3D 视觉

STEREOFLOW: Progressive Stereo Matching with StereoDiT and Transition Flow Matching

STEREOFLOW：基于StereoDiT和过渡流匹配的渐进式立体匹配

Hao Wang, Haoran Geng, Xiaotong Yang, Jing Tang, Songlin Wei, Linlong Lang, Yeying Jin, Zheng Zhu, Zhaoxin Fan, Biao Leng

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； University of California, Berkeley（加州大学伯克利分校） ； University of Southern California（南加州大学） ； Google（谷歌公司） ； State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室） ； Tencent（腾讯公司） ； GigaAI（未知（可能是公司或组织，由于未找到确切对应中文名，按原文保留）） 纠错

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

AI总结 研究针对立体匹配问题，提出先验引导的生成框架StereoFlow，通过两阶段渐进级联匹配网络、像素扩散变压器StereoDiT和过渡流匹配实现高效优化，在多基准测试中取得多个最新结果，提升了立体匹配效果。

Comments 10 pages, 6 figures, submitted to TVCG

Crowd4D: Scene-Aware Monocular 4D Crowd Reconstruction

Crowd4D：场景感知单目4D人群重建

Hongbo Kang, Tianyi Zhou, Qingyang Yang, Hongwei Wen, Jing Huang, Yu-Kun Lai, Kun Li

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

AI总结 针对单目视频恢复大规模场景下4D人群运动的难题，提出Crowd4D框架，通过多阶段优化联合优化人群与场景，引入HSIP解决对齐问题、CSCR提升时间稳定性，实验证明其性能优于现有方法，可实现复杂场景下单目4D人群稳健重建。

TWINGS: Thin Plate Splines Warp-aligned Initialization for Sparse-View Gaussian Splatting

TWINGS: 基于薄板样条翘曲对齐的稀疏视图高斯泼溅初始化

Hyeseong Kim, Geonhui Son, Deukhee Lee, Dosik Hwang

机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院） 纠错

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 提出TWINGS框架，利用薄板样条（TPS）对齐反投影点与三角化控制点，为3D高斯泼溅提供几何精确的初始化，从而在稀疏视图下提升场景重建的细节保留和颜色保真度。

Comments Accepted at CVPR 2026, Project page: https://sandokim.github.io/twings/

MR-Compare: A Mixed-Reality Framework for Spatially Grounded Visual Comparison of 3D Gaussian Splatting and Mesh Reconstructions with the Physical Environment

MR-Compare：用于将3D高斯点渲染和网格重建与物理环境进行空间视觉比较的混合现实框架

Changrui Zhu, Ernst Kruijff, Pengju Zhang, Simon Julier

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

AI总结 介绍MR-Compare混合现实框架，用于3D高斯点渲染和网格重建与物理环境的空间视觉比较。结合两阶段配准管道与3D滑块，评估多种重建工作流程，实现厘米级误差，提出各向异性滤波器，建立了系统级可行性。

Comments 27 pages, 12 figures. Includes the full appendix

Look Before You Edit: Attention-Guided Camera Placement and Multi-View Alignment for 3D Gaussian Splatting Editing

编辑前先观察：用于3D高斯点渲染编辑的注意力引导相机放置和多视图对齐

Jaeyeon Park, Taeho Kang, Youngki Lee

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 针对3D高斯点渲染编辑受固定相机限制的问题，提出LB-Edit框架。通过注意力引导相机放置确定编辑相机位置，多视图注意力对齐使视图编辑一致。实验表明该方法在多方面表现优，减少视图数量并降低延迟。

VG3S: Visual Geometry Grounded Gaussian Splatting for Semantic Occupancy Prediction

VG3S：基于视觉几何的高斯散射用于语义占用预测

Xiaoyang Yan, Muleilan Pei, Shaojie Shen

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学） 纠错

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

AI总结 VG3S 通过引入视觉基础模型的几何 grounding 能力，提升语义占用预测的准确性与泛化能力。

Comments Accepted by IROS 2026

TranSplat: Instant Object Relighting in Gaussian Splatting via Spherical Harmonic Radiance Transfer

TranSplat：基于高斯点云的即时物体光照重置

Boyang Tony Yu, Yanlin Jin, Yun He, Akshat Dave, Ravi Ramamoorthi, Guha Balakrishnan

机构 * Rice University（里士大学） ； University of Maryland（马里兰大学） ； Stony Brook University（石溪大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 TranSplat在高斯点云框架中实现物体即时准确光照重置，通过BRDF无关的辐射传输策略，利用源和目标环境图的每法线辐照比调节球谐函数外观系数，无需显式材质估计，实现视点依赖和光泽外观的处理。

Comments ICCP 2026

InstantSfM: Towards GPU-Native SfM for the Deep Learning Era

InstantSfM: 向深度学习时代迈进的GPU原生SfM

Jiankun Zhong, Zitong Zhan, Quankai Gao, Ziyu Chen, Haozhe Lou, Jiageng Mao, Ulrich Neumann, Chen Wang, Yue Wang

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 InstantSfM通过深度约束的雅可比结构实现GPU原生SfM，解决尺度模糊问题，提升大规模场景下的效率和精度。

Point-Selection Fine-Tuning Framework for Robust Point Cloud Classification

用于鲁棒点云分类的点选择微调框架

Da Li, Chang Ma, Dongfu Yin

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (Shenzhen)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen University（深圳大学） 纠错

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

AI总结 研究针对噪声和损坏点降低点云识别性能的问题，提出PSFT点选择微调框架，通过估计点影响、生成提示令牌、附加特征过滤器等操作，在保持参数高效的同时提高鲁棒性，实验证明其有效性。

SemICP: Semantic Non-Rigid Point Cloud Registration with Elastic Energy Regularization

SemICP：基于弹性能量正则化的语义非刚性点云配准

Wanwen Chen, Qi Zeng, Carson Studders, Zongze Li, Jamie J. Y. Kwon, Tara Kemper, Emily H. T. Pang, Eitan Prisman, Septimiu E. Salcudean

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Faculty of Medicine, University of British Columbia（医学院，不列颠哥伦比亚大学） 纠错

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

AI总结 研究针对计算机辅助干预中点云配准问题，提出SemICP框架，结合语义信息点匹配与变形正则化，经多数据集测试，相比其他方法降低多种距离误差，结合AI分割后为多模态配准提供有效管道。

From Dark Matter to Galaxies: Halo-Free Mock Generation via Conditional Point-Cloud Diffusion

从暗物质到星系：通过条件点云扩散生成无晕模拟

Kana Moriwaki, Ken Osato, Naoki Yoshida

专题命中 点云 ：point cloud(abstract)

AI总结 研究提出基于扩散的生成模型，以暗物质密度场为输入生成含位置和物理性质的星系点云。在IllustrisTNG模拟目录上训练，能再现星系与暗物质场关系及多种分布，还可绕过晕发现，为相关实验提供实用引擎及新推断途径。

Comments 9 pages, 9 figures, submitted to MNRAS

Streaming Sliced Optimal Transport

流式切片最优传输

Khai Nguyen

机构 * Department of Statistics（统计系） ； Data Sciences, University of Texas at Austin, USA（数据科学系，德克萨斯大学奥斯汀分校） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出流式切片最优传输（Stream-SW）方法，通过流式估计一维Wasserstein距离来提升计算效率，适用于样本流中的切片最优传输估计，具有低内存复杂度和理论误差保证。

Comments Accepted to ICML 2026, 21 pages, 8 figures, 7 tables

Extending a Large View Synthesis Model for Multi-view Panoptic Segmentation

扩展用于多视图全景分割的大视图合成模型

Kwonyoung Ryu, In-Jae Lee, Jonghyun Jin, Hyunjee Lee, Jongmin Lee, Jaesik Park

机构 * POSTECH（浦项科技大学） ； POSCO DX（浦项制铁DX公司） ； Chung-Ang University（中央大学） ； Seoul National University（首尔国立大学） 纠错

专题命中 新视角合成 ：3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 研究将大视图合成模型从外观渲染扩展到3D场景理解，提出复用冻结模型传播全景标签的分割管道，无需3D重建和特定训练，在ScanNet和Replica数据集上实验，分割质量佳且新视图合成表现优。

Comments Accepted to ECCV 2026. 31 pages, 7 figures, 9 tables. Project page: https://kwonyoung9120.github.io/PanopticLVSM/

Fast Wave-optics Rendering of Multiplane Images for 3D Holographic Displays

用于3D全息显示的多平面图像快速波光学渲染

Brian Chao, Dario Seyb, Nathan Matsuda, Oliver Cossairt, Yang Zhou, Douglas Lanman, Gordon Wetzstein, Grace Kuo, Changwon Jang

专题命中 新视角合成 ：3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.GR

AI总结 针对神经渲染在2D设备上查看限制感知真实感问题，提出基于多平面图像的波光学渲染管道，该算法在运行时大幅超越现有算法，速度提升显著，且图像质量优，经多数据集验证性能出色。