视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
VGGT-Align：为长序列三维重建连接局部重建与全局一致性
机构 * Northwestern Polytechnical University（西北工业大学）
专题命中 三维重建 ：3D reconstruction(title,abstract)；point cloud(abstract)；分类 cs.CV
AI总结 该研究针对长序列三维重建的尺度漂移问题，提出VGGT-Align框架，通过SGIA和测试时适配策略，在多基准上实现顶尖性能，降低绝对轨迹误差最多32%
Comments 10 pages, 6 figures, 6 tables. ACM Multimedia 2026 (MM '26). Code: this https URL (https://github.com/WZ-CS/VGGT-Align)
GeoRect4D：几何兼容的生成性矩形化用于动态稀疏视角3D重建
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 三维重建 ：3D reconstruction(title)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出GeoRect4D框架，通过闭环优化结合显式3D一致性与生成性细化，解决动态稀疏视角3D重建中的几何崩溃和漂移问题，提升重建精度与时间一致性。
MegaParts：通过令牌高效自回归建模将部件感知三维物体生成扩展至300个部件
机构 * The University of Hong Kong（香港大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Tongji University（同济大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 三维重建 ：3D generation(abstract)；分类 cs.CV、cs.GR
AI总结 MegaParts提出结合结构化序列建模与令牌高效矢量量化形状令牌化器的自回归框架，将部件感知3D生成扩展至300个部件，性能优于基线模型，为大规模部件感知3D生成提供新方案。
Comments 12 pages, 6 pages appendix, 13 figures, technical report
面向多中心乳腺MRI图像数据集质量保证的无监督异常检测
机构 * Cambridge University Hospitals（剑桥大学医院） ； Mitera Hospital（米特拉医院） ； Radboud University Medical Center（拉德堡德大学医学中心） ； University Hospital Aachen（亚琛大学医院） ； University Medical Center Utrecht（乌得勒支大学医学中心） ； Ribera Hospital（里贝拉医院） ； Duke Breast Cancer MRI（杜克乳腺癌磁共振成像项目）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 该研究针对多中心乳腺MRI数据集，构建含17种异常类型的无监督异常检测基准，评估四种方法，发现带位置编码的投影法性能最优，为医疗AI的可扩展无监督质量保证提供基础。
基于无检测器特征匹配与多视图轨迹优化的空地图像鲁棒运动恢复结构
机构 * School of Architecture and Urban Planning, Shenzhen University（深圳大学建筑与城市规划学院） ； Guangdong Key Laboratory of Urban Informatics, Shenzhen University（深圳大学广东省城市信息学重点实验室） ； MNR Key Laboratory for Geo-Environmental Monitoring of Great Bay Area, Shenzhen University（深圳大学自然资源部大湾区地理环境监测重点实验室）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 本研究提出结合无检测器匹配网络与多视图轨迹优化的方法，用于解决空地图像三维重建中特征匹配鲁棒性问题，在5°位姿误差下AUC较LoFTR提升93.9%，实现更高精度的ISfM重建。
BrickAnything: 基于几何条件的可构建砖块生成与结构感知标记化
机构 * Xi’an Jiaotong University（西安交通大学） ； State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.GR
AI总结 提出BrickAnything，一个基于几何条件的自回归框架，通过结构感知树标记化生成满足装配约束和结构稳定性的砖块结构。
Comments Revised version with updated Code: this https URL (https://github.com/xjtunzy/BrickAnything)
RAISECity: 一种用于城市级现实对齐3D世界生成的多模态代理框架
机构 * College of AI, Tsinghua University（人工智能学院，清华大学） ； Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京研究院，清华大学）
专题命中 三维重建 ：3D generation(abstract)；分类 cs.CV
AI总结 RAISECity通过多模态代理框架实现城市级3D世界生成，提升现实对齐、精度和性能，适用于沉浸媒体和具身智能应用。
Comments Accepted by ACM MM 2026, the code is available at: this https URL (https://github.com/tsinghua-fib-lab/UrbanWorld2.0)
Cloud2to3：基于球化的三维重建方法
专题命中 三维重建 ：3D reconstruction(abstract)
AI总结 针对二维转三维结构重建的视线简并难题，提出Cloud2to3框架，推广逆阿贝尔变换与AVIATOR算法，经三种基准策略测试，可稳健保留密度统计特性，定性呈现纤维连接等形态特征。
Comments revised version
HistReNeRF：在当代神经辐射场重建中进行历史图像重定位
专题命中 NeRF ：NeRF(summary_cn,abstract)；分类 cs.CV
AI总结 针对历史图像与当代场景的外观差异导致重定位困难的问题，提出HistReNeRF框架，通过适配DINOv2特征与NeRF候选射线匹配实现跨时间域适配，在含三地标的数据集上使平移、旋转误差平均降低11%、16%。
DiffSoup：三角汤的直接可微化着色以实现极端辐射场简化
机构 * The University of Tokyo（东京大学） ； ETH Zürich（苏黎世联邦理工学院）
专题命中 NeRF ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出DiffSoup，一种利用少量三角形和神经纹理的辐射场表示，通过随机遮罩实现直接可微的二进制不透明度，从而在无需平滑着色的情况下实现高效的实时渲染。
Comments v2: Corrected all parameter counts in the "# Params" column of Table 3, which were incorrectly reported as 10 times smaller. This correction does not affect the discussion or conclusions drawn from the comparison
超越相似度匹配：面向3D高斯溅射（3DGS）的开放词汇指称分割的结构化推理
机构 * School of Computer Science, Henan Institute of Science and Technology（河南科技学院计算机学院）
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 针对现有3DGS指称分割方法依赖相似度匹配的缺陷，提出QAGaussian框架，经Mosaic3D-5.6M预训练后，在基准上实现性能提升，优于现有最强基线。
Comments 24 pages, 5 figures
CLONE: 基于3DGS的闭环可微优化框架用于单图像法线估计
机构 * School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi, China（江南大学人工智能与计算机科学学院，中国无锡） ； School of Data Science, Lingnan University, Hong Kong, China（岭南大学数据科学学院，中国香港）
专题命中 Gaussian Splatting ：3DGS(title_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出CLONE框架，通过3D高斯泼溅参数化场景并利用协方差特征分解得到连续可微法线，结合可微光照模型和一步确定性扩散精化网络，在统一重投影目标下联合优化，实现无需真值法线监督的几何一致性单图像法线估计。
LaGSplat：使用潜拉格朗日高斯溅射从单目视频中推断物理控制的交互式模拟
机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； CEA（法国原子能和替代能源委员会） ； CEA, List（法国原子能和替代能源委员会 电子与信息技术实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究提出LaGSplat框架，可从单目视频推断物理控制的交互式模拟，能对刚性/可变形物体施加训练外的力并实时渲染响应，解决了无约束预测器发散问题。
Comments 25 pages, 11 figures, 4 tables. Project page with interactive demo: this https URL (https://louenpottier.github.io/lagsplat.html)
SpotlessGS：面向机器人感知的动态光照下可重光照三维高斯溅射技术
机构 * Technical University of Munich（慕尼黑工业大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV、cs.RO
AI总结 该研究针对机器人在差光照环境下感知性能下降问题，提出SpotlessGS方法，通过优化光照参数、引入SH光照模型及MLP-BRDF，实现可重光照三维重建，提升了渲染与感知性能。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
TR-GS：基于t分布高斯溅射和射线置信度建模的高保真稀疏视图CT体积渲染
机构 * Shenzhen University（深圳大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳））
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 TR-GS用学生t分布基元与射线置信度模型优化3D高斯溅射，实现高保真稀疏视图CT体积渲染，在多数场景优于基线，可支撑下游医学多媒体应用
RoofGS：基于Roofline模型的3D高斯溅射端到端加速
机构 * Harbin Institute of Technology（哈尔滨工业大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究针对3D高斯溅射高分辨率GPU加速瓶颈，提出RoofGS框架，采用分辨率自适应量化深度排序键与范围感知比特级快速指数近似等优化，在RTX 4090的4K场景下实现10.1倍加速且PSNR损失极小。
面向3D高斯溅射SLAM的几何感知在线建图
机构 * University of Arkansas（阿肯色大学） ； VinUniversity
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.RO
AI总结 本研究针对现有3D高斯溅射SLAM流水线的启发式方法在在线场景下的脆弱问题，提出三种几何感知建图方法，实现渲染质量提升且开销可忽略，并将开源代码。
REFINE: 通过无渲染的基元重要性实现超高效的3D高斯泼溅剪枝
机构 * Northwestern Polytechnical University（西北工业大学） ； Xidian University（西安电子科技大学） ； City University of Hong Kong（香港城市大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出REFINE框架，利用无渲染的基元重要性度量（基于解析近似的Hessian场）实现3D高斯泼溅的高效剪枝，在保持渲染质量的同时将剪枝计算复杂度降低3000倍。
Comments We corrected the results of LightGaussian and MesonGS
LAGS：低空高斯点云与群体异构图学习
机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Southern University of Science and Technology（南方科技大学） ； State Key Laboratory of IOTSC, University of Macau（澳门大学物联网科学国家重点实验室） ； College of Engineering, Istanbul Medipol University（伊斯坦布尔Medipol大学工程学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV、cs.RO
AI总结 LAGS通过聚合分布式无人机的航拍图像实现3D场景重建，但现有低空资源分配方案因未考虑视角差异导致效率低下。本文提出GW-HGNN，通过图学习平衡数据保真度与传输成本，实验表明其在关键渲染指标上优于现有方法，并显著降低计算延迟。
Comments 8 pages, 12 figures, 2 tables
Gaussian-JEPA：面向3D高斯溅射的联合嵌入预测学习
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract,comments)；分类 cs.CV
AI总结 提出Gaussian-JEPA，通过预测高斯令牌块潜在表示实现自监督学习，在多类任务上优于重构预训练，为3D高斯表示提供有效学习目标
Comments Joint-embedding predictive representation learning for 3D Gaussian Splatting
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。
MotionGS-SLAM：面向运动模糊鲁棒SLAM的事件调制高斯溅射
机构 * Research Institute for Science & Technology, Tokyo University of Science（东京理科大学科学技术研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；分类 cs.CV、cs.RO
AI总结 MotionGS-SLAM通过事件调制高斯核与双调制机制，在渲染流水线中建模运动模糊形成，实现相机轨迹与场景几何联合优化，显著提升高运动下SLAM的轨迹与地图精度。
Comments 8 pages, 5 figures. Published in the 2026 IEEE International Conference on Robotics and Automation
OccamView：面向帧预算约束下主动式3D高斯重建的物体条件视角选择方法
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.CV、cs.RO
AI总结 针对帧预算紧张时现有主动3D高斯重建方法易漏重建物体的问题，提出OccamView框架，通过物体条件视角选择与Geo-Floor机制优化规划，在多数据集上提升了重建表现。
Comments 7 pages, 5 figures. Preprint
GaussMemory：面向长时程机器人操作的任务驱动三维高斯场景记忆
机构 * Research Institute for Science & Technology, Tokyo University of Science（东京理科大学科学技术研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO
AI总结 该研究针对现有三维机器人记忆系统被动存储的缺陷，提出任务驱动的主动场景记忆框架GaussMemory，在LIBERO、VLABench基准上超越了MemoryVLA、π₀-FAST等方法。
Comments 8 pages, 10 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
PCT-Prompt：用于点云密集预测任务的提示引导Transformer框架
机构 * China University of Geosciences（中国地质大学） ； Li Auto Inc（理想汽车）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 PCT-Prompt是一种提示引导Transformer框架，通过引入提示引导特征分支和提示丢弃机制，提升了标准Transformer在点云密集预测任务中的适应性，在多个公开数据集上取得了优异性能。
ProjFormer：基于几何投影Transformer与跨模态语义约束的点云补全
机构 * Hunan University（湖南大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对现有点云补全方法几何一致性与适应性不足的问题，提出ProjFormer跨模态框架，通过投影引导视图注意力模块与几何感知路由网络实现高效特征聚合与融合，在轻量级设计下取得了具竞争力的补全性能。
Comments Accepted by ACM Multimedia 2026. 10 pages, 6 figures, 5 tables
FlexAM: 一种灵活的外观-运动分解方法用于多功能视频生成控制
机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； MUST（澳门大学） ； Tsinghua University（清华大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR
AI总结 FlexAM通过引入新型3D控制信号，实现外观与运动的解耦，提升视频生成任务的灵活性和生成质量。
Comments Codes: this https URL (https://github.com/IGL-HKUST/FlexAM)
采样策略如何影响激光雷达分割中的不平衡缓解：结构化与基于随机点的架构研究
机构 * University of Cyprus（塞浦路斯大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 该研究在DALES、S3DIS、STPLS3D数据集上，针对KPConv和RandLA-Net架构，测试了6种重加权方案与5种感知不平衡损失，发现采样策略、不平衡程度及数据采集特征的相互作用影响激光雷达分割的不平衡缓解效果。
Comments 9 pages, 6 figures, IEEE International Conference on Image Processing (ICIP) 2026
Cyclops：以彩色进行“梦境”的相机式激光雷达
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Michigan（密歇根大学） ； University of Macau（澳门大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出Cyclops框架，将稀疏NRS-LiDAR强度转为RGB视频，通过LBM等技术缓解帧间闪烁，合成RGB可使感知模型在多任务上优于LiDAR基线与传统相机。
COOL：面向先进3D/3.5D IC封装热预测的感知冷却的点Transformer框架
专题命中 点云 ：point cloud(abstract)
AI总结 针对先进3D/3.5D IC封装热管理挑战，提出感知冷却的点Transformer框架COOL，显式编码几何与冷却结构，引入PI-BC损失，在自建基准上NMAE达2.4%，速度较商用FEM求解器提升超15.7倍且优于现有学习方法。
Comments 7 pages, accepted at DAC 2026
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