arXivDaily arXiv每日学术速递 周一至周五更新

视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-08-13 至 2026-08-13 共收录 4 信号源:cs.CV, cs.GR, cs.RO

1. Gaussian Splatting 4 篇

2605.13794 2026-08-13 cs.GR cs.CV 版本更新 89%

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)

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.11150 2026-08-13 cs.CV 版本更新 85%

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)

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

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.11928 2026-08-13 cs.CV 新提交 84%

Seed2GS: Camera-Free, Training-Free Object Extraction from 3D Gaussian Scenes via a Single Reference-View Grounding

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

Zongjian Ding, Yudong Gao, Jiale Liu, Xinglin Yu, Junxing Ren, Dong Wei, Yajing Chen, Shan Huang, Mingjun Cheng, Min Li

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.04348 2026-08-13 cs.CV cs.GR 版本更新 84%

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)

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。

详情

展开后加载摘要…

URL PDF HTML 收藏