视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
Map-Det3D：面向流输入的多视图3D目标检测的度量前馈3D重建先验
机构 * ETH Zürich（苏黎世联邦理工学院） ； Meta Reality Labs（元宇宙实验室） ； University of Bonn（波恩大学）
专题命中 三维重建 ：3D reconstruction(title,abstract)；分类 cs.CV
AI总结 Map-Det3D是一种在线多视图3D目标检测模型，通过将短时间窗口映射为多视图并利用前馈度量3D重建模型作为几何骨干，直接在度量3D空间预测边界框，实现了稳定的单目视频3D检测，且具有良好的在线性能与鲁棒迁移性。
Comments ECCV 2026
ScaleVid：基于无网格推理的几何感知视频目标缩放
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 ScaleVid提出无网格推理的两阶段训练框架，实现几何感知视频目标缩放，在野外视频评估中，其几何一致性、前景保真度等优于需显式3D重建的方法，推理更实用。
从自正常定位到全向跟踪：用于机器人超声成像的实时表面建模支持的探头倾斜控制
专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO
AI总结 该研究针对机器人超声成像中现有系统仅支持探头法向定位的局限，提出整合RGB-D感知等的全向探头朝向控制框架，实现了高精度的任意角度跟踪，可获取临床所需非法向诊断视图。
Comments 10 pages, 8 figures
CalibAnyView：超越单视角相机校准的野外应用
机构 * Monash University（蒙纳士大学） ； Technical University of Munich（慕尼黑技术大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 CalibAnyView通过多视角几何一致性建模，提升野外多视角相机校准的鲁棒性和精度，适用于复杂场景下的3D重建和机器人感知。
Comments 27 pages, 21 figures
3D场景生成：一项综述
机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室）
专题命中 NeRF ：NeRF(abstract,abstract_cn)；3D vision(abstract)；分类 cs.CV
AI总结 本综述系统梳理3D场景生成的四大范式方法，分析其技术基础与挑战，展望物理感知生成等方向，为该领域发展提供参考。
Comments Accepted by IJCV. Project Page: https://github.com/hzxie/Awesome-3D-Scene-Generation
TGRHuman：基于扩散渲染器的文本引导逼真3D人体生成
机构 * Tianjin University（天津大学）
专题命中 NeRF ：NeRF(abstract,abstract_cn)；分类 cs.CV
AI总结 本研究提出TGRHuman方法，解耦3D人体的几何与纹理生成，采用显式多视图优化结合扩散渲染器，实现高效高质量文本引导的逼真3D人体生成，性能优于现有方法。
BlitzGS：闪电速度实现城市级高斯点云渲染
机构 * Peking University（北京大学）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV、cs.GR
AI总结 BlitzGS通过分布式3DGS框架实现城市级场景快速重建，通过分层工作负载管理减少活跃高斯点云计算量，提升渲染效率。
CausalSplat：面向3D高斯溅射的综合层级推理
机构 * Peking University（北京大学） ； North China Electric Power University（华北电力大学） ； Hunan University（湖南大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 针对3D高斯溅射推理局限，本文提出CausalSplat框架，结合视觉语言模型与3D场景图，构建两个推理基准，在相关任务上实现最优性能与强泛化性。
Comments Accepted to ACM MM 2026
Seed2GS：通过单个参考视图定位从3D高斯溅射（3DGS）场景中进行无相机、无训练的目标提取
专题命中 Gaussian Splatting ：3DGS(title_cn,abstract)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 Seed2GS是一种无相机、无训练的目标提取方法，通过分离目标身份与3D覆盖范围，在LERF-MASK和3D-OVS数据集上实现了高精度，且计算延迟低。
SCAR-GS：用于渐进高斯点扩散中残差的空间上下文注意力
机构 * National University of Singapore（新加坡国立大学） ； University of Deusto（德乌斯大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR
AI总结 SCAR-GS通过残差向量量化和自回归熵模型提升3D高斯点扩散的压缩效率与率-失真性能。
基于几何的全光点云压缩
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出一种整合进MPEG G-PCC标准的PPC属性压缩方法，经不同分辨率PPC测试，性能优于现有同类方案，有望成为新最优方案。
商业养殖环境下猪只点云的边界增强分割
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对商业猪舍中猪只点云分割的边界模糊等问题，采用Octree Transformer骨干网络，结合软距离边界伪标签与双向跨边界语义模块，提升分割性能，为精准畜牧养殖提供可靠输入。
Comments 24 pages,9 figures, 5 tables
ResPCC：有损网络中具备抗丢包能力的神经点云编解码器
专题命中 点云 ：point cloud(title,abstract)
AI总结 针对有损网络中点云压缩的数据包丢失问题，提出具备感知丢包率能力的ResPCC编解码器，通过CALM、SCI、MGLR、DBR等模块提升稳定性与率失真性能，在5%-30%丢包率下优于基线方法，为3D数据传输提供可靠方案。
基于LiDAR的城市级三维变化检测
机构 * Department of Computer Science and Artificial Intelligence, University of Jeddah（计算机科学与人工智能系，朱德亚大学） ； Department of Computer Science and Software Engineering, University of Western Australia（计算机科学与软件工程系，西澳大学） ； Department of Data Science, Umm Al-Qura University（数据科学系，乌姆·阿勒·卡拉大学） ； Department of Information and Technology Systems, College of Computer Science and Engineering, University of Jeddah（信息与技术系统系，计算机科学与工程学院，朱德亚大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出了一种基于LiDAR的城市级三维变化检测方法，通过多分辨率NDT和ICP对齐数据，结合语义分割和双分匹配优化，实现了高精度的变化检测性能。
MVFM-3DAD：基于密度代理估计的三维异常检测多视图流匹配方法
专题命中 点云 ：point cloud(abstract)；分类 cs.GR
AI总结 该研究针对现有三维异常检测方法的局限性，提出MVFM-3DAD框架，将3DAD转化为密度代理估计，在Real3D-AD等数据集上性能优于竞争方法。
Comments ICIG 2026 oral presentation, 13 pages, 3 tables, 4 figures
隐形斗篷：实时隐私保护的体视频流
机构 * University of California Los Angeles（加利福尼亚大学洛杉矶分校） ； Nokia Bell Labs（诺基亚贝尔实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对体视频流的隐私挑战，提出实时源端隐私系统InViStream，结合目标检测与深度感知掩码等技术，在多视角场景中实现高效隐私保护与实时重建，取得优异性能指标。
GeoUniPR：用于跨模态地点识别的几何一致性统一框架
机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Shanghai Research Institute for Intelligent Autonomous System, Tongji University（同济大学上海智能自主系统研究院） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本研究提出GeoUniPR框架，通过构建几何一致性深度图像视图并引入SC-InfoNCE损失，在无需复杂对齐模块的情况下，实现了跨模态地点识别的最优性能与良好泛化能力。
Comments 17 pages, 10 figures
从简洁的原子表示重建局部环境
专题命中 点云 ：point cloud(abstract)
AI总结 研究从不变描述符恢复原子结构的逆问题，利用不同相关阶数的紧凑描述符实现准确重建，提供识别描述符近似简并性及恢复不同原子环境的算法手段，还探究了描述符扰动与结构畸变的关系。
anyakrakusuma：用于理想化几何上熵薛定谔桥的Python库
专题命中 点云 ：point cloud(abstract)
AI总结 anyakrakusuma库用对数域Sinkhorn - Knopp迭代解决离散静态薛定谔桥问题，重建点云间熵插值。经四个理想化平面案例测试，该方法在特定参数下效果良好，残差小，能恢复重新定向，为相关研究提供了有效工具。
Comments 22 pages, 4 figures, 5 tables
SCOUT：通过结构化思维链与多目标过程奖励解锁增强型空间推理能力
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 SCOUT是结合结构化思维链与多目标过程奖励的视觉-语言模型，通过定制数据集训练，在空间推理任务上超越基线模型与GPT-4o，且具备跨图像、视频的泛化能力。
Comments 26 pages, 5 figures
4D-WAM：通过轨迹场将时空感知注入世界动作模型
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.RO
AI总结 本研究提出模型无关的4D-WAM，通过运动对齐与目标对齐两个互补目标，将3D轨迹场的时空知识注入世界动作模型，在多基准实验中显著提升了模型的空间理解等多项性能。
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