3D 视觉

2Xplat: Decoupling Geometry and Appearance Modeling for Feed-Forward 3D Gaussian Splatting

2Xplat：两个专家胜过一个通才

Hwasik Jeong, Seungryong Lee, Gyeongjin Kang, Seungkwon Yang, Xiangyu Sun, Seungtae Nam, Eunbyung Park

机构 * Yonsei University（延世大学） ； Sungkyunkwan University（成均馆大学） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 本文提出2Xplat框架，通过分离几何估计与高斯生成，改进3DGS生成效果，证明模块化设计在复杂3D建模中的优势。

Comments Project page: this https URL (https://hwasikjeong.github.io/2Xplat)

ForestMamba: Sparse Mamba with Geometry-guided Queries for 3D Forest Point Cloud Segmentation

ForestMamba: 基于几何引导查询的稀疏Mamba用于3D森林点云分割

Trung Thanh Nguyen, Tuan-Anh Vu, Duc Viet Le, Yasutomo Kawanishi, Takahiro Komamizu, Ichiro Ide, Teja Kattenborn

机构 * Nagoya University（名古屋大学） ； RIKEN Seika（日本理化学研究所Seika研究中心） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（埃因霍温理工大学） ； Ritsumeikan University（立命馆大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 提出ForestMamba方法，通过稀疏编码器、几何引导查询初始化和Mamba查询解码器，实现高效且结构感知的森林点云分割，在七个森林区域上优于现有方法，推理速度提升3倍，GPU内存降低2.3倍。

Comments 37th British Machine Vision Conference (BMVC 2026)

Scale Matters: Adaptive Granularity Selection for Cross-Species 3D Plant Organ Segmentation

尺度重要：跨物种三维植物器官分割的自适应粒度选择

Carla Salazar, Lazaros Nalpantidis

机构 * Technical University of Denmark (DTU)（丹麦技术大学（DTU）） ； Pioneer Centre for Artificial Intelligence（人工智能先锋中心） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 针对跨物种三维植物器官分割中固定空间粒度泛化能力差的问题，提出结合冻结Utonia基础模型与自适应粒度选择的小样本方法AGS-PlantSeg，在三个数据集上实现88.9%平均mIoU，性能优于固定粒度基线且与全监督架构相当。

Comments Accepted at the Computer Vision in Plant Phenotyping and Agriculture (CVPPA) Workshop at the European Conference on Computer Vision (ECCV) 2026. Project page: this https URL (https://dtu-pas.github.io/ags-plantseg/)

MV2: Multi-View Multi-Vehicle Driving Dataset for Novel View Synthesis

MV2：用于新视角合成的多视角多车辆驾驶数据集

Sanjay Bhargav Dharavath, Hanvitha Saraswathi Mukkamala, Faizan Farooq Khan, Ioannis Kakogeorgiou, Aditya Arun, C V Jawahar, Zakaria Laskar

机构 * International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； IIT, National Centre for Scientific Research “Demokritos”（德谟克利特国家科学研究中心 IIT） ； Adobe MDSR, India（奥多比印度MDSR部门） ； Indian Institute of Science Education and Research, Thiruvananthapuram（特里凡得琅印度科学教育与研究学院） 纠错

专题命中 新视角合成 ：novel view synthesis(title,abstract)；分类 cs.CV

AI总结 针对驾驶场景新视角合成的难题，提出含50个场景12000张图像的MV2多车辆数据集，经严格配准验证，基准测试显示视角差异增大NVS性能下降，前馈位姿估计器弱于优化方法。

Comments 38 pages, 25 figures, ECCV 2026 accepted paper

Effective Multi-sensor Conditioning for Street-view Novel-view Synthesis

面向街景新视角合成的有效多传感器条件控制

Zhengfei Kuang, Adam Sun, Liyuan Zhu, Tong Wu, Shengqu Cai, Jonathan Tremblay, Iro Armeni, Ehsan Adeli, Lior Yariv, Gordon Wetzstein

机构 * Stanford Univerity（斯坦福大学） ； NVIDIA 纠错

专题命中 新视角合成 ：point cloud(abstract)；分类 cs.CV、cs.GR

AI总结 提出StreetNVS视频扩散框架，通过参考增强相机注意力模块和相对射线级位置编码联合利用LiDAR、环视图像和相机位姿，实现稀疏LiDAR条件下的高质量街景新视角合成。

CGMap: A Geospatially Aware Deep Learning Framework for Crop Gap Mapping Using UAV

CGMap：一种使用无人机进行作物间隙映射的地理空间感知深度学习框架

Karan Sharma, Rajiv Ranjan, Dinesh Kumar, Shashank Tamaskar

机构 * Plaksha University（普拉卡沙大学） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.CV

AI总结 针对印度作物发芽监测易出错的问题，提出基于深度学习的CGMap框架，利用YOLOV8架构和无人机图像，结合最小生成树技术，精确计算甘蔗发芽情况，输出地理空间发芽图，助力提高产量和资源合理分配。

Comments 15 pages