3D 视觉

CalibAnyView: Beyond Single-View Camera Calibration in the Wild

CalibAnyView：超越单视角相机校准的野外应用

Boying Li, Cheng Zhang, Weirong Chen, Guyuan Chen, Daniel Cremers, Jianfei Cai, Ian Reid, Hamid Rezatofighi

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） 纠错

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 Scene Generation: A Survey

3D场景生成：一项综述

Haozhe Xie, Beichen Wen, Zhaoxi Chen, Fangzhou Hong, Ziwei Liu

机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室） 纠错

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

BlitzGS: City-Scale Gaussian Splatting at Lightning Speed

BlitzGS：闪电速度实现城市级高斯点云渲染

Zhongtao Wang, Huishan Au, Yilong Li, Mai Su, Haojie Jin, Yisong Chen, Meng Gai, Fei Zhu, Guoping Wang

机构 * Peking University（北京大学） 纠错

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: Towards Comprehensive Hierarchical Reasoning in 3D Gaussian Splatting

CausalSplat：面向3D高斯溅射的综合层级推理

Jiayu Ding, Meilu Song, Yun Chen, Wei Gao, Ge Li

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） 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

SCAR-GS: Spatial Context Attention for Residuals in Progressive Gaussian Splatting

SCAR-GS：用于渐进高斯点扩散中残差的空间上下文注意力

Diego Revilla, Pooja Suresh, Ooi Wei Tsang, Anand Bhojan

机构 * National University of Singapore（新加坡国立大学） ； University of Deusto（德乌斯大学） 纠错

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。

LiDAR-based 3D Change Detection at City Scale

基于LiDAR的城市级三维变化检测

Hezam Albaqami, Haitian Wang, Xinyu Wang, Muhammad Ibrahim, Zainy M. Malakan, Abdullah M. Algamdi, Mohammed H. Alghamdi, Ajmal Mian

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） 纠错

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。

Reconstructing local environments from concise atomistic representations

从简洁的原子表示重建局部环境

Jigyasa Nigam, Tuong Phung, Ameya Daigavane, Aria Mansouri Tehrani, Tess Smidt

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: A Python Library for Entropic Schrödinger Bridges on Idealized Geometries

anyakrakusuma：用于理想化几何上熵薛定谔桥的Python库

Dasapta Erwin Irawan, Sandy Hardian Susanto Herho, Agus Wahyu Jatmiko, Sito Fossy Biosa, Candrasa Surya Dharma, Edi Riawan, Astyka Pamumpuni, Rendy Dwi Kartiko, Rusmawan Suwarman, Deny Juanda Puradimaja

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

4D-WAM: Infusing Spatiotemporal Awareness into World Action Models through Trajectory Fields

4D-WAM：通过轨迹场将时空感知注入世界动作模型

Lishan Yang, Wenxuan Song, Xi Wang, Pingyue Sheng, Zheng Fang, Ziyang Zhou, Junjie He, Haodong Yan, Jiayi Chen, Nan Sun, Qiao Sun, Pengwei Wang, Lingqiao Liu, Yan Wang, Yuxiang Gao, Feras Dayoub, Haoang Li

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。