3D 视觉

GA-VINO: A Geometry-Aware Variational Physics-informed Neural Operator for Mindlin-Reissner Plates

MR-GVNO：一种面向不规则域上Mindlin-Reissner板的几何感知变分物理信息神经算子

Siqi Wang, Daobo Sun, Yizheng Wang, Yilong Zhang, Yabin Jin, Xiaoying Zhuang, Timon Rabczuk

机构 * Institute of Computational Mechanics × AI & College of Intelligent Robotics and Advanced Manufacturing, Fudan University（计算力学与人工智能学院及智能机器人与先进制造学院，复旦大学） ； School of Aerospace Engineering, Xiamen University（航空航天工程学院，厦门大学） ； Department of Engineering Mechanics, Tsinghua University（工程力学系，清华大学） ； Institute of Photonics, Department of Mathematics and Physics, Leibniz University（光子研究所，数学与物理系，莱比锡大学） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（结构力学研究所，魏玛 Bauhaus-Universität） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出MR-GVNO，一种几何感知变分神经算子，通过边界点云表示不规则几何，利用交叉注意力机制融合多物理场输入，基于离散总势能的变分物理信息损失无监督训练，实现对Mindlin-Reissner板问题的快速准确预测。

Analysis of Semi-Supervised Learning on Hypergraphs

超图上的半监督学习分析

Adrien Weihs, Andrea L. Bertozzi, Matthew Thorpe

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Warwick（沃里克大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究超图上的半监督学习问题，提出高阶超图学习（HOHL）方法，通过分析随机几何超图上的变分问题，确定缩放机制，证明离散极小值收敛，还给出多尺度拉普拉斯替代并证明收敛，数值实验验证了高阶正则化的实用性。

Maximum diversity and weighting for invariants of periodic time series

周期时间序列不变量的最大多样性与加权

Byungchang So

专题命中 点云 ：point cloud(abstract)

AI总结 本文聚焦周期时间序列不变量，基于量和最大多样性的连续性成果，研究加权连续性及对应最大多样性的变化。通过引入新不变量用于时间序列分析，并进行简单机器学习实验，结果表明所提不变量提升了性能。

Comments 30 pages, 8 figures, 7 tables

Persistent Stiefel-Whitney Classes of Tangent Bundles

切丛的持久施蒂费尔 - 惠特尼类

Dongwoo Gang

专题命中 点云 ：point cloud(abstract)

AI总结 研究如何从有限点样本计算切丛的施蒂费尔 - 惠特尼类，核心方法是构建单纯复形滤链计算持久上同调并应用吴公式，该算法时间复杂度为多项式，能在多种情况下准确计算出切丛的此类拓扑不变量。

Comments 27 pages, 4 figures

Circular Max-Flow for Periodic Data via Reeb Graphs

基于Reeb图的周期数据环形最大流

Matteo Pegoraro, Lisbeth Fajstrup

专题命中 点云 ：point cloud(abstract)

AI总结 针对周期性边界条件数据，利用Reeb图将空间几何简化为有向一维隧道网络，并引入容量约束定义环形最大流，通过线性优化求解，无需指定进出口。

ABE-VVS: Attribute-Based Encrypted Volumetric Video Streaming

ABE-VVS：基于属性的加密体积视频流

Mohammad Waquas Usmani, Susmit Shannigrahi, Michael Zink

专题命中 点云 ：point cloud(abstract)

AI总结 提出ABE-VVS框架，通过选择性加密点云坐标实现轻量级DRM，降低计算开销和延迟，实验表明仅加密X坐标可减少50%加密时间和80%解密时间，并实现零缓冲。

Comments Version 2: Extended to include experiments with RAM-based caching. The manuscript now contains 11 pages and 7 figures (including subfigures)

Unification of Signal Transform Theory

信号变换理论的统一

Mitchell A. Thornton

专题命中 点云 ：3D vision(abstract)

AI总结 本文基于代数多样性框架，统一了多种信号变换及其连续形式，揭示了其作为协方差不变性的本征基的原理，并提出了基于匹配群发现的算法。

Comments v2: Added Hankel, Hankel (cont.), AR(m)/pedagogical remarks, 10 new references; v3: Added material on matched transforms without a group (non-Schurian association schemes) and a code repository link; v4: Added Dunkl transform theorem

VDW-GNNs: Vector diffusion wavelets for geometric graph neural networks

VDW-GNNs：面向几何图神经网络的向量扩散小波

David R. Johnson, Alexander Sietsema, Rishabh Anand, Deanna Needell, Smita Krishnaswamy, Michael Perlmutter

机构 * Program in Computing, Boise State University, Boise, Idaho, USA（博伊西州立大学计算项目） ； Department of Mathematics, UCLA, Los Angeles, CA, USA（洛杉矶大学数学系） ； Department of Computer Science, Yale University, New Haven, CT, USA（耶鲁大学计算机科学系） ； Department of Genetics, Yale University, New Haven, CT, USA（耶鲁大学遗传学系） ； Department of Mathematics, Boise State University, Boise, Idaho, USA（博伊西州立大学数学系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出向量扩散小波（VDW），受向量扩散映射算法启发，可有效融入几何图神经网络（VDW-GNNs），在合成点云和真实风场、神经活动数据上表现良好，并证明其具有框架理论和旋转平移对称性。

Comments Presented at ICML 2026. A previous, shorter version of this work was presented in the "New Perspectives in Advancing Graph Machine Learning" workshop at NeurIPS 2025

Computation of degree-1 persistent homology on larger point-clouds using the Reduced Vietoris-Rips filtration

使用简化 Vietoris-Rips 过滤计算更大点云上的 1 次持续同调

Musashi Ayrton Koyama, Facundo Mémoli, Vanessa Robins, Katharine Turner

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种算法，利用简化 Vietoris-Rips 过滤高效计算低维欧氏空间中更大点云的 1 次持续同调，降低了计算复杂度。

Comments 54 pages, 19 figures, 5 tables

Discovering Symmetry Groups with Flow Matching

通过流匹配发现对称群

Yuxuan Chen, Jung Yeon Park, Floor Eijkelboom, Jianke Yang, Jan-Willem van de Meent, Lawson L. S. Wong, Robin Walters

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出LieFlow框架，将对称发现转化为李群上的分布学习问题，无需固定基或分布假设，能统一发现连续和离散对称，实验优于LieGAN。

Matching correlated VAR time series

匹配相关VAR时间序列

Ernesto Araya, Hemant Tyagi

专题命中 点云 ：point cloud(abstract)

AI总结 研究匹配两个相关VAR时间序列数据库的问题，提出概率框架，通过线性分配估计器实现完美或部分恢复，并利用凸松弛高效求解。

Conic Formulations of Transport Metrics for Unbalanced Measure Networks and Hypernetworks

非平衡测度网络与超网络的运输度量锥形公式

Mary Chriselda Antony Oliver, Emmanuel Hartman, Tom Needham

专题命中 点云 ：point cloud(abstract)

AI总结 提出基于半耦合的锥形Gromov-Wasserstein距离新公式，扩展至网络与超网络比较，证明缩放、收敛和鲁棒性性质，并设计块坐标上升算法。

Comments 41 pages, 6 figures

SplatReasoner: Enhancing Embodied Reasoning and Grounding by Novel View Synthesis

SplatReasoner：通过新颖视图合成增强具身推理与基础能力

Kim Yu-Ji, Dahye Lee, Kim Jun-Seong, Nam Hyeon-Woo, GeonU Kim, Yongjin Kwon, Yu-Chiang Frank Wang, Jaesung Choe, Tae-Hyun Oh

机构 * POSTECH ； KAIST（韩国科学技术院） ； ETRI（韩国电子电信研究院） ； NVIDIA（英伟达） 纠错

专题命中 新视角合成 ：novel view synthesis(title,abstract)；3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.CV

AI总结 研究针对视觉语言模型应用于具身场景理解受固定视角限制的问题，提出SplatReasoner框架，利用3D高斯点云将新颖视图合成引入推理过程，经实验验证该方法能提升具身推理和3D基础能力。

Comments Accepted at ECCV 2026. Project page: https://splatreasoner.github.io/

DF3DV-1K: A Large-Scale Dataset and Benchmark for Distractor-Free Novel View Synthesis

DF3DV-1K：用于无干扰新视角合成的大规模数据集与基准

Cheng-You Lu, Yi-Shan Hung, Wei-Ling Chi, Hao-Ping Wang, Charlie Li-Ting Tsai, Yu-Cheng Chang, Yu-Lun Liu, Thomas Do, Chin-Teng Lin

机构 * University of Technology Sydney（悉尼科技大学） ； University of Sydney（悉尼大学） ； National Yang Ming Chiao Tung University（阳明交通大学） 纠错

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

AI总结 为弥补无干扰辐射场领域缺乏大规模真实世界数据集的空白，构建了包含1048个场景、每场景提供干净和杂乱图像集的DF3DV-1K数据集，并基于此基准测试了九种最新方法，识别出最鲁棒的方法和最具挑战的场景。

Comments ECCV 2026 Accepted

SceneCompleter: Dense 3D Scene Completion for Generative Novel View Synthesis

SceneCompleter：面向生成式新视角合成的密集3D场景补全

Weiliang Chen, Jiayi Bi, Yuanhui Huang, Wenzhao Zheng, Yueqi Duan

机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

专题命中 新视角合成 ：novel view synthesis(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 提出SceneCompleter，通过几何-外观双流扩散模型在RGBD潜空间进行密集3D场景补全，并引入场景嵌入器整合全局信息，实现跨视角一致的生成式新视角合成。

MetaView: Monocular Novel View Synthesis with Scale-Aware Implicit Geometry Priors

MetaView：基于尺度感知隐式几何先验的单目新视图合成

Yufei Cai, Xuesong Niu, Hao Lu, Kun Gai, Kai Wu, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Kolors Team, Kuaishou Technology（快手科技色彩团队） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 研究提出MetaView框架，结合隐式几何建模与少量显式3D线索，利用前馈几何感知网络隐式几何先验及度量深度，实现大视角下单目新视图合成，实验证明该方法在挑战性场景中显著优于现有方法且泛化能力强。

Comments accepted to ECCV 2026

Rectifying Mask via Entropy for Distractor-Free 3DGS in Ambiguous Scenarios

通过熵修正掩码实现模糊场景中无干扰的3D高斯泼溅

Wongi Park, Jiyeon Lim, Minjae Lee, Myeongseok Nam, Seongjun Choi, Jungwoo Kim, Soomok Lee, William J. Beksi, Sang-Hyun Lee

机构 * Samsung Electronics（三星电子） ； Georgia Institute of Technology（佐治亚理工学院） ； GenGenAI ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学） ； Kennesaw State University（肯纳邦州立大学） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校） 纠错

专题命中 新视角合成 ：3DGS(title)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出RefineSplat框架，利用熵感知自适应掩码和密度控制方法，有效识别并移除模糊场景中的动态干扰物，实现无干扰的新视角合成。

Comments 28 pages, 30 figures, and 24 tables

Do Flat Minima Improve Sparse Novel View Synthesis?

平坦最小值能改善稀疏新视图合成吗？

Youngsik Yun, Dongjun Gu, Youngjung Uh

机构 * Yonsei University（延世大学） 纠错

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

AI总结 研究新视图合成中损失锐度与泛化的关系，提出结构感知锐度并根据局部图像结构自适应调整锐度正则化权重，可在保持细节重建所需锐度的同时促进泛化，提升多种基线方法。

Comments ECCV 2026

GeoNVS: Geometry Grounded Video Diffusion for Novel View Synthesis

GeoNVS: 基于几何的视频扩散模型用于新视角合成

Minjun Kang, Inkyu Shin, Taeyeop Lee, Myungchul Kim, In So Kweon, Kuk-Jin Yoon

机构 * KAIST, South Korea（韩国科学技术院） ； Luma AI, USA（Luma AI（美国）） 纠错

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

AI总结 提出GeoNVS，通过高斯溅射特征适配器将扩散特征提升为3D高斯表示，增强几何保真度和相机可控性，在新视角合成任务上超越现有方法。

Comments The code will be available at https://sites.google.com/view/minjun-kang/geonvs-eccv26 (ECCV 2026)

I3DM: Implicit 3D-aware Memory Retrieval and Injection for Consistent Video Scene Generation

I3DM：隐式3D-aware记忆检索与注入用于一致的视频场景生成

Jia Li, Han Yan, Yihang Chen, Siqi Li, Xibin Song, Yifu Wang, Jianfei Cai, Tien-Tsin Wong, Pan Ji

机构 * Monash University（莫纳什大学） ； Vertex Lab（Vertex实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 新视角合成 ：novel view synthesis(abstract,abstract_cn)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出I3DM，一种隐式3D-aware记忆机制，通过预训练FF-NVS模型的中间特征进行视图相关性评分，提升复杂遮挡下的场景一致性生成效果。

Comments Project page: https://riga2.github.io/i3dm

Control-DINO: Feature Space Conditioning for Controllable Image-to-Video Diffusion

Control-DINO：用于可控图像到视频扩散的特征空间条件

Edoardo A. Dominici, Thomas Deixelberger, Konstantinos Vardis, Markus Steinberger

机构 * Huawei Technologies, Switzerland（华为技术（瑞士）） ； Huawei Technologies, Austria（华为技术（奥地利）） ； Graz University of Technology, Austria（格拉茨技术大学） 纠错

专题命中 新视角合成 ：point cloud(abstract)；novel view synthesis(abstract)；3D generation(abstract)；分类 cs.CV

AI总结 本文提出Control-DINO，通过解耦外观与其他特征，实现对视频扩散模型的可控生成，提升生成渲染的可控性。

Comments ECCV 2026 - Project Page https://dedoardo.github.io/projects/control-dino/

Systematic Evaluation of Novel View Synthesis for Video Place Recognition

面向视频地点识别的合成新视角系统性评估

Muhammad Zawad Mahmud, Samiha Islam, Damian Lyons

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

AI总结 系统评估合成新视角对视频地点识别的影响，发现少量合成视角可提升识别性能，且视角变化幅度不如添加数量和图像类型重要。

Comments Submitted to IEEE IROS 2026

Complex-Valued 2D Gaussian Representation for Computer-Generated Holography

复值二维高斯表示用于计算机生成全息术

Yicheng Zhan, Xiangjun Gao, Long Quan, Kaan Akşit

机构 * University College London（伦敦大学学院） ； Hong Kong University of Science and Technology (HKUST)（香港科技大学） 纠错

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

AI总结 提出基于复值二维高斯基元的全息图表示，通过最小化空间-频率不确定性并利用可微分光栅化器实现端到端优化，在减少显存和加速优化的同时，显著提升重建质量与渲染速度。

Comments 36 pages, 22 figures

AnyCamVLA: Zero-Shot Camera Adaptation for Viewpoint Robust Vision-Language-Action Models

AnyCamVLA: 零样本相机适应用于视角鲁棒的视觉-语言-动作模型

Hyeongjun Heo, Seungyeon Woo, Sang Min Kim, Junho Kim, Junho Lee, Yonghyeon Lee, Young Min Kim

机构 * Department of Electrical and Computer Engineering, Seoul National University（电子与计算机工程系，首尔国立大学） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（机械工程系，麻省理工学院） 纠错

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

AI总结 AnyCamVLA通过零样本相机适应提升视觉-语言-动作模型在视角变化下的鲁棒性，适用于任何RGB策略。

Comments Accepted to IROS 2026

MODEST: Multi-Optics Depth-of-Field Stereo Dataset

MODEST：多光学深度景深立体数据集

Nisarg K. Trivedi, Vinayaka A. Belludi, Li-Yun Wang

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

AI总结 本文提出首个高分辨率立体DSLR数据集，涵盖18000张图像，系统变化焦距和光圈，用于研究单目和立体深度估计及景深渲染等任务。

Comments Website, dataset and software tools now available for purely non-commercial, academic research purposes. Significant new contributions. Project page: https://modest-dataset.netlify.app/ Huggingface: https://huggingface.co/datasets/independent-vision-lab/MODEST

Ground4D: Consistency-Aware 4D Reconstruction from Monocular Video

Ground4D: 从单目视频进行一致性感知的四维重建

Qing Zhao, Weijian Deng, Pengxu Wei, Liang Lin

机构 * School of Computer Science and Engineering, Sun Yat-sen University, China（中山大学计算机科学与工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） 纠错

专题命中 新视角合成 ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 提出Ground4D框架，结合3D基础模型进行几何初始化与动态高斯泼溅进行一致性优化，实现从单目视频的高保真4D重建与新视角渲染。

InverseCrafter: Efficient Video ReCapture as a Latent Domain Inverse Problem

InverseCrafter：作为潜在域逆问题的高效视频重新捕捉

Yeobin Hong, Suhyeon Lee, Hyungjin Chung, Jong Chul Ye

机构 * Graduate School of AI, KAIST, South Korea（韩国釜山国立大学人工智能研究生院） ； EverEx, South Korea（韩国EverEx公司） ； Korea University, South Korea（韩国国立庆熙大学） 纠错

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

AI总结 提出InverseCrafter框架，将新视角视频生成转化为潜在空间基于图像修复的逆问题，通过轻量级潜在掩码编码器建立算子等价，无需标注4D训练数据，实现高效合成与编辑。

Comments ECCV 2026

PanoGrounder: Bridging 2D and 3D with Panoramic Scene Representations for VLM-based 3D Visual Grounding

PanoGrounder: 利用全景场景表示桥接2D和3D，实现基于VLM的3D视觉定位

Seongmin Jung, Seongho Choi, Gunwoo Jeon, Minsu Cho, Jongwoo Lim

机构 * Seoul National University（首尔大学） ； Robotics Lab, Hyundai Motor Company（现代汽车公司机器人实验室） ； Pohang University of Science and Technology (POSTECH)（浦项科技大学） 纠错

专题命中 新视角合成 ：3D vision(abstract)；分类 cs.CV

AI总结 提出PanoGrounder框架，通过多模态全景表示与预训练2D VLM结合，实现强泛化能力的3D视觉定位，在ScanRefer和Nr3D上取得最优结果。

Comments ECCV 2026

URoPE: Universal Relative Position Embedding across Geometric Spaces

URoPE: 在几何空间中实现通用的相对位置嵌入

Yichen Xie, Depu Meng, Chensheng Peng, Yihan Hu, Quentin Herau, Masayoshi Tomizuka, Wei Zhan

机构 * Applied Intuition（应用直觉） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 URoPE扩展了RoPE，使模型能在不同视角或维度的几何空间中处理位置信息，适用于多任务如视图合成、3D检测等，提升模型在几何推理中的表现。

Comments Accepted by ECCV 2026. Code is available: https://urope-pe.github.io/

Optimizing Rank for High-Fidelity Implicit Neural Representations

优化秩以实现高保真隐式神经表示

Julian McGinnis, Florian A. Hölzl, Suprosanna Shit, Florentin Bieder, Paul Friedrich, Mark Mühlau, Bjoern Menze, Daniel Rueckert, Benedikt Wiestler

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 本文通过训练中稳定秩的调控，证明简单MLP也能实现高保真隐式神经表示，使用Muon优化器可显著提升性能，在多种任务上PSNR提升高达9 dB。