视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
基于体素的极端运动模糊3D场景重建
机构 * KAIST（韩国科学技术院） ； HYPERGRAM（超图）
专题命中 三维重建 ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 研究针对低光照下RGB-D输入的极端运动模糊问题，提出结合高斯体素框架的相机姿态估计与图像去模糊方法，通过对齐帧、调整高斯位置等步骤，提升3D重建质量，优于现有方法，有广泛应用意义。
Journal ref Proceedings of IEEE/CVF International Conference on Computer Vision (ICCV) 2025
基于参数曲面的自回归 B-Rep 形状生成
机构 * The University of Hong Kong（香港大学） ； Deemos Technology Co., Ltd.（迪莫斯科技有限公司） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； ShanghaiTech University（上海科技大学） ； Texas A&M University（德克萨斯A&M大学）
专题命中 三维重建 ：3D generation(abstract)；分类 cs.CV
AI总结 研究提出 ParaCAD 自回归框架，用于点云条件 B-Rep 生成，直接在原生参数曲面上运行，通过以曲面为中心的令牌化编码面信息，先生成参数曲面再构建 B-Rep，实验证明其在多方面优于基于点的基线。
用于制造质量检测的合成3D齿轮数据集（MFGNet-Gear）
机构 * University of Michigan（密歇根大学）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV
AI总结 研究针对智能制造中基于深度学习的零件质量检测数据难题，提出构建MFGNet-Gear合成3D数据集，通过参数化生成齿轮几何形状与缺陷，涵盖多种设计和质量等级，提供标注数据，助力相关检测、学习及基准测试，推动3D计量学发展。
身份一致的表情场：用于少样本面部表情合成的解缠神经辐射场框架
机构 * University of Science and Technology of Hanoi（河内科技大学）
专题命中 NeRF ：NeRF(abstract,abstract_cn)；分类 cs.CV
AI总结 研究针对少样本面部表情合成问题，提出ICEF框架，将静态身份辐射分量与动态表情变形分量解缠，引入身份保留正则化器，纳入置信度加权条件特征扭曲步骤，提升新表情渲染质量与身份一致性。
CaT-GS：通过帧间缓存和瓦片调度实现大规模场景的高效3DGS渲染
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 针对3DGS在大规模场景中性能下降问题，CaT-GS提出通过推测性多帧预处理、帧间缓存机制及重构光栅化任务来消除冗余与减轻负载不平衡，实验证明其显著提升渲染速度，为大规模场景高保真实时渲染建立新基准。
Comments CVPR 2026
用于3D高斯点云的量子启发式非正交函数空间压缩
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 研究针对3D高斯点云存储和渲染成本高的问题，提出量子启发式非正交函数空间压缩方法QIRF，通过构建矩阵、广义特征分解等操作减少高斯数量和存储，提升渲染速度，且保持重建质量，揭示了非正交函数空间冗余的重要性。
TopoGS：通过拓扑感知3D高斯点云进行平面重建
机构 * Shenzhen University（深圳大学） ； Autodesk Research（欧特克研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；分类 cs.CV、cs.GR
AI总结 研究旨在从原始图像提取结构化3D表示，提出TopoGS框架，通过提取多视图图像的2D拓扑关系，将高斯基元锚定到结构元素，联合优化平面参数等，在ScanNet++数据集上达最优性能，生成高质量3D模型。
Comments European Conference on Computer Vision (Proceedings of ECCV 2026); Project page: https://vcc.tech/research/2026/TopoGS
探索对于摆脱3D高斯点渲染中的模糊陷阱至关重要
机构 * Hunan University（湖南大学） ； Nanyang Technological University（南洋理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 研究3D高斯点渲染中模糊陷阱问题，通过数学分析确定其两种类型，提出随机播种和随机分割策略减轻模糊陷阱，经实验验证可有效克服该问题，实现高质量渲染。
Comments Project page: https://chengbo-wang.github.io/ExploreGS/
SPARE-GS：用于3D高斯点云的结构简约与资源高效性
机构 * School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Telecommunication Engineering, Xidian University（西安电子科技大学通信工程学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Department of Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电气工程系）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 研究针对3D高斯点云训练效率和表示紧凑性问题，提出SPARE-GS框架，通过将结构演化公式化并动态调整基元分布，实现减少高斯数量、训练时间，提升PSNR及下游处理效率，证明全局结构预算调节的广泛适用性。
通过原子封装和基于GNN的错误隐藏实现抗丢包的3D高斯压缩
机构 * Central South University Changsha China ； Malanshan Audio \& Video Laboratory Changsha China ； Central South University ； Malanshan Audio \& Video Laboratory
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；NeRF(abstract)；Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 研究3D高斯压缩在网络流传输中丢包问题，提出通过原子封装、分层随机分组及基于GNN的错误隐藏框架，改进丢包时的渲染效果，相比无隐藏传输有显著提升，平均PSNR退化限制在约3dB。
Comments 21 pages, 3 figures, 3 tables
FillGauss：用于3D高斯点云的细粒度填充感知撞击声生成
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)
AI总结 研究针对多模态AI中从视觉合成撞击声的挑战，提出细粒度填充感知撞击声生成任务。基于FillImpact数据集，构建FillGauss框架，融合多种要素实现位置、撞击物及填充感知音频生成，达物理基础跨模态音频生成新水平。
FF-ProCams：用于投影仪-相机系统的前馈高斯点渲染
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3D reconstruction(abstract)；分类 cs.CV
AI总结 针对投影仪-相机系统，提出FF-ProCams前馈3D高斯逆渲染框架，用混合编码器聚合线索，轻量级头预测高斯表示，设计可微渲染器，构建数据集实验，实现高保真渲染且速度大幅提升。
用于高效基于高斯的图像表示的局部感知密度控制
机构 * Shenzhen University（深圳大学） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 研究二维高斯喷溅图像表示中高斯容量分配低效问题，提出局部感知密度控制框架LocoADC，通过区域高斯致密化和相似性驱动高斯合并策略及局部颜色一致性约束，有效提升高斯容量利用率，改进图像表示。
Comments Accepted by ACMMM 2026
OmniStyle-INR：用于隐式神经表示的通用多模态风格迁移
机构 * Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS 研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 研究针对不同数据模态的风格迁移问题，提出OmniStyle-INR框架，利用基于网络的连续表示作为通用域，实现了在文本提示和视觉示例引导下跨视觉模态的高质量风格迁移。
SaaF：面向交互式现实世界对象检索的特定场景模糊感知3D语言场
机构 * Kyushu Institute of Technology（九州工业大学） ； RIKEN（理化学研究所） ； Research Center for Neuromorphic AI Hardware（神经形态人工智能硬件研究中心）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 研究针对现实世界场景中交互式对象检索问题，提出SaaF方法。通过引入度量学习策略构建统一特征空间，增强实例辨别性与模糊感知能力，提升了检索准确性，还能稳健处理查询模糊性。
Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)
点作为环面：用于点云的快速逐点符号距离
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV、cs.GR
AI总结 该研究提出一种计算点云符号距离的方法，通过用环面局部拟合点云，利用预训练网络输出参数，无需全局优化和空间离散化且易并行化，基于新理论统一相关方法，可直接用于点云应用，无需显式重建。
Comments Published in ACM Transactions on Graphics, volume 45 (2026). For associated presentations and code, see https://nzfeng.github.io/research/PointsAsTori
Journal ref ACM Transactions on Graphics, volume 45 (2026), article number 53
用于图像到点云配准的交叉坐标对应关系修剪
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 研究图像到点云配准问题，提出交叉坐标对应关系修剪（CCP）策略，通过投影统一坐标、轻量级网络预测内点置信度及多密度点集成策略，提升配准精度，性能比现有方法至少高8.6%。
鲁棒多模态动态目标分割
机构 * Meituan UAV（美团无人机） ； University of Delaware（特拉华大学）
专题命中 点云 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 研究针对动态目标分割难题，提出整合多模态线索的框架，设计结合Transformer与特征聚类模块的网络进行分类，引入新后处理方法，在动态目标分割和静态场景重建任务中取得最优性能。
Comments Accepted by IEEE International Conference on Robotics & Automation ICRA 2026
A2RL V下标max：用于远程、高速感知和多车辆交互的A2RL自动驾驶数据集
机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology（测量与控制系统研究所，卡尔斯鲁厄理工学院） ； Institute of Automotive Technology, Technical University of Munich（汽车技术研究所，慕尼黑工业大学） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑工业大学） ； University of Modena and Reggio Emilia（摩德纳大学和雷焦艾米利亚大学） ； Humda Lab, Széchenyi István University（胡姆达实验室，塞切尼·伊什特万大学） ； Politecnico di Milano（米兰理工大学） ； Constructor University（康斯坦丁大学） ； Beijing Institute of Technology（北京理工大学） ； Nanyang Technological University（南洋理工大学） ； Code 19 Racing（代码19赛车） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich（慕尼黑机器人与机器智能研究所（MIRMI），慕尼黑工业大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 介绍A2RL V下标max开源数据集，专为高速自动驾驶和多车辆交互感知任务设计，含多样场景数据及专业标注激光雷达点云，以开发者友好格式提供，还对相关检测和跟踪方法做了实现与评估。
Comments 8 pages
深度雷达：用于自动驾驶车辆感知的端到端MIMO雷达设计与多模态融合
机构 * Technion–Israel Institute of Technology（以色列理工学院） ； Ben-Gurion University of the Negev（内盖夫本-古里安大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 深度雷达以雷达为中心，通过端到端学习稀疏采集模式，共同设计雷达传感与多模态3D检测。其可学习的MIMO设计模块在融合网络中训练，由其他传感器监督。在RADIal数据集上评估，能发现稀疏配置，降低成本与复杂性，表明最优设计取决于融合堆栈和感知任务。
Comments Accepted for publication at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
TabPFN中上下文级可靠性的拓扑特征
机构 * TD Bank（道明银行）
专题命中 点云 ：point cloud(abstract)
AI总结 研究TabPFN在复杂表格几何上的内部行为，用曲折持久同调将其层表示视为点云，构建合成表格任务基准。发现其内部表示几何拓扑与数据集级可靠性相关，复杂几何有双重拓扑特征，相关描述符与多种指标有关，能诊断可靠性及运行状态。
轻度认知障碍中经过校准的阿尔茨海默病转化风险：具有共形保证的临床轨迹的持久同调
机构 * Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所）
专题命中 点云 ：point cloud(abstract)
AI总结 研究旨在预测MCI到AD的转化，将持久同调用于临床轨迹点云，结合多种特征构建堆叠集成模型。校正泄漏源，经交叉验证等实验，模型有竞争力的准确性，提出H0持久熵为拓扑生物标志物，实现个体层面不确定性量化。
Comments 17 pages, 6 figures, 2 tables. Data from the Alzheimer's Disease Neuroimaging Initiative (ADNI). Code available upon reasonable request
自适应曼巴神经算子
专题命中 点云 ：point cloud(abstract)
AI总结 研究如何准确求解任意几何形状和各种网格上的偏微分方程，提出自适应曼巴神经算子，通过构建竹内 - 马尔姆奎斯特系统集成再生核，在多个领域的基准问题上，其相对\(L^2\)误差优于现有求解器，为神经算子框架设计提供新范例。
Comments 22 pages, accepted by ICLR 2026 conference (https://openreview.net/forum?id=OenyzvFZPs)
FEVessel：基于无标签预训练有限元方法的三维压力容器网格无关分析
专题命中 点云 ：point cloud(abstract)
AI总结 研究针对三维压力容器分析中有限元方法的局限，提出FEVessel，通过编码点云、预训练算子及热启动求解器，实现跨材料等通用分析，降低误差，加速求解，能在不同网格转换且无需标签，消除手动网格修复。
ChemFusion：用于反应产率预测的多模态交叉注意力网络
机构 * Duke University（杜克大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 点云 ：point cloud(abstract)
AI总结 研究过渡金属催化反应产率预测难题，提出ChemFusion多模态交叉注意力网络，融合电子特征与3D原子坐标，用交叉注意力机制，在交叉偶联库基准测试中性能出色，还能自主学习识别和惩罚空间位阻，提供物理可解释性。
Comments 10 pages, 4 figures, 2 tables
执行前澄清：用于解决3D工具编排中意图不对称的自进化智能体
专题命中 3D生成 ：point cloud(abstract)；3D generation(abstract)；分类 cs.CV、cs.GR
AI总结 研究3D资产创建中用户指令模糊与工具要求精确的意图不对称问题，提出自进化智能体CLARE，通过解耦生成管道、模拟多轮交互自我进化澄清策略，在新基准测试中取得领先性能，证明主动澄清对3D执行的关键作用。
Comments Accepted to ACM Multimedia 2026 (ACM MM 2026). 26 pages including appendix, 8 figures. Code: https://github.com/xyzhu1225/CLARE
Scene-SAM3D：无需微调的多视图场景资产生成
机构 * The University of Queensland（昆士兰大学） ； East China Normal University（华东师范大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
AI总结 研究针对现实场景中3D生成难题，提出无需训练的Scene-SAM3D框架，通过选互补视图、潜在速度融合及高斯优化，实现多视图场景资产生成，实验证明其在减少场景级CD和降低计算成本上有显著成效。
Comments 18 pages, 9 figures
STAR：用于交互识别的骨骼令牌对齐与重排
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（北京大学深圳研究生院通用人工智能国家重点实验室） ； University at Buffalo SUNY（纽约州立大学布法罗分校） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系）
专题命中 其他3D视觉 ：3D vision(abstract)；分类 cs.CV
AI总结 针对人机和人与人交互识别，提出STAR方法，通过骨骼令牌对齐与重排，利用实体重排、交互式时空令牌及视觉交互编码等组件，结合骨骼与RGB视频数据学习特征，经对比学习对齐表示，实验验证其性能优于现有方法。
Comments Accepted for publication in IEEE Transactions on Multimedia (IEEE TMM)
Journal ref IEEE Transactions on Multimedia, vol. 28, pp. 4652-4665, 2026
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