department of Mechanical and Mechatronics Engineering, University of Waterloo（机械与机电工程系，滑铁卢大学） 纠错

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

AI总结 研究针对机器人装配中场景理解噪声影响插入成功率的问题，提出ContactFusion方法，结合全局映射与局部接触信息，通过拒绝采样程序估计接触位置，将接触与视觉信息融合到SPSMap，验证了方法有效性并改善孔位估计。

Comments Version accepted to IROS2026

Three-dimensional evolution of a solar filament with multipoint observations

基于多点观测的太阳暗条三维演化

Qingmin Zhang, Jun Dai, Beili Ying, Ye Qiu, Li Feng, Chuan Li, Hongqiang Song, Yue Zhou, Zongyi Li

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

AI总结 该研究基于特定几何模型，利用多视角多波长观测对太阳暗条爆发进行三维重建与跟踪，获取其形态、方向、速度等信息，评估了CME前沿速度，为太阳暗条及相关现象研究提供了新数据和方法。

Comments 18 pages, 11 figures, accepted for publication in ApJ

ImprovedVBGS: Real-time Continual Variational Bayes Gaussian Splatting

改进的 VBGS：实时连续变分贝叶斯高斯点云融合

Damani Mguni-Coker

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

AI总结 针对实时重建需求，改进的 VBGS 框架通过空间截断变分推理和改进重新分配，加速连续重建。在 NeRF 合成数据集上，RTX 3070 Ti 实现平均每帧延迟大幅降低，加速 1680 倍，且保持重建质量。

Comments 5 pages, 4 figure. Technical Report. This work introduces ImprovedVBGS, accelerated continual learning for 3D Gaussian Splatting based Reconstruction. Code available at [https://github.com/damanimc/ImprovedVBGS](https://github.com/damanimc/ImprovedVBGS)

E3DGS: Unified Geometric-Photometric Equivariance for 3D Gaussian Splatting via Color-as-Geometry Embedding

E3DGS：通过颜色作为几何嵌入实现3D高斯点云的统一几何-光度等变性

Chankyo Kim, Maani Ghaffari

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 研究针对3D高斯点云构建等变架构的表示瓶颈问题，提出基于表示理论的统一解决方案，通过将光度学与几何张量同构等方法，引入统一矩阵嵌入，构建E3DGS架构，提升了相机帧变化下的鲁棒性和数据效率。

Comments 31 pages, 7 figures, 5 tables

HybridSim: A Physics-Learning Hybrid Digital Twin for mmWave Human Sensing

HybridSim：用于毫米波人体感知的物理学习混合数字孪生

Weitao Xiong, Tianyu Liu, Peng Li, Kok Chung Chua, Toa Chean Khim, Pu Wang, Hongfei Xue

机构 * Xiamen University Malaysia（厦门大学马来西亚分校） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） 纠错

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

AI总结 研究针对毫米波雷达信号模拟成本高问题，提出HybridSim混合模拟器，用三平面和图卷积网络等提取人体特征、稳定优化，通过逆渲染等建模信号路径，实验显示其能有效增强特定地点数据，提升人体感知任务表现。

Comments Accepted to ECCV 2026. Project Page: https://weitao-xiong.github.io/HybridSim/

Worlds in One Demo: A Synthetic Data Engine for Learning Open-World Mobile Manipulation

世界合一演示：用于学习开放世界移动操作的合成数据引擎

Lingxiao Guo, Huanyu Li, Guanya Shi

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

AI总结 研究如何通过合成数据引擎WANDA从单个演示学习开放世界移动操作策略，利用重建背景、重排交互片段、校正状态扩展等方法，实现长期鲁棒性、空间泛化和跨环境泛化，还支持跨实体数据生成。

Comments Project website: https://wanda.lecar-lab.org/

VTLoc: Learning-based Tactile Contact Localization in Visual Point Clouds

VTLoc：基于学习的视觉点云中触觉接触定位

Zhiyuan Wu, Zhuo Chen, Shan Luo

机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） 纠错

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

AI总结 研究视觉与触觉融合的接触定位问题，提出VTLoc框架，通过几何多模态对齐模块和迭代定位更新器，利用视觉点云从触觉读数定位接触点，在新基准上减少对应模糊性，改善单触接触定位。

Depth-Semantic Alignment and Affinity-Guided Fusion for Structured Radar Point Cloud Generation

深度语义对齐与亲和力引导融合的结构化雷达点云生成

Amjad Hussain, Wenjie Liu, Yuchen Tan, Fuyuan Ai, Zecheng Li, Chunyi Song, Xin Qiu

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 针对毫米波雷达点云稀疏、噪声大、结构不完整的问题，提出基于视觉-雷达融合的多模态点云生成方法，利用图像语义约束和稀疏补全策略提升点云质量，并在检测跟踪任务中验证有效性。

Knowing the Self, Understanding the World: A Dual-Cognition Benchmark for UAV Spatio-temporal Reasoning with MLLMs

认识自我，理解世界：用于基于多模态大语言模型的无人机时空推理的双认知基准测试

Like Liu, Zhengzheng Xu, Haitao He, Hongzhe Li, Shuchang Zhang, Dian Shao

机构 * Northwestern Polytechnical University（西北工业大学） ； China University of Petroleum（中国石油大学） 纠错

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

AI总结 该研究针对多模态大语言模型在无人机场景双认知能力评估不足的问题，提出UAV-DualCog基准测试，涵盖图像和视频任务，通过自动化管道构建数据，评估发现现有模型存在瓶颈，该基准测试有价值。

Comments 11 pages, 4 figures, 7 tables. Project website: https://uav-dualcog.lozumi.com

Hardware-triggered Time Synchronization of Roadside Multi-lidar, Multi-camera Measurement System for Accurate Data Alignment

用于精确数据对齐的路边多激光雷达、多摄像头测量系统的硬件触发时间同步

Shiva Agrawal, Savankumar Bhanderi, Zhiran Yan, Gordon Elger

机构 * Technische Hochschule Ingolstadt（英戈尔施塔特技术大学） 纠错

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

AI总结 研究路边多激光雷达与多摄像头系统数据对齐问题，提出开源、简单、模块化的硬件触发时间同步电路，通过实验评估其对时空对齐的影响，实现跨传感器一致性最大化，为多传感器同步提供低成本可扩展方案。

Comments Accepted at the IEEE International Conference on Intelligent Transportation Systems (ITSC 2026). Code and hardware design: https://github.com/shiva-THI/hardware-trigger-time-sync-lidar-cameras

Training-Free Open-Vocabulary 3D Point-Cloud Segmentation on the Generalized Few-Shot Benchmark

广义少样本基准上的无训练开放词汇3D点云分割

Silas kwabla Gah, Ebenezer Owusu

机构 * University of Ghana（加纳大学） 纠错

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 研究广义少样本3D点云分割问题，提出无训练方法，用冻结的3D视觉语言模型与概念分割器，通过跨视图一致性协调，在ScanNet200和ScanNet++基准上提升新类mIoU，且无需少样本支持，效果优于现有方法。

BODIESReg: An Open-Source Pipeline for Registering 3D Body Scans Using Pose-Aligned Initialization

BODIESReg：一种使用姿态对齐初始化来配准3D人体扫描的开源管道

Vikash Chaurasia, Judit Cueto Fernandez, J. Micah Prendergast, Eline van der Kruk

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对生物力学模型个性化需准确识别解剖标志等，提出开源管道BODIESReg，通过姿态对齐初始化解决配准难题，在两个数据集上评估，自动配准成功率高，误差低，还提供手动校正工具，支持3D人体扫描大规模配准。

Cluster-Aware Matching via Laplacian Optimal Transport

通过拉普拉斯最优传输实现聚类感知匹配

Gabriel Samberg, YoonHaeng Hur, Yuehaw Khoo, Nir Sharon

机构 * Department of Applied Mathematics, Tel Aviv University（特拉维夫大学应用数学系） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Chicago（芝加哥大学统计系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 针对点云具有聚类结构的匹配问题，提出基于拉普拉斯最优传输（LapOT）的聚类感知匹配方法，用二次拉普拉斯项正则化最优传输问题，引入RSC方法，经理论分析和实验证明该方法能实现点云间更一致且有意义的对齐。

GA-VINO: A Geometry-Aware Variational Physics-informed Neural Operator for Mindlin-Reissner Plates

MR-GVNO：一种面向不规则域上Mindlin-Reissner板的几何感知变分物理信息神经算子

Siqi Wang, Daobo Sun, Yizheng Wang, Yilong Zhang, Yabin Jin, Xiaoying Zhuang, Timon Rabczuk

机构 * Institute of Computational Mechanics × AI & College of Intelligent Robotics and Advanced Manufacturing, Fudan University（计算力学与人工智能学院及智能机器人与先进制造学院，复旦大学） ； School of Aerospace Engineering, Xiamen University（航空航天工程学院，厦门大学） ； Department of Engineering Mechanics, Tsinghua University（工程力学系，清华大学） ； Institute of Photonics, Department of Mathematics and Physics, Leibniz University（光子研究所，数学与物理系，莱比锡大学） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（结构力学研究所，魏玛 Bauhaus-Universität） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出MR-GVNO，一种几何感知变分神经算子，通过边界点云表示不规则几何，利用交叉注意力机制融合多物理场输入，基于离散总势能的变分物理信息损失无监督训练，实现对Mindlin-Reissner板问题的快速准确预测。

Effect of Local Topological Changes on Resistance in Spatially-Embedded Disordered Networks

局部拓扑变化对空间嵌入无序网络中电阻的影响

Chenxi Wang, Charles Emmett Maher, Katherine A. Newhall

专题命中 点云 ：point cloud(abstract)

AI总结 通过研究二维无序网络超材料中的Delaunay翻转，发现局部拓扑变化在靠近源或汇节点时会导致有效电阻显著跳跃，并基于边缘电压降解析解释了该现象。

Comments 14 pages 11 figures

Analysis of Semi-Supervised Learning on Hypergraphs

超图上的半监督学习分析

Adrien Weihs, Andrea L. Bertozzi, Matthew Thorpe

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Warwick（沃里克大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究超图上的半监督学习问题，提出高阶超图学习（HOHL）方法，通过分析随机几何超图上的变分问题，确定缩放机制，证明离散极小值收敛，还给出多尺度拉普拉斯替代并证明收敛，数值实验验证了高阶正则化的实用性。

Rendering 3D Gaussians on a Graph Processor

在图形处理器上渲染3D高斯分布

Nicholas Fry, Ignacio Alzugaray, Mark Pupilli, Paul H. J. Kelly, Andrew J. Davison

机构 * Imperial College London Department of Computing（伦敦帝国学院计算机系） 纠错

专题命中 新视角合成 ：3DGS(abstract,comments)；分类 cs.CV、cs.GR

AI总结 研究在IPU上实现3D高斯渲染器，输入为3D高斯地图，通过特定模式路由高斯基元，遵循BSP模型计算。评估了仅用SRAM实现的瓶颈及对性能和质量的影响，还探讨了对GPU和相关架构的意义。

Comments Project page: https://nmjfry.github.io/ipu-3dgs/

Journal ref Eurographics Symposium on Rendering (Symposium Track), 2026

Atomic Design Transformer: Scaffold-Conditioned 3D Molecule Generation via xTB-Reward Reinforcement Learning

原子设计变换器：通过xTB奖励强化学习实现支架条件下的3D分子生成

Takao Kotani

专题命中 3D生成 ：3D generation(abstract)

AI总结 研究提出原子设计变换器ADT用于3D分子生成，通过自回归和令牌化实现SE(3)不变性，以xTB拓扑保留率评估。先预训练模型，再用RLVR强化学习提升性能，还提出逆运动学变换器，实现了直接3D分子生成。

CSS-BA: Gate-Guided Column Space Search for Bundle Adjustment

CSS-BA：用于光束法平差的门控列空间搜索

Ayano Kaneda, Takafumi Taketomi, Shugo Yamaguchi, Shigeo Morishima

机构 * Waseda University（早稻田大学） ； CyberAgent, Inc.（株式会社CyberAgent） 纠错

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

AI总结 针对低视差和近旋转情况下传统BA法病态问题，提出门控引导的CSS-BA，通过结合CSS和几何感知门控稳定舒尔-LM更新，所有参数保留在优化中，仅限制更新方向，实验显示其优化稳定、姿态精度提高且校准有竞争力。

Comments Accepted at ECCV 2026