OmniMech: All-in-one Multimodal Mechanical Benchmark for 3D Reconstruction
OmniMech：面向3D重建的全合一多模态机械基准
专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV
AI总结 研究人员提出OmniMech——首个百万级多模态机械基准，针对工业制造数据的可执行CAD生成任务，含四类任务，实验发现现有模型在相关任务中存在不足，将发布资源支持后续研究。
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 三维重建 3 篇
ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces
ErgoSurf：用于未知表面覆盖的遍历控制
机构 * German Aerospace Center (DLR)（德国航空航天中心） ； Technical University of Munich (TUM)（慕尼黑工业大学）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO
AI总结 提出ErgoSurf框架，结合GPIS模型与触觉传感，实现未知表面的遍历覆盖与几何在线学习，经仿真和真实机器人实验验证有效。
Bi-PT: Bidirectional Cross-Attention Point Transformers for Four-Chamber Heart Reconstruction from Sparse Cardiac MRI Data
Bi-PT：用于从稀疏心脏MRI数据重建四腔心的双向交叉注意力点变换器
机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； New York University（纽约大学）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV
AI总结 针对从稀疏心脏MRI数据重建四腔心的问题，Bi-PT通过双向点交叉注意力学习点特征，结合逐点语义标签改进对应估计，将变形场公式化为神经常微分方程，集成语义标签损失和添加平滑正则化，实验证明其性能准确且稳健。
2. Gaussian Splatting 9 篇
PD-GS: Phoneme-Driven 3DGS for Audio-Driven Talking Heads
PD-GS：音素驱动的3DGS用于音频驱动的说话头生成
机构 * Southeast University（东南大学） ； School of Computer Science and Engineering（计算机科学与工程学院）
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)
AI总结 针对3DGS说话头渲染的漏嘴伪影问题，提出PD-GS模型，通过LFM融合音频与音素信息，在HDTF数据集上实现最优嘴唇几何，提升神经化身的语言忠实度。
Comments Accepted to ACM MM 2026
Confidence matters: Leveraging Multi-view Geometric Priors for GS-based Reconstruction
置信度很重要：利用多视图几何先验实现基于3D高斯溅射（3DGS）的重建
机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）
专题命中 Gaussian Splatting ：3DGS(title_cn,summary_cn)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR
AI总结 该研究针对3D高斯溅射（3DGS）几何重建不佳的问题，提出融入多视图几何先验并利用其附带的置信度图加权，在标准基准及含镜面物体的复杂场景中实现了重建质量的显著提升。
RealityBridge: Bridging Editable 3D Gaussian Splatting Driving Simulations and Real-World Videos
RealityBridge: 连接可编辑3D高斯泼溅驾驶模拟与现实世界视频
机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（教育部机器智能与先进计算重点实验室）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出RealityBridge框架，利用多模态控制和轻量级GateNet，结合自回归长视频训练与奖励引导后训练，缩小编辑后3DGS驾驶视频的Sim-to-Real差距，提升视觉真实感和时间一致性。
Comments Under submission
G$^2$ARD-GS: Geometry-Guided Anchor-Regularized Gaussian Splatting Distillation
G$^2$ARD-GS：几何引导的锚点正则化高斯溅射蒸馏
机构 * Shanghai Jiao Tong University（上海交通大学） ； Jishu Technology Co., Ltd.（集度科技有限公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 针对3D高斯溅射模型基元过多导致成本高的问题，提出G$^2$ARD-GS几何引导蒸馏方法，在MatrixCity数据集上实现最优压缩性能，提升了外观适配与配准精度。
ESVR: 3D Ellipsoid-based Sparse Volume Rendering via Structure-aware Primitive Learning and Per-primitive Ray Sampling
ESVR：基于椭球的稀疏体绘制方法，通过结构感知基元学习与逐基元光线采样实现
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(abstract)；分类 cs.GR
AI总结 针对现有3DGS方法依赖DVR图像学习导致信息损失与传递函数控制受限的问题，提出ESVR框架，结合结构感知基元学习与逐基元光线采样等技术，实现大规模稀疏体数据的高效压缩与实时高质量渲染。
Comments IEEE VIS 2026 accepted
Versatile Video Representation via Feed-Forward 2D Gaussian Splatting Tokenization
基于前馈二维高斯溅射标记化的通用视频表示
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本研究提出基于前馈2DGS标记化的GVT框架，通过STGE与GSP策略实现通用视频表示，在四项视频任务的多数据集评估中，其重建、压缩性能达先进水平，动作识别提升，生成性能可与MAGVIT-v2媲美。
Comments Accepted by ACM MM 2026, Rio de Janeiro, Brazil
GSBF: Gaussian Splatting for Environment-Aware Beamforming
GSBF：面向环境感知波束成形的高斯溅射
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)
AI总结 该研究针对传统波束成形依赖瞬时CSI导致开销高的问题，提出GSBF方法，通过3D高斯表示刻画环境，利用Bi-SG核与电磁光栅化合成波束，仿真显示其性能优于EBA且延迟更低。
CDSeg: A Renderable Gaussian Carrier for Image-to-3D Label Transfer
CDSeg：用于图像到3D标签迁移的可渲染高斯载体
机构 * University of Waterloo（滑铁卢大学） ； Sun Yat-sen University（中山大学） ； University of Calgary（卡尔加里大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 CDSeg是基于高斯溅射的跨域分割接口，无需特定任务3D分割训练，可复用2D掩码实现多视图标签迁移，在多个数据集上取得高mIoU，能快速处理大规模场景。
Comments 15 pages, 8 figures
ASTRA: Asynchronous Spatio-Temporal Reconstruction via Trajectory Alignment
ASTRA：基于轨迹对齐的异步时空重建
机构 * School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract,abstract_cn)；分类 cs.CV
AI总结 针对动态三维场景重建中多相机异步导致的问题，提出ASTRA框架，通过轨迹对齐联合优化时间偏移与三维表示，在实验中实现了显著的性能提升。
Comments We wish to withdraw this preprint because the current statistical analysis of the experimental data is incomplete and requires re-verification. We plan to submit a revised and thoroughly checked version in the near future
3. 点云 10 篇
PathCover: A Fast Convex Decomposition along a Path via Randomized Iterative Space Partitioning (RISP) on Point Clouds
PathCover：基于点云的随机迭代空间划分（RISP）沿路径的快速凸分解
机构 * University of Delaware（特拉华大学） ； Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； HERON–Center of Excellence in Robotics（赫伦机器人卓越中心）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO
AI总结 PathCover是基于点云的快速凸分解框架，采用RISP算法，可高效生成无障碍物多面体，速度较现有方法提升一个数量级，经仿真与实机验证适用于机器人导航。
Comments 13 pages, 5 figures
Hierarchical Flow Matching for 3D Point Cloud Generation
用于三维点云生成的分层流匹配
机构 * Shandong Normal University（山东师范大学） ； University of Macau（澳门大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对现有三维点云生成方法的缺陷，提出分层流匹配（HFM），将流匹配扩展为双级结构，在ShapeNet等基准上实现了有竞争力的生成性能。
Gradient Descent on Point Clouds and Applications in Learned Operator Correction
点云上的梯度下降及其在学习算子校正中的应用
专题命中 点云 ：point cloud(title,abstract)
AI总结 该研究针对点云隐式未知流形上的能量最小化问题，提出了一种保持在流形邻域内的梯度下降格式，并将其应用于逆问题的学习算子校正。
UQ-Loc: Uncertainty-Aware LiDAR Scene Coordinate Regression
UQ-Loc：感知不确定性的激光雷达场景坐标回归
机构 * Warsaw University of Technology（华沙理工大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 UQ-Loc扩展LightLoc架构，添加各向同性高斯协方差头，采用NLL损失结合kNN正则化训练，改进SC2-PCR求解器推理，提升6自由度定位精度并校准不确定性。
Ordered Diffusion for 3D Human Registration
用于三维人体配准的有序扩散模型
机构 * University of Tübingen（蒂宾根大学） ； Tübingen AI Center（蒂宾根人工智能中心） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本研究针对三维人体配准的不确定性问题，提出ODin模型，将配准建模为三维扩散过程，实现了更优性能并大幅缩短配准时间。
Comments Accepted at GCPR 2026
SR-JEPA: Learning Predictive Latent State in 3D Scenes
SR-JEPA：在3D场景中学习预测性隐状态
机构 * Boston University（波士顿大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出SR-JEPA，一种面向场景级点云的原生点JEPA，通过仅使用自包含的3D EMA目标训练，在3D场景实体缺失时可查询预测隐状态，在ARKitScenes和Sr3D数据集上取得了良好的语义预测性能，揭示了可组合的3D预测状态。
Comments 17 pages, 5 figures, 9 tables
Text-Guided Refinement of Multi-sequence Glioma Subregion Segmentation with a Vision-Language Foundation Model
基于视觉语言基础模型的文本引导多序列胶质瘤亚区分割细化
机构 * Emory University School of Medicine（埃默里大学医学院） ； The University of Chicago（芝加哥大学） ； Winship Cancer Institute（温希普癌症研究所）
专题命中 点云 ：3D vision(abstract)；分类 cs.CV
AI总结 该研究开发基于VoxTell的轻量级框架，用3D视觉语言基础模型实现文本引导的胶质瘤亚区分割细化，在BraTS-GLI及跨数据集测试中提升了分割的DSC指标，支持作为临床医生在环工具的进一步评估。
CADRE: Dynamic Catching via Implicit Contact Descriptors and Task-Appropriate Recovery Affordances
CADRE：基于隐式接触描述符和任务适配恢复可供性的动态抓取
机构 * Honda Research Institute USA（本田美国研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 该研究针对灵巧操作中物体掉落的问题，提出CADRE强化学习框架，结合NDF提取接触特征与隐式恢复可供性函数，可高效成功恢复并零样本泛化到不同几何的未见物体。
Multi-Representation Geometric Hierarchy Fusion: An Implicit-Submap Driven Framework for Resilient 3D Place Recognition
多表示几何层次融合：一种用于鲁棒三维地点识别的隐式子图驱动框架
机构 * College of Information and Technology, Beijing University of Chemical Technology（信息与技术学院，北京化工大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Research Institute of Mine Artificial Intelligence, China Coal Research Institute（矿山人工智能研究院，中国煤炭科研院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对激光雷达地点识别中描述子不稳定与表示脆弱性问题，本文提出隐式神经点驱动的多表示几何层次融合框架，在多数据集上实现鲁棒性能，平衡了精度、效率与内存占用。
The Intersection Euler Characteristic Profile: Euler Calculus and Stability for Topological Interaction of Ball Unions
相交欧拉特征轮廓：球并集拓扑交互的欧拉演算与稳定性
专题命中 点云 ：point cloud(abstract)
AI总结 该研究提出相交欧拉特征轮廓（Intersection ECP），基于欧拉演算刻画多球并集拓扑交互，具多项稳定性，可高效计算，其细化能解析精细交互，稠密采样下可恢复基础形状的同调与欧拉特征。
4. 3D生成 1 篇
To See a World in a Living Context: Unified Indoor-Outdoor Urban World Generation
在生活语境中看世界：统一的室内-室外城市世界生成
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
AI总结 HoloWorld是首个统一室内-室外生成的3D城市世界框架，通过跨尺度语境实现对应，在城市外部生成上优于SOTA，且保持室内外对应与跨街区连续性。
Comments 9 pages, 4 figures
5. 空间理解 3 篇
Depth-Guided Video Object Counting in Crowded Scenes
拥挤场景中基于深度引导的视频目标计数
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 该研究针对拥挤场景视频目标计数的局限性，提出DG-Det与后处理流水线、去重框架，发布新数据集，使MAE降62.01%且RMSE提升。
Comments Accepted at ACM Multimedia 2026
GST-Bench: Can VLMs Develop Global Spatial Awareness from Video?
GST-Bench：视觉语言模型能否从视频中发展出全局空间感知能力？
机构 * ByteDance Seed（字节跳动 Seed） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 该研究提出GST-Bench基准评估VLMs的视频全局空间感知，发现其与人类存在显著差距，构建GST-Bench-Local探究原因，还提供GST-Train数据集助力相关研究。
Beyond Static Forecasting: Unleashing the Power of World Models for Mobile Traffic Extrapolation
超越静态预测：利用世界模型进行移动交通外推
专题命中 空间理解 ：spatial understanding(abstract)
AI总结 本文提出MobiWM世界模型，用于移动网络中的移动交通外推，通过融合多模态环境上下文和编码动作，提升空间理解，实验表明其在所有评估场景中均取得最佳分布保真度。
6. 其他3D视觉 1 篇
ARGUS: Aligning Robot Scene Geometry Under Shifting Views with Large 3D Vision Models
ARGUS：利用大规模3D视觉模型在视角变化下对齐机器人场景几何结构
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学）
专题命中 其他3D视觉 ：3D vision(title,abstract)；分类 cs.RO
AI总结 本研究提出ARGUS，一种利用大规模3D视觉模型对齐机器人场景几何结构的观测预处理流水线，可提升机器人操纵策略在视角多样化场景下的性能与学习效率。
Comments Project webpage: https://rsathua.github.io/ARGUS/
